朝野『ビジネスマンがきちんと学ぶディープラーニング』

第１章　機械による学習のはじまり

1.1　人工知能の夢

1.2　パーセプトロン

1.3　エキスパートシステム

1.4　得られた教訓とその後の発展

コラム：線形分離可能とは何か

第２章　数学の基礎を準備

2.1　データテーブルは行列である

2.2　行列とベクトルの計算

2.3　偏微分

2.4　行列とベクトルの偏微分

第３章　線形から非線形へ

3.1　線形モデルとは

3.2　SEMと決定木

3.3　活性化関数

3.4　非線形最適化

第４章　量的な予測を行うディープラーニング

4.1　分析データとモデルと

4.2　誤差逆転伝播法

4.3　手計算で確かめるディープラーニング

4.4　いくつかの改善点

コラム：勾配行列の高速導出

第５章　質的な分類を行うディープラーニング

5.1　交差エントロピー基準

5.2　ソフトマックス関数による確率予測

5.3　フォワードとバックワードのプロセス

5.4　Pythonでコーディング

コラム１：シャノンの情報量

コラム２：ディープラーニングの計算法

第６章　学習結果の適用

6.1　予測フェーズ

6.2　予測は適中するか

6.3　判別分析と比べる

6.4　データハンドリング

コラム：ディープラーニングの様々なモデル

第７章　機械学習を成功させる工夫

7.1　過学習と予測の妥当性

7.2　ミニバッチはなぜ必要か

7.3　入力データの標準化

7.4　ソフトウェアとビジネスマンへの応用

コラム：ディープラーニングで使われる用語

第８章　ディープラーニングによる広告効果測定

8.1　広告効果分析

8.2　ディープラーニングによる広告効果モデリング

8.3　広告効果の予測

コラム１：畳み込みニューラルネットワーク

コラム２：再帰型ニューラルネットワーク