TensorFlow機械学習クックブック Pythonベースの活用レシピ60+|Tech Book Zone Manatee

マナティ

購入形態

PDF
4,620円
数量:

カートに追加されました。カートを見る

カートに入れる
EPUB
4,620円
数量:

カートに追加されました。カートを見る

カートに入れる
紙の本を買う

TensorFlow機械学習クックブック Pythonベースの活用レシピ60+

インプレス

新刊『作って学ぶ WordPress ブロックテーマ』
が期間限定30%OFF!

TensorFlowコーディングに慣れる!

新世代の数値計算ライブラリを操る! 線形回帰からCNN/RNNまで網羅的に実践 -- TensorFlowは、数値処理用のオープンソースライブラリ。AI分野を中心に活用が進んでいます。

本書ではまず、変数/プレースホルダといったTensorFlowの基本や、オープンデータを扱う方法を説明。以降は、機械学習のさまざまな手法をレシピとして示していきます。具体的には次のとおりです。線形回帰、SVM、最近傍法、ニューラルネットワーク、自然言語処理、畳み込みニューラルネットワーク(CNN)、リカレントニューラルネットワーク(RNN)、運用環境のための手法、遺伝的アルゴリズム、k-means、常微分方程式などです。

※本書は『TensorFlow Machine Learning Cookbook』の翻訳書です。
※コードの検証にPython 3.5/3.6とTensorFlow 1.1/1.2を使用(各環境/各コードの動作を完全に保証するものではありません)。

発売日:2017-08-14

ページ数:392ページ

目次

表紙
Copyright/商標/正誤表について
はじめに
謝辞
第1章 TensorFlowの仕組みと基本事項を押さえる/1.1 はじめに
1.2 TensorFlowの仕組み
1.3 テンソルを設定する
1.4 プレースホルダと変数を使用する
1.5 行列を操作する
1.6 演算を設定する
1.7 活性化関数を実装する
1.8 データソースを操作する
1.9 その他のリソース
第2章 TensorFlowスタイル―演算/層の追加、損失関数やモデル評価などの実装/2.1 はじめに
2.2 計算グラフでの演算
2.3 入れ子の演算を階層化する
2.4 複数の層を操作する
2.5 損失関数を実装する
2.6 バックプロパゲーションを実装する
2.7 バッチトレーニングと確率的トレーニングを使用する
2.8 分類を行うための要素を組み合わせる
2.9 モデルを評価する
第3章 線形回帰―逆行列/分解法からロジスティック回帰まで/3.1 はじめに
3.2 逆行列法を使用する
3.3 行列分解法を実装する
3.4 TensorFlowでの線形回帰の実装パターン
3.5 線形回帰の損失関数を理解する
3.6 デミング回帰を実装する
3.7 LASSOとリッジ回帰を実装する
3.8 Elastic Net回帰を実装する
3.9 ロジスティック回帰を実装する
第4章 サポートベクトルマシン―線形SVMの操作・次元縮約、非線形SVM/多クラスSVMの実装など
4.1 はじめに
4.2 線形SVMを操作する
4.3 線形回帰への縮約
4.4 TensorFlowでカーネルを操作する
4.5 非線形SVMを実装する
4.6 多クラスSVMを実装する
第5章 最近傍法―編集距離、距離関数の組み合わせ、最近傍法の画像認識など/5.1 はじめに
5.2 最近傍法を使用する
5.3 編集距離を計測する
5.4 距離関数を組み合わせて計算する
5.5 アドレスマッチング処理の例
5.6 画像認識に最近傍法を使用する
第6章 ニューラルネットワーク―論理ゲート、単層/多層ニューラルネットワークの実装など
6.1 はじめに
6.2 論理ゲートを実装する
6.3 論理ゲートと活性化関数を操作する
6.4 単層ニューラルネットワークを実装する
6.5 さまざまな層を実装する
6.6 多層ニューラルネットワークを使用する
6.7 線形モデルの予測を改善する
6.8 三目並べを学習する
第7章 自然言語処理―BoW/TF-IDF/スキップグラム/CBOWなど
7.1 はじめに
7.2 BoWモデルを操作する
7.3 TF-IDFの手法を実装する
7.4 スキップグラムモデルを操作する
7.5 CBOWモデルを操作する
7.6 Word2vecを使って予測を行う
7.7 感情分析にDoc2vecを使用する
第8章 畳み込みニューラルネットワーク―単純なCNN/高度なCNN/モデルの再トレーニングなど/8.1 はじめに
8.2 単純なCNNを実装する
8.3 高度なCNNを実装する
8.4 既存のCNNモデルを再びトレーニングする
8.5 Stylenetを適用する
8.6 DeepDreamを実装する
第9章 リカレントニューラルネットワーク―LSTM/Sequence-to-Sequence/Siamese Similarity法/9.1 はじめに
9.2 スパムの確率を予測するためにRNNを実装する
9.3 LSTMモデルを実装する
9.4 複数のLSTM層を積み重ねる
9.5 Sequence-to-Sequenceモデルを作成する
9.6 Siamese Similarity法のトレーニング
第10章 TensorFlowを運用環境で使用する/10.1 はじめに
10.2 ユニットテストを実装する
10.3 複数のプロセッサを使用する
10.4 TensorFlowを並列化する
10.5 TensorFlowを運用環境で使用するための準備
10.6 例:TensorFlowを運用環境で使用する
第11章 TensorFlowをさらに活用する―遺伝的アルゴリズム/連立常微分方程式など/11.1 はじめに
11.2 TensorBoardで計算グラフを可視化する
11.3 遺伝的アルゴリズムを操作する
11.4 k-means法を使ったクラスタ分析
11.5 連立常微分方程式を解く
索引
著者プロフィール/スタッフリスト
奥付

著者プロフィール

  • Nick McClure(著者)

    ワシントン州シアトルを拠点とする PayScale, Inc.のシニアデータサイエンティスト。以前は、ZillowとCaesar's Entertainmentに勤務。モンタナ州立大学とセントベネディクト/セントジョーンズ大学で応用数学の学位を取得。ニックはアナリティクス、機械学習、人工知能の習得と提唱に情熱を抱いている。折を見て、思いや考えをブログに綴ったり(http://fromdata.org/)、ツイートしたりしている(@nfmcclure)。

  • 株式会社クイープ(著者)

    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 達人データサイエンティストによる理論と実践』『Scala関数型デザイン & プログラミング―Scalazコントリビューターによる関数型徹底ガイド』『CUDA Cプロフェッショナルプログラミング』『Cisco ACIポリシーベースのデータセンター アーキテクチャ/コンセプト/メソドロジー』などがある(いずれもインプレス発行)。http://www.quipu.co.jp

新刊『作って学ぶ WordPress ブロックテーマ』
が期間限定30%OFF!