生鮮食品がお買い得 プライム感謝祭 10/19(月)23:59まで エリア限定
USD 20.89
ポイント: 99pt  (3%)  詳細はこちら
配送料 USD 20.94 11月2日 月曜日にお届け
詳細を見る
または 最も早い配送 10月22日 木曜日にお届け 詳細を見る
残り9点 ご注文はお早めに 在庫状況について
USD USD 20.89 () 選択したオプションを含めます。 最初の月の支払いと選択されたオプションが含まれています。 詳細
価格
小計
USD USD 20.89
小計
初期支払いの内訳
レジで表示される配送料、配送日、注文合計 (税込)。
出荷元 / 販売元
Amazon.co.jp
Amazon.co.jp
出荷元 / 販売元
Amazon.co.jp
ギフトオプション
レジで利用可能
レジで利用可能 この商品はギフトです。変更
レジで、カスタムメッセージ、簡単返品のギフト領収書を追加して、商品をギフト包装することができます
支払い方法
お客様情報を保護しています
お客様情報を保護しています
Amazonはお客様のセキュリティとプライバシーの保護に全力で取り組んでいます。Amazonの支払いセキュリティシステムは、送信中にお客様の情報を暗号化します。お客様のクレジットカード情報を出品者と共有することはありません。また、お客様の情報を他者に販売することはありません。 詳細はこちら
次に追加されました:

申し訳ありません。問題が発生しました。

ウィッシュリストの取得中にエラーが発生しました。もう一度やり直してください。

申し訳ありません。問題が発生しました。

リストを利用できません。
Kindleアプリのロゴ画像

無料のKindleアプリをダウンロードして、スマートフォン、タブレット、またはコンピューターで今すぐKindle本を読むことができます。Kindleデバイスは必要ありません。

ウェブ版Kindleなら、お使いのブラウザですぐにお読みいただけます。

携帯電話のカメラを使用する - 以下のコードをスキャンし、Kindleアプリをダウンロードしてください。

KindleアプリをダウンロードするためのQRコード

  • IT Text 自然言語処理の基礎

IT Text 自然言語処理の基礎

岡﨑 直観 (著), 荒瀬 由紀 (著), 鈴木 潤 (著), 形式: 単行本
5つ星のうち4.3 (47)
{"desktop_buybox_group_1":[{"displayPrice":"USD 20.89","priceAmount":20.89,"currencySymbol":"USD","integerValue":"20","decimalSeparator":".","fractionalValue":"89","symbolPosition":"left","hasSpace":true,"showFractionalPartIfEmpty":true,"offerListingId":"XygQ2x5Kg8uhGMRNoAUwceT8ZH86dXiv%2BLLgX084pnXT1Jx%2BH0rhla7%2FDwF3rou%2B9rjl6rQpJj3arTtosiSBrLf7NZEazpHhvSSmOxHfv%2BfX6JuEYn77avm%2FRjV37%2F0a01niYYUYOMw%3D","locale":"ja-JP","buyingOptionType":"NEW","aapiBuyingOptionIndex":0}]}

購入オプションとあわせ買い

深層学習をベースとした自然言語処理の基礎が体系的に身につく!
本書は、深層学習に基づく自然言語処理の基礎となる知識や考え方を、丁寧に展開し解説するものです。自然言語処理技術の概観から始め、機械学習の基本的枠組み、言語モデル・系列変換モデルとして非常に有用なTransformerとそれを活用した事前学習モデルの詳解、さらに自然言語処理の基本的なタスクである系列ラベリング、構文解析、意味解析と、自然言語処理を学ぶうえで必須の基礎知識や背景となる仕組みを幅広くカバーし、体系的に身につけることができる構成としました。
大学の学部上級から大学院の学生、さらには自然言語処理を学び始めた若手技術者にお薦めの教科書です。

《詳細目次》
第1章　自然言語処理の概要
　1.1　自然言語処理の応用
　1.2　コーパスと自然言語処理
　　1. さまざまなコーパス
　　2. 品詞の注釈付けの例
　　3. コーパスに対する統計的な分析
　1.3　自然言語処理の難しさ
　　1. 形態素解析
　　2. 構文解析
　　3. 意味解析
　演習問題

第2章　自然言語処理のための機械学習の基礎
　2.1　機械学習とは
　2.2　教師あり学習
　2.3　特徴量表現
　2.4　パーセプトロン
　2.5　ロジスティック回帰
　　1. ロジスティック回帰モデル
　　2. 最尤推定
　　3. 確率的勾配降下法
　2.6　ソフトマックス回帰モデル
　2.7　機械学習モデルの評価
　2.8　正則化
　2.9　ニューラルネットワーク
　2.10　計算グラフと自動微分
　2.11　ニューラルネットワークに関するその他の話題
　演習問題

第3章　単語ベクトル表現
　3.1　記号からベクトルへ
　3.2　素性関数による単語のベクトル表現
　　1. 見出し語と語幹
　　2. 語彙資源
　3.3　分布仮説と単語文脈行列
　3.4　特異値分解による次元削減
　3.5　Word2Vec：ニューラルネットワークによる学習
　　1. CBoWモデル
　　2. Skip-Gramモデル
　　3. 負例サンプリング
　　4. ハイパーパラメータの影響
　3.6　単語ベクトルの応用
　3.7　FastText：単語よりも小さな単位の利用
　3.8　単語ベクトル表現の課題と限界
　演習問題

第4章　系列に対するニューラルネットワーク
　4.1　単語ベクトルの合成
　4.2　再帰型ニューラルネットワーク（RNN）
　4.3　勾配消失問題と勾配爆発問題
　4.4　長期短期記憶（LSTM）
　4.5　ゲート付き再帰ユニット（GRU）
　4.6　畳込みニューラルネットワーク（CNN）
　演習問題

第5章　言語モデル・系列変換モデル
　5.1　言語モデル・系列変換モデルの導入
　5.2　言語モデルの定式化
　5.3　言語モデルの利用例
　　1. 言語モデルでテキストの自然さを判定
　　2. 言語モデルによるテキストの生成
　5.4　言語モデルの具体例1：nグラム言語モデル
　5.5　言語モデルの具体例2：ニューラル言語モデル
　　1. 順伝播型ニューラル言語モデル
　　2. 再帰型ニューラル言語モデル
　5.6　系列変換モデル
　　1. エンコーダ（符号化器）
　　2. デコーダ（復号化器）
　　3. 注意機構
　　4. 単語の生成処理
　5.7　言語モデルの評価：パープレキシティ
　5.8　未知語問題への対応
　　1. 文字単位の処理
　　2. 部分単語（サブワード）単位の処理
　演習問題

第6章　Transformer
　6.1　Transformerの歴史的背景
　6.2　自己注意機構（セルフアテンション）
　6.3　Transformerの構成要素
　　1. QKV注意機構
　　2. マルチヘッド注意機構
　　3. フィードフォワード層
　　4. 位置符号
　　5. 残差結合
　　6. 層正規化
　6.4　学習時の工夫
　　1. マスク処理
　　2. 学習率のウォームアップ
　　3. ラベルスムージング
　　4. モデル平均化
　演習問題

第7章　事前学習済みモデルと転移学習
　7.1　事前学習済みモデルの背景
　7.2　デコーダの事前学習：GPT
　　1. GPTの事前学習
　　2. GPTを用いた転移学習
　　3. 大規模言語モデルがもつ可能性
　7.3　エンコーダの事前学習：BERT
　　1. BERTの事前学習
　　2. BERTを用いた転移学習
　　3. 単語や文の埋込み表現の抽出
　7.4　エンコーダ・デコーダの事前学習：BART
　　1. BARTの事前学習
　　2. BARTを用いたファインチューニング
　7.5　事前学習済みモデルと知識蒸留
　　1. パラメータ削減によるモデルの小規模化
　　2. 大規模モデルから小さなモデルの抽出
　7.6　事前学習済みモデル利用上の注意点
　演習問題

第8章　系列ラベリング
　8.1　系列ラベリングとは
　8.2　系列ラベリングの定式化
　8.3　点予測による系列ラベリング
　8.4　線形連鎖に基づく条件付き確率場
　　1. 線形連鎖によるスコア付け
　　2. ラベル列のラティス表現
　　3. ビタビアルゴリズム
　　4. 前向き・後ろ向きアルゴリズム
　演習問題

第9章　構文解析
　9.1　構文解析とは
　9.2　句構造解析
　　1. 文脈自由文法
　　2. 確率文脈自由文法とCKY法
　　3. シフト還元法
　　4. 文法・確率の学習
　9.3　依存構造解析
　　1. CKY法
　　2. シフト還元法
　　3. 最大全域木法
　9.4　さまざまな構文解析手法
　演習問題

第10章　意味解析
　10.1　意味解析とは
　10.2　テキスト間含意関係認識
　10.3　ニューラルネットワークによる意味解析
　10.4　述語項構造解析
　10.5　論理表現
　10.6　セマンティックパージング
　10.7　意味解析のその他の話題
　　1. モダリティ
　　2. 語義曖昧性解消，エンティティリンキング
　　3. 談話解析，文脈解析
　　4. 語用論
　演習問題

第11章　応用タスク・まとめ
　11.1　機械翻訳
　11.2　質問応答
　　1. 知識ベースに基づく質問応答
　　2. 情報検索に基づく質問応答
　11.3　対話
　　1. タスク指向対話
　　2. チャットボット
　11.4　自然言語処理の過去・現在
　　1. 自然言語処理の黎明期
　　2. 深層学習の導入
　　3. 深層学習がもたらした変化

演習問題略解
参考文献
続きを読む
商品の詳細の前のスライド
  1. 本の長さ
    320ページ
  2. 言語
    日本語
  3. 出版社
    オーム社
  4. 発売日
    2022/8/24
  5. 寸法
    15 x 1.5 x 21 cm
  6. ISBN-10
    4274229009
  7. ISBN-13
    978-4274229008
商品の詳細の次のスライド
最大10%ポイント還元:
紙書籍 まとめ買いキャンペーン

よく一緒に購入されている商品

対象商品: IT Text 自然言語処理の基礎
USD20.89
99ポイント(3%)
残り9点 ご注文はお早めに
この商品は、Amazon.co.jpが販売および発送します。
+
大規模言語モデル入門
USD22.28
106ポイント(3%)
在庫あり。
この商品は、Amazon.co.jpが販売および発送します。
+
大規模言語モデル入門Ⅱ〜生成型LLMの実装と評価
USD20.89
99ポイント(3%)
在庫あり。
この商品は、Amazon.co.jpが販売および発送します。
総額: $00
当社の価格を見るには、これら商品をカートに追加してください。
ポイントの合計: pt
詳細
追加されました
これらの商品のうちのいくつかが他の商品より先に発送されます。
詳細の表示 詳細の非表示
一緒に購入する商品を選択してください。

商品の説明

著者について

《著者略歴》

岡﨑直観（おかざき　なおあき）
2007 年　東京大学大学院情報理工学系研究科博士後期課程修了，博士（情報理工学）
2017 年　東京工業大学情報理工学院情報工学系 教授（現職）

荒瀬由紀（あらせ　ゆき）
2010 年　大阪大学大学院情報科学研究科博士後期課程修了，博士（情報科学）
2014 年　大阪大学大学院情報科学研究科 准教授（現職）

鈴木　潤（すずき　じゅん）
2005 年　奈良先端科学技術大学院大学博士後期課程修了，博士（工学）
2020 年　東北大学データ駆動科学・AI教育研究センター 教授（現職）

鶴岡慶雅（つるおか　よしまさ）
2002 年　東京大学大学院工学系研究科博士後期課程修了，博士（工学）
2018 年　東京大学大学院情報理工学系研究科 教授（現職）

宮尾祐介（みやお　ゆうすけ）
2001 年　東京大学大学院理学系研究科博士後期課程中途退学
2006 年　博士（情報理工学）
2018 年　東京大学大学院情報理工学系研究科 教授（現職）

登録情報

  • 出版社 ‏ : ‎ オーム社
  • 発売日 ‏ : ‎ 2022/8/24
  • 言語 ‏ : ‎ 日本語
  • 本の長さ ‏ : ‎ 320ページ
  • ISBN-10 ‏ : ‎ 4274229009
  • ISBN-13 ‏ : ‎ 978-4274229008
  • 商品の重量 ‏ : ‎ 470 g
  • 寸法 ‏ : ‎ 15 x 1.5 x 21 cm
  • Amazon 売れ筋ランキング: 本 - 43,507位 (本の売れ筋ランキングを見る)
  • カスタマーレビュー:
    5つ星のうち4.3 (47)

著者について

. 著者をフォローすると、新刊情報やお得なセールの更新に加えて、より精度の高いおすすめも受け取れます。フォローしているすべての著者の最新情報を「Your Books」で確認できます。
Previous page
  1. 岡﨑 直観

    岡﨑 直観

    Brief content visible, double tap to read full content.
    Full content visible, double tap to read brief content.

    著者の本をもっと見つけたり、似たような著者を調べたり、おすすめの本を読んだりできます。

    著者ページでもっと見る
  2. 鈴木潤

    鈴木潤

    Brief content visible, double tap to read full content.
    Full content visible, double tap to read brief content.

    著者の本をもっと見つけたり、似たような著者を調べたり、おすすめの本を読んだりできます。

    著者ページでもっと見る
Next page

関連書籍

ページ 1 / 1はじめに戻る
スポンサー
Previous page
  1. Amazonのストアでお買い物 ›
    Ｑ＆Ａ　相続財産の管理と処分－所有者不明不動産、管理不全等不動産、不在者、相続人の不存在－
    Ｑ＆Ａ　相続財産の管理と処分－所有者不明不動産、管理不全等不動産、不在者、相続人の不存在－
    4.35つ星のうち4.34
    USD32.73
  2. Amazonのストアでお買い物 ›
    図解 労務入門 人事の土台をゼロからおさえておきたい人のための「理論と実践」100のツボ
    図解 労務入門 人事の土台をゼロからおさえておきたい人のための「理論と実践」100のツボ
    4.25つ星のうち4.274
    USD19.50
  3. Amazonのストアでお買い物 ›
    とりあえず法人税申告書が作れるようになる本 (高山先生の若手スタッフシリーズ)
    とりあえず法人税申告書が作れるようになる本 (高山先生の若手スタッフシリーズ)
    3.85つ星のうち3.859
    USD13.93
Next page

カスタマーレビュー

星5つ中4.3つ
47グローバルレーティング

日本からのトップレビュー

  • nk
    星5つ中5つ
    AIが「魔法」から「科学」になった
    2026年2月23日に日本でレビュー済み
    フォーマット: Kindle版 (電子書籍)
    Brief content visible, double tap to read full content.
    Full content visible, double tap to read brief content.

    後半の「意味解析」などにやや解説が乱暴な部分はあるものの、それでも機械学習や単語埋め込みの導入、そこから系列変換モデルやTransformer、事前学習済みモデルや構文解析などに無理なく話をつなげていくのは素晴らしいと思った。

    また、扱う数学は基本的に大学の学部2年程度までの数学が大半で、直感に反するような突飛な数学もない。偏微分や行列の扱いなどを少し勉強すれば、数学が得意な高校生でも頑張れば理解できるかもしれない。

    総じて、現代のAI（もちろん自然言語処理が中心だが）を数学的に解釈するのに最高の1冊だと思った。

    2人のユーザーが役に立ったと感じています
    フィードバックを送信中...
    フィードバックをお寄せいただきありがとうございます。
    フィードバックを送信中...
    ありがとうございます。数日中に調査いたします。

    コミュニティガイドライン新しいタブで開きますに照らしてこのレビューが適切かどうか確認します。 そうでない場合は削除されます。

  • さくま
    星5つ中5つ
    自然言語処理の最初の一冊として
    2023年8月7日に日本でレビュー済み
    フォーマット: 単行本
    Brief content visible, double tap to read full content.
    Full content visible, double tap to read brief content.

    自然言語処理に興味を持つ人の一冊目に適した書籍。

    著者らは代表的な自然言語処理の研究者であり、古典的な自然言語処理からTransformerまで広範なトピックを網羅している。

    注目を集めるLLMの技術の基礎を抑えるのにも良い。

    最近の話題としては『大規模言語モデルは新たな知能か』は読みやすく、本書を読む前に読むと良いかもしれない。

    最近の技術をより詳しく知りたければ『大規模言語モデル入門』も良書である。

    25人のユーザーが役に立ったと感じています
    フィードバックを送信中...
    フィードバックをお寄せいただきありがとうございます。
    フィードバックを送信中...
    ありがとうございます。数日中に調査いたします。

    コミュニティガイドライン新しいタブで開きますに照らしてこのレビューが適切かどうか確認します。 そうでない場合は削除されます。

レビューをすべて見る