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
Google Cloud AutoML Vision入門  画像認識・機械学習・AIを使ったウェブサイトやアプリをつくる 衛藤 剛史(著/文) - 秀和システム
..
詳細画像 0
【利用不可】

Google Cloud AutoML Vision入門 画像認識・機械学習・AIを使ったウェブサイトやアプリをつくる (グーグルクラウドオートエムエルビジョンニュウモン ガゾウニンシキキカイガクシュウエーアイヲツカッタウェブサイトヤアプリヲツクル)

コンピュータ
このエントリーをはてなブックマークに追加
B5変型判
240ページ
定価 2,400円+税
ISBN
978-4-7980-5860-3   COPY
ISBN 13
9784798058603   COPY
ISBN 10h
4-7980-5860-2   COPY
ISBN 10
4798058602   COPY
出版者記号
7980   COPY
Cコード
C3055  
3:専門 0:単行本 55:電子通信
出版社在庫情報
不明
書店発売日
登録日
2019年8月30日
最終更新日
2019年8月30日
このエントリーをはてなブックマークに追加

紹介

誰でもつくれる画像認識AI
Google の最新技術 Cloud AutoML
で作る機械学習モデル!!

学習データの作成から、予測モデル構築・チューニング・モデル評価・ウェブやアプリの組み込み。
ディープラーニング・ニューラルモデル・機械学習の理論を使ったシンプルな画像認識AI作成。

■事例・利用例
●ファッション系ネットショップで、たくさんある洋服の袖や襟の形を自動画像認識させて、利用者が商品を探しやすいウェブサイトにする。●不動産系ネットショップで、家の外観や内装の写真を自動認識させて、利用者が物件を探しやすくする。●フリマ系サイトで、利用者がアップしたたくさんの画像を自動認識させて、商品を探しやすくする。●とにかくたくさんの画像があって、「面倒くさい作業」「時間がかかる作業」「捌ききれない作業」を自動認識で楽にする。

目次

■Chapter 1 AI・機械学習・ディープラーニングとは
1-1 AI・機械学習・ディープラーニングとは
AI ( Artificial Intelligence )
機械学習
ディープラーニング ( 深層学習 )
1-2 AI・機械学習・ディープラーニング を使った事例
迷惑メールのスパム判定
商品レコメンド
Object Detection (物体検出)
レントゲンや内視鏡の画像か病気であるかを判定する
株価や価格情報の上昇下落予測をする
1-3 教師あり学習とは
1-4 画像認識導入の例
アパレル系での自動ラベリング
不動産系
Web フリーマーケット系
1-5 AI・機械学習・ディープラーニングを実現するまでの道のり
1-6 AI の民主化
1-7 専門家でなくても AI は作れる
1-8 本書でのゴール


■Chapter 2 Cloud AutoML
2-1 Cloud AutoML とは
2-2 Cloud Vision API と Machine Learning Engine の中間に位置する AutoML
2-3 Cloud AutoML Vision に適した画像
2-4 Cloud AutoML Vision の費用
トレーニング費用
ヒューマンラベリング費用
分類予測 ( Online Prediction ) の費用
その他費用
2-5 Cloud AutoML Vision を使ってモデル構築する流れ


■Chapter 3 開発環境の構築
3-1 本書のサンプルで使用する開発環境
3-2 Google Cloud Platform ( Google ) のアカウント登録
登録・ログインの手順
Google Cloud Platform の無料トライアルの登録
3-3 Google Cloud Platform (GCP) で Cloud AutoML Vision を設定する
GCP Project を作成する
Cloud AutoML Vision を有効化する
3-4 python のインストール
3-5 gcloud / gsutil コマンドラインツールのインストール
3-6 gcloud で GCP アカウントにログイン


■Chapter 4 とりあえず予測モデルを作成してみよう
4-1 教師用画像データセットとは
4-2 オープンソースの画像をダウンロードする
4-3 教師用データセットの作成
4-4 Cloud Storage バケットを作成する
4-5 データセットを Cloud Storage にアップロードする
CSV ファイルを作成する
4-6 Cloud AutoML Vision で予測モデルを作成する
Train / Validation / Test について
Model type について
Training budget について
4-7 モデルに対して予測を行う( GUI )
4-8 モデルに対して予測を行う( Python )
サービスアカウントの作成
python の設定
スクリプトの作成
API の実行
REST API を使用する

■Chapter 5 作成したモデルを評価する
5-1 学習の評価について
5-2 評価指標の見方
真偽と陰陽 ( True Positive / False Positive / True Negative / False Negative )
Precision ( 適合率 ) と Recall ( 再現率 )
PR 曲線 / AUC
Confusion Matrix ( 混同行列 )
5-3 ラベルごとの評価
5-4 精度が高い画像と低い画像

■Chapter 6 モデルをチューニングして再トレーニングする
6-1 原因を探る
6-2 ラベルの訂正
6-3 モデルを再トレーニングする
6-4 カテゴリーの細分化
6-5 モデルを再トレーニングする
AutoML で Trailer ラベルを作成する
既存の Car ラベルから明らかに Trailer である画像のラベルを変更する
Car ラベルを補填する
Trailer 画像をダウンロードする
Cloud Storage にダウンロードした画像をアップロードし、追加学習データセットを作成する
AutoML Vision に追加画像をインポートする
AutoML Vision で再トレーニングする
6-6 モデルに対して予測を行う(Web Console)
6-7 評価指標の比較
6-8 番外編 課金をしてトレーニングをする
6-9 補足 : Data Argumentation ( データの水増し )

■Chapter 7 ウェブやアプリのサービスに組み込む
7-1 アプリケーションについてと準備
7-2 作成したモデルをアプリケーションに接続する準備
環境構築
Flask を試してみる
7-3 ウェブサイトアプリケーションで使用する
ソースコードを準備する
ローカルアプリケーションで動作を確認する
ソースコードの解説
GCP で AppEngine を作成する
アプリケーションを AppEngine にデプロイする
7-4 モデルの切り替え・複数モデルの使用
7-5 スマホアプリで使用する
Firebase プロジェクトの作成、モデルトレーニング
アプリへの組み込み
7-6 最後の片付け ( GCP プロジェクトの削除 )

■Chapter 8 機械学習・ディープラーニングの裏側
8-1 機械学習の基礎理論を学ぶ
8-2 機械学習のデータ、評価指標
8-3 Training / Validation / Test
8-4 真偽と陰陽
8-5 Accuracy / Precision / Recall
8-6 AUC ( Area Under Curve )
8-7 Confusion Matrix
8-8 未学習・過学習・バイアス・バリアンス
8-9 線形回帰とロジスティック回帰
8-10 ニューラルネットワーク
8-11 畳み込みニューラルネットワーク
8-12 最近のニューラルネットワーク

著者プロフィール

衛藤 剛史  (エトウ タケシ)  (著/文

株式会社 LIFULL エンジニア 兼 エンジニアマネージャー。LIFULL HOME’S ネイティブスマホアプリや API を開発。
マンション・賃貸などの不動産物件サイトは、大量のデータが日々更新される。そのようなサイトでユーザーを補助する AI
の必要性から機械学習・画像認識機能を使いシステムに組み込み、実際にLIFULL HOME'S の Web サイトで運用中。
Google の Cloud カンファレンスなどで登壇。

上記内容は本書刊行時のものです。