マイナビ出版

• Francois Chollet（著者）、 巣籠 悠輔（監訳）、 株式会社クイープ（翻訳）

AIの大衆化―多くの人々がディープラーニングを利用できるよう実践解説！

PythonベースのディープラーニングフレームワークKerasの開発者である筆者が、1人でも多くの人々がディープラーニングを利用できるよう実践解説します。

本書はディープラーニングを一から学習したいと考えている人のために書かれています。数学的な表記を避け、代わりにコードを使って定量的な概念を説明することで、機械学習とディープラーニングの基本的な考えについて実践的な知識を養っていきます。
サンプルコードはPythonベースのディープラーニングフレームワークであるKerasに基づいており、バックエンドエンジンとしてTensorFlowを使用しています。

Part 1では、ディープラーニングを大まかに紹介。機械学習とニューラルネットワークを囲む状況といくつかの定義を示し、取り組みを開始するために必要な概念を説明します。

第1章：人工知能（AI）、機械学習、ディープラーニングの基本的なコンテキストと予備知識を提供。
第2章：ディープラーニングに取り組むために必要な基本概念（テンソル、テンソル演算、勾配降下法、バックプロパゲーション）を紹介。
第3章：ディープラーニングフレームワークであるKerasの紹介。分類タスクと回帰タスクを処理する単純なニューラルネットワークの訓練と内部で何が起きているのかが理解できる。
第4章：機械学習の一般的なワークフローとよくある落とし穴・解決法を詳解。

Part 2では、ディープラーニングの実践的な応用例としてコンピュータビジョンと自然言語処理を詳しく見ていきます。サンプルの多くは、ディープラーニングを実務で使用するときに遭遇する問題を解決するためのテンプレートとして利用できます。

第5章：画像分類に焦点を合わせ、コンピュータビジョンの実践的な例を幅広く取り上げる。
第6章：テキストや時系列といったシーケンスデータを処理するための手法を実際に試してみる。
第7章：最先端のディープラーニングモデルを構築するための高度な手法を紹介。
第8章：画像やテキストを作成する能力を持つディープラーニングモデルであり、驚くほど芸術的な結果をもたらすことがあるジェネレーティブモデルの紹介。
第9章：本書の総括。ディープラーニングの限界とその未来を予測。

本書を最後まで読めば、ディープラーニングとは何か、適用できるのはどのような状況か、その制限についてしっかり理解できるはずです。コンピュータビジョンから自然言語処理、画像分類、時系列予測、感情分析、画像/ テキスト生成に至るまで、現実の幅広い問題にKerasを使用できるようになり、最高の短期集中コースとして活用できます。

発売日：2018-05-28

ページ数：392ページ