出版社内容情報
研究・開発現場で使えるPyTorch（パイトーチ）の入門書の登場！【本書について】
本書は、 杜世橋氏がKindle Direct Publishingを利用してKindleストアで販売している
『PyTorchで学ぶニューラルネットワークと深層学習』（ASIN: B078WK5CPK）を書籍化したものです。
書籍化にあたり、最新（2018年7月時点）のPyTorch v0.4に対応するなど大幅に加筆しています。
また、付録に無料で利用できるGPU環境である「Colaboratory」の利用方法の追加などを行っており、
GPU環境が利用できない読者でも様々なニューラルネットワークのモデル学習が体験できるようになっています。
【PyTorch（パイトーチ）とは】
PyTorchは主にFacebook社のメンバーが開発しているOSSの深層学習フレームワークです。
特徴としては動的ネットワーク方式を採用していてPythonの関数と同じ感覚でニューラルネットワークを構築できる点が挙げられます。
【本書の概要】
本書はPyTorchの基本から深層学習モデルの作成、そしてアプリケーション作成まで網羅した書籍です。
具体的には、PyTorchの基本から始まり、最尤推定と線形モデル、多層パーセプトロンについて解説します。
その後、画像処理と畳み込みニューラルネット、自然言語処理と再帰型ニューラルネットを扱います。
また、推薦システムやWebAPIの作成、アプリケーションのデプロイについても解説します。
さらに付録では、TensorBoardによる可視化、Colaboratoryの利用方法などを解説しています。
【対象読者】
深層学習エンジニア、機械学習エンジニア
【著者】
杜世橋
東京工業大学で計算機を用いた分子生物学の研究をし、卒業後はIT企業でソフトウェア開発やデータ分析に従事する。
大学院時代に当時まだブレーク前だったPythonとNumPyに出会い、勉強会の立ち上げや執筆などを通じてPythonの布教活動を行う。
近年ではスタートアップ企業を中心にデータ分析や機械学習の開発支援も行っている。子煩悩で育児休業を取得してしまうパパエンジニア。
はじめに
本書の対象読者と必要な事前知識
本書の構成
本書のサンプルの動作環境とサンプルプログラムについて
Prologue 開発環境の準備
0.1 本書の検証環境
0.2 開発環境の構築
Chapter1 PyTorchの基本
1.1 PyTorchの構成
1.2 Tensor
1.3 Tensorと自動微分
1.4 まとめ
Chapter 2 最尤推定と線形モデル
2.1 確率モデルと最尤推定
2.2 確率的勾配降下法
2.3 線形回帰モデル
2.4 ロジスティック回帰
2.5 まとめ
Chapter 3 多層パーセプトロン
3.1 MLPの構築と学習
3.2 DatasetとDataLoader
3.3 学習効率化のTips
3.4 ネットワークのモジュール化
3.5 まとめ
Chapter 4 画像処理と畳み込みニューラルネットワーク
4.1 画像と畳み込み計算
4.2 CNNによる画像分類
4.3 転移学習
4.4 CNN回帰モデルによる画像の高解像度化
4.5 DCGANによる画像生成
4.6 まとめ
Chapter5 自然言語処理と回帰型ニューラルネットワーク
5.1 RNNとは
5.2 テキストデータの数値化
5.3 RNNと文章のクラス分類
5.4 RNNによる文章生成
5.5 Encoder-Decoderモデルによる機械翻訳
5.6 まとめ
Chapter6 推薦システムと行列分解
6.1 行列因子分解
6.2 ニューラル行列因子分解
6.3 まとめ
Chapter 7 アプリケーションへの組込み
7.1 モデルの保存と読み込み
7.2 Flaskを用いたWebAPI化
7.3 Dockerを利用したデプロイ
7.4 ONNXを使用した他のフレームワークとの連携
7.5 まとめ
Appendix1 訓練の様子を可視化する
A1.1 TensorBoardによる可視化
Appendix2 ColaboratoryでPyTorchの開発環境を構築する
A2.1 ColaboratoryによるPyTorch開発環境の構築方法
INDEX
杜 世橋［ドゥ シー チィァォ］
著・文・その他
内容説明
本書はＰｙＴｏｒｃｈの基本から深層学習モデルの作成、そしてアプリケーション作成まで網羅した書籍です。具体的には、ＰｙＴｏｒｃｈの基本から始まり、最尤推定と線形モデル、多層パーセプトロンについて解説します。その後、画像処理と畳み込みニューラルネットワーク、自然言語処理と回帰型ニューラルネットワークを扱います。また、推薦システムやＷｅｂＡＰＩの作成、アプリケーションのデプロイについても解説します。さらにＡｐｐｅｎｄｉｘでは、ＴｅｎｓｏｒＢｏａｒｄによる可視化、Ｃｏｌａｂｏｒａｔｏｒｙの利用方法などを解説しています。
目次
Ｐｒｏｌｏｇｕｅ 開発環境の準備
１ ＰｙＴｏｒｃｈの基本
２ 最尤推定と線形モデル
３ 多層パーセプトロン
４ 画像処理と畳み込みニューラルネットワーク
５ 自然言語処理と回帰型ニューラルネットワーク
６ 推薦システムと行列分解
７ アプリケーションへの組込み
Ａｐｐｅｎｄｉｘ１ 訓練の様子を可視化する
Ａｐｐｅｎｄｉｘ２ ＣｏｌａｂｏｒａｔｏｒｙでＰｙＴｏｒｃｈの開発環境を構築する
著者等紹介
杜世橋［トセイハシ］
東京工業大学で計算機を用いた分子生物学の研究をし、卒業後はＩＴ企業でソフトウェア開発やデータ分析に従事する。大学院時代に当時まだブレーク前だったＰｙｔｈｏｎとＮｕｍＰｙに出会い、勉強会の立ち上げや執筆などを通じてＰｙｔｈｏｎの布教活動を行う。近年ではスタートアップ企業を中心にデータ分析や機械学習の開発支援などをへて、２０１８年４月より物流ＩＴのスタートアップで働く。機械学習、ビッグデータ分析、サーバー開発などに関心がある（本データはこの書籍が刊行された当時に掲載されていたものです）
※書籍に掲載されている著者及び編者、訳者、監修者、イラストレーターなどの紹介情報です。
感想・レビュー
※以下の感想・レビューは、株式会社ブックウォーカーの提供する「読書メーター」によるものです。
PenguinTrainer
