入門 ディープラーニング NumPyとKerasを使ったAIプログラミング

AIのしくみと,使いこなすための技術がいっぺんに身につくディープラーニングの入門書

このような方におすすめ

情報学科の大学学部生、情報分野の若手技術者
  • 著者藤野 巖 著
  • 定価2,970 (本体2,700 円+税)
  • A5 264頁 2022/06発行
  • ISBN978-4-274-22881-0
  • 定価
  • ポイント0
  • 数量

※本体価格は変更される場合があります。
※通常2〜3営業日以内で発送いたします。

  • 概要
  • 主要目次
  • 詳細目次

ディープラーニングをゼロから始めて,しっかりと理解したい人のための入門書です.ディープラーニングの基礎を一歩一歩着実に理解しながら,NumPyとKerasを使った実践的なAIプログラミングを学ぶことができます。

本書は,ディープラーニングの原理を説明しているテキストでも,そのプログラミングを実践形式でまとめたチュートリアルのような本でもありません.それらの両方をバランスよく組み合わせた,本当の意味でディープラーニングをわかるように解説した本です.「AIの学習とは」から,「ディープラーニングによる画像認識プログラムの作成」までを,なるべくやさしい言葉で,しかし大事なところを省くことなく説明しています.

これからディープラーニングを学ぶ人,また,いまいちディープラーニングについてわからないことがある人,プログラムがうまく実行できない人におすすめの書籍です.

https://www.ohmsha.co.jp/book/9784274228810/
第1章 AIプログラミングを始めよう
第2章 AIの学習の基本的な考え方
第3章 AIの学習の基本的なしくみ
第4章 ニューラルネットワークの導入
第5章 ニューラルネットワークに勾配降下法を適用する
第6章 単純パーセプトロンを組み合わせる
第7章 ニューラルネットワークを2層にする
第8章 ニューラルネットワークを多層にする
第9章 Kerasを使ってプログラミングする
第10章 CNNで時系列データを処理しよう
第11章 RNNで時系列データを処理しよう
第12章 ディープラーニングで画像認識を行おう
第1章 AIプログラミングを始めよう
1.1 AIとAIプログラミング
1.2 NumPyを使ってみよう
1.3 Matplotlibを使ってみよう
演習問題

第2章 AIの学習の基本的な考え方
2.1 AIはどうやって学習するのか
2.2 再帰計算法を理解しよう
2.3 学習アルゴリズムの基本形
2.4 勾配降下法を理解しよう
2.5 多変数関数の勾配降下法
演習問題

第3章 AIの学習の基本的なしくみ
3.1 重みを導入しよう
3.2 損失関数と重みの最適解
3.3 確率的勾配降下法
3.4 簡単なデータセットをつくってみよう
3.5 確率的勾配降下法による重みの最適解を求めるプログラム
3.6 ミニバッチ勾配降下法
3.7 ミニバッチ勾配降下法による重みの最適解を求めるプログラム
演習問題

第4章 ニューラルネットワークの導入
4.1 単純パーセプトロン
4.2 活性化関数(その1):ステップ関数
4.3 基本論理ゲートの学習問題
4.4 誤り訂正学習法
4.5 学習プログラムを作成するときの注意点(その1)
4.6 プログラム例:ANDゲートの学習問題
演習問題

第5章 ニューラルネットワークに勾配降下法を適用する
5.1 活性化関数(その2):シグモイド関数
5.2 単純パーセプトロンに確率的勾配降下法を適用する
5.3 学習プログラムを作成するときの注意点(その2)
5.4 プログラム例:単純パーセプトロンの確率的勾配降下法
5.5 単純パーセプトロンにミニバッチ勾配降下法を適用する
5.6 プログラム例:単純パーセプトロンのミニバッチ勾配降下法
演習問題

第6章 単純パーセプトロンを組み合わせる
6.1 パーセプトロンを「多出力」にする
6.2 活性化関数(その3):ソフトマックス関数
6.3 多出力のパーセプトロンに確率的勾配降下法を適用する
6.4 学習のためのデータを十分に用意しよう
6.5 プログラム例:アイリスの種類を判別する学習問題
演習問題

第7章 ニューラルネットワークを2層にする
7.1 ニューラルネットワークの層を重ねる
7.2 1出力2層のニューラルネットワークの確率的勾配降下法
7.3 XOR ゲートの学習問題
7.4 プログラム例:XORゲートの学習問題
演習問題

第8章 ニューラルネットワークを多層にする
8.1 多出力多層のニューラルネットワーク
8.2 一般的なニューラルネットワークの確率的勾配降下法
8.3 誤差逆伝播法
8.4 学習プログラムを作成するための補足説明
8.5 プログラム例:手書き数字を認識する学習問題
演習問題

第9章 Kerasを使ってプログラミングする
9.1 Kerasとは何か
9.2 Kerasの導入
9.3 Kerasを用いたプログラムの基本構成
9.4 Kerasを用いたプログラムにおける損失関数
9.5 Kerasを用いたプログラムにおける学習アルゴリズム
9.6 Kerasを用いたプログラムにおける学習の評価指標
9.7 Kerasを用いた学習プログラムの例
演習問題

第10章 CNNで時系列データを処理しよう
10.1 畳み込みとは何か
10.2 CNN(畳み込みニューラルネットワーク)
10.3 活性化関数(その4):tanh関数
10.4 1次元CNNのプログラム例
10.5 Kerasによる1次元のCNNの実現
10.6 Kerasによる1次元CNNのプログラム例
演習問題

第11章 RNNで時系列データを処理しよう
11.1 簡単な再帰型システム
11.2 簡単なRNN
11.3 簡単なRNNの学習アルゴリズム
11.4 簡単なRNNのプログラム例
11.5 KerasによるRNNの実現
11.6 KerasによるRNNのプログラム例
演習問題

第12章 ディープラーニングで画像認識を行おう
12.1 2次元畳み込み
12.2 活性化関数(その5):ReLU関数
12.3 画像処理の2次元CNNのプログラム例
12.4 Kerasによる2次元CNNの実現
12.5 Kerasによる2次元CNNのプログラム例
演習問題