内容紹介（JPROより）

◆◆ PythonとKerasで基礎から一巡 ◆◆

本書のゴールは自然言語、とりわけ日本語を扱うサービスや
アプリケーションを開発できるようになることです。
そのために欠かせない「機械学習」と「深層学習」について、しっかり解説します。
ただし、難解な理論や数式は大胆にスキップ。
エンジニアの実務に役立つ知識に絞り、独自に15の学習ステップを体系化しました。
数値計算にNumPy、形態素解析にMeCab、機械学習にscikit-learn、ディープラーニングに
Keras等を使い、Pythonのコードを記述し動かしていきます。
何らかのプログラミング経験のある方なら、無理なく読めると思います。


◆◆ 本書の構成 ◆◆

■1章 演習に入るまえの予備知識
1 序論・自然言語処理と機械学習
2 本書の執筆・開発環境
3 機械学習のためのPythonの基礎
4 数値計算ライブラリNumPy
5 本書で利用するその他の主要ライブラリ

■2章 基礎を押さえる7ステップ
Step 01 対話エージェントを作ってみる
Step 02 前処理
Step 03 形態素解析とわかち書き
Step 04 特徴抽出
Step 05 特徴量変換
Step 06 識別器
Step 07 評価

■3章 ニューラルネットワークの6ステップ
Step 08 ニューラルネットワーク入門
Step 09 ニューラルネットワークによる識別器
Step 10 ニューラルネットワークの詳細と改善
Step 11 Word Embeddings
Step 12 Convolutional Neural Networks
Step 13 Recurrent Neural Networks

■4章 2ステップの実践知識
Step 14 ハイパーパラメータ探索
Step 15 データ収
■1章 演習に入るまえの予備知識
1 序論・自然言語処理と機械学習
2 本書の執筆・開発環境
3 機械学習のためのPythonの基礎
4 数値計算ライブラリNumPy
5 本書で利用するその他の主要ライブラリ

■2章 基礎を押さえる7ステップ
Step 01 対話エージェントを作ってみる
Step 02 前処理
Step 03 形態素解析とわかち書き
Step 04 特徴抽出
Step 05 特徴量変換
Step 06 識別器
Step 07 評価

■3章 ニューラルネットワークの6ステップ
Step 08 ニューラルネットワーク入門
Step 09 ニューラルネットワークによる識別器
Step 10 ニューラルネットワークの詳細と改善
Step 11 Word Embeddings
Step 12 Convolutional Neural Networks
Step 13 Recurrent Neural Networks

■4章 2ステップの実践知識
Step 14 ハイパーパラメータ探索
Step 15 データ収集

内容紹介（「BOOK」データベースより）

本書のゴールは自然言語、とりわけ日本語を扱うサービスやアプリケーションを、開発できるようになることです。そのために欠かせない「機械学習」と「深層学習」について、しっかり解説します。ただし、難解な理論や数式はスキップ。エンジニアの実務に役立つ知識に絞り、独自に１５の学習ステップを体系化しました。数値計算にＮｕｍＰｙ、形態素解析にＭｅＣａｂ、機械学習にｓｃｉｋｉｔ-ｌｅａｒｎ、ディープラーニングにＫｅｒａｓ等を使い、Ｐｙｔｈｏｎのコードを記述し動かしていきます。何らかのプログラミング経験のある方なら、無理なく読めると思います。

目次（「BOOK」データベースより）

１章　演習に入るまえの予備知識（序論・自然言語処理と機械学習／本書の執筆・開発環境　ほか）／２章　基礎を押さえる７ステップ（対話エージェントを作ってみる／前処理　ほか）／３章　ニューラルネットワークの６ステップ（ニューラルネットワーク入門／ニューラルネットワークによる識別器　ほか）／４章　２ステップの実践知識（ハイパーパラメータ探索／データ収集）

著者情報（「BOOK」データベースより）

土屋祐一郎（ツチヤユウイチロウ）
東京大学工学部卒、同大大学院情報理工学系研究科中退。２０１５年度ＩＰＡ未踏スーパークリエータ。現在は株式会社ＰＫＳＨＡ　Ｔｅｃｈｎｏｌｏｇｙ所属。大学とＩＰＡ未踏では主に画像ドメインで機械学習を扱い、現職では自然言語や画像を扱う事業部にてソフトウェアエンジニアとして勤務。その他、Ｄｅｅｐ　Ｌｅａｒｎｉｎｇ講座「ＮＩＣＯ２ＡＩ」の講師などの活動も行う（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）