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
Pythonディープラーニングシステム実装法-Kerasによる画像・一般データ分類システムの構築- 宮田 章裕(著/文) - 科学情報出版
..
【利用不可】

書店員向け情報 HELP

Pythonディープラーニングシステム実装法-Kerasによる画像・一般データ分類システムの構築- (パイソンディープラーニングシステムジッソウホウーケラスニヨルガゾウイッパンデータブンルイシステムノコウチクー)

このエントリーをはてなブックマークに追加
B5変型判
400ページ
定価 4,000円+税
ISBN
978-4-904774-92-2   COPY
ISBN 13
9784904774922   COPY
ISBN 10h
4-904774-92-2   COPY
ISBN 10
4904774922   COPY
出版者記号
904774   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
2020年10月9日
最終更新日
2020年10月9日
このエントリーをはてなブックマークに追加

紹介

2020年6月、KerasはTensorflowに統合されましたが、本書は統合されたKeras2.4系以降のものを対象とした最新の内容となります。

本書は、実践的なDeep Learning システムの構築のための知識の修得を目的としてます。ビジネスや研究の現場において、自分の問題にDeep Learning を適用でき、商用サービスや研究成果の創出に繋げられるという意味です。
この観点から、本書では汎用的な問題を題材とし、入力から出力までのシステム全体をメンテナンス性の高いコードで説明します。さらに、教師ありデータが少ない場合の対策や、ネットワーク形状の試行錯誤やハイパーパラメータのチューニングがしやすいシステム設計など、Deep Learning システム開発の現場で役立つ実用的なトピックも扱います。

▽対象読者
本書の対象読者は次のような方々です。
・Deep Learningを用いて実践的なシステム開発をしたい読者
・Deep Learningプログラミングの中級者・上級者を目指す読者
より具体的には、実践的なDeep Learning システムを構築する必要がある、企業の研究者・開発者・プログラマや、大学の教員・研究員・学生のような方々です。

▽動作環境
本書では、下記の動作環境にてプログラムの動作確認を行っています。バージョンが多少異なっても大きな問題はありませんが、快適な学習・実践のためにはGPU 環境を推奨します。Keras は、独立していた2.3 系までのものではなく、Tensorflow に統合された2.4 系以降のものを対象としています。

・CUDA環境
◦CUDA Toolkit 10.1 update2
◦cuDNN v7.6.5 for CUDA 10.1
・Python 環境
◦ Python 3.7.7
・Deep Learning 関連Python ライブラリ
◦TensorFlow 2.2.0
・その他のPython ライブラリ
◦numpy 1.18.4
◦ scipy 1.4.1
◦ scikit-learn 0.23.1
◦ pandas 1.0.3
◦ matplotlib 3.2.1
◦ pillow 7.1.2
◦ pydot 1.4.1
◦ hyperopt 0.2.4
・その他のライブラリ
◦ Graphviz 2.30.1

目次

【目次】
第1部:画像分類システムの構築
1Deep Learningによる画像分類の基礎
1.1本章の概要
1.2データセット
1.3画像分類ニューラルネットワークの設計
1.4画像分類ニューラルネットワークの実装
1.5ハードコーディングからの脱却
1.6ネットワーク構造の可視化
1.7訓練状況の可視化
1.8本章のまとめ
2Deep Learningによる画像分類の応用
2.1本章の概要
2.2データセット
2.3画像分類ニューラルネットワークの設計
2.4画像分類ニューラルネットワークの実装
2.5過学習を抑制する手段
2.6データ拡張
2.7ドロップアウト
2.8バッチ正規化
2.9早期終了
2.10学習率の動的削減
2.11訓練済みネットワークの利用
2.12転移学習
2.13ファインチューニング
2.14本章のまとめ
3Deep Learningによる画像分類の実践
3.1本章の概要
3.2データセット
3.3バッチ処理アプリケーション
3.4インタラクティブアプリケーション
3.5本章のまとめ

第2部:一般データ分類システムの構築
4Deep Learningによる一般データ分類システムの基礎
4.1本章の概要
4.2データセット
4.3一般データ分類ニューラルネットワークの設計
4.4一般データ分類ニューラルネットワークの実装
4.5早期終了・学習率の動的削減
4.6本章のまとめ
5Deep Learningによる一般データ分類の応用
5.1本章の概要
5.2データセット
5.3一般データ分類ニューラルネットワークの設計
5.4一般データ分類ニューラルネットワークの実装
5.5Denoising autoencoderによる事前学習
5.6多入力ニューラルネットワーク
5.7ハイパーパラメータの最適化
5.8本章のまとめ
6Deep Learningによる一般データ分類の実践
6.1本章の概要
6.2データセット
6.3処理の概要
6.4データのフォーマット変換
6.5データのノイズ除去
6.6データの正規化
6.7データの可視化
6.8エンコーダ・推定器の構築
6.9推定の実行
6.10本章のまとめ

上記内容は本書刊行時のものです。