Pythonディープラーニングシステム実装法―Kerasによる画像・一般データ分類システムの構築(設計技術シリーズ) [単行本]

Pythonディープラーニングシステム実装法―Kerasによる画像・一般データ分類システムの構築(設計技術シリーズ) の 商品概要

• 要旨（「BOOK」データベースより）

  ＫｅｒａｓはＴｅｎｓｏｒｆｌｏｗ統合後の２．４系以降のものをサポート！汎用的な問題を題材とし、入力から出力までのシステム全体をメンテナンス性の高いコードで説明！

• 目次

  【目次】
  第1部:画像分類システムの構築
  1Deep Learningによる画像分類の基礎
  1.1本章の概要
  1.2データセット
  1.3画像分類ニューラルネットワークの設計
  1.4画像分類ニューラルネットワークの実装
  1.5ハードコーディングからの脱却
  1.6ネットワーク構造の可視化
  1.7訓練状況の可視化
  1.8本章のまとめ
  2Deep Learningによる画像分類の応用
  2.1本章の概要
  2.2データセット
  2.3画像分類ニューラルネットワークの設計
  2.4画像分類ニューラルネットワークの実装
  2.5過学習を抑制する手段
  2.6データ拡張
  2.7ドロップアウト
  2.8バッチ正規化
  2.9早期終了
  2.10学習率の動的削減
  2.11訓練済みネットワークの利用
  2.12転移学習
  2.13ファインチューニング
  2.14本章のまとめ
  3Deep Learningによる画像分類の実践
  3.1本章の概要
  3.2データセット
  3.3バッチ処理アプリケーション
  3.4インタラクティブアプリケーション
  3.5本章のまとめ
  
  第2部:一般データ分類システムの構築
  4Deep Learningによる一般データ分類システムの基礎
  4.1本章の概要
  4.2データセット
  4.3一般データ分類ニューラルネットワークの設計
  4.4一般データ分類ニューラルネットワークの実装
  4.5早期終了・学習率の動的削減
  4.6本章のまとめ
  5Deep Learningによる一般データ分類の応用
  5.1本章の概要
  5.2データセット
  5.3一般データ分類ニューラルネットワークの設計
  5.4一般データ分類ニューラルネットワークの実装
  5.5Denoising autoencoderによる事前学習
  5.6多入力ニューラルネットワーク
  5.7ハイパーパラメータの最適化
  5.8本章のまとめ
  6Deep Learningによる一般データ分類の実践
  6.1本章の概要
  6.2データセット
  6.3処理の概要
  6.4データのフォーマット変換
  6.5データのノイズ除去
  6.6データの正規化
  6.7データの可視化
  6.8エンコーダ・推定器の構築
  6.9推定の実行
  6.10本章のまとめ

• 内容紹介

  2020年6月、KerasはTensorflowに統合されましたが、本書は統合されたKeras2.4系以降のものを対象とした最新の内容となります。
  
  本書は、実践的なDeep Learning システムの構築のための知識の修得を目的としてます。ビジネスや研究の現場において、自分の問題にDeep Learning を適用でき、商用サービスや研究成果の創出に繋げられるという意味です。
  この観点から、本書では汎用的な問題を題材とし、入力から出力までのシステム全体をメンテナンス性の高いコードで説明します。さらに、教師ありデータが少ない場合の対策や、ネットワーク形状の試行錯誤やハイパーパラメータのチューニングがしやすいシステム設計など、Deep Learning システム開発の現場で役立つ実用的なトピックも扱います。
  
  ▽対象読者
  本書の対象読者は次のような方々です。
  ・Deep Learningを用いて実践的なシステム開発をしたい読者
  ・Deep Learningプログラミングの中級者・上級者を目指す読者
  より具体的には、実践的なDeep Learning システムを構築する必要がある、企業の研究者・開発者・プログラマや、大学の教員・研究員・学生のような方々です。
  
  ▽動作環境
  本書では、下記の動作環境にてプログラムの動作確認を行っています。バージョンが多少異なっても大きな問題はありませんが、快適な学習・実践のためにはGPU 環境を推奨します。Keras は、独立していた2.3 系までのものではなく、Tensorflow に統合された2.4 系以降のものを対象としています。
  
  ・CUDA環境
  ◦CUDAToolkit 10.1 update2
  ◦cuDNN v7.6.5 for CUDA 10.1
  ・Python 環境
  ◦ Python 3.7.7
  ・Deep Learning 関連Python ライブラリ
  ◦TensorFlow 2.2.0
  ・その他のPython ライブラリ
  ◦numpy 1.18.4
  ◦ scipy 1.4.1
  ◦ scikit-learn 0.23.1
  ◦ pandas 1.0.3
  ◦ matplotlib 3.2.1
  ◦ pillow 7.1.2
  ◦ pydot 1.4.1
  ◦ hyperopt 0.2.4
  ・その他のライブラリ
  ◦ Graphviz 2.30.1

• 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）

  宮田 章裕(ミヤタ アキヒロ)
  ２００８年慶應義塾大学大学院後期博士課程修了。日本電信電話株式会社（ＮＴＴ研究所）などを経て、２０１６年より日本大学文理学部情報科学科准教授。ヒューマンコンピュータインタラクションの研究に従事し、ニューラルネットワークなどを駆使して「人にやさしいコンピュータ」の実現を目指して情熱的に研究に取り組んでいる。ＡＣＭ会員、情報処理学会シニア会員。博士（工学）

Pythonディープラーニングシステム実装法―Kerasによる画像・一般データ分類システムの構築(設計技術シリーズ) の商品スペック