出版社内容情報
◆◆ PythonとTFLearnで無理なく体験学習 ◆◆
本書は「これからディープラーニングを学びたい」と考えているIT エンジニアの方々を対象にしています。
そして、ディープラーニングの手法を理解し、自分で実装できるようになることを目指します。
ディープラーニングを初めて学ぶITエンジニアは、2つの障壁を越えねばなりません。
一つは「ディープラーニングの手法」、特に、理論を説明する数式が難解なこと。
もう一つは「どうやって使うのか、実装方法が分からない」ことです。
■数式なしで理論を理解
そこで本書は、是非知っておきたい3つの手法、即ち、①全結合のニューラルネットワーク、
②畳み込みニューラルネットワーク（CNN）、③再帰型ニューラルネットワーク（RNN）のみに話題を集中。
IT エンジニアなら抵抗感なく読めるように、数式を一切使わず、気鋭のデータサイエンティストが
丁寧に理論を解説します。
■簡単に実装できるライブラリを使用
実装については、Google社のディープラーニング・フレームワークTesorFlowに注目。
TesorFlowと完全互換性があり、かつ、TesorFlowよりも初心者に適したTFLearnライブラリを使うことで、
Python 3による実装を体験します。
実装環境の構築方法も一から説明し、サンプルコードには逐次解説を加えました。
■理論と実装の反復で理解を深める
第1章では、機械学習とディープラーニングの概要、実装ライブラリについて説明します。
第2章では、TFLearnを使った実装環境を構築し、ツールの使い方を学びます。
第3章では、全結合のニューラルネットワークの仕組みを理解した後、
手書き文字画像のMNISTデータセットを使って、画像の分類問題を解いてみます。
第4章ではCNNを解説した後、再度、MNISTデータを分類。また、JPEG等の一般的な画像の分類も行います。
第5章では、時系列データに適したRNNの仕組みを理解した後、対話テキストの分類に挑戦。
ここでもMNISTの分類を行ってみます。
本書に沿って体験学習を進めれば、ディープラーニングの手法を無理なく理解でき、
手を動かして実装できるようになるでしょう。
内容説明
ディープラーニングを初めて学ぶＩＴエンジニアにとっての障壁は、手法、特に理論を説明する数式が難解なこと。もう一つは「どうやって使うのか、実装方法が分からない」という点です。そこで本書は、Ｇｏｏｇｌｅのディープラーニング・フレームワークＴｅｎｓｏｒＦｌｏｗに注目。ＴｅｎｓｏｒＦｌｏｗと完全互換性があり、より初心者に適したＴＦＬｅａｒｎを使うことで、これらの壁を突破します。絞り込んだ内容と、気鋭のデータサイエンティストの丁寧な解説により、数式なしで手法（理論）を理解できます。さらに、ライブラリを使って無理なく実装まで体験できます。
目次
１ 初めてのディープラーニング（機械学習とディープラーニング；ディープラーニングのライブラリ）
２ ディープラーニングの実装準備（ディープラーニングの環境構築；Ｊｕｐｙｔｅｒ Ｎｏｔｅｂｏｏｋの使い方；Ｐｙｔｈｏｎプログラミングの基礎）
３ ディープニューラルネットワーク体験（ニューラルネットワークの仕組み；ディープラーニングの仕組み；ディープラーニングの実装手順；手書き文字画像ＭＮＩＳＴの分類）
４ 畳み込みニューラルネットワークの体験（畳み込みニューラルネットワークの仕組み；手書き文字画像ＭＮＩＳＴの分類；一般的な画像の分類）
５ 再帰型ニューラルネットワークの体験（再帰型ニューラルネットワークの仕組み；対話テキストの分類；手書き文字画像ＭＮＩＳＴの分類）
Ａｐｐｅｎｄｉｘ
著者等紹介
足立悠［アダチハルカ］
メーカーでデータサイエンティストとして働く傍ら、社会人大学院生としてデータマイニングの研究に従事。ユーザー企業でデータ分析・活用を推進し、ベンダー企業で国内企業のデータ分析・活用を支援した経験があり、両方の立場からデータサイエンスに携わってきた。過去には、データサイエンスの普及を目的に、Ｗｅｂや雑誌へ記事を執筆したほか、国内各地でセミナー講師を務めてきた（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。
