神経科学者と学ぶ深層学習超入門

深層学習・機械学習を一歩深く学びたいと思ったものの，やっぱり難しそう．そんな悩みに応える読み切りサイズの入門書．生命科学の研究者が執筆するから，数学・統計・情報学の知識がなくてもサクサク読める！ AIのだいじなことがスルスルわかる！ 生命科学・医学研究への応用がミルミル見えてくる！ 【目次】 序 第1部　深層学習の基礎 1-1 超基本用語の整理 人工知能と機械学習と深層学習 モデル 線形と非線形 [雑談]　世界モデル 1-2 人工ニューロン 人工ニューロン パーセプトロン 活性化関数 [雑談]　ウォルター・ピッツ 1-3 学習 ニューラルネットワークの基本構造と学習 入力と出力 3種類の学習 損失関数と目的関数 誤差逆伝播法 局所解 過学習 転移学習 構造 [雑談]　脳と深層学習の速度 1-4 畳み込みニューラルネットワーク 歴史 層 全結合層 畳み込み層 プーリング層 [雑談]　スケールと性能 1-5 リカレントニューラルネットワーク ホップフィールドネットワーク リカレントニューラルネットワークとゲート機構 エコーステートネットワーク [雑談]　恐竜と哺乳類 1-6 画像生成AI AutoEncoder VAE 拡散モデル [雑談]　視座 1-7 トランスフォーマー ALL You Need Is Attention トークン 埋め込み 自己注意機構 多頭注意 残差接続と正規化層 全結合層 そしてついに会話ができる [雑談]　人工知能の倫理 1-8 深層強化学習 強化学習 行動選択ポリシー マルコフ決定過程 Q学習 深層強化学習（DQN） [雑談]　基盤AIとロボット 1-9 機械学習 機械学習の特徴 分類のための機械学習 次元圧縮（PCA） 次元圧縮（t-SNE） 次元圧縮（UMAP） [雑談]　Neuronist 第2部　深層学習と生命科学 2-1 第2部のはじめに 2-2 顕微鏡画像 Cellpose 2-3 遺伝子解析 Geneformer 2-4 タンパク質科学 AlphaFold2 2-5 医療 DenseNet モデルの強化 2-6 神経科学 解析ツールとして 脳のモデルとして 2-7 行動科学 DeepLabCut 2-8 心理学 筆者の研究 2-9 ALife ニューラルセル・オートマトン 2-10 第2部のおわりに LLMと人工知能の未来 巻末付録 付録1 深層学習を体験する 付録2 おすすめの入門書3選 あとがき 索引