書籍TOP
工事担任者試験
その他資格・検定
通信・ネットワーク
コンピュータ
ビジネス
その他

≪バックナンバー購入≫
テレコミュニケーション
コールセンタージャパン

データダウンロード
正誤表一覧


支払方法・送料
問い合わせ先
特商法による表示
買物カゴを見る






  初めてのTensorFlow
──数式なしのディープラーニング
 

PythonとTFLearnで無理なく体験学習
足立 悠 著
B5変型判 200ページ
定価:2,200円+税
ISBN:978-4-86594-105-0
2017年10月下旬刊行
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(理論)を説明する数式が難解なことと、実装方法が分からないことです。そこで本書は、数式を一切使わず、知っておくべき3つの手法だけを、気鋭のデータサイエンティストが丁寧に解説。また、GoogleのフレームワークTesorFlowと完全互換性があり、より初心者に適したTFLearnを使って、Python 3による実装を体験学習します。
購入する


 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、@全結合のニューラルネットワーク、A畳み込みニューラルネットワーク(CNN)、B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。


■著者プロフィール

足立 悠(あだち はるか)

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や雑誌へ記事執筆したほか、国内各地でセミナー講師を務めてきた。
多感な時期に高専で5年間を過ごしてしまったせいか、周囲から変人と評されている。趣味は国内の城とダム巡り、お地蔵さんが密集している場所に佇むこと。


■読者特典はこちらから

■読者フォローアップサイトはこちら

■[本書の主な内容]
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