【難しい⁉】【おすすめ書籍レビュー】ゼロから作るDeep Learning（ニューラルネットワークと言えばこの1冊！）

機械学習やディープラーニングを学びたいけど、どのように学習すればいいだろう。TensorFlowなどのライブラリを使えばPythonで実行できることは分かったけど、中身の仕組みまで理解したい。

こんな悩みにお答えします。

「ゼロから作るDeep Learning」を読破することで、Pythonを用いてニューラルネットワークをゼロから実装することができます。

なぜなら、高尚なライブラリを用いず、ゼロからDeep Learningを実装することをコンセプトにしており、Python初心者向けに丁寧に解説されているからです。

今回は、「ゼロから作るDeep Learning」のレビューとおすすめの読み方をご紹介します。

この記事を読み終えると、本書の購入を検討できるようになります。

本記事の内容

・「ゼロから作るDeep Learning」レビュー、おすすめポイント、おすすめの読み方
・ニューラルネットワークの構成要素

■Pythonを学べるおすすめのプログラミングスクール
1. Aidemy
・・・AIエンジニアとしてのスキルを身に付けたい。その延長で就職、転職できたら嬉しい方におすすめ。
2.侍エンジニア塾
・・・基礎力と即戦力を身に付けられる、満足度No.1スクール
3. TechAcademy
・・・副業に向けてスキルアップしたい。フリーランスなどを目指している方向け。
4. AIジョブカレッジ
・・・コスパ良く、質の高い講座を受けたい方におすすめ。

本記事の信頼性

ひよこ

私は、大学時代にプログラミングを学び、PHPなどのWeb系言語からAIに用いられるPythonまで幅広く経験してきました。

現在はデータサイエンティストとして大企業で活動しています。

また今ではほぼ不労所得として月10万円以上の収益を継続的に達成しています。

Contents

1. 結論：ニューラルネットワークの内部構造を理解できる良書
2. 概要
3. ニューラルネットワークの構成要素
4. おすすめの読み方
5. まとめ

1. 結論：ニューラルネットワークの内部構造を理解できる良書

・ニューラルネットワークの内部構造を理解できる良書
・ライブラリを使わずにここまで分かりやすくニューラルネットワークの実装ができるのは本書だけ

2016年の発行以来、読者を増やし続けている1冊。関連書籍も多くディープラーニング入門のベストセラーとなっています。

ニューラルネットワークの実装をライブラリを用いずに行うため、内部構造を理解しながら取り組むことができます。

本書のおすすめポイントは以下のとおりです。

■おすすめポイント
・ニューラルネットワークを1から実装できる（本書の9割）
・Python基礎の復習ができる
・サンプルコードあり

まずはやはり、ニューラルネットワークを1から実装できることです。近年多くのライブラリが登場し、どなたでもニューラルネットワークを実装・利用することができるようになりました。しかし、内部でどんな処理が行われているかご存知ない方が多いのではないでしょうか。ニューラルネットワークを利用する際には、データの前処理やパラメータのチューニングが必要になります。したがってニューラルネットワークの構造を正確に理解できていないと正しく学習を行えない可能性があります。本書を読破することでニューラルネットワークの正しい理解を得ることができるでしょう。

そして、Python基礎の復習から学べることです。Pythonを用いてニューラルネットワークを実装するためPythonの知識は不可欠です。本書はPython初心者の方も対象としており、丁寧な解説があることは読者にとって嬉しいポイントです。

また、サンプルコードも用意されています。自分でプログラムを実行することでイメージが膨らむため、手を動かし実践的に学習を進められることはスキルアップに効果的でしょう。

2. 概要

リンク

対象	・Pythonをはじめて利用する方・ニューラルネットワークの理論を知りたい方・ディープラーニングの応用例を知りたい方
発行日	2016/9/24
ページ数	‎320ページ
特徴	・ディープラーニングとは何なのか、どういう特徴があるのか、どういう原理で動作しているのかを簡単に説明・中身の分からないブラックボックスにならないように1から最先端のディープラーニングを作り上げる・サンプルコードの配布あり
章立て	1章：Python入門 2章：パーセプトロン 3章：ニューラルネットワーク 4章：ニューラルネットワークの学習 5章：誤差逆伝播法 6章：学習に関するテクニック 7章：畳み込みニューラルネットワーク 8章：ディープラーニング

【Python】ディープラーニングを学べるおすすめ本4選をはじめ、度々ご紹介させていただいている1冊。

ニューラルネットワークをライブラリを使わずに実装するため、通常ブラックボックスになってしまう内部の処理まで理解を深めることができます。

内部構造を理解できている方はごくわずか。流行のニューラルネットワークを周りと差別化しつつ学んでいきましょう。

また、ニューラルネットワークはディープラーニングの基礎になる手法であるため、応用手法の理解や実装を含め、自走力を身に付けるには最適な学習になると思います。

ゼロから作る Deep Learning 詳細はこちら＞＞

【Python】ディープラーニングを学べるおすすめ本4選

Pythonの基礎文法を学んで機械学習にも取り組んでいるけど、話題のディープラーニングにも挑戦してみたい。何かいい学習方法はないかな。。こんな悩みにお答えします。ディープラーニングは書籍で学ぶことができます。なぜなら、近年AIや機械学習の需

3. ニューラルネットワークの構成要素

ここで、ニューラルネットワークの構成要素を簡単にご説明します。本書を読む際の参考にしていただければ幸いです。

■ニューラルネットワークの構成要素
・レイヤー、ノード
・活性化関数
・損失関数
・誤差逆伝播法
・正則化

ニューラルネットワークイメージ

ニューラルネットワークは上図のようにレイヤー（入力層、中間層、出力層）と各レイヤーのノード（青〇）で成り立っています。入力層のノードには入力データの特徴量（例：花びらの長さ、花びらの幅）が入り、出力層のノードには出力の確率（例：花の種類の確率）が入ることが多いです。

そして、各ノードはエッジ（青線）で結ばれており、エッジにはそれぞれ重みが付与されています。簡単には重要な特徴量の重みは大きくなっているということですね。極端に言うと入力層と出力層を直接繋いでも良いのですが、中間層を入れることで表現力を上げている（重みの数を増やしている）のです。そしてこの中間層の数を増やすとディープラーニングになるというわけです。

活性化関数は、中間層や出力層の値に関数をかませ、出力値を操作する関数です。主に非線形変換を行うために用いられ、モデルの表現力を向上させています。

損失関数は、学習時に正解値との差分を計算する関数で目的関数とも呼ばれます。そしてこの損失関数の最適化のために主に誤差逆伝播法を用いて重みなどのパラメータの更新を行います。

また、過学習（学習データにフィットしすぎてしまい、汎化性能が落ちること）を抑制するために、パラメータの更新に制限をかけモデルの汎用性を向上させる正則化という学習時のテクニックが用いられています。

ひよこ

実際に取り組んでみないと分からない部分が多いので、ここでは「ふーん、そうか」というレベルでとどめていただければと思います！

4. おすすめの読み方

■おすすめの読み方
・Pythonの復習（1章）、パーセプトロン（2章）はすぐに読み切る
・ニューラルネットワーク（3章）はサンプルコードを利用しながら時間をかけて
・4～5章はできるだけ丁寧に理解
・6章以降は最初は読み物でOK

ここでは、本書のおすすめの読み方をご紹介。

まず、Pythonの復習（1章）、パーセプトロン（2章）はすぐに読み切ることを心がけましょう。本書の中では最も簡易な内容です。この1,2章に時間をかけてしまうと3章以降を読む体力がなくなってしまいます。読んだ量が多いとモチベーションアップにも繋がるためアクセル踏んでいきましょう。逆に言うと、ここの理解が難しい方はレベルが合っていない可能性があるので注意してください。

ニューラルネットワーク（3章）はサンプルコードを利用しながら時間をかけて取り組みましょう。本書の肝になる部分です。実際にプログラムを実行してイメージを持ちながら学習を進めましょう。この章では手書き数字認識にも触れているためニューラルネットワークの用途を想像しやすいと思います。

そして、4～5章はできるだけ丁寧に理解しましょう。モデルの評価や学習方法について丁寧に解説されています。ここまで理解できるとニューラルネットワークの全体像を把握できたと言っても過言ではありません。

6章以降については、最初は読み物でOKです。正則化のテクニックやニューラルネットワークの応用（CNN）について述べられています。この章は必要に応じて精読していけば十分かと思います。