Book Meter Reviews

こちらは読書メーターで書かれたレビューとなります。

powered by

• galoisbaobab

  読了日：2016/08/05

  「シンギュラリティなんじゃ！」みたいなこと言う人が多いようなので「今の所の実際の所」ってことで読んでみた。理論的に根拠が薄い所で何をやっているのかってことは”わかった”と思う。しかし、NNに関わる数式やアルゴリズムってスッキリと体に入ってこないなー夏休みにもう一度頭を整理しなきゃ。あ、オレ的にシンギュラリティはどうでもいいんです。歴史とかに興味ある人に後付けしてもらえれば良いし。ただ単純に規模が大きくなることで変わることがあるんだなーと純粋に漠然と感じているこの感覚はアナガチ間違ってなさそう、と思った。

• Kosmos

  読了日：2016/11/12

  上司から渡された課題図書。一通り、目を通してもさっぱり理解することが出来なかった。セミナーやMATLAB,OpenCVのプログラム例を参考にして、人に説明することが出来るレベルまで、理解度を深めたい。もう少し、簡単な本から学習するようにしたい。

• やすほ

  読了日：2021/09/15

  【☆★★★★】 ディープラーニングを体系的に学びたいと思い読了。内容が難解で、断片的なため非常にわかりづらかった。初学者には向かないと思う。特に確率的なモデルや自然言語処理の部分は数式の展開さえ追うことができなかった。ある程度、理論に慣れ親しんだ人用なのだろう。実装系の本との難易度のギャップに驚き。

• inakoshi

  読了日：2017/01/03

  章によって(要は担当著者によって)、解説の深さにバラつきがあるが、CNN(5章)やRNN(6章)の学習則あたりは式を導出しながら繰り返し読んだ。AdaGrad、Adamを含むハイパーパラメタ最適化、過学習制御のためのDropOutの理論的な解析(いずれも4章)は再読しておきたい。自己符号化器(1章)、深層ボルツマンマシン(2章)、事前学習(3章)も同様。7章は例外だが、重要なところを絞り込んで詳解している感じ。

• Tsukasa Fukunaga

  読了日：2016/02/01

  昨今話題のDeep Learningについての技術書。似た内容の本として、機械学習プロフェッショナル(MLP)シリーズに同名の本があるが、カバーしている範囲は結構異なる。MLP本の方が初学者向けで基礎から丁寧に解説してあるのに対し、こちらは少々玄人向けで多分ある程度の事前知識がないと厳しい。その代わり、応用事例や実装についての事が豊富に書かれている。深層学習を利用して何か研究をしたい場合には、こちらまで読むとよいと思われる。少しかじっておきたいだけならMLP本がお勧め。

レビューをもっと見る

(外部サイト)に移動します