• 我妻 幸長

オンライン教育プラットフォームUdemyの人気講師が教えるディープラーニングの基礎、第2弾

※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。

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
　1.3 本書で扱う技術
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
　2.4 NumPyとmatplotlib
　2.5 数学の基礎
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
　3.5 簡単なディープラーニングの実装
　3.6 全体のコード
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
　4.6 2進数の足し算を学習
　4.7 RNNが抱える問題
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
　5.5 シンプルなLSTMの実装
　5.6 LSTMによる文章の自動生成
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
　6.6 RNNによる画像の生成
　6.7 Seq2Seq
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
　7.5 VAEの実装
　7.6 VAEの派生技術
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
　8.4 GANの実装
　8.5 GANの派生技術
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
　9.3 データセットの紹介
　9.4 ディープラーニングの未来
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
　A.3 参考文献
最後に
索引 続きを読む

(C) 2020

マイポイントで購入できる作品について