内容紹介

（概要）

本書は、ディープラーニングによる画像認識を題材に、現場のプロジェクトで必要とされる知識をハンズオン形式で学習するための入門書です。ディープラーニング開発プロジェクトにおける「データ収集」「モデル実装」「データ準備」「学習」「評価」「性能向上」という6つのプロセスについて、それぞれの工程でどんなツールを使うのか、何をすれば良いのか、求められることや注意すべき点は何かなど、手を動かしながら理解を深めます。フレームワークの使い方を知っているだけではなく、ディープラーニングプロジェクトの全体像を正しく理解し、きちんと手を動かすことのできるAIエンジニアを目指すために役立つ基本の1冊です。

（こんな方におすすめ）

・ディープラーニング開発プロジェクトに関わることになった人

・AI業界への就職、転職を目指す学生やエンジニア

（目次）

第1章　機械学習／ディープラーニングの基礎知識

　　1.1　機械学習と深層学習（ディープラーニング）

　　1.2　ニューラルネットワークの学習

　　1.3　畳み込みニューラルネットワーク（CNN：Convolutional Neural Network）

　　1.4　タスクとモデル

　　1.5　画像処理の基礎

　　1.6　AIエンジニアに求められる素養

第2章　ディープラーニングプロジェクトの進め方

　　2.1　プロジェクトの全体像

　　2.2　プロジェクトにおける各プロセスの役割と目的

　　2.3　フレームワーク・環境・ハードウェア

第3章　VGGによる画像分類

　　3.1　モデルの実装

　　3.2　データの準備

　　3.3　学習

　　3.4　評価

　　3.5　性能向上

第4章　AutoEncoderによる正常・異常検知

　　4.1　モデルの実装

　　4.2　データの準備

　　4.3　AutoEncoderによる学習

　　4.4　評価

　　4.5　性能向上

第5章　SSDによる物体検出

　　5.1　モデルの実装

　　5.2　データの準備

　　5.3　学習

　　5.4　評価

　　5.5　性能向上

第6章　U-Netによる画像からの領域検出［実装〜データの準備〜学習］

　　6.1　モデルの実装

　　6.2　データの準備

　　6.3　学習

第7章　U-Netによる画像からの領域検出［評価〜性能向上〜まとめ］

　　7.1　評価

　　7.2　性能向上

　　7.3　実験のまとめ