図解　深層学習　数理で理解する基本原理

※本書はEPUB（固定レイアウト型）で作成されております。検索機能や文字列のコピーがご利用できません。

※この商品は固定レイアウトで作成されており、タブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字列のハイライトや検索、辞書の参照、引用などの機能が使用できません。

【豊富な図と数式のコンビで、深層学習の基本原理が直感的に理解できる！】

　本書では「深層学習に使用する数学」について、意味を直感的に理解できるように図を多用することで式を補完する。
　第I部では深層学習についての基礎事項と次の部で使用する数学について、第II部ではニューラルネットワーク（深層学習）の中身について、第III部では深層学習の自動チューニングについてそれぞれ詳述。深層学習の実践・応用へステップアップするための基礎がじっくりと学べる、第一歩に相応しい一冊。
【目次】
第I部　基礎事項と関連する数学
第1章　深層学習と人工知能
第2章　教師あり学習
第3章　勾配法
第4章　確率と情報量
第5章　線形変換
第6章　共分散行列と多次元正規分布

第II部　ニューラルネットワーク
第7章　ニューラルネットワークの基礎
第8章　畳み込みニューラルネットワーク
第9章　再帰型ニューラルネットワーク
第10章　自然言語処理と深層学習
第11章　アテンション
第12章　Transformer と大規模言語モデル

第III部　ハイパーパラメータの最適化
第13章　ハイパーパラメータ探索の基本手法
第14章　ベイズ最適化
第15章　進化計算による最適化