Google Cloud AutoML Vision入門―画像認識・機械学習・AIを使ったウェブサイトやアプリをつくる [単行本]

Google Cloud AutoML Vision入門―画像認識・機械学習・AIを使ったウェブサイトやアプリをつくる の 商品概要

• 要旨（「BOOK」データベースより）

  誰でもつくれる画像認識ＡＩ　Ｇｏｏｇｌｅの最新技術で作る機械学習モデル構築！！学習データの作成から、予測モデル構築・チューニング・モデル評価・ウェブやアプリの組み込み。ディープラーニング・ニューラルモデル・機械学習の理論を使ったシンプルな画像認識ＡＩ作成。

• 目次

  ■Chapter 1 AI・機械学習・ディープラーニングとは
  1-1 AI・機械学習・ディープラーニングとは
  AI ( Artificial Intelligence )
  機械学習
  ディープラーニング （ 深層学習 ）
  1-2 AI・機械学習・ディープラーニング を使った事例
  迷惑メールのスパム判定
  商品レコメンド
  Object Detection （物体検出）
  レントゲンや内視鏡の画像か病気であるかを判定する
  株価や価格情報の上昇下落予測をする
  1-3 教師あり学習とは
  1-4 画像認識導入の例
  アパレル系での自動ラベリング
  不動産系
  Web フリーマーケット系
  1-5 AI・機械学習・ディープラーニングを実現するまでの道のり
  1-6 AI の民主化
  1-7 専門家でなくても AI は作れる
  1-8 本書でのゴール
  
  
  ■Chapter 2 Cloud AutoML
  2-1 Cloud AutoML とは
  2-2 Cloud Vision API と Machine Learning Engine の中間に位置する AutoML
  2-3 Cloud AutoML Vision に適した画像
  2-4 Cloud AutoML Vision の費用
  トレーニング費用
  ヒューマンラベリング費用
  分類予測 （ Online Prediction ） の費用
  その他費用
  2-5 Cloud AutoML Vision を使ってモデル構築する流れ
  
  
  ■Chapter 3 開発環境の構築
  3-1 本書のサンプルで使用する開発環境
  3-2 Google Cloud Platform （ Google ） のアカウント登録
  登録・ログインの手順
  Google Cloud Platform の無料トライアルの登録
  3-3 Google CloudPlatform (GCP) で Cloud AutoML Vision を設定する
  GCP Project を作成する
  Cloud AutoML Vision を有効化する
  3-4 python のインストール
  3-5 gcloud / gsutil コマンドラインツールのインストール
  3-6 gcloud で GCP アカウントにログイン
  
  
  ■Chapter 4 とりあえず予測モデルを作成してみよう
  4-1 教師用画像データセットとは
  4-2 オープンソースの画像をダウンロードする
  4-3 教師用データセットの作成
  4-4 Cloud Storage バケットを作成する
  4-5 データセットを Cloud Storage にアップロードする
  CSV ファイルを作成する
  4-6 Cloud AutoML Vision で予測モデルを作成する
  Train / Validation / Test について
  Model type について
  Training budget について
  4-7 モデルに対して予測を行う（ GUI ）
  4-8 モデルに対して予測を行う（ Python ）
  サービスアカウントの作成
  python の設定
  スクリプトの作成
  API の実行
  REST API を使用する
  
  ■Chapter 5 作成したモデルを評価する
  5-1 学習の評価について
  5-2 評価指標の見方
  真偽と陰陽 （ True Positive / False Positive / True Negative / False Negative ）
  Precision （ 適合率 ） と Recall （ 再現率 ）
  PR 曲線 / AUC
  Confusion Matrix （ 混同行列 ）
  5-3 ラベルごとの評価
  5-4 精度が高い画像と低い画像
  
  ■Chapter 6 モデルをチューニングして再トレーニングする
  6-1 原因を探る
  6-2 ラベルの訂正
  6-3 モデルを再トレーニングする
  6-4 カテゴリーの細分化
  6-5 モデルを再トレーニングする
  AutoML で Trailer ラベルを作成する
  既存の Car ラベルから明らかに Trailer である画像のラベルを変更する
  Car ラベルを補填する
  Trailer 画像をダウンロードする
  Cloud Storage にダウンロードした画像をアップロードし、追加学習データセットを作成する
  AutoML Vision に追加画像をインポートする
  AutoML Vision で再トレーニングする
  6-6 モデルに対して予測を行う（Web Console）
  6-7 評価指標の比較
  6-8 番外編 課金をしてトレーニングをする
  6-9 補足 : Data Argumentation （ データの水増し ）
  
  ■Chapter 7 ウェブやアプリのサービスに組み込む
  7-1 アプリケーションについてと準備
  7-2 作成したモデルをアプリケーションに接続する準備
  環境構築
  Flask を試してみる
  7-3 ウェブサイトアプリケーションで使用する
  ソースコードを準備する
  ローカルアプリケーションで動作を確認する
  ソースコードの解説
  GCP で AppEngine を作成する
  アプリケーションを AppEngine にデプロイする
  7-4 モデルの切り替え・複数モデルの使用
  7-5 スマホアプリで使用する
  Firebase プロジェクトの作成、モデルトレーニング
  アプリへの組み込み
  7-6 最後の片付け （ GCP プロジェクトの削除 ）
  
  ■Chapter 8 機械学習・ディープラーニングの裏側
  8-1 機械学習の基礎理論を学ぶ
  8-2 機械学習のデータ、評価指標
  8-3 Training / Validation / Test
  8-4 真偽と陰陽
  8-5 Accuracy / Precision / Recall
  8-6 AUC （ Area Under Curve ）
  8-7 Confusion Matrix
  8-8 未学習・過学習・バイアス・バリアンス
  8-9 線形回帰とロジスティック回帰
  8-10 ニューラルネットワーク
  8-11 畳み込みニューラルネットワーク
  8-12 最近のニューラルネットワーク

• 内容紹介

  誰でもつくれる画像認識ＡＩ
  Google の最新技術 Cloud AutoML
  で作る機械学習モデル！！
  
  学習データの作成から、予測モデル構築・チューニング・モデル評価・ウェブやアプリの組み込み。
  ディープラーニング・ニューラルモデル・機械学習の理論を使ったシンプルな画像認識ＡＩ作成。
  
  ■事例・利用例
  ●ファッション系ネットショップで、たくさんある洋服の袖や襟の形を自動画像認識させて、利用者が商品を探しやすいウェブサイトにする。●不動産系ネットショップで、家の外観や内装の写真を自動認識させて、利用者が物件を探しやすくする。●フリマ系サイトで、利用者がアップしたたくさんの画像を自動認識させて、商品を探しやすくする。●とにかくたくさんの画像があって、「面倒くさい作業」「時間がかかる作業」「捌ききれない作業」を自動認識で楽にする。

• 著者紹介（「BOOK著者紹介情報」より）（本データはこの書籍が刊行された当時に掲載されていたものです）

  衛藤 剛史(エトウ タケシ)
  株式会社ＬＩＦＵＬＬエンジニア兼エンジニアマネージャー。ＬＩＦＵＬＬ　ＨＯＭＥ’ＳネイティブスマホアプリやＡＰＩを開発

• 著者について

  衛藤 剛史 (エトウ タケシ)
  株式会社 LIFULL エンジニア 兼 エンジニアマネージャー。LIFULL HOME’S ネイティブスマホアプリや API を開発。
  マンション・賃貸などの不動産物件サイトは、大量のデータが日々更新される。そのようなサイトでユーザーを補助する AI
  の必要性から機械学習・画像認識機能を使いシステムに組み込み、実際にLIFULL HOME'S の Web サイトで運用中。
  Google の Cloud カンファレンスなどで登壇。

Google Cloud AutoML Vision入門―画像認識・機械学習・AIを使ったウェブサイトやアプリをつくる の商品スペック