ミュラーPythonで学ぶ深層学習
書籍情報
発売日 : 2023年03月03日
著者／編集 : J．P．Mueller/L．Massaron/沼 晃介/吉田 享子
出版社 : 東京化学同人
発行形態 : 単行本
書籍説明
内容紹介
深層学習でどんなことができるのか，Pythonで実行しながら学ぶ入門教科書．
目次
第Ⅰ部 深層学習を知ろう
1章深層学習とは
1・1 深層学習とは何か
1・2 深層学習を現実の世界で活用する
1・3 深層学習のプログラミング環境を考える
1・4 深層学習の誇大広告の克服
2章機械学習の原理
2・1 機械学習の定義
2・2 さまざまな学習の方法を考える
2・3 機会学習の本当の使い方を考える
3章Pythonの入手と使用
3・1 本書でのPythonの使い方
3・2 Anacondaのコピーの入手
3・3 データセットとサンプルコードのダウンロード
3・4 アプリケーションの作成
3・5 インデントの使い方を理解する
3・6 コメントの追加
3・7 Python言語のヘルプを得る
3・8 クラウドでの作業
4章深層学習フレームワークの活用
4・1 フレームワークの紹介
4・2 ローエンドのフレームワークを使う
4・3 TensorFlowを理解する
第Ⅱ部 深層学習の基礎を考えよう
5章行列計算と最適化の見直し
5・1 本当に必要な数学を明らかにする
5・2 スカラー，ベクトル，行列演算の理解
5・3 学習を最適化と解釈する
6章線形回帰の基礎
6・1 変数を組合わせる
6・2 変数のタイプの混合
6・3 確率に切り替える
6・4 適切な特徴量を推測する
6・5 一度に一つの標本で学ぶ
7章ニューラルネットワーク
7・1 驚くべきパーセプトロンの発見
7・2 ニューラルネットワークで複雑さに挑む
7・3 過学習に悩む
8章基本的なニューラルネットワークの構築
8・1 ニューラルネットワークの理解
8・2 ニューラルネットワークの仕組みを知る
9章深層学習への移行
9・1 あらゆるところに存在するデータ
9・2 データの追加によるメリット
9・3 処理速度の向上
9・4 深層学習と他のAIとの違い
9・5 より賢い解決策を見つける
10章畳み込みニューラルネットワーク
10・1 文字認識でCNNを始める
10・2 畳み込みの仕組み
10・3 画像からのエッジや形状の検出
11章リカレントニューラルネットワーク
11・1 リカレントネットワークとは
11・2 LSTMの説明
第Ⅲ部 深層学習を使ってみよう
12章画像分類を実行する
12・1 画像分類課題を利用する
12・2 交通標識を見分ける
13章高度なCNNを学ぶ
13・1 分類タスクの区別
13・2 周囲の物体を認識する
13・3 深層学習アプリケーションへの敵対的攻撃の克服
14章自然言語処理に取組む
14・1 言語を処理する
14・2 重要な配列を記憶する
14・3 AIを使った感情分析
15章音楽とビジュアルアート（視覚芸術）の生成
15・1 芸術と人生を模倣する学習
15・2 芸術家の模倣
16章敵対的生成ネットワークの構築
16・1 ネットワークを競わせる
16・2 成長する分野を考える
17章深層強化学習で遊ぶ
17・1 ニューラルネットワークでゲームをする
17・2 アルファ碁の説明
第Ⅳ部 10のリスト
18章深層学習を必要とする10のアプリケーション
18・1 白黒の動画や写真に色を復元する
18・2 人物のポーズをリアルタイムで近似する
18・3 リアルタイムの行動分析の実行
18・4 言語の翻訳
18・5 太陽光発電による節約可能量の見積もり
18・6 コンピュータゲームで人間に勝つ
18・7 音声の生成
18・8 人口統計の予測
18・9 現実世界の写真からアートを生み出す
18・10 自然災害の予測
19章深層学習が関わる10の仕事
19・1 人のマネジメント
19・2 医療の向上
19・3 新しいデバイスの開発
19・4 カスタマーサポートの提供
19・5 データの見方を変える
19・6 分析の高速化
19・7 よりよい仕事環境をつくるために
19・8 あいまいな情報や詳細な情報の調査
19・9 建物の設計
19・10 安全性の向上
1章深層学習とは
1・1 深層学習とは何か
1・2 深層学習を現実の世界で活用する
1・3 深層学習のプログラミング環境を考える
1・4 深層学習の誇大広告の克服
2章機械学習の原理
2・1 機械学習の定義
2・2 さまざまな学習の方法を考える
2・3 機会学習の本当の使い方を考える
3章Pythonの入手と使用
3・1 本書でのPythonの使い方
3・2 Anacondaのコピーの入手
3・3 データセットとサンプルコードのダウンロード
3・4 アプリケーションの作成
3・5 インデントの使い方を理解する
3・6 コメントの追加
3・7 Python言語のヘルプを得る
3・8 クラウドでの作業
4章深層学習フレームワークの活用
4・1 フレームワークの紹介
4・2 ローエンドのフレームワークを使う
4・3 TensorFlowを理解する
第Ⅱ部 深層学習の基礎を考えよう
5章行列計算と最適化の見直し
5・1 本当に必要な数学を明らかにする
5・2 スカラー，ベクトル，行列演算の理解
5・3 学習を最適化と解釈する
6章線形回帰の基礎
6・1 変数を組合わせる
6・2 変数のタイプの混合
6・3 確率に切り替える
6・4 適切な特徴量を推測する
6・5 一度に一つの標本で学ぶ
7章ニューラルネットワーク
7・1 驚くべきパーセプトロンの発見
7・2 ニューラルネットワークで複雑さに挑む
7・3 過学習に悩む
8章基本的なニューラルネットワークの構築
8・1 ニューラルネットワークの理解
8・2 ニューラルネットワークの仕組みを知る
9章深層学習への移行
9・1 あらゆるところに存在するデータ
9・2 データの追加によるメリット
9・3 処理速度の向上
9・4 深層学習と他のAIとの違い
9・5 より賢い解決策を見つける
10章畳み込みニューラルネットワーク
10・1 文字認識でCNNを始める
10・2 畳み込みの仕組み
10・3 画像からのエッジや形状の検出
11章リカレントニューラルネットワーク
11・1 リカレントネットワークとは
11・2 LSTMの説明
第Ⅲ部 深層学習を使ってみよう
12章画像分類を実行する
12・1 画像分類課題を利用する
12・2 交通標識を見分ける
13章高度なCNNを学ぶ
13・1 分類タスクの区別
13・2 周囲の物体を認識する
13・3 深層学習アプリケーションへの敵対的攻撃の克服
14章自然言語処理に取組む
14・1 言語を処理する
14・2 重要な配列を記憶する
14・3 AIを使った感情分析
15章音楽とビジュアルアート（視覚芸術）の生成
15・1 芸術と人生を模倣する学習
15・2 芸術家の模倣
16章敵対的生成ネットワークの構築
16・1 ネットワークを競わせる
16・2 成長する分野を考える
17章深層強化学習で遊ぶ
17・1 ニューラルネットワークでゲームをする
17・2 アルファ碁の説明
第Ⅳ部 10のリスト
18章深層学習を必要とする10のアプリケーション
18・1 白黒の動画や写真に色を復元する
18・2 人物のポーズをリアルタイムで近似する
18・3 リアルタイムの行動分析の実行
18・4 言語の翻訳
18・5 太陽光発電による節約可能量の見積もり
18・6 コンピュータゲームで人間に勝つ
18・7 音声の生成
18・8 人口統計の予測
18・9 現実世界の写真からアートを生み出す
18・10 自然災害の予測
19章深層学習が関わる10の仕事
19・1 人のマネジメント
19・2 医療の向上
19・3 新しいデバイスの開発
19・4 カスタマーサポートの提供
19・5 データの見方を変える
19・6 分析の高速化
19・7 よりよい仕事環境をつくるために
19・8 あいまいな情報や詳細な情報の調査
19・9 建物の設計
19・10 安全性の向上
著者情報
J．P．Mueller
Mueller, John, 1958-
L．Massaron
Massaron, Luca
沼 晃介
沼, 晃介, 1979-
吉田 享子
吉田, 享子, 1951-
