※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、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。 理論、モデル作成、実装の関連が体系的によくわかる。ディープラーニングの全体像をつかみたい初心者に最適。

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、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。 GAN（敵対的生成ネットワーク）は、ディープラーニングの最新の研究分野です。GANは、初心者が1人で実装するにはハードルが高い分野でしたが、クラウド環境の進化のおかげで、実装のハードルが劇的に下がりました。本書は、GANの基礎から、画像生成、超解像、ドメイン変換、動画変換などを解説したGANの学習書です。Python言語の経験及びLinuxの基本操作、ディープラーニングの画像分類タスクの実装経験がある人を対象にしています。

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、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。 「ディープラーニング」を概念から実務へ ― Keras、Torch、Chainerによる実装！ ―数多の「ディープラーニング」解説書で概念は理解できたが、さて実際使うには何から始めてよいのか― 本書は、そのような悩みを持つ実務者・技術者に向け、画像認識を中心に「ディープラーニングを実務に活かす業」を解説しています。 すでに世界で標準的に使われているディープラーニング用フレームワークであるKeras（Python）、Torch(Lua)、そして日本で開発が進められているChainerを、そのインストールや実際の使用方法についてはもとより、必要な機材・マシンスペックまでも解説していますので、本書をなぞるだけで実務に応用できます。

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、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。 ●本書の特徴 現在のコンピューティングの世界において、機械学習の分野は最も注目されている領域と言えるでしょう。機械学習の登場により、従来とは比べものにならないくらいの高精度かつ複雑なデータの分析が可能となりました。 本書は、機械学習の手法の中でもとくにディープラーニングに注目し、その実践のための知識を基礎からまとめています。概念としての「人工知能」「機械学習」「ディープラーニング」の紹介から、数学知識のまとめ、プログラミングとフレームワークの利用方法、環境の構築までを解説していきます。 機械学習基盤の構築について、理論から実践までの要素を紹介することから、実際の業務にも応用可能な本格的システムを作るための知識を一気通貫に習得可能です ●Python/PyTorchによる機械学習の実現 本書では、機械学習を実現するためのプログラミング言語としてPythonを取り上げ、ディープラーニングを実現するライブラリとしてPyTorchを用います。PyTorchは機械学習のさまざまな機能を備えており、煩雑な処理を極めて簡潔に書けます。本書では、PyTorchを利用した画像の解析とテキスト分析を例に、ディープラーニングの実践について詳しく見ていきます。 また、本書では開発したソフトウェアを動作させる環境についても言及します。クラウドを利用した実行基盤の実現についても多くのページを割き、スケーラビリティを有するシステムの構築についても学ぶことが可能です。 本書は、執筆者の人工知能の分野での教育活動やコンサルテーションの豊富な経験をもとに執筆されており、機械学習の分野における「学び」を、読者が基礎からひととおり体験できるように構成されています。

※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。

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、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。 本書は、『必要な数学だけでわかる ニューラルネットワークの理論と実装』に続く姉妹書です。「必要な数学だけでわかる」という書名どおり、ディープラーニングに必要な数学だけに光を当て、できるだけ短時間でディープラーニングのアルゴリズムを理解することを目的としました。前著であつかった機械学習の基礎部分は飛ばして、ニューラルネットワークの構築から解説。手書き文字の認識や高難度のイヌとネコの認識にも挑戦します。

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、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。 ディープラーニングへのアプローチには様々な方法があります。本書は、Pythonの外部ライブラリであるTensorFlow2、PyTorchを用いてディープラーニングの基礎理論から画像分類、物体検出、自然言語処理などについて学べる入門書です。第2版では大幅な仕様変更のあったTensorFlow2とKeras、PyTorchによるプログラミングを紹介します。それぞれのプログラミングスタイルを比較することでより深くディープラーニングを理解できます。

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、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。 Pythonのライブラリの1つであるTensorFlowは、ディープラーニングを支える数学的な各種理論を学ぶのに最適なライブラリです。しかし、TensorFlowは学習に必要な計算式を開発者が自ら組み立てねばならないという少し高めのハードルがあります。本書は、TensorFlowとKeras/TFLearnの3つのライブラリを取り上げ、ディープラーニングの基礎理論から2次元フィルター、転移学習、時系列データ、自然言語処理などを楽しく学べる入門書です。

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、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。 ディープラーニングによる物体検出・画像生成は、自動運転、顔認識、外観検査、医療画像診断など、多くの分野で利用されている技術となっています。本書は、ディープラーニングの発展型技術である物体検出と画像生成の解説書です。物体検出はSSDの実装法をプログラミングを行いながら解説しています。また、手軽に物体検出を体験できるようTensorFlow Hubについても紹介。画像生成はオートエンコーダ―からGANまでを取り上げました。

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、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。 「ディープラーニングをライブラリで実装できるけれど、よく意味が分かっていない」 「ディープラーニングの背景にある数式を理解して、何が行われているか知っておきたい」 本書はそんな人のための本です。 勉強中のプログラマ「アヤノ」と、友達の「ミオ」の会話を通じて、ディープラーニングでどんなふうに入力値から出力値までの計算がされているのか、楽しく学んでいきます。 ※本書は『やさしく学ぶ 機械学習を理解するための数学のきほん』の続刊となりますが、前作を読んでいない人でも問題なく読むことができます。 本書では、 ・ニューラルネットワークでは何ができるのか ・単層のパーセプトロンではどのような計算が行われているのか ・パーセプトロンではどうやって問題を解いているのか ・パーセプトロンにはどんな欠点があるのか などの基本的な部分から解説を始めます。 パーセプトロンが理解できたら、続いて多層のニューラルネットワークについて学んでいきます。 ・ニューラルネットワークではどうやって問題を解いているのか ・問題を正しく解くためのパラメーターはどうやって学習しているのか といったことについて、1つずつ数式を理解して、時には具体的な数値を当てはめて実際に計算しながら理解していきます。 ニューラルネットワークが理解できたら、いよいよ画像の分類などに向いている「畳み込みニューラルネットワーク」について学習を進めます。 何をやっているのか、図解と数式で確認しつつ学習し、どのようにして「畳み込みニューラルネットワーク」が分類のタスクを行っているのか丁寧に解説します。

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、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。 ニューラルネットワークは、脳の神経細胞を数学的な計算によって表現できるようにした数式モデルです。今では、画像認識や顧客データの分析をはじめとするデータマイニングに応用され使われています。本書は、多層パーセプトロン、ニューラルネットワークをはじめとするディープラーニングを根底から支える数学的手法を学び、Pythonでの実装まで案内する機械学習入門書です。

もはや「AI（人工知能）を試験的に導入してみよう」という時代は過ぎ、様々な企業が、現実のビジネスにAIやディープラーニング技術を活かした事業展開を行っている。 そうした動きは決して製造業やハイテク企業に限ったことではなく、小売・流通業や物流などなど、業界や業種を問わず急速に広がっている。 本書は、設立わずか6年で、国内企業数社でのAI導入支援の実績をもち、ディープラーニングが成果を出し始めた2012年から、いち早く同技術に注目してきたITベンチャーであるABEJA（アベジャ）の経営トップが自ら語る「AIのビジネスへの実装の具体的方法」。 AI・ディープラーニングをどう現実のビジネスに活かせばいいのか？　基本的なしくみから、実装・運用の成功要件、最新事例までを、文系ビジネスマンでも理解できるように、わかりやすく解説する。

本書は、深層学習をこれから勉強するにあたり実装だけではなく深層学習の構造も学びたい方、チュートリアルに掲載されているものよりも詳細な内容を知りたい方を対象に書かれています。Pythonによる基本的なプログラミング知識を前提とするので、そうした部分が曖昧な方は他の書籍と合わせて読むことをお勧めします。また、本書はTensorFlowのラッパーであるKerasやtf.kerasパッケージは用いません。後半ではハイレベルなAPIを用いますが、前半はTensorFlowの低レベルなAPIを用いて解説することで、内部構造についてより理解を深めてもらうような構成をとっています。