実践 Deep Learning ―PythonとTensorFlowで学ぶ次世代の機械学習アルゴリズム

まえがき

2000年代に人気を集めたニューラルネットワークが、再び脚光を浴びています。そしてディープラーニングは、モダンな機械学習への道を切り開く研究としてとても活発に議論されています。本書では十分な解説と実例を示し、ディープラーニングという込み入ったトピックをよりよく理解できるように努めます。GoogleやMicrosoft、Facebookなどの大企業もディープラーニングの重要性を理解し、それぞれ社内に研究チームを発足させています。しかし我々にとっては依然として、ディープラーニングというのは複雑で理解しにくいテーマです。研究論文は専門用語であふれ、オンラインの解説記事は問題解決への動機も手法も明らかにはしてくれません。このような不満を解消するために、本書は執筆されました。

本書の目的と前提

本書は、微積分や行列演算、そしてPythonプログラミングについての基礎的な知識を持った読者を対象とします。これらの経験の乏しい読者が本書を読み進めるのは、不可能ではありませんが困難を伴うでしょう。また、数学的な解説の一部では、線形代数に関する知識も役立つことになります。

本書をすべて読み終えると、読者はディープラーニングを使った問題解決のアプローチを直感的に理解できるようになるでしょう。ディープラーニングの歴史的背景を把握し、オープンソースのTensorFlowライブラリを使ってディープラーニングのアルゴリズムを記述できるようにもなります。

表記上のルール

本書では、次に示す表記上のルールに従います。

太字（Bold）

新しい用語、強調やキーワードフレーズを表します。

等幅（Constant Width）

プログラムのコード、コマンド、配列、要素、文、オプション、スイッチ、変数、属性、キー、関数、型、クラス、名前空間、メソッド、モジュール、プロパティ、パラメーター、値、オブジェクト、イベント、イベントハンドラー、XMLタグ、HTMLタグ、マクロ、ファイルの内容、コマンドからの出力を表します。その断片（変数、関数、キーワードなど）を本文中から参照する場合にも使われます。 ...