情報なし
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。
・kerasでKaggleのTitanicを予想する(kaggle⑦)[2020-02-15に投稿]
・KaggleのTitanicで学習してみた(kaggle②)[2019-12-10に投稿]
・非IT企業に転職した機械学習素人がAIプロジェクトにアサインされてからの奮闘記[2019-12-07に投稿]
・「詳解 ディープラーニング」の間違い[2019-09-20に投稿]
・Tensorflow Keras の RNN と scikit-learn の線形回帰で Sin 波の予測[2019-01-17に投稿]
・機械学習/ディープラーニング勉強としてやってきたこと -読んだ本編-[2019-01-05に投稿]
・courseraのML・DLコースを2か月でやり遂げた話[2018-12-24に投稿]
・深層学習【理論編】[2018-11-12に投稿]
・機械学習などの本でよく出てくる数式の、Qiitaでの書き方集[2018-10-01に投稿]
・非理系出身エンジニアが、数式への抵抗を減らすのに役立ったこと[2018-05-07に投稿]
・ディープラーニングで日経平均を予想してみる[2018-03-24に投稿]
・LSTMの予測精度に対するサンプルデータ絶対値の影響[2018-03-22に投稿]
・RasPi OneでTensorflow/Kerasを動かす。[2017-11-11に投稿]
・Attentionモデルによる処理の内容[2017-10-22に投稿]
・リカレントニューラルネットワークによる計算結果の検証[2017-10-13に投稿]
・Keras Recurrentレイヤーメモ:return_sequences, RepeatVector, TimeDistributed[2017-09-11に投稿]
・pythonメモ:enumerate() -リストのインデックス、要素を同時に取得してfor文を回す[2017-09-04に投稿]
・pythonメモ:乱数生成でシードを設定するとはどういうことなのか[2017-08-31に投稿]
・TensorFlowの基本的な関数をXORゲートを学習するニューラルネットワーク作成してまとめてみる[2017-08-24に投稿]
・Keras+Tensorflowを用いてLSTMでFXの予想してみる[2017-05-21に投稿]