試験公開中

TensorFlowで学ぶ機械学習・ニューラルネットワーク
販売終了
 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

3,938円 (3,580円+税)

販売終了 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)
  • 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