TensorFlowで学ぶ機械学習・ニューラルネットワーク

著作者名：Nishant Shukla
翻訳者名：岡田佑一
- 書籍：3,938円
- 電子版：3,938円
B5変型判：264ページ
ISBN：978-4-8399-6474-0
発売日：2018年04月27日

内容紹介

TensorFlowで機械学習のアルゴリズムを完全マスター。

本書は機械学習を始めたばかりの方にもTensorFlowを初めて使う方にも、究極のガイドです。
コードを理解するにはPythonプログラミングに関する知識が事前に必要ですが、それ以外は機械学習の基本からTensorFlowの実践的な使いこなしまでマスター可能です。

Part 1では、機械学習とは何か、といった探求と、TensorFlowが果たす重要な役割についてハイライトを当てます。1章では機械学習の用語と理論を紹介し、第2章ではTensorFlowの利用を開始するために必要なことを解説します。

Part 2では、基本的なアルゴリズムについて説明します。3章～6章のそれぞれの章で、回帰、分類、クラスタリング、隠れマルコフモデルについて解説します。これらのアルゴリズムは、機械学習のあらゆる分野で利用できます。

Part 3では、TensorFlowが真のパワーを発揮するニューラルネットワークについてそのベールをはがします。7章～12章では、オートエンコーダー、強化学習、畳み込みニューラルネットワーク、再帰型ニューラルネットワーク、シーケンス変換モデルおよびユーティリティーについて紹介します。

経験豊かなTensorFlowユーザーでない限り、最初にPart 1(1章と2章)を読むことをお勧めします。そこをマスターしたら、あとは本書の好きな章から読んでOKです。
機械学習やTensorFlowを初めて使う方には究極のガイド本であり、その基礎をバッチリマスターできます。

商品を選択する

フォーマット		価格	備考
	書籍	3,938円

電子書籍フォーマットについて

サンプル画像

備考

Nishant Shukla（ニシャン・シュクラ）は機械学習とロボティクスによるコンピュータビジョン技術の研究者でUCLAで博士号を取得。またバージニア大学でコンピューターサイエンスの学士号と数学の学士号を取得。
Hack.UVAの創設メンバーで、Haskellの講義を幅広く行う。Microsoft、Facebook、Foursquareの開発者、SpaceXの機械学習エンジニアとして働き、Haskell Data Analysis Cookbookの著者。分析化学から自然言語処理に関する研究論文を発表している。自分の自由時間には"カタンの開拓者たち"(The Settlers of CATAN)や"グウェント"(Gwent)を楽しみ、時折敗北を味わう。

岡田佑一（おかだゆういち）
学生時代はニューラルネットワークと統計学に関する研究を行う。2013 年以降はプログラミングの問題を多数作成し、延べ10,000 人以上からの解答コードに対して評価・コメントし、解説記事等の執筆活動も行っている。現在は小さな学習塾を営みつつ、組み合わせ最適化に関する研究を行う。著書に『ショートコーディング　職人達の技法』、訳書に『世界で闘うプログラミング力を鍛える本』、執筆協力に『プログラミングコンテスト攻略のためのアルゴリズムとデータ構造』（以上、マイナビ出版）。

お詫びと訂正

・書籍iiページ（1刷）記載のダウンロードURLに変更があります。お詫びして訂正させていただきます
正）https://book.mynavi.jp/supportsite/detail/9784839964740.html

Part 1　機械学習に必要なもの
1章   機械学習の旅
1.1　機械学習の基礎
1.2　データ表現と特徴
1.3　距離の測定方法
1.4　学習のタイプ
1.5　TensorFlow
1.6　今後の章の概要
1.7　まとめ

2章   TensorFlow の必需品
2.1　TensorFlow の動作を保証する
2.2　テンソルを表す
2.3　演算子の作成
2.4　セッションでの演算子の実行
2.5　Jupyter でのコードの記述
2.6　変数の使用
2.7　変数の保存と読み込み
2.8　TensorBoard を使用したデータの視覚化
2.9 まとめ

Part 2　主要な学習アルゴリズム
3章   線形回帰とその先
3.1　公式表記法
3.2　線形回帰
3.3　多項式モデル
3.4　正則化
3.5　線形回帰の活用
3.6　まとめ

4章   クラス分類の簡単な紹介
4.1　正式記法
4.2　性能の測定
4.3　分類に線形回帰を使用する
4.4　ロジスティック回帰の使用
4.5　マルチクラス分類器
4.6　分類の活用
4.7　まとめ

5章   自動的にデータをクラスタリング
5.1　TensorFlow でのファイルの走査
5.2　音声からの特徴抽出
5.3　K 平均クラスタリング
5.4　音声のセグメンテーション
5.5　自己組織化マップを使用したクラスタリング
5.6　クラスタリングの活用
5.7　まとめ

6章   隠れマルコフモデル
6.1　解釈不可能なモデルの例
6.2　マルコフモデル
6.3　隠れマルコフモデル
6.4　前向きアルゴリズム
6.5　ビタビ復号
6.6　隠れマルコフモデルの使用
6.7　隠れマルコフモデルの活用
6.8　まとめ

Part 3　ニューラルネットワークの実例
7章   自動エンコーダの中身
7.1　ニューラルネットワーク
7.2　自動エンコーダ
7.3　バッチ訓練
7.4　画像を用いて作業する
7.5　自動エンコーダの応用
7.6　まとめ

8章   強化学習
8.1　正式な概念
8.2　強化学習の適用
8.3　強化学習の実装
8.4　他の強化学習アプリケーションの探求
8.5　まとめ

9章   畳み込みニューラルネットワーク
9.1　ニューラルネットワークの欠点
9.2　畳み込みニューラルネットワーク
9.3　画像の準備
9.4　TensorFlow における畳み込みニューラルネットワークの実装
9.5　パフォーマンスを向上させるためのヒント
9.6　畳み込みニューラルネットワークの応用
9.7　まとめ

10章   再帰型ニューラルネットワーク
10.1　文脈の情報
10.2　再帰型ニューラルネットワークの紹介
10.3　再帰型ニューラルネットワークの実装
10.4　時系列データの予測モデル
10.5　再帰型ニューラルネットワークの応用
10.6　まとめ

11章   シーケンス変換モデルを用いたチャットボット
11.1　分類器とRNN の構築
11.2　 Seq2seq の仕組み
11.3　記号のベクトル表現
11.4　実装の仕上げ
11.5　対話データの収集
11.6　まとめ

12章   効用の特徴と活用
12.1　嗜好モデル
12.2　画像埋め込み
12.3　画像の順位付け
12.4　まとめ
12.5　次にすべきことは？

付録インストール
・Docker を使用したTensorFlow のインストール
・Matplotlib のインストール
索引