試験公開中

このエントリーをはてなブックマークに追加

TensorFlowで学ぶ機械学習・ニューラルネットワーク

マイナビ出版

3,580円+税

TensorFlowで機械学習のアルゴリズムを完全マスター。

関連サイト

本書の関連ページが用意されています。

内容紹介

本書は機械学習を始めたばかりの方にもTensorFlowを初めて使う方にも、究極のガイドです。

コードを理解するにはPythonプログラミングに関する知識が事前に必要ですが、それ以外は機械学習の基本からTensorFlowの実践的な使いこなしまでマスター可能です。

Part 1では、機械学習とは何か、といった探求と、TensorFlowが果たす重要な役割についてハイライトを当てます。1章では機械学習の用語と理論を紹介し、第2章ではTensorFlowの利用を開始するために必要なことを解説します。

Part 2では、基本的なアルゴリズムについて説明します。3章~6章のそれぞれの章で、回帰、分類、クラスタリング、隠れマルコフモデルについて解説します。これらのアルゴリズムは、機械学習のあらゆる分野で利用できます。

Part 3では、TensorFlowが真のパワーを発揮するニューラルネットワークについてそのベールをはがします。7章~12章では、オートエンコーダー、強化学習、畳み込みニューラルネットワーク、再帰型ニューラルネットワーク、シーケンス変換モデルおよびユーティリティーについて紹介します。

経験豊かなTensorFlowユーザーでない限り、最初にPart 1(1章と2章)を読むことをお勧めします。そこをマスターしたら、あとは本書の好きな章から読んでOKです。機械学習やTensorFlowを初めて使う方には究極のガイド本であり、その基礎をバッチリマスターできます。

書誌情報

  • 著者: Nishant Shukla(著), 岡田佑一(訳)
  • 発行日: (紙書籍版発行日: 2018-04-27)
  • 最終更新日: 2018-04-27
  • バージョン: 1.0.0
  • ページ数: 264ページ(PDF版換算)
  • 対応フォーマット: PDF
  • 出版社: マイナビ出版

対象読者

著者について

Nishant Shukla

Nishant Shukla(ニシャン・シュクラ、http://shukla.io)は機械学習とロボティクスによるコンピュータビジョン技術の研究者でUCLAで博士号を取得。またバージニア大学でコンピューターサイエンスの学士号と数学の学士号を取得。Hack.UVA(http://hackuva.io)の創設メンバーで、Haskellの講義を幅広く行う(http://shuklan.com/haskell)。Microsoft、Facebook、Foursquareの開発者、SpaceXの機械学習エンジニアとして働き、Haskell Data Analysis Cookbook(http://haskelldata.com)の著者。分析化学から自然言語処理に関する研究論文を発表している(http://mng.bz/e9sk)。自分の自由時間には"カタンの開拓者たち"(The Settlers of CATAN)や"グウェント"(Gwent)を楽しみ、時折敗北を味わう。

岡田佑一

学生時代はニューラルネットワークと統計学に関する研究を行う。2013 年以降はプログラミングの問題を多数作成し、延べ10,000 人以上からの解答コードに対して評価・コメントし、解説記事等の執筆活動も行っている。現在は小さな学習塾を営みつつ、組み合わせ最適化に関する研究を行う。著書に『ショートコーディング 職人達の技法』、訳書に『世界で闘うプログラミング力を鍛える本』、執筆協力に『プログラミングコンテスト攻略のためのアルゴリズムとデータ構造』(以上、マイナビ出版)。

目次

Part 1 機械学習に必要なもの

1章 機械学習の旅

  • 1.1 機械学習の基礎
  • 1.2 データ表現と特徴
  • 1.3 距離の測定方法
  • 1.4 学習のタイプ
  • 1.5 TensorFlow
  • 1.6 今後の章の概要
  • 1.7 まとめ

2章 TensorFlow の必需品

  • 2.1 TensorFlow の動作を保証する
  • 2.2 テンソルを表す
  • 2.3 演算子の作成
  • 2.4 セッションでの演算子の実行
  • 2.5 Jupyter でのコードの記述
  • 2.6 変数の使用
  • 2.7 変数の保存と読み込み
  • 2.8 TensorBoard を使用したデータの視覚化
  • 2.9 まとめ

Part 2 主要な学習アルゴリズム

3章 線形回帰とその先

  • 3.1 公式表記法
  • 3.2 線形回帰
  • 3.3 多項式モデル
  • 3.4 正則化
  • 3.5 線形回帰の活用
  • 3.6 まとめ

4章 クラス分類の簡単な紹介

  • 4.1 正式記法
  • 4.2 性能の測定
  • 4.3 分類に線形回帰を使用する
  • 4.4 ロジスティック回帰の使用
  • 4.5 マルチクラス分類器
  • 4.6 分類の活用
  • 4.7 まとめ

5章 自動的にデータをクラスタリング

  • 5.1 TensorFlow でのファイルの走査
  • 5.2 音声からの特徴抽出
  • 5.3 K 平均クラスタリング
  • 5.4 音声のセグメンテーション
  • 5.5 自己組織化マップを使用したクラスタリング
  • 5.6 クラスタリングの活用
  • 5.7 まとめ

6章 隠れマルコフモデル

  • 6.1 解釈不可能なモデルの例
  • 6.2 マルコフモデル
  • 6.3 隠れマルコフモデル
  • 6.4 前向きアルゴリズム
  • 6.5 ビタビ復号
  • 6.6 隠れマルコフモデルの使用
  • 6.7 隠れマルコフモデルの活用
  • 6.8 まとめ

Part 3 ニューラルネットワークの実例

7章 自動エンコーダの中身

  • 7.1 ニューラルネットワーク
  • 7.2 自動エンコーダ
  • 7.3 バッチ訓練
  • 7.4 画像を用いて作業する
  • 7.5 自動エンコーダの応用
  • 7.6 まとめ

8章 強化学習

  • 8.1 正式な概念
  • 8.2 強化学習の適用
  • 8.3 強化学習の実装
  • 8.4 他の強化学習アプリケーションの探求
  • 8.5 まとめ

9章 畳み込みニューラルネットワーク

  • 9.1 ニューラルネットワークの欠点
  • 9.2 畳み込みニューラルネットワーク
  • 9.3 画像の準備
  • 9.4 TensorFlow における畳み込みニューラルネットワークの実装
  • 9.5 パフォーマンスを向上させるためのヒント
  • 9.6 畳み込みニューラルネットワークの応用
  • 9.7 まとめ

10章 再帰型ニューラルネットワーク

  • 10.1 文脈の情報
  • 10.2 再帰型ニューラルネットワークの紹介
  • 10.3 再帰型ニューラルネットワークの実装
  • 10.4 時系列データの予測モデル
  • 10.5 再帰型ニューラルネットワークの応用
  • 10.6 まとめ

11章 シーケンス変換モデルを用いたチャットボット

  • 11.1 分類器とRNN の構築
  • 11.2  Seq2seq の仕組み
  • 11.3 記号のベクトル表現
  • 11.4 実装の仕上げ
  • 11.5 対話データの収集
  • 11.6 まとめ

12章 効用の特徴と活用

  • 12.1 嗜好モデル
  • 12.2 画像埋め込み
  • 12.3 画像の順位付け
  • 12.4 まとめ
  • 12.5 次にすべきことは?

付録 インストール

  • ・Docker を使用したTensorFlow のインストール
  • ・Matplotlib のインストール

索引

Home 書籍一覧 TensorFlowで学ぶ機械学習・ニューラルネットワーク ▲ ページトップへ戻る