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。