版元ドットコム

探せる、使える、本の情報

文芸 新書 社会一般 資格・試験 ビジネス スポーツ・健康 趣味・実用 ゲーム 芸能・タレント テレビ・映画化 芸術 哲学・宗教 歴史・地理 社会科学 教育 自然科学 医学 工業・工学 コンピュータ 語学・辞事典 学参 児童図書 ヤングアダルト 全集 文庫 コミック文庫 コミックス(欠番扱) コミックス(雑誌扱) コミックス(書籍) コミックス(廉価版) ムック 雑誌 増刊 別冊 ラノベ
a:9:{s:12:"shoshi_title";s:67:"初めてのTensorFlow 数式なしのディープラーニング";s:11:"shoshi_isbn";s:17:"978-4-86594-105-0";s:16:"shoshi_publisher";N;s:11:"description";s:2516:"◆◆ 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。";s:6:"author";s:21:"足立 悠(著/文)";s:10:"publishers";s:21:"リックテレコム";s:9:"publisher";N;s:9:"productor";s:21:"リックテレコム";s:12:"release_date";i:1509030000;}

初めてのTensorFlow 数式なしのディープラーニング

コンピュータ ラノベ

足立 悠(著/文)
発行:リックテレコム

B5変型判   
定価 2,200円+税

ISBN 978-4-86594-105-0   C3055

書店発売日 2017年10月27日
登録日 2017年9月29日

このエントリーをはてなブックマークに追加

紹介

◆◆ 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。

目次

1  初めてのディープラーニング
1.1 機械学習とディープラーニング
1.2 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
2.1 ディープラーニングの環境構築
2.2 Jupyter Notebookの使い方
2.3 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
3.1 ニューラルネットワークの仕組み
3.2 ディープラーニングの仕組み
3.3 ディープラーニングの実装手順
3.4 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
4.1 畳み込みニューラルネットワークの仕組み
4.2 手書き文字画像MNISTの分類
4.3 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
5.1 再帰型ニューラルネットワークの仕組み
5.2 対話テキストの分類
5.3 手書き文字画像MNISTの分類

Appendix 付録
A.1 TensorBoardの使い方
A.2 ディープラーニングの環境構築(Windows編)
A.3 Ubuntu仮想イメージのインポート方法
参考文献

著者プロフィール

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や雑誌へ記事執筆したほか、
国内各地でセミナー講師を務めてきた。
多感な時期に高専で5年間を過ごしてしまったせいか、周囲から変人と評されている。
趣味は国内の城とダム巡り、お地蔵さんが密集している場所に佇むこと。

上記内容は本書刊行時のものです。