いいもんつくったー

今週の平積みさん#データサイエンス編@紀伊國屋書店

今週の平積み4冊を紹介します。

独学プログラマーのためのAIアプリ開発がわかる本

【名人に勝った将棋プログラマーPonanza作者 山本 一成氏 推薦】

この本は、「プログラミングの基礎は勉強したけど、アプリは作ったことがない人」に読んでほしいと思って書きました。

この本のタイトルの通り、僕はプログラミングをスクールに行って学んだり、会社の先輩に教えてもらったりしたわけではありません。完全に独学でプログラミングを学んでいます。


それでも話題になるアプリが作れたのは、僕にプログラミングの才能があったからでもなんでもなく、個人が趣味で一つアプリを作るくらいのことは、最低限の知識を押さえれば、そこまで難しくないのです。もちろん、仕事で活かすのであれば、プログラミング以外にも、環境構築やインフラの知識が必要だったり、保守性の高いコードを書けたりする必要があります。

しかし、「初心者が最初のアプリを作る」のに膨大な時間は必要ないのです。この本では、環境構築が一切不要なGoogle Apps Scriptを利用してアプリを作ります。またプログラミングも簡単なJavaScriptがわかればOK。とりあえずは実装できてしまいます。

これからプログラミングを勉強してみたいと思っている方は、この本で最初の一歩を踏み出してみましょう。自分の手で動かしてみて、少しでもプログラミングが楽しいと思ってくれればうれしいです。

なお、この本では厳密性よりも理解しやすさを重要視しています。
エンジニアの方で、ちゃんとしたエンジニアが書いたコードで学びたい方には、この本を読むのはオススメしません。
この本は、抽象度や、複雑性、保守性には重きをおかず、まずは独学でアプリを作ってリリースしてみたい、難しいことは抜きにプログラミングを体験したいという方向けに書かれています。
(「はじめに」などより)

最短コースでわかる ディープラーニングの数学

AIのブラックボックスを開けよう!
ディープラーニングの本質を理解するために必要な「数学」を
「最短コース」で学べます!

本書では、ディープラーニングの理解には欠かせない数学を
高校1年生レベルから、やさしく解説します。
(微分、ベクトル、行列、確率など)

最短コースで理解できるように、
解説する数学の分野は必要最低限のものだけに絞り、
その相関関係を★特製の綴込マップ★にまとめました。

また、数学を使ってイチから記述したコードを
Jupyter Notebook形式で提供しますので
実際に動かしながら学ぶことができます。
ディープラーニング」の動作原理を「本当に」理解できる本です。


[第2版]Python 機械学習プログラミング 達人データサイエンティストによる理論と実践 (impress top gear)

機械学習本ベストセラーの第2版!
著者陣の経験に基づく洞察とより専門的な知識を学べる

機械学習の各コンセプトについて、理論や数学的背景、Pythonコーディングの実際を解説。
初期の機械学習アルゴリズムから、ニューラルネットワーク(CNN/RNN)までの手法を取り上げます。

Python関連ライブラリとしてはscikit-learnやTensorFlowなどを使用。
本書は、機械学習を本格的に理解・実践するのに不可欠な一冊となっています。

第2版では、第1版への読者のフィードバックを随所に反映し、ライブラリの更新に対応。
13章以降はほとんど新規の書き下ろしです。

●原著の第1版はACM(米国計算機学会)の
「21st Annual list of Notable Books and Articles(2016)」にランクイン
●日本語版の第1版は「ITエンジニア本大賞2017」ベスト10にランクイン


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

ディープラーニングの本格的な入門書。外部のライブラリに頼らずに、Python 3によってゼロからディープラーニングを作ることで、ディープラーニングの原理を楽しく学びます。
ディープラーニングニューラルネットワークの基礎だけでなく、誤差逆伝播法や畳み込みニューラルネットワークなども実装レベルで理解できます。
ハイパーパラメータの決め方や重みの初期値といった実践的なテクニック、Batch NormalizationやDropout、Adamといった最近のトレンド、自動運転や画像生成、強化学習などの応用例、さらには、なぜディープラーニングは優れているのか?なぜ層を深くすると認識精度がよくなるのか?といった“Why"に関する問題も取り上げます。