初めてのTensorFlow　数式なしのディープラーニング
足立　悠

ユーザ評価（0件）
| レビューを書く

2,420円（税込）送料無料

この商品が関連するクーポン・キャンペーンがあります（10件）

※エントリー必要の有無や実施期間等の各種詳細条件は、必ず各説明頁でご確認ください。

商品情報

発売日： 2017年10月27日頃
著者／編集：足立　悠(著)
出版社：リックテレコム
発行形態：単行本
ISBN： 9784865941050

商品説明

内容紹介（出版社より）

◆◆ 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。
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

内容紹介（「BOOK」データベースより）

ディープラーニングを初めて学ぶＩＴエンジニアにとっての障壁は、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」という点です。そこで本書は、Ｇｏｏｇｌｅのディープラーニング・フレームワークＴｅｎｓｏｒＦｌｏｗに注目。ＴｅｎｓｏｒＦｌｏｗと完全互換性があり、より初心者に適したＴＦＬｅａｒｎを使うことで、これらの壁を突破します。絞り込んだ内容と、気鋭のデータサイエンティストの丁寧な解説により、数式なしで手法（理論）を理解できます。さらに、ライブラリを使って無理なく実装まで体験できます。

目次（「BOOK」データベースより）

１　初めてのディープラーニング（機械学習とディープラーニング／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（ディープラーニングの環境構築／Ｊｕｐｙｔｅｒ　Ｎｏｔｅｂｏｏｋの使い方／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（ニューラルネットワークの仕組み／ディープラーニングの仕組み／ディープラーニングの実装手順／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（畳み込みニューラルネットワークの仕組み／手書き文字画像ＭＮＩＳＴの分類／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（再帰型ニューラルネットワークの仕組み／対話テキストの分類／手書き文字画像ＭＮＩＳＴの分類）／Ａｐｐｅｎｄｉｘ

著者情報（「BOOK」データベースより）

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や雑誌へ記事を執筆したほか、国内各地でセミナー講師を務めてきた（本データはこの書籍が刊行された当時に掲載されていたものです）