この書籍は、ディープラーニングをゼロから実装することで学ぶ入門書です。Python 3を用いて、基礎から誤差逆伝播法や畳み込みニューラルネットワークなどの技術を理解し、実践的なテクニックや最近のトレンドも紹介します。また、ディープラーニングの優位性や深層化の理由についても考察しています。著者はコンピュータビジョンや機械学習の研究開発に従事する斎藤康毅氏です。

『ゼロから作るDeep Learning』の続編である本書は、自然言語処理や時系列データ処理に焦点を当て、ディープラーニングの技術を実装レベルで学ぶことができます。具体的には、word2vec、RNN、LSTM、GRU、seq2seq、Attentionなどの最新技術を取り上げ、分かりやすく解説しています。著者は、人工知能の研究開発に従事する斎藤康毅氏です。

大変好評を得ている，MITの人気を誇る講義内容をまとめた計算科学の教科書の第２版．機械学習を意識した統計学の話題が豊富 最新にして最強!! 人気講義の教科書、第２版！ 　大変好評を得ている，MITのトップクラスの人気を誇る講義内容をまとめた計算科学の教科書の第２版． 　今回の改訂では，後半の内容が大幅に増え，新たに５章追加されている．特に「機械学習」を意識して，統計学の話題が豊富になっている． 　Python言語を活用して，計算科学を学ぶ読者必携の書！ 　Python　Ver3.5に対応！ ★は新しい章. 1. さあ,始めよう！ 2. Python の概要 3. 簡単な算術プログラム 4. 関数,スコープ,抽象化 5. 構造型,可変性と高階関数 6. テストとデバッグ 7. 例外とアサーション 8. クラスとオブジェクト指向プログラミング 9. 計算複雑性入門 10. いくつかの単純なアルゴリズムとデータ構造 11. プロットとクラス 12. ナップサック問題とグラフ最適化問題 13. 動的計画法 14. ランダムウォークと可視化 15. 確率,統計とプログラム 16. モンテカルロ・シミュレーション ★17. 標本抽出と信頼区間 18. 実験データの理解 ★19. 無作為試験（無作為抽出試験）と仮説の照合 ★20. 条件付き確率とベイズ統計 21. うそ,真っ赤なうそ,そして統計 22. 機械学習はやわかり ★23. クラスタリング ★24. 分類法 付録A Python 3.5 簡易マニュアル 索　引　

フレームワーク編

分子軌道法（ＭＯ法）とは，原子に対する原子軌道の考え方を分子に対して適用し，分子の電子状態や反応機構を理解しようとするものである．この量子化学的視点を用いることによって，あらゆる化学現象を統一的に捉えて説明する．化学を学ぶもの必携の一冊． 第１章　量子化学序論 第２章　原子軌道——軌道概念（１） 第３章　軌道相互作用の原理——軌道概念（２） 第４章　化学結合論——軌道概念（３） 第５章　フロンティア軌道論——軌道概念（４） 第６章　２原子分子 第７章　分子構造の支配因子 第８章　分子間相互作用 第９章　分子構造と立体化学 第10章　官能基の性質と酸・塩基の強度 第11章　共役π電子系と芳香族性 第12章　化学反応と分子軌道