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 Colaboratoryで学ぶ!あたらしい人工知能技術の教科書 機械学習・深層学習・強化学習で学ぶAIの基礎技術 我妻 幸長(著/文) - 翔泳社
..
【利用不可】

書店員向け情報 HELP

書店注文情報

受注専用FAX:
注文電話番号:
なし
注文FAX番号:
注文メール:
なし
受注センター:
注文電話番号:
注文FAX番号:
注文メール:
なし
注文メール:
注文電話番号:
なし
注文FAX番号:
なし
注文メール:

Google Colaboratoryで学ぶ!あたらしい人工知能技術の教科書 機械学習・深層学習・強化学習で学ぶAIの基礎技術 (グーグルコラボラトリーデマナブ アタラシイジンコウチノウギジュツノキョウカショ キカイガクシュウシンソウガクシュウキョウカガクシュウデマナブエーアイノキソギジュツ)

このエントリーをはてなブックマークに追加
発行:翔泳社
A5判
488ページ
定価 3,400円+税
ISBN
978-4-7981-6720-6   COPY
ISBN 13
9784798167206   COPY
ISBN 10h
4-7981-6720-7   COPY
ISBN 10
4798167207   COPY
出版者記号
7981   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
2021年7月1日
最終更新日
2021年8月6日
このエントリーをはてなブックマークに追加

紹介

最新のAI開発プラットフォームで
機械学習・深層学習・強化学習の
基礎技術を学ぼう!

【本書の概要】
本書はUdemyで大人気の講座
『AIパーフェクトマスター講座 -Google Colaboratoryで隅々まで学ぶ実用的な人工知能/機械学習-』をもとにした書籍です。
・機械学習(回帰、k平均法、サポートベクターマシン)
・深層学習(画像識別や画像生成、RNN)
・強化学習(Cart Pole問題、深層強化学習)
といった、AI開発でニーズの高い人工知能技術を、深層学習を中心に解説しています。
また本書ではサンプルを用意していますので、サンプルを動かしながら、AI技術の仕組みを理解できます。
開発環境にはGoogle Colaboratoryを使用します。

【Google Colaboratoryとは】
ブラウザ上で利用できる機械学習や深層学習向けの開発環境です。
GPUを無料で利用できるので、コードの実行時間を大幅に短縮できます。

【本書ポイント】
・機械学習・深層学習・強化学習の基礎知識を一気に学べる
・Pythonでコードを動かしながら機械学習・深層学習・強化学習の理論を学べる

【対象読者】
・何らかのプログラミング経験のある方
・機械学習・深層学習・強化学習を学ぶ意欲のある方
・高校数学以上の数学知識のある方

【著者プロフィール】
我妻幸長(あづま・ゆきなが)
SAI-Lab株式会社を起業。「ヒトとAIの共生」がミッション。
人工知能(AI)関連の研究開発、教育、アプリ開発が主な事業。
著者のYouTubeチャンネルでは、無料の講座が多数公開されている。

目次

Chapter 0 イントロダクション
0.1 はじめに

Chapter 1 人工知能、ディープラーニングの概要
1.1 人工知能の概要
1.2 人工知能の活用例
1.3 人工知能の歴史
1.4 Chapter 1のまとめ

Chapter 2 開発環境
2.1 Google Colaboratoryのはじめ方
2.2 セッションとインスタンス
2.3 CPUとGPU
2.4 Google Colaboratoryの様々な機能
2.5 Chapter 2のまとめ

Chapter 3 Pythonの基礎
3.1 Pythonの基礎
3.2 NumPyの基礎
3.3 matplotlibの基礎
3.4 pandasの基礎
3.5 演習
3.6 解答例
3.7 Chapter 3のまとめ

Chapter 4 簡単なディープラーニング
4.1 ディープラーニングの概要
4.2 シンプルなディープラーニングの実装
4.3 様々なニューラルネットワーク
4.4 演習
4.5 解答例
4.6 Chapter 4のまとめ

Chapter 5 ディープラーニングの理論
5.1 数学の基礎
5.2 単一ニューロンの計算
5.3 活性化関数
5.4 順伝播と逆伝播
5.5 行列と行列積
5.6 層間の計算
5.7 微分の基礎
5.8 損失関数
5.9 勾配降下法
5.10 出力層の勾配
5.11 中間層の勾配
5.12 エポックとバッチ
5.13 最適化アルゴリズム
5.14 演習
5.15 解答例
5.16 Chapter 5のまとめ

Chapter 6 様々な機械学習の手法
6.1 回帰
6.2 k平均法
6.3 サポートベクターマシン
6.4 演習
6.5 解答例
6.6 Chapter 6のまとめ

Chapter 7 畳み込みニューラルネットワーク(CNN)
7.1 CNNの概要
7.2 畳み込みとプーリング
7.3 im2colとcol2im
7.4 畳み込みの実装
7.5 プーリングの実装
7.6 CNNの実装
7.7 データ拡張
7.8 演習
7.9 Chapter 7のまとめ

Chapter 8 再帰型ニューラルネットワーク(RNN)
8.1 RNNの概要
8.2 シンプルなRNNの実装
8.3 LSTMの概要
8.4 シンプルなLSTMの実装
8.5 GRUの概要
8.6 シンプルなGRUの実装
8.7 RNNによる文章の自動生成
8.8 自然言語処理の概要
8.9 演習
8.10 解答例
8.11 Chapter 8のまとめ

Chapter 9 変分オートエンコーダ(VAE)
9.1 VAEの概要
9.2 VAEの仕組み
9.3 オートエンコーダの実装
9.4 VAEの実装
9.5 さらにVAEを学びたい方のために
9.6 演習
9.7 Chapter 9のまとめ

Chapter 10 敵対的生成ネットワーク(GAN)
10.1 GANの概要
10.2 GANの仕組み
10.3 GANの実装
10.4 さらにGANを学びたい方のために
10.5 演習
10.6 解答例
10.7 Chapter 10のまとめ

Chapter 11 強化学習
11.1 強化学習の概要
11.2 強化学習のアルゴリズム
11.3 深層強化学習の概要
11.4 Cart Pole問題
11.5 深層強化学習の実装
11.6 月面着陸船の制御―概要―
11.7 月面着陸船の制御―実装―
11.8 演習
11.9 解答例
11.10 Chapter 11のまとめ

Chapter 12 転移学習
12.1 転移学習の概要
12.2 転移学習の実装
12.3 ファインチューニングの実装
12.4 演習
12.5 解答例
12.6 Chapter 12のまとめ

Appendix さらに学びたい方のために
AP.1 著書
AP.2 オンライン講座
AP.3 YouTubeチャンネル

上記内容は本書刊行時のものです。