理論、モデル作成、実装の関連が体系的によくわかる。 ディープラーニングの全体像をつかみたい初心者に最適。 ●1.機械学習と深層学習の導入 ●2.畳み込みニューラルネットワークとコンピュータービジョン ●3.リカレントニューラルネットワークと自然言語処理 ●4.機械学習モデルのデプロイ ●5.さまざまなアプリケーション実装 ●6.ディープラーニングモデルの継続改善

Chapter 01　機械学習と深層学習の導入 01-01　従来のプログラミングと機械学習との違い 01-02　機械学習のさまざまなアプローチ 01-03　機械学習アルゴリズムのイメージ 01-04　全結合ニューラルネットワークの学習 Chapter 02　畳み込みニューラルネットワークとコンピュータービジョン 02-01　コンピュータービジョンとは 02-02　畳み込みニューラルネットワークとは 02-03　層を深くすると何がうれしいか 02-04　代表的な畳み込みニューラルネットワークのアーキテクチャー 02-05　畳み込みニューラルネットワークの事前訓練 まとめ Chapter 03　リカレントニューラルネットワークと自然言語処理 03-01　はじめに 03-02　自然言語処理とは 03-03　リカレントニューラルネットワーク 03-04　単語の数値化 03-05　Sequence to Sequence 03-06　Attention機構 03-07　BERT まとめ Chapter 04　機械学習モデルのデプロイ Chapter 05　さまざまなアプリケーション実装 05-01　keras-flaskのサンプルコード例 05-02　Pytorch-Rabbitmqのサンプルコード例 05-03　Pytorchにおけるタスクの実行 05-04　アプリケーションの実行 まとめ Chapter 06　ディープラーニングモデルの継続改善 06-01　モデルの継続的なデプロイ 06-02　特徴量エンジニアリング 06-03　機械学習のバージョン管理について 06-04　機械学習のシステムモニタリング 06-05　スケーラビリティの確保 06-06　AIプラットフォームの利用 まとめ