試験公開中

産業応用を見据えた深層学習の理論
ギフトで購入
このエントリーをはてなブックマークに追加

産業応用を見据えた深層学習の理論

近代科学社Digital

8,360円 (7,600円+税)

各産業に向けて深層学習の実用的な参考となるよう、深層学習の理論、実装、応用という異なる視点から3巻の書籍に分けて書いています。理論編である本書では、モデルの構造、損失関数と評価指標から深層学習の説明性、連合深層学習までを扱っています。

【注意】本書のEPUB版は固定レイアウト型になっております。文字の大きさの変更や検索、引用などはお使いいただけません。画面の大きい端末でご利用ください。

関連サイト

本書の関連ページが用意されています。

内容紹介

各産業に向けて深層学習の実用的な参考となるよう、深層学習の理論、実装、応用という異なる視点から3巻の書籍に分けて書いています。この3巻の書籍は、深層学習の全体像を包括的かつ体系的に解説しており、実際の応用で直面する様々な問題に対処するのに役立ちます。理論編である本書では、モデルの構造、損失関数と評価指標から深層学習の説明性、連合深層学習までを扱っています。

書誌情報

  • 著者: 武 海栄, 権 立杰
  • 発行日:
  • 最終更新日: 2026-07-10
  • バージョン: 1.0.0
  • ページ数: 536ページ(PDF換算)
  • 対応フォーマット: PDF, EPUB
  • 出版社: 近代科学社Digital

対象読者

大規模言語モデル,LLM,最適化,ニューラルネットワーク,深層強化学習,強化学習,マルチモーダルモデル,前処理,深層学習,連合深層学習,アルゴリズム,次元削減,事後活性化,異種グラフ,ルーティングの崩壊,認識逆引き誤り率,勾配場,リプシッツ定数,畳み込み,プレフィックスに興味がある人

著者について

武 海栄

2009年：Canon Innovative Solution(Beijing)Co., Ltd.
2013年：CapitalBio Corporation Group Co., Ltd.
2017年：NEUSOFT Japan株式会社
2020年：医学部の教授と共同で、AIに基づく精神疾患の診断と治療方法の研究を始める
2021年：ASIOT株式会社　最高技術責任者
現職：Auto-X株式会社　最高技術責任者

権 立杰

現職：Auto-X株式会社 代表取締役
日本、中国、インドのIT企業において、人工知能（AI）システム、データ分析システム、および連携業務システムの開発と管理に携わってきました。保険分野におけるAI審査、時系列分析、AIデータ統合製品、医療AI連携システム、金融取引システムなど、多様なデータ分析およびAI応用プロジェクトに参画しました。
担当領域は、プロジェクトマネジメント、AIシステムアーキテクチャ、データベース設計、セキュリティ対策、システム運用・保守など多岐にわたり、主に医療、通信、保険、金融の業界をターゲットに、日本および米国市場向けシステムの推進と保守を主導してきました。
現在、生成AI技術を活用し、メンタルヘルス分野における自動化製品の開発と実用化に注力しています。

目次

第1章　モデルの構造

  • 1.1　導入
  • 1.2　ニューラルネットワーク
  • 1.3　畳み込みニューラルネットワーク(CNN)
  • 1.4　Transformer
  • 1.5　グラフニューラルネットワーク(GNN)
  • 1.6　専門家の混合(MoE)
  • 1.7　拡散モデル

第2章　損失関数と評価指標

  • 2.1　導入
  • 2.2　専門分野のタスク
  • 2.3　大規模言語モデル(LLM)
  • 2.4　マルチモーダル大規模モデル
  • 2.5　検索拡張生成(RAG)
  • 2.6　視覚生成大規模モデル

第3章　モデルの学習

  • 3.1　導入
  • 3.2　モデルの最適化
  • 3.3　誤差逆伝播法
  • 3.4　パラメータ初期化
  • 3.5　正則化
  • 3.6　指数移動平均(EMA)
  • 3.7　勾配流

第4章　深層強化学習

  • 4.1　導入
  • 4.2　理論的基礎と枠組み
  • 4.3　アルゴリズム体系
  • 4.4　モジュール
  • 4.5　深層強化学習とLLM
  • 4.6　マルチエージェント強化学習(MARL)
  • 4.7　検証可能な報酬からの強化学習(RLVR)

第5章　モデルの構築

  • 5.1　導入
  • 5.2　軽量型モデルの構築
  • 5.3　大規模言語モデル(LLM) の構築
  • 5.4　マルチモーダルモデルの構築
  • 5.5　世界モデル

第6章　実用モデル

  • 6.1　導入
  • 6.2　超軽量型CNNモデル
  • 6.3　BitNet
  • 6.4　Qwen3 シリーズモデル
  • 6.5　検索拡張生成(RAG)
  • 6.6　HunyuanVideo
  • 6.7　HunyuanWorld 1.5

第7章　深層学習の説明性

  • 7.1　導入
  • 7.2　畳み込みニューラルネットワーク(CNN) の説明性
  • 7.3　注意機構の説明性
  • 7.4　グラフニューラルネットワーク(GNN) の説明性
  • 7.5　大規模言語モデル(LLM) の説明性
  • 7.6　マルチモーダル大規模モデルの説明性

第8章　連合深層学習

  • 8.1　導入
  • 8.2　基礎理論
  • 8.3　プライバシーとセキュリティ技術
  • 8.4　通信効率最適化
  • 8.5　異種性問題
  • 8.6　連合LLM
  • 8.7　連合深層強化学習
Home 〉 書籍一覧 〉 産業応用を見据えた深層学習の理論 ▲ ページトップへ戻る