Pythonによるディープラーニング
- 著作者名：François Chollet
- 翻訳者名：株式会社クイープ
- 監訳者名：巣籠悠輔
-
- 書籍：4,378円
- 電子版：4,378円
- B5変：496ページ
- ISBN：978-4-8399-7773-3
- 発売日：2022年03月23日
- シリーズ名：Compass Booksシリーズ
- Tweet
- mixiチェック
内容紹介
現代エンジニアの必須知識：ディープラーニング技術を身に付けよう！
ディープラーニングにより自動言語翻訳や画像認識の精度は飛躍的に向上し、現代のソフトウェア開発者にとってその技術の理解と習得は必要不可欠な分野になりつつあります。
機械学習プラットフォームTensorFlowの上で動作するKerasは、Pythonで書かれたディープラーニングのAPIです。数学やデータサイエンスの専門的な知識がなくともディープラーニングを手軽に実装できるようになります。
Keras開発者であるFrançois Cholletは、改訂・増補された本書で、機械学習の初心者と経験者、両者に向けたアドバイスを提供します。直感的な説明とわかりやすいイラスト・例題で理解が深まり、ディープラーニングのアプリケーションを開発するために必要なスキルをすぐに身につけることができます。
・ディープラーニングの最初の一歩
・画像分類と画像セグメンテーション
・時系列予測
・テキスト分類と機械翻訳
・テキスト生成、画像生成
1章 ディープラーニングとは何か
2章 ニューラルネットワークの数学的要素
3章 KerasとTensorFlow
4章 ニューラルネットワーク入門：分類と回帰
5章 機械学習の基礎
6章 機械学習のユニバーサルワークフロー
7章 Kerasを使いこなす
8章 コンピュータビジョンのためのディープラーニング
9章 コンピュータビジョンのための高度なディープラーニング
10章 時系列のためのディープラーニング
11章 テキストのためのディープラーニング
12章 生成型ディープラーニング
13章 現実世界でのベスト・プラクティス
14章 本書のまとめ
充実のラインナップに加え、割引セールも定期的に実施中！
商品を選択する
| フォーマット | 価格 | 備考 | |
|---|---|---|---|
| 書籍 | 4,378円 | ||
| 4,378円 | ※ご購入後、「マイページ」からファイルをダウンロードしてください。 ※ご購入された電子書籍には、購入者情報、および暗号化したコードが埋め込まれております。 ※購入者の個人的な利用目的以外での電子書籍の複製を禁じております。無断で複製・掲載および販売を行った場合、法律により罰せられる可能性もございますので、ご遠慮ください。 |
||
備考
François Chollet（フランソワ・ショレ）
最も広く使われているディープラーニングフレームワークの1つであるKerasの作成者。現在はGoogle のソフトウェアエンジニアとしてKerasチームを率いている。抽象化、推論、そして人工知能の汎化性能を向上させる方法の研究にも取り組んでいる。
［監訳］巣籠 悠輔（すごもり ゆうすけ）
株式会社GRIT Tech CTO。2018 年に Forbes 30 Under 30 Asia 2018 に選出。著書に『詳解ディープラーニング 第2版』、『ビジネスパーソンのための人工知能入門』（マイナビ出版刊）等がある。
［翻訳］株式会社クイープ
1995年、米国サンフランシスコに設立。コンピュータシステムの開発、ローカライズ、コンサルティングを手がけている。2001年に日本法人を設立。主な訳書に『Python機械学習プログラミング 第3版』『プログラマーなら知っておきたい40のアルゴリズム』（インプレス）、『なっとく！ AIアルゴリズム』（翔泳社）、『PythonとKerasによるディープラーニング』（マイナビ出版）などがある。 http://www.quipu.co.jp
目次
1章 ディープラーニングとは何か1.1 AI、機械学習、ディープラーニング
1.2 ディープラーニングの前史：機械学習
1.3 なぜディープラーニングなのか、なぜ今なのか
2章 ニューラルネットワークの数学的要素
2.1 初めてのニューラルネットワーク
2.2 ニューラルネットワークでのデータ表現
2.3 ニューラルネットワークの歯車：テンソル演算
2.4 ニューラルネットワークのエンジン：勾配に基づく最適化
2.5 最初の例を振り返る
3章 KerasとTensorFlow
3.1 TensorFlowとは何か
3.2 Kerasとは何か
3.3 KerasとTensorFlowの略史
3.4 ディープラーニングワークスペースのセットアップ
3.5 TensorFlowでのファーストステップ
3.6 ニューラルネットワークの構造：基本的なKeras API
4章 ニューラルネットワーク入門：分類と回帰
4.1 二値分類の例：映画レビューの分類
4.2 多クラス分類の例：ニュース配信の分類
4.3 回帰の例：住宅価格の予測
5章 機械学習の基礎
5.1 汎化：機械学習の目標
5.2 機械学習モデルを評価する
5.3 モデルの適合を改善する
5.4 汎化性能を改善する
6章 機械学習のユニバーサルワークフロー
6.1 タスクを定義する
6.2 モデルを開発する
6.3 モデルをデプロイする
7章 Kerasを使いこなす
7.1 さまざまなワークフロー
7.2 Kerasのモデルを構築するためのさまざまな方法
7.3 組み込みの訓練ループと評価ループを使う
7.4 訓練ループと評価ループを独自に作成する
8章 コンピュータビジョンのためのディープラーニング
8.1 畳み込みニューラルネットワークの紹介
8.2 小さなデータセットでCNNを一から訓練する
8.3 訓練済みのモデルを活用する
9章 コンピュータビジョンのための高度なディープラーニング
9.1 コンピュータビジョンの3つの基本タスク
9.2 画像セグメンテーションの例
9.3 現代のCNNアーキテクチャパターン
9.4 CNNが学習した内容を解釈する
10章 時系列のためのディープラーニング
10.1 さまざまな種類の時系列タスク
10.2 気温を予測する例
10.3 RNNを理解する
10.4 RNNの高度な使い方
11章 テキストのためのディープラーニング
11.1 自然言語処理の略史
11.2 テキストデータの前処理を行う
11.3 単語のグループを表す2つの方法：集合とシーケンス
11.4 Transformerアーキテクチャ
11.5 テキスト分類以外のタスク：Sequence-to-Sequence学習
12章 生成型ディープラーニング
12.1 テキスト生成
12.2 DeepDream
12.3 ニューラルネットワークによるスタイル変換
12.4 変分オートエンコーダによる画像生成
12.5 速習：敵対的生成ネットワーク
13章 現実世界でのベスト・プラクティス
13.1 モデルを最大限に活用するために
13.2 モデルの訓練をスケールアップする
14章 本書のまとめ
14.1 重要な概念の復習
14.2 ディープラーニングの限界
14.3 AIの汎化性能を向上させるための道筋を描く
14.4 知能の実装：欠けている要素
14.5 ディープラーニングの未来
14.6 目まぐるしく変化する分野に後れずについていくには
14.7 最後に
