スコアマッチングを学ぶ本は、数式中心で進めるか、実装まで試せるものを選ぶか迷いやすいですよね。
スコアマッチング関連の章やPythonコードの付属状況を見比べると、読みたい範囲と手を動かす場面に合わせて選びやすくなります。
今回は、生成モデルを広く学ぶ本からスコアマッチングを扱う上級書までをまとめます。
おすすめ商品の早見表
| 商品名 | 参考価格 | 対象者 | スコアマッチングの掲載内容 | 関連章の掲載ページ | 付随資料 |
|---|---|---|---|---|---|
 Deep Generative Modeling | 13,267円（2026-10-14時点のAmazon価格。時期で変わる） | 学生・エンジニア・研究者 | 「Score-Based Generative Models」章、キーワード「Score matching」 | 217–257ページ | 本書に付随する全コード |
 Deep Learning | 10,953円（2026-10-14時点のAmazon価格。時期で変わる） | 学部生・大学院生・ソフトウェアエンジニア | — | — | 補足資料を提供するウェブサイト |
 Generative AI Through Stochastic Dynamics | 3,875円（2026-10-14時点のAmazon価格。時期で変わる） | 上級学生・機械学習エンジニア・AI研究者 | スコアマッチング、スコアベース生成モデル、VP/VE過程、逆時間SDE、確率流ODE | — | — |
| Probabilistic Machine Learning: Advanced Topics | — | 研究者・大学院生 | Score matching (SM)、Denoising score matching (DSM)、Sliced score matching (SSM)、Score-based generative models | — | オンラインPythonコード、図の多くを再現するコード |
Deep Generative Modeling
「Score-Based Generative Models」章でスコアマッチングを学びたい人には、Deep Generative Modelingがおすすめです。学生・エンジニア・研究者を対象にした本です。
「Score-Based Generative Models」章には、キーワードとして「Score matching」が載っています。
学習の前提には、学部レベルの微積分・線形代数・確率論と、PythonおよびPyTorch（または他の深層学習ライブラリ）でのプログラミングが含まれます。これらを学習の土台にできる人向けです。
本書に付随する全コードが利用できるようになっています。コードも参照して学びたい人にはおすすめです。
Deep Learning
学部生・大学院生で、深層学習の数学的・概念的な背景から学びたい人には、Deep Learningがおすすめです。深層生成モデルも研究面のトピックとして扱います。
学習の前提には、線形代数、確率論、情報理論が含まれます。これらを学習の土台にできる人向けの内容です。
深層学習を使い始めたいソフトウェアエンジニアには、この本がおすすめです。
刊行言語は英語です。
補足資料を提供するウェブサイトもあるので、英語の本文と追加資料を使って学びたい人にはおすすめです。
Generative AI Through Stochastic Dynamics
スコアマッチングを生成モデルの流れの中で学びたい人には、Generative AI Through Stochastic Dynamicsがおすすめです。対象者の例には、上級学生、機械学習エンジニア、AI研究者が含まれます。
拡散モデルからスコアベース生成モデル、フローマッチングへ進む構成で、スコアマッチングも扱います。VP/VE過程、逆時間SDE、確率流ODEも扱っています。
拡散モデルを第一原理から理解し、PyTorchでゼロから構築する内容も扱っています。
Python/PyTorchによる再現可能な実験と、分布品質・数値精度・サンプリング性能などの評価も扱っているため、実装と評価まで学びたい人にはおすすめです。
刊行言語は英語です。英語で読む本を選びたい人には、この本がおすすめです。
Probabilistic Machine Learning: Advanced Topics
研究者や大学院生で、機械学習・統計の文脈からスコアマッチングを上級レベルで学びたい人には、Probabilistic Machine Learning: Advanced Topicsがおすすめです。
Score matching、Denoising score matching、Sliced score matching、Score-based generative modelsを扱い、Diffusion models章ではForwards diffusion SDEとReverse diffusion SDEも取り上げます。スコアマッチングの各手法と拡散モデルのSDEを一つの本で学びたい人にはおすすめです。
Python/PyTorchによる再現可能な実験と、分布品質・数値精度・サンプリング性能などの評価も扱います。
オンラインPythonコードや図の多くを再現するコードも案内されているので、コードを参照しながら実験と評価まで学びたい人におすすめです。
選び分けの結論
- 「Score-Based Generative Models」章でスコアマッチングを学びたい人
- 深層学習の数学的・概念的な背景から学びたい人
- Python/PyTorchで実装と評価を学びたい人
- 複数のスコアマッチング手法と拡散SDEを学びたい人
Amazon の PC をスコア化してみた
Amazonにある8〜14インチの小型WindowsタブレットやノートPCを、スペック別にスコア化して比較・ランキング。
