ディープラーニング実装入門 PyTorchによる画像・自然言語処理（インプレス） [電子書籍]

ディープラーニング実装入門 PyTorchによる画像・自然言語処理（インプレス） の 商品概要

• ●本書の特徴
  現在のコンピューティングの世界において、機械学習の分野は最も注目されている領域と言えるでしょう。機械学習の登場により、従来とは比べものにならないくらいの高精度かつ複雑なデータの分析が可能となりました。
  本書は、機械学習の手法の中でもとくにディープラーニングに注目し、その実践のための知識を基礎からまとめています。概念としての「人工知能」「機械学習」「ディープラーニング」の紹介から、数学知識のまとめ、プログラミングとフレームワークの利用方法、環境の構築までを解説していきます。
  機械学習基盤の構築について、理論から実践までの要素を紹介することから、実際の業務にも応用可能な本格的システムを作るための知識を一気通貫に習得可能です
  ●Python/PyTorchによる機械学習の実現
  本書では、機械学習を実現するためのプログラミング言語としてPythonを取り上げ、ディープラーニングを実現するライブラリとしてPyTorchを用います。PyTorchは機械学習のさまざまな機能を備えており、煩雑な処理を極めて簡潔に書けます。本書では、PyTorchを利用した画像の解析とテキスト分析を例に、ディープラーニングの実践について詳しく見ていきます。
  また、本書では開発したソフトウェアを動作させる環境についても言及します。クラウドを利用した実行基盤の実現についても多くのページを割き、スケーラビリティを有するシステムの構築についても学ぶことが可能です。
  本書は、執筆者の人工知能の分野での教育活動やコンサルテーションの豊富な経験をもとに執筆されており、機械学習の分野における「学び」を、読者が基礎からひととおり体験できるように構成されています。
  

• 目次

  表紙
  サンプル/正誤表/商標など
  はじめに
  第1章 人工知能・機械学習・ディープラーニング/1.1 人工知能（AI）
  1.2 機械学習
  1.3 ディープラーニング
  1.4 ディープラーニング活用までの流れ
  1.5 ディープラーニング周辺の技術地図
  第2章 ニューラルネットワークの数学/2.1 ニューラルネットワークの概要
  2.2 順伝播
  2.3 逆伝播
  2.4 学習の工夫
  第3章 PyTorch（基礎編）/3.1 PyTorchの概要
  3.2 ネットワークの定義
  3.3 学習
  第4章 PyTorch（応用編）/4.1 PyTorch Lightningによる学習ループの簡略化
  4.2 Axによるハイパーパラメータの調整
  第5章 環境構築/5.1 環境構築の選択肢
  5.2 Google Colaboratory
  5.3 Microsoft Azure
  5.4 Docker
  第6章 画像処理/6.1 画像処理入門
  6.2 畳み込みニューラルネットワーク
  6.3 CNNの計算
  6.4 画像分類（MNIST）
  6.5 画像分類（CIFAR10）
  6.6 ファインチューニング
  6.7 自家製データの利用
  第7章 ハイパーパラメータの最適化/7.1 Azure ML/7.2 Azure MLの立ち上げ
  7.3 低優先度クォータのリクエスト
  7.4 Azure ML SDKのインストール
  7.5 データセットの準備
  7.6 固定されたハイパーパラメータでの検証
  7.7 Azure MLによるランダムサーチ
  第8章 自然言語処理
  8.1 自然言語を扱う難しさ
  8.2 自然言語処理を理解するロードマップ
  8.3 形態素解析ライブラリMeCab
  8.4 名詞抽出
  8.5 特徴量への変換
  8.6 文書分類
  8.7 文章分類
  8.8 文章生成
  第9章 デプロイ/9.1 Azure Blob Storage
  9.2 Irisデータでネットワークを学習
  9.3 MNISTでネットワークの学習
  9.4 Azure Blob Storageモデルを保存
  9.5 Azure VMを使ったWebアプリケーションの基礎
  9.6 Azure MLで学習
  9.7 Azure MLへのデプロイ
  9.8 コマンドでの一連の流れの操作
  9.9 推論サーバーへのリクエスト
  おわりに
  索引
  著者紹介
  奥付
  

ディープラーニング実装入門 PyTorchによる画像・自然言語処理（インプレス） の商品スペック