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。