こんにちは。虎の穴ラボFantiaエンジニアのNSYです。
G検定のようにAIについて学習する中で「たくさんの専門用語やモデル名を覚えるのが大変…」「結局この技術の何がすごいのか、どうしてこのモデルがつくられたのか」と感じたことはありませんか？
私自身もG検定を受けた際にその疑問にぶつかりました。以前読んだことがあり、今回読み返してAIへの理解が深まった本がありましたのでご紹介します。
この本はディープラーニングに入門するにあたり、その分野を体系的に学ぶことができる本です。
www.deeplearningbook.org
なぜG検定にこの本が良いのか？
G検定とは、一般社団法人日本ディープラーニング協会（JDLA）が実施する、AI・ディープラーニングの活⽤リテラシー習得のための検定試験です。
実際に受けてみて感じたこととして、単に用語を覚えるだけでは解けない問題もあります。
もちろん用語の説明を選択する問題もありますが、モデルの特徴やそのモデルが考案された背景まで理解しておくことで解答しやすくなるような出題もあります。加えて最新トレンドのAIモデルに関する出題もありました。
そのため、参考書の用語理解に加え、各モデルの特徴や歴史的背景、数学的な理解も深めておくと理想的だと感じました。
この本について
今回紹介する『Deep Learning』はIan Goodfellow氏、Yoshua Bengio氏、Aaron Courville氏らによって執筆されたディープラーニング分野への入門書です。
この本のWeb版は無料で公開されており、書籍版はAmazonで購入することができます。日本語の翻訳版も出版されていますが、昨今の翻訳技術は高性能なので、翻訳を活用することで、原文もスムーズに読むことができると思います。
| タイトル | Deep Learning |
|---|---|
| 著者 | Ian Goodfellow、Yoshua Bengio、Aaron Courville |
| 発行年月 | 2016年11月10日 |
| 出版社 | The MIT Press |
| ASIN | B08FH8Y533 |
この本の構成
この本は800ページのボリュームで線形代数をはじめとした数学の基礎からはじまり、段階的に機械学習やディープラーニングへとステップアップする構成となっております。そのため初学者でも無理なく読み進められると思います。
パート1. 応用数学と機械学習の基礎
昔数学はやったけどだいぶ忘れているなという方でも大丈夫です。このパートでは線形代数や確率・統計のように機械学習を理解するために必要な基礎から丁寧に解説されています。加えて過学習や推定、モデルの評価手法、機械学習モデルといった機械学習に必要な知識もここで学ぶことができます。
パート2. 現代の実用的なディープネットワーク
ここではG検定でも出題されるディープラーニングモデルが登場します。モデルの学習手法に加えて、画像認識分野で頻出のCNN(畳み込みニューラルネットワーク)や、文章のような時系列データの扱いに長けたRNN(再帰型ニューラルネットワーク)といったモデルについて、数式や疑似コード、図による解説があります。
パート3. ディープラーニング研究
ここではより発展的な内容として、当時のディープラーニングに関する研究が複数まとめられています。近ごろ画像生成や文章生成で注目されるTransformerの基礎技術ともなったAutoencoderなどについても言及がされています。
この本の強みと弱み
強み
- AIに必要な数学を、行列計算のような基礎レベルから丁寧に解説されている。
- 数式やグラフ、図解、疑似コードを駆使した解説で直感的な理解を助けてくれる。
- 研究論文がベースになっており、機械学習モデルが生まれた背景やモデル改良の過程も体系的に学べる。
弱み
- 原文が英語で数式も多いため最初は少し気後れするかもしれません。
- 2016年当時に執筆された本のため最新のモデルの解説はありません。G検定の学習に利用する場合は参考書など他の本も合わせて学習する必要があります。
おすすめできる読者層
本書はディープラーニング分野の研究者だけでなく、AIについて知りたい入門してみたいなという方におすすめしたいです。
G検定へ向け勉強中の方で、用語としての理解から一歩進んで数学的な背景まで理解したい方には特におすすめしたいです。
もしかしたら数学が好きではない方にはとっつきにくいかもしれませんが、数学に抵抗がない方は基礎的な内容から解説がされているためすんなり読めるでしょう。
まとめ
『Deep Learning』は数学の基礎からステップアップして、ディープラーニングを含めた機械学習について学ぶことができる本です。
背景となる論文を中心にまとめたものであるため、数式が多く、また原文が英語のため少しハードルが高く感じるかもしれません。しかし、G検定の参考書にある用語の説明から一歩進んで数学的な裏付けや、研究の歴史背景についても学ぶことができます。
出版されてから少し時間が経っていますが、ディープラーニングに興味が湧いた、もっと知りたいと感じた際に読んでみる価値はあると思います。
Fantia開発採用情報
虎の穴ラボでは現在、一緒にFantiaを開発していく仲間を積極募集中です！
多くのユーザーに使っていただけるtoCサービスの開発をやってみたい方は、ぜひ弊社の採用情報をご覧ください。
toranoana-lab.co.jp
