動かしながら学ぶ PyTorchプログラミング入門（オーム社） [電子書籍]

動かしながら学ぶ PyTorchプログラミング入門（オーム社） の 商品概要

• 手を動かして学ぶ!!
  「手を動かしアプリを動かしながら学ぶ」をコンセプトにしたPyTorchの入門書です。「解説」と「コード作成」を柱とした構成で、主な特徴は次の通りです。
  ・最低限の知識でアプリ開発までを実現できる。
  ・実用性のあるアプリを作りながら学ぶ。
  ・実用性のあるアプリにより学習モチベーションが上がる。
  「株価の予測」「画像分析」「感情分析」アプリを開発します。アプリづくりの面白さを通し、読者に楽しみながらPyTorchを学んでいただくものです。
  

• 目次

  Chapter 1　スタートアップ
  1 PyTorchについて
  2 開発環境の構築について
  2.1 自身のPCを使用する場合
  PCスペック／PyTorchのインストール
  2.2 Google Colaboratoryを使用する場合
  PCスペック／利用制限／サンプルコードの使用方法／Notebookの新規作成／Notebookの開き方
  GPUの設定／PyTorchのインストール／Google Colaboratoryの基本的な使い方
  
  Chapter 2　PyTorchの基本
  1 テンソル（Tensor）
  1.1 Tensorの生成
  1.2 Tensorとndarrayの変換
  1.3 Tensorの操作
  1.4 Tensorの演算
  2 自動微分（AUTOGRAD）
  3 ニューラルネットワークの定義
  3.1 nn.Sequentialを使う方法
  3.2 自作のクラスを使う方法
  3.3 GPUを使う場合
  4 損失関数
  4.1 バイナリ交差エントロピー損失（nn.BCELoss）
  4.2 ロジット付きバイナリ交差エントロピー損失（nn.BCEWithLogitsLoss）
  4.3 ソフトマックス交差エントロピー損失（nn.CrossEntropyLoss）
  4.4 平均二乗誤差損失（nn.MSELoss）
  4.5 平均絶対誤差損失（nn.L1Loss）
  5 最適化関数
  
  Chapter 3　ニューラルネットワークの基本
  1 ニューラルネットワークについて
  2 アヤメの分類【サンプルコード】
  2.1 アヤメ（Iris）データセット
  2.2 前準備（パッケージのインポート）
  2.3 訓練データとテストデータの用意
  2.4 ニューラルネットワークの定義
  2.5 損失関数と最適化関数の定義
  2.6 学習
  2.7 結果の可視化
  2.8 新たにテスト用のデータセットを用意して推定したい場合
  3 糖尿病の予後予測【サンプルコード】
  Column 機械学習が対象とする課題
  3.1 糖尿病（Diabetes）データセット
  3.2 前準備（パッケージのインポート）
  3.3 訓練データとテストデータの用意
  3.4 ニューラルネットワークの定義
  3.5 損失関数と最適化関数の定義
  3.6 学習
  3.7 結果の可視化
  
  Chapter 4　畳み込みニューラルネットワーク～画像分類プログラムを作る～
  1 畳み込みニューラルネットワークについて
  1.1 畳み込み層（Convolutional Layer）
  1.2 プーリング層（Pooling Layer）
  2 CIFAR-10データセットの画像分類【サンプルコード】
  2.1 前準備（パッケージのインポート）
  2.2 訓練データとテストデータの用意
  2.3 ニューラルネットワークの定義
  2.4 損失関数と最適化関数の定義
  2.5 学習
  2.6 結果の可視化
  3 CIFAR-10データセットの転移学習【サンプルコード】
  3.1 前準備（パッケージのインポート）
  3.2 訓練データとテストデータの用意
  3.3 学習済みのニューラルネットワークの読み込み
  3.4 損失関数と最適化関数の定義
  3.5 学習
  3.6 結果の可視化
  4 画像の高解像度化【サンプルコード】
  4.1 Super-Resolution Convolutional Neural Network（SRCNN）
  4.2 画像データの準備（Labeled Faces in the Wild）
  4.3 前準備（パッケージのインポート）
  4.4 訓練データとテストデータの用意
  4.5 ニューラルネットワークの定義
  4.6 損失関数と最適化関数の定義
  4.7 学習
  Column PSNRとSSIMについて
  4.8 結果の可視化
  
  Chapter 5　再帰型ニューラルネットワーク（時系列データの予測）
  ～株価予測プログラムを作る～
  1 再帰型ニューラルネットワークについて
  2 株価予測【サンプルコード
  2.1 前準備（パッケージのインポート）
  2.2 訓練データとテストデータの用意
  2.3 ニューラルネットワークの定義
  2.4 損失関数と最適化関数の定義
  2.5 学習
  2.6 結果の可視化
  2.7 テストデータに対する予測の評価
  3 Webアプリケーションの組み込み【サンプルコード】
  3.1 Flaskのインストール
  3.2 必要なファイル
  3.3 ファイルの中身
  main.py／predict_stockprice.py／get.html／post.html
  3.4 実行
  
  Chapter 6　再帰型ニューラルネットワーク（テキストデータの分類）
  ～映画レビューの感情分析プログラムを作る～
  1 ディープラーニングを用いた感情分析
  2 感情分析の基本【サンプルコード
  2.1 映画レビュー（Internet Movie Database：IMDb）
  2.2 前準備（パッケージのインポート）
  2.3 訓練データとテストデータの用意
  2.4 ニューラルネットワークの定義
  2.5 損失関数と最適化関数の定義
  2.6 学習
  2.7 結果の可視化
  3 感情分析の応用【サンプルコード】
  3.1 前準備（パッケージのインポート）
  3.2 訓練データとテストデータの用意
  3.3 ニューラルネットワークの定義
  3.4 損失関数と最適化関数の定義
  3.5 学習
  3.6 結果の可視化
  3.7 新しいレビューに対する感情分析
  4 感情分析の高速化【サンプルコード】
  4.1 fastText
  4.2 前準備（パッケージのインポート
  4.4 ニューラルネットワークの定義
  4.5 損失関数と最適化関数の定義
  4.6 学習
  4.7 結果の可視化
  4.8 新しいレビューに対する感情分析
  5 CNNを用いた感情分析【サンプルコード】
  5.1 前準備（パッケージのインポート）
  5.2 訓練データとテストデータの用意
  5.3 ニューラルネットワークの定義
  5.4 損失関数と最適化関数の定義
  5.5 学習
  5.6 結果の可視化
  5.7 新しいレビューに対する感情分析
  index
  

動かしながら学ぶ PyTorchプログラミング入門（オーム社） の商品スペック