詳解 ディープラーニング - TensorFlow ・ Keras による時系列データ処理

出版社
出版日
ページ数
328
詳解 ディープラーニング - TensorFlow ・ Keras による時系列データ処理
ISBN10
4839962510
ISBN13
978-4839962517
目次
第1章 数学の準備 1.1 偏微分 1.2 線形代数 1.3 まとめ 第2章 Python の準備 2.1 Python 2 と Python 3 2.2 Anaconda ディストリビューション 2.3 Python の基本 2.4 NumPy 2.5 ディープラーニング向けライブラリ 2.6 まとめ 第3章 ニューラルネットワーク 3.1 ニューラルネットワークとは 3.2 回路としてのニューラルネットワーク 3.3 単純パーセプトロン 3.4 ロジスティック回帰 3.5 モデルの評価 3.6 まとめ 第4章 ディープニューラルネットワーク 4.1 ディープラーニングへの準備 4.2 学習における問題 4.3 学習の効率化 4.4 実装の設計 4.5 高度なテクニック 4.6 まとめ 第5章 リカレントニューラルネットワーク 5.1 基本のアプローチ 5.2 LSTM 5.3 GRU 5.4 まとめ 第6章 リカレントニューラルネットワークの応用 6.1 Bidirectional RNN 6.2 RNN Encoder-Decoder 6.3 Attention 6.4 Memory Networks 6.5 まとめ 付録A A.1 モデルの保存と読み込み A.2 TensorBoard A.3 tf.contrib.learn 索引
紹介( powered by openBD

本書はディープラーニング、ニューラルネットワークについての予備知識がなくても学習を進められるようゼロから丁寧に、理論とその実装について解説します。
実装にはPythonのディープラーニング向けのライブラリ、TensorFlow (1.0) およびKeras (2.0) を用います。
「ディープラーニングについて何となくわかってはいるけれど、もう少し理解を深めたい」「画像認識だけでなく、時系列データを分析するためのモデルについても学びたい」という方にとって、学びの役に立つのではないかと思います。

単純パーセプトロンにはじまり、多層パーセプトロン、ディープニューラルネットワーク、リカレントニューラルネットワークなど多くの手法について学びます。扱うデータの種類ごとに考えるべき課題も異なり、それに合わせてネットワークも様々な形に変化させ学習を進めます。
ディープラーニングは1つひとつのテクニックの積み重ねであり、その根底にあるのは「人間の脳をどう数式やアルゴリズムで表現できるか」です。本書で学んできた土台となる理論さえきちんと理解していれば、今後どのようなディープラーニングの手法が出てこようとも、すぐに理解し使いこなせるようになるでしょう。そして、自身で新たなモデルを考え出すこともできるはずです。

[本書の構成]
1章では、ニューラルネットワークの理論を学習するうえで必要となる数学の知識について簡単におさらいし、続く2章では、実装に向けてのPython開発環境のセットアップ、およびPythonライブラリの簡単な使い方を扱います。
3章からは、いよいよニューラルネットワークの学習に入っていきます。3章ではその基本形について学び、4章ではディープニューラルネットワーク、いわゆるディープラーニングについて学びます。通常のニューラルネットワークと何が違うのか、どのようなテクニックが用いられているのかを実装を交えて理解します。
5、6章では、時系列データを扱うためのモデルであるリカレントニューラルネットワークについて詳しく学んでいきます。5章では、リカレントニューラルネットワークの基本形を簡単なデータ例を用いて理論・実装について学び、6章ではその応用例について扱います。