DeapLearning・深層学習 おすすめ本

Deep Learning おすすめ本について書いていきたいと思います。

DeepLearningは機械学習の一つです。

機械学習を学んでから、やってみた方がいいと思います。まあいきなりやってもなんとかなってしまいますが。

www.neuralsparrow.com

具体的にはdeeplearningはニューラルネットワークという技術を応用したものです。

www.neuralsparrow.com

またこの分野の本はPythonで実装されることが多いので、Pythonのことも知っておいた方がいいかもしれません。

ニューラルネットワークとは?

人間の神経構造を人工的に再現したもの

まずは、ニューラルネットワークという概念を理解する必要があります。

深層学習とは、複数の壮を重ねたニューラルネットワークのことを差します。

概ね以下の三種類を扱うことが多いです。

DNN（Deep Neural Network，ディープニューラルネットワーク）

ニューラルネットワークを重ねたもの。

CNN（Convolutional Neural Network，畳み込みニューラルネットワーク）

DNNを2次元データに対応させたもので、画像に対して高いパターン認識能力がある。

画像認識などで使います。

RNN（Recurrent Neural Network，再帰型ニューラルネットワーク）

音声、動画データのようなものを扱うために再帰的な構造をもたせた双方向に信号が伝播するニューラルネットワークを使ったアルゴリズム。

また最近では、Google翻訳などの自然言語処理にも使われていることで有名ですね。

音声認識、動画認識、自然言語処理などで使います。

Deep Learningの実用

Deep Learningでできること、というかよくやっていること。

画像認識

画像を変換したり、何らかの特徴を取り出す処理とか。

DeaapLearningは画像から猫を認識できるようになって注目を集めた技術です。

音声認識

音声を認識させる技術です。個人的にすごい興味があっていろいろいじっています。

音声変換などでもdeeplearningが使われたりもするのでそういうソフトウェアを作ろうかなあとか思ったりしている。

自然言語処理

自然言語（人間が使う言葉を）をコンピューターに処理させる技術のことを言います。

GPUは必要?

この分野をやるにはそれなりの性能のコンピュータが必要になります。

もちろん普通のノートパソコンでもできることはありますが、やはりデスクトップでGPUがあった方がいいです。

GPUがあればパソコンゲームもできますし、買ってみることをお薦めします。

玄人志向 ビデオカード GEFORCE GTX 1060搭載 GF-GTX1060-E6GB/OC2/DF

自作パソコンもやってみると面白いかも。

値段的にはGTX1060 6g がお得な気がします。

学部一年くらいの数学は知っておきたい

せめて学部一年がやるような基本的解析(微積分)や線形代数は知っておきたいところです。

それらの知識はどの分野をやるにしても必要になってくるのでしっかりと学んでおきましょう。

微積分

高校レベルがはこちら

www.neuralsparrow.com

学部レベルはこちら

www.neuralsparrow.com

線形代数はこちら

www.neuralsparrow.com

数学はちゃんとやっておいた方が後々楽になります。多分。

頑張りましょう。

おすすめ本

ゼロから作るDeep Learning

ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装

一番最初に読むべき本です。

機械学習を学んだことがあるなら十分理解は可能です。

DeepLearningの基礎を最も簡単に解説されている本です。

学部一年くらいの微分と線形代数は分かっておいた方がいいですが、まあわからなくてもなんとかなってしまうくらい丁寧にかかれていますので、取り敢えず読んでおきましょう。

ゼロから作るDeep Learning2

ゼロから作るDeep Learning ? ―自然言語処理編

word2vecやRNN(再帰型ニューラルネットワーク)、LSTMやGRU、seq2seqやAttentionなど最新の自然言語処理のことを知ることができます。

自然言語処理に興味があるなら読んでおきましょう。

これだけの内容をここまで簡単に分かりやすく説明するのは本当にすごいと思います。

特にword2vecのことは詳しくかかれていますので、word2vecに興味がある人は持っておいた方がいいでしょう。

はじめてのディープラーニング

はじめてのディープラーニング -Pythonで学ぶニューラルネットワークとバックプロパゲーション- (Machine Learning)

タイトル通りはじめての人向けです。

著者はUdemyの講座も出しておりますのでそれも見てみると理解が進むかもしれません。

内容は基本的ですので、しっかりと理解しておく必要があります。

入門書としては非常に良くできています。

これならわかる深層学習

機械学習スタートアップシリーズ これならわかる深層学習入門 (KS情報科学専門書)

深層学習の論理的なことをとても丁寧に解説しています。

実装・コーディングについては他の本を読む必要があります。

ただこれをあえて読む必要があるかは微妙。

まあ時間的・金銭的な余裕があるのであれば読んでみるといいかも。

直感DeepLearning

直感 Deep Learning ―Python×Kerasでアイデアを形にするレシピ

TensorFlowを使用して、自然言語処理、画像処理、画像生成、音声合成、強化学習、AIゲームプレイなどをKerasで実装しています。

ニューラルネットの基本を学んだあとに読む本です。

復習にも使うことができます。

サンプルコードがたくさんあるわりに若干解説が足りてない感じはあります。

Kerasを使いたいなら読んでおく価値があります。

ただGPUがないとちょっと厳しいかも。

詳解ディープラーニング

詳解 ディープラーニング ~TensorFlow・Kerasによる時系列データ処理~

TensorFlowを使うのであればとても参考になります。

またRNNについても詳しくかかれているので、TensorFlowとRNNに興味があるのなら買いです。

プログラマーにとってはこういう実装しながらやっていく本の方が理解はしやすいのではないでしょうか。

TensorFlowではじめるDeepLearning実装入門

TensorFlowではじめるDeepLearning実装入門 (impress top gear)

TensorFlowでのCNN,RNNの実装について学べます。

TensorFlow の本ですね。

ニューラルネットワークについてある程度基本を学んだあとに読む本です。

TensorFlowを使うつもりなら読んでみましょう。

200ページぐらいの本ですが内容は濃いです。

その分、若干説明が足りてない感じはありますが。

深層学習(機械学習プロフェッショナルシリーズ)

深層学習 (機械学習プロフェッショナルシリーズ)

SGD、自己符号化器、CNN、RNN、ボルツマンマシンまでいろんなトピックを扱っています。

ただ初学者にはちょっと厳しいかも、この分野をある程度やって慣れてから読むといいです。

分量が少ないですが、もちろんその分説明も簡潔ですので復習用に使うのがいいと思います。

いきなり読むのはきつい

深層学習

深層学習

Deep Learning (Adaptive Computation and Machine Learning)

英語ができる人は英語版を読みましょう。

この分野をやるのであれば必ず読むべき本です。

かなり分量もありますし、大変ですが読む価値はあります。

名著です。

読み込みましょう。

ディープラーニングはなんといっても結果がいいので、無視できない技術ですしっかりと押さえておいた方がいいでしょう。