目次

Chapter 01　TensorFlow入門
1-1　ディープラーニングとTensorFlow
1.1.1　機械学習の考え方
1.1.2　ニューラルネットワークの必要性
1.1.3　ディープラーニングの特徴
1.1.4　TensorFlowによるパラメーターの最適化

1-2　環境準備
1.2.1　CentOS 7での準備手順
1.2.2　Jupyterの使い方

1-3　TensorFlowクイックツアー
1.3.1　多次元配列によるモデルの表現
1.3.2　TensorFlowのコードによる表現
1.3.3　セッションによるトレーニングの実行

Chapter 02　分類アルゴリズムの基礎
2-1　ロジスティック回帰によるニ項分類器
2.1.1　確率を用いた誤差の評価
2.1.2　TensorFlowによる最尤推定の実施
2.1.3　テストセットを用いた検証

2-2　ソフトマックス関数と多項分類器
2.2.1　線形多項分類器の仕組み
2.2.2　ソフトマックス関数による確率への変換

2-3　多項分類器による手書き文字の分類
2.3.1　MNISTデータセットの利用方法
2.3.2　画像データの分類アルゴリズム
2.3.3　TensorFlowによるトレーニングの実施
2.3.4　ミニバッチと確率的勾配降下法

Chapter 03　ニューラルネットワークを用いた分類
3-1　単層ニューラルネットワークの構造
3.1.1　単層ニューラルネットワークによる二項分類器
3.1.2　隠れ層が果たす役割
3.1.3　ノード数の変更と活性化関数の変更による効果

3-2　単層ニューラルネットワークによる手書き文字の分類
3.2.1　単層ニューラルネットワークを用いた多項分類器
3.2.2　TensorBoardによるネットワークグラフの確認

3-3　多層ニューラルネットワークへの拡張
3.3.1　多層ニューラルネットワークの効果
3.3.2　特徴変数に基づいた分類ロジック
3.3.3　補足：パラメーターが極小値に収束する例

Chapter 04　畳み込みフィルターによる画像の特徴抽出
4-1　畳み込みフィルターの機能
4.1.1　畳み込みフィルターの例
4.1.2　TensorFlowによる畳み込みフィルターの適用
4.1.3　プーリング層による画像の縮小

4-2 畳み込みフィルターを用いた画像の分類
4.2.1　特徴変数による画像の分類
4.2.2　畳み込みフィルターの動的な学習

4-3 畳み込みフィルターを用いた手書き文字の分類
4.3.1　セッション情報の保存機能
4.3.2　単層CNNによる手書き文字の分類
4.3.3　動的に学習されたフィルターの確認

Chapter 05　畳み込みフィルターの多層化による性能向上
5-1 畳み込みニューラルネットワークの完成
5.1.1　多層型の畳み込みフィルターによる特徴抽出
5.1.2　TensorFlowによる多層CNNの実装
5.1.3　手書き文字の自動認識アプリケーション

5-2 その他の話題
5.2.1　CIFAR-10（カラー写真画像）の分類に向けた拡張
5.2.2　「A Neural Network Playground」による直感的理解
5.2.3　補足：バックプロパゲーションによる勾配ベクトルの計算


Appendix
A　Mac OS XとWindowsでの環境準備方法
B　Python 2の基本文法
C　数学公式

著者プロフィール

• 中井悦司（著者）

  1971年4月大阪生まれ。ノーベル物理学賞を本気で夢見て、理論物理学の研究に没頭する学生時代、大学受験教育に情熱を傾ける予備校講師の頃、そして、華麗なる（?）転身を果たして、外資系ベンダーでLinuxエンジニアを生業にするに至るまで、妙な縁が続いて、常にUnix/Linuxサーバーと人生を共にする。その後、Linuxディストリビューターのエバンジェリストを経て、現在は、大手検索システム企業にてクラウド・ソリューションアーキテクトとして活動。休日は、小学２年生の愛娘とスポーツクラブのプールに通う、近所で評判の「よいお父さん」。「世界平和」のために早めの帰宅を心がけるものの、こよなく愛する場末の飲み屋についつい立ち寄りがちな今日このごろ。最近は、機械学習をはじめとするデータ活用技術の基礎を世に広めるために、講演活動のほか、雑誌記事や書籍の執筆にも注力。