ソーテック社 | パソコン・ビジネス書籍出版

TOP　　 | 書籍サポート　　 | 正誤表　　 | 会社案内　　 | 採用　　 | 読者アンケート　　 | 書店様へ　　 | Kindleワンコイン

TOP＞プログラム

ビジネス・一般書籍

株マネー | 経済 | 金融 | 保険

会計 | 経理 | 総務 | 労務管理

経営 | 起業 | マーケティング

自己啓発 | 接客マナー | 話術

営業 | 流通 | ITビジネス

発想・思考 | 企画 | 組織論

歴史・文化 | 心理 | 英会話

副業 | 不動産 | 法律・規則

生活・健康 | 趣味・実用

シリーズで探す

スーパーリファレンス

スーパーテクニック

トレーニングブック

詳細！入門ノート

入門教室

プロが教える！

電子工作関連書

「伝わる」シリーズ

「プロの技」シリーズ

実践マスター

サンプル活用辞典

すぐにできる！

Perfect Manual

Perfect GuideBook

「最強」のシリーズ

DVDビデオでマスターする

謎シリーズ

和柄素材シリーズ

piece of Designシリーズ

デジタルコミック

デジ絵を簡単マスター

テンプレートで時間短縮！

ビジネスを加速する方法

鍛え方シリーズ

小さな会社シリーズ

知りたいことがパッとわかる

副業入門シリーズ

成功の法則シリーズ

投資の法則シリーズ

教科書1年生シリーズ

美容と健康

ハンドメイドアクセサリー

Google検索

いちばんやさしいディープラーニング入門教室
AI開発に必須の基礎理論をやさしく解説！ディープラーニングの基礎を身につけよう! 本書は機械学習の一手法「ディープラーニング」の「いちばんやさしい」入門書です。【こんな人に】 ○「将来、AI開発に挑戦したい」という理系学生 ○「さらにステップアップしたい」というエンジニア ○「ディープラーニング」の基礎理論を学びたい社会人 ○「TensorFlow＋Keras」を使った実装を試したい経験者 ○「機械学習に必須の数学」を知りたい経験者おもに、AI開発への意欲を燃やす初心者に向けて、機械学習とディープラーニングの基礎理論、必須の数学知識、Pythonによる実装を体系立てて説明します。豊富な図解とイラストで、初心者にもわかりやすい! 本書を一通り終えれば、Pythonを駆使して自分なりのプログラムを実装できるようになるでしょう。 ■Chapter1 ディープラーニングと機械学習 ■Chapter2 Pythonの準備と基本文法 ■Chapter3 ディープラーニングの体験 ■Chapter4 ニューラルネットワークの基本 ■Chapter5 畳み込みニューラルネットワーク ■Chapter6 ディープラーニングの応用さあ、あたなもこの本をきっかけに、ディープラーニングの世界に飛び込んでみませんか?

著者：谷岡広樹・康シン B5変形・248ページ・2色本体価格：2,580円+税 ISBN:978-4-8007-1187-8

本の購入はこちらからどうぞ

電子書籍の購入はこちらからどうぞ
Amazon Kindle / Kobo / honto / Reader Store / iBooks / Kinoppy
サポートページへ
目次を表示する ≫ 【Chapter1 ディープラーニングと機械学習】 ■Lesson 1-1 ディープラーニングの基本階層の深いニューラルネットワーク ■Lesson 1-2 ディープラーニングの歴史人工知能の進化から見るディープラーニング第1次人工知能ブーム第2次人工知能ブーム第3次人工知能ブーム ■Lesson 1-3 機械学習の基礎知識教師あり学習と教師なし学習強化学習ルールベース・知識ベース統計的機械学習前処理と特徴抽出バッチ学習とオンライン学習性能評価汎化能力 ■Lesson 1-4 機械学習のための数学数値と数式変数と定数等式と代入式ベクトルと添字総和記号最小値・最大値絶対値距離とノルム微分と偏微分合成関数の微分指数と対数 ■COLUMN1：人工知能とは【Chapter2 Pythonの準備と基本文法】 ■Lesson 2-1 Pythonのインストール?Windows編? Windowsへのインストール Pythonを起動する ■Lesson 2-2 Pythonのインストール?Mac編? MacではPython2系がそのまま使える Homebrewのインストール pyenvのインストール Python3系をインストールする　 ■Lesson 2-3 ライブラリのインストール?Windows編? Windows版Anacondaのインストール Kerasのディレクトリを作成する ■Lesson 2-4 ライブラリのインストール?Mac編? Mac版Anacondaのインストール Kerasのディレクトリを作成する ■Lesson 2-5 Pythonの基本文法 Hello, Python!! 変数定数データ型演算リスト型とタプル型集合型辞書型文字列の連結と繰り返し文字列フォーマットシーケンス演算関数 if文繰り返し文モジュールの呼び出し ■COLUMN2 Javaによる実装【Chapter3 ディープラーニングの体験】 ■Lesson 3-1 TensorFlowとKerasのインストール Windows編：TensorFlowをインストールする Windows編：Kerasをインストールする Mac編：TensorFlowをインストールする Mac編：Kerasをインストールする ■Lesson 3-2 Jupyter Notebookを使おう Jupyter Notebookの準備 Jupyter Notebookの使い方 ■Column　Macで実行した場合 ■Lesson 3-3 数値計算ライブラリNumPyの使い方 ■Lesson 3-4 グラフ表示ライブラリMatplotlibの使い方 ■Lesson 3-5 Kerasでディープラーニングを体験する Kaggleから画像をダウンロード画像認識のプログラムを作る ■COLUMN3：TensorFlowとは？【Chapter4 ニューラルネットワークの基本】 ■Lesson 4-1 パーセプトロン神経細胞（ニューロン）ステップ関数パーセプトロン ■Lesson 4-2 活性化関数さまざまな活性化関数シグモイド関数 ReLU関数 ■Lesson 4-3 ヘッブ則とデルタ則結合荷重の学習ルールヘッブ則デルタ則 ■Lesson 4-4 ニューラルネットワークの学習犬と猫を分離する XOR問題多層パーセプトロン OR問題 NAND問題 AND問題ニューラルネットワークでの識別 ■Lesson 4-5 損失関数ニューラルネットワークの学習方法教師あり学習（Supervised Learning）教師なし学習（Unsupervised Learning）強化学習（Reinforcement Learning）学習プロセスから見る損失関数例：和式トイレの使い方を学ぶ損失関数のいろいろ二乗和誤差交差エントロピー誤差 ■Lesson 4-6 勾配法パラメータはどう調整する？ニューラルネットワークの誤差の勾配の求め方 ■Lesson 4-7 誤差逆伝播法誤差逆伝播法とは？連鎖律 ■Lesson 4-8 MNIST Step 1. ipython notebookで新規ファイルを作る Step 2. 手書き画像データの準備 Step 3. モデルの作成 Step 4. ニューラルネットワークの学習 ■COLUMN4：次元の呪いと過学習【Chapter5 畳み込みニューラルネットワーク】 ■Lesson 5-1 畳み込みニューラルネットワークの基本画像分類と視覚ニューロン 1個のニューロンに入力画像全体を学習させる ■Lesson 5-2 畳み込み演算受容野をスライドさせるフォーカスの移動 ■Lesson 5-3 畳み込み層異なるパターンを認識させるには Kerasによる記述 ■Lesson 5-4 深層畳み込みニューラルネットワーク 3次元データを受け付けられるようにする Kerasによる記述 ■Lesson 5-5 ゼロパディングによる畳み込み収縮する出力の形入力データの周辺情報の損失ゼロパディング Kerasによる記述 ■Lesson 5-6 範囲を広げての畳み込みストライドとはゼロパディングの利用 ■Lesson 5-7 畳み込みReLU層非線形変換による認識の向上 ReLU関数 Kerasによる記述 ■Lesson 5-8 プーリング層プーリング層による処理 Kerasによる記述プーリング層の利点と注意点 ■Lesson 5-9 全結合層全結合層の処理 Kerasによる記述全結合層の修正より複雑な判断をしたいとき ■Lesson 5-10 深層畳み込みニューラルネットワークの学習モデル学習と訓練 Step 1. 損失 E を定義する Step 2. 重みweightの値 w を初期化する Step 3. 重みweightの値 w を繰り返し修正するバッチ学習早期終了ハイパーパラメータ ■Lesson 5-11 オーバーフィッティングとドロップアウト過学習の例過学習を防ぐドロップアウトドロップアウトの利点 ■Lesson 5-12 畳み込みのさらに詳細な情報畳み込み層 vs. 全結合層畳み込みの進化深く小さい局所受容野 vs. 浅く広い受容野 ■COLUMN5：GPUを用いた学習【Chapter6 ディープラーニングの応用】 ■Lesson 6-1 再帰型ニューラルネットワーク（RNN） RNNの特徴 RNNにおける情報の展開 RNNの柔軟性最も単純な計算モデル Kerasによる記述 ■Lesson 6-2 LSTMニューラルネットワーク LSTMの特徴ニューラルネットワークの計算 Kerasによる記述 ■Lesson 6-3 ゲート付き回帰ユニット（GRU） GRUの特徴　更新ゲートリセットゲートより効率的に記憶できる Kerasによる記述 ■Lesson 6-4 RNN言語モデル次にどんな単語が来るのか推測させる Kerasにおける記述 ■Lesson 6-5 Sequence-to-Sequenceモデル Sequence-To-Sequenceモデルの特徴 RNNの深さを増やす ■Lesson 6-6 Attention Attentionの特徴 ■Column6：トップダウンとボトムアップ ≪ 目次を隠す ※お使いのブラウザでJavaScriptが無効の場合は機能しません。