著者は、東北大学東北大学大学院情報科学研究科システム情報科学専攻知能ロボティクス学講座 イメージ解析学分野教授の岡谷貴之氏。同氏の研究分野は「知覚情報処理」「知能ロボティクス（コンピュータビジョン）」。深層学習における画像認識研究の第一人者として、AI技術の発展に大きく寄与してきた実績を持っています。また、AIのプラットフォームをゼロから開発する技術を持つ株式会社グリッドのアドバイザーとしても活躍しています。
トップ研究者による、深層学習（ディープラーニング）に関する解説を掲載した書籍です。内容は読み進めやすい語り口で進んでいくため、無理なく理解することができるでしょう。また、この書籍は機械学習技術の数学的な基礎理論やアルゴリズムなどを全29巻に渡って刊行した「機械学習プロフェッショナルシリーズ」の１冊。内容は、基礎的な部分はもちろんSGD、自己符号化器、CNN、RNN、ボルツマンマシンなど、非常に幅広い内容となっています。
「初めてディープラーニングを勉強するために読みました。記述や数学は概ね簡単です。図が多いのも理解を助けます。おかげでディープラーニングが実際に何をしているのかがわかりました。最初に読む本としては正解であったと思います。」
引用元：Amazon（https://www.amazon.co.jp/gp/customer-reviews/R48GBS9FG6X49/ref=cm_cr_dp_d_rvw_ttl?ie=UTF8&ASIN=4061529021）
「第5章の自己符号化までは比較的丁寧に記述されているが、第6章以降のCNNとLSTMの説明が乱雑で初学者がこれだけを読んで理解するのは困難だと言わざるをえない。特にCNNの誤差逆伝搬の説明は余りにいい加減で唖然としてしまった。プロフェッショナルシリーズを謳っているためか機械学習の用語が説明無しに出てくる一方、プロを目指してちゃんと学びたい人には不十分な内容であり何とも中途半端な本である。」
引用元：Amazon（https://www.amazon.co.jp/gp/customer-reviews/R3G2883VED177V/ref=cm_cr_dp_d_rvw_ttl?ie=UTF8&ASIN=4061529021）
「深層学習の入門書はいっぱいあるけど、発展の経緯とか、深層学習のパターンとか、学習テクニックとか、色々な情報が整理されている。まとめ方が旨いなぁ。おそらく日本中に存在する「偉い人にAIやってと言われて途方に暮れているエンジニア」は、とりあえず読んでみたらいいんじゃないかな。数式ガン無視しても、なんとなく全体像が掴めるので、次のステップに進みやすくなるよ。」
引用元：Amazon（https://www.amazon.co.jp/gp/customer-reviews/RV0UGKU7JBQBM/ref=cm_cr_dp_d_rvw_ttl?ie=UTF8&ASIN=4061529021）
「近年、話題となっている深層学習について、簡潔にまとめられている分かりやすい本だと思います。数式もそんなに難しいものは出てこないので、大学などで少し数学について勉強した方にとってはすんなり理解できる内容なのではないかと思います。」
引用元：Amazon（https://www.amazon.co.jp/gp/customer-reviews/R34GGKL3OASWCC/ref=cm_cr_dp_d_rvw_ttl?ie=UTF8&ASIN=4061529021）
「とりあえず私のような凡人は「さらっと」数式や、概念を流して進めてくれる旅行ガイドのような本書は有難い。一般的には、programを使い実計算をしながら使い方を覚える、と言う学び方が主流である。だからこそ、この本のような概念を示してくれる本は有難いと思う。」
引用元：Amazon（https://www.amazon.co.jp/gp/customer-reviews/R2KT1327840O98/ref=cm_cr_dp_d_rvw_ttl?ie=UTF8&ASIN=4061529021）
「教科書的ではあるが、大学の教科書ほど難解ではなく読み進められる。読み解くには時間と気力が必要。courseraのディープラーニングなどを受けながら、理解できないところをこの本で読み砕くのがよいだろう。」
引用元：Amazon（https://www.amazon.co.jp/gp/customer-reviews/RTTAX6H95HR62/ref=cm_cr_dp_d_rvw_ttl?ie=UTF8&ASIN=4061529021）
「深層学習で知識が必要になる各分野について、程よい長さの章で説明されていて、中身も簡潔でしかも理解するのには過不足なく、非常に丁寧に説明してくれます。引用文献も多く、事後学習にも参考になりそうです。技術書を書くときのお手本のようなとても良い本だと思います。」
引用元：Amazon（https://www.amazon.co.jp/gp/customer-reviews/R34TDHLXIOEMIQ/ref=cm_cr_dp_d_rvw_ttl?ie=UTF8&ASIN=4061529021）
「AIをめぐる書籍は多数ありますが、確実かつ既に使用されている知識をまとめた本の中で、最高峰にある本のひとつだと思います。数式は微分積分が多いですが、写真や図も多く、文章が大変理解しやすいので、文系の方も数学分野のボトルネックの部分を文章や図で学べる大変な良書だと思います。」
引用元：Amazon（https://www.amazon.co.jp/gp/customer-reviews/R31M1RRHDSXTTO/ref=cm_cr_dp_d_rvw_ttl?ie=UTF8&ASIN=4061529021）
「今流行りのディープラーニングに関する入門書として購入しました。ネット情報では、端的にしか得られないので、こうやって系統立てられた本を読んだ方が理解は早い気がします。」
引用元：Rakutenみんなのレビュー（https://review.rakuten.co.jp/item/1/213310_17365155/1.1/）
「内容はかなり専門的です。 数学の知識が必要です。」
引用元：Rakutenみんなのレビュー（https://review.rakuten.co.jp/item/1/213310_17365155/1.1/）
写真や図などを多く使用し、ディープラーニングについてわかりやすく説明を行っている書籍。そのため初めて学ぶ人の入門書としても読み進められる一冊となっています。データサイエンス部門で研究を始める大学生や大学院生にもおすすめ。
