ＫＳ情報科学専門書 Ｋａｇｇｌｅに挑む深層学習プログラミングの極意

著者名：小嵜耕平【著】/秋葉拓哉【著】/林孝紀【著】/石原祥太郎【著】

講談社（2023/04発売）

• ISBN：9784065305133

内容説明

★最強最短の近道は、これだ！★

・画像・自然言語処理の機械学習コンテストに取り組みながら、深層学習の具体的な知識をいち早く身につけよう！
・レジェンドたちの豊富な経験に基づくスキルアップのノウハウも満載！

【主な内容】
第1章　機械学習コンテストの基礎知識
1.1　機械学習コンテストのおおまかな流れ
1.2　機械学習コンテストの歴史
1.3　機械学習コンテストの例
1.4　計算資源

第2章　探索的データ分析とモデルの作成・検証・性能向上
2.1　探索的データ分析
2.2　モデルの作成
2.3　モデルの検証
2.4　性能の向上

第3章　画像分類入門
3.1　畳み込みニューラルネットワークの基礎
3.2　コンテスト「Dogs vs. Cats Redux」の紹介
3.3　最初の学習：CNNアーキテクチャ
3.4　最初の学習：データセットの準備と学習ループ
3.5　最適化アルゴリズムと学習率スケジューリング
3.6　データ拡張
3.7　アンサンブル
3.8　さらにスコアを伸ばすために

第4章　画像検索入門
4.1　画像検索タスク
4.2　学習済みモデルを使ったベースライン手法
4.3　ベースラインを実装する
4.4　距離学習を学ぶ
4.5　画像マッチングによる検証
4.6　クエリ拡張を学ぶ
4.7　Kaggleコンテストでの実践

第5章　テキスト分類入門
5.1　Quora Question Pairs
5.2　特徴量ベースのモデル
5.3　ニューラルネットワークベースのモデル

目次

第1章　機械学習コンテストの基礎知識
1.1　機械学習コンテストのおおまかな流れ
1.2　機械学習コンテストの歴史
1.3　機械学習コンテストの例
1.4　計算資源
第2章　探索的データ分析とモデルの作成・検証・性能向上
2.1　探索的データ分析
2.2　モデルの作成
2.3　モデルの検証
2.4　性能の向上
第3章　画像分類入門
3.1　畳み込みニューラルネットワークの基礎
3.2　コンテスト「Dogs vs. Cats Redux」の紹介
3.3　最初の学習：CNNアーキテクチャ
3.4　最初の学習：データの準備と学習ループ
3.5　最適化アルゴリズムと学習率スケジューリング
3.6　データ拡張
3.7　アンサンブル
3.8　さらにスコアを伸ばすために
第4章　画像検索入門
4.1　画像検索タスク
4.2　学習済みモデルを使ったベースライン手法
4.3　ベースラインを実装する
4.4　距離学習を学ぶ
4.5　画像マッチングによる検証
4.6　クエリ拡張を学ぶ
4.7　Kaggleコンテストでの実践
第5章　テキスト分類入門
5.1　Quora Question Pairs
5.2　特徴量ベースのモデル
5.3　ニューラルネットワークベースのモデル

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。

[ぶう]

kaggleのGrandMasterやMasterが著者のkaggle本。kaggleでよく使われるテクニックやセオリーがまとめられた実践的な内容。kaggle本はいくつか出版されているが、画像や自然言語テーマの本は初ではないだろうか。機械学習を実業務で使う場合、精度が問題になってくることがよくある。そういった時に精度をもう一段押し上げるノウハウというのは、なかなか入門書には書かれていないためこういう本は大変ありがたい。自分の経験がある画像分野は理解ができたが、第五章の自然言語処理の内容は難しかった。

2023/02/28

[サンセット]

画像やテキストの深層学習の話が中心だった

2024/01/14

[Takuya Tokumoto]

会社の勉強会で輪読。過去コンペの手法が丁寧にまとめられており非常に良い教科書であった。深層学習系のKaggleコンペに挑戦を考えている人には一読してほしい。

2023/12/10

[DA]

Kaggleの画像コンペにチャレンジするため、Kaggleスタートブックの次に読んだ本。タスクごとにチュートリアル的にすべきことを書いてくれており、ベースラインの作り方や改善ポイントについて語ってくれている。本番のコンペにチャレンジする前に読んでおくには非常に有用な本であった。 ただし、本番のコンペで良い成績を狙うのであれば、もちろん本書を基本とした上で、タスクの種類や課題に特化した情報収集は必須なので、そこは自分で頑張りましょう。

2023/02/28