「これならわかる深層学習入門」は僕を奮い立たせる

深層学習（いわゆるAI）をちゃんと勉強しようと思い立って下記本を購入しました（ずっと前に）。

深層学習

もくじ

第1章 はじめに
第I部 応用数学と機械学習の基礎
第2章 線形代数
第3章 確率と情報理論
第4章 数値計算
第5章 機械学習の基礎
第II部 深層ネットワーク：現代的な実践
第6章 深層順伝播型ネットワーク
第7章 深層学習のための正則化
第8章 深層モデルの訓練のための最適化
第9章 畳み込みネットワーク
第10章 系列モデリング：回帰結合型ニューラルネットワークと再帰型ネットワーク
第11章 実用的な方法論
第12章 アプリケーション
第III部 深層学習の研究
第13章 線形因子モデル
第14章 自己符号化器
第15章 表現学習
第16章 深層学習のための構造化確率モデル
第17章 モンテカルロ法
第18章 分配関数との対峙
第19章 近似推論
第20章 深層生成モデル

600ページ。GANの発案者Ian Goodfellowによる著書。これを読めば深層学習についての知識が定着するのではないかと思って意気揚々と読み始めましたが、、、

進まない、、、

つらい、、、

息が苦しい、、、

という状態になり、9章まで読んで中断しました。 機械学習専門の方が読む分にはそこまで苦ではないかもしれませんが、門外漢の自分にとっては苦痛そのもの。 というか、読めるけど頭に入ってこない、いや文章と記号を読んでいるだけですけど。

みんなこんな難しい本をさらっと読むのだろうか、、、と絶望を覚えていた矢先、こんな記事を見つけました。

karino2.github.io

Deep Learningの経験をある程度持ってててそれなりに最近の論文を幾つか読んでいて、PRMLとかある程度読んでて、PGMとかMCMCとかもどこかで学んでて、それなりに確率論的なバックグラウンドがある人が読む本になってます。 相当要求水準高い。

そうか、自分にはまだ時期尚早だったんだ！ ちゃんと順序を踏まなければ！

と、ここでQiitaの投稿で参考になるものがありました。

qiita.com

大変な良記事。AIエンジニアを目指している方の大いなる羅針盤になるのではないかと思います。 上記記事は実装に重きをおいています。確かに、実際仕事ではフレームワーク使って実装メインで進めるのであって、革新的なネットワークを生み出したりニューラルネットの内部を解析したりするとても難易度の高いことをするのはごく一部だと思います（個人的な感想）。

それでもやっぱ理論を体系立てて理解した。。。なんてわがままを実現するためにちょうどいい本がありました。

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)

もくじ

1 はじめに
2 機械学習と深層学習
3 ニューラルネット
4 勾配降下法による学習
5 深層学習の正則化
6 誤差逆伝播法
7 自己符号化器
8 畳み込みニューラルネット
9 再帰型ニューラルネット
10 ボルツマンマシン
11 深層強化学習

まんべんなく内容が抑えられている、そして文章が（深層学習と比べて）とても読みやすい、読みやすすぎる！ 難しい数式もなぜそのような式なのか丁寧に説明されている、す、すごい、とてもやる気が起きる！！！

進む、、、

楽しい、、、

息が爽やか！！！

アマゾンのレビューを見る限り、E検定の数学はこの書籍の内容とのことなので、資格勉強にももってこいです。

ああ、この本と出会えてよかったです。深層学習を読破するために、まだ頑張れそうです。