はじめてのディープラーニング2（SBクリエイティブ） [電子書籍]

はじめてのディープラーニング2（SBクリエイティブ） の 商品概要

• ※この電子書籍は固定レイアウト型で配信されております。固定レイアウト型は文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。
  
  前作「はじめてのディープラーニング」では、基礎中の基礎であるニューラルネットワークとバックプロパゲーションを初学者にもわかりやすく解説しましたが、本作では自然言語処理の分野で真価を発揮する再帰型ニューラルネットワーク（RNN）と、ディープラーニングの生成モデルであるVAE（Variational Autoencoder）とGAN（Generative Adversarial Networks）について実装方法を含めて解説します。もちろんプログラムの実装については、前作を踏襲してPythonのみで行い、既存のフレームワークに頼りません。
  
  ［本書の特徴］
  ・前作を読んでいない方のために、Python、数学、ニューラルネットワークの基礎について解説する章を設けています。
  ・サンプルプログラムはフレームワークを使わずにPythonのみで記述しています。このため数式をコード化する際の原理が初心者にもわかりやすくなっています。
  ・サンプルプログラムはSBクリエイティブ株式会社のサイトからダウンロード可能です。
  ・Python3、Jupyter Notebook、Google Colaboratory対応。
  

• 目次

  はじめに
  第1章　ディープラーニングの発展
  　1.1 ディープラーニングの概要
  　1.2 ディープラーニングの応用
  第2章　学習の準備
  　2.1 Anacondaの環境構築
  　2.2 Google Colaboratoryの使い方
  　2.3 Pythonの基礎
  第3章　ディープラーニングの基礎
  　3.1 ディープラーニングの概要
  　3.2 全結合層の順伝播
  　3.3 全結合層の逆伝播
  　3.4 全結合層の実装
  第4章　RNN
  　4.1 RNNの概要
  　4.2 RNN層の順伝播
  　4.3 RNN層の逆伝播
  　4.4 RNN層の実装
  　4.5 シンプルなRNNの実装
  第5章　LSTM
  　5.1 LSTMの概要
  　5.2 LSTM層の順伝播
  　5.3 LSTM層の逆伝播
  　5.4 LSTM層の実装
  第6章　GRU
  　6.1 GRUの概要
  　6.2 GRU層の順伝播
  　6.3 GRU層の逆伝播
  　6.4 GRU層の実装
  　6.5 GRUの実装
  第7章　VAE
  　7.1 VAEの概要
  　7.2 VAEの仕組み
  　7.3 オートエンコーダの実装
  　7.4 VAEに必要な層
  第8章　GAN
  　8.1 GANの概要
  　8.2 GANの仕組み
  　8.3 GANに必要な層
  第9章　さらに進むために
  　9.1 最適化アルゴリズム
  　9.2 学習のテクニック
  付録
  　A.1 シンプルなRNNによるテキスト生成
  　A.2 GRUによるテキスト生成
  最後に
  索引
  など
  

はじめてのディープラーニング2（SBクリエイティブ） の商品スペック