チーム・カルポの作品一覧
「チーム・カルポ」の「Kaggleで学んでハイスコアをたたき出す！ Python機械学習&データ分析」「Django Webアプリ開発実装ハンドブック」ほか、ユーザーレビューをお届けします！
- 作者をフォローする
- フォローすると、この作者の新刊が配信された際に、お知らせします。
作品一覧
-
-※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。 Transformerを用いた代表的検出モデル「DETR」を中心に、ViT（Vision Transformer）による物体領域の検出、「CenterNet」による中心点予測型の検出、言語生成型アプローチである「Pix2Seq」、さらには「RetinaNet」などのCNN系アーキテクチャまで幅広くカバー、近年の物体検出分野の主要モデルを、比較・理解しながら習得できます。 全編にわたり、「Keras」（一部対応）と「PyTorch」の両ライブラリに対応しており、モデルの構築、推論、可視化、バックボーン（ResNet101/152）の変更や、COCOデータセットを用いた大規模推論処理の実装までを丁寧に解説しました。 画像分類のその先…「どこに、何があるのかを検出する」という実践的課題に挑むすべての人にお勧めの一冊です。 1章 開発環境について 2章 ViTモデルによる物体領域の検出（Keras） 3章 ViTモデルによる物体領域の検出（PyTorch） 4章 CenterNetによる物体領域の検出（PyTorch） 5章 DETRモデルによる物体検出（ResNet101） 6章 ResNet152をバックボーンとするDETRによる物体検出 7章 COCOトレーニングセットを使用下物体検出 8章 事前トレーニング済みDETRモデルによる物体検出 9章 Pix2Seqモデルを用いた物体検出（PyTorch） 10章 RetinaNetによる物体検出（Keras） -
4.01巻3,366円 (税込)※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。 ViTを使用して画像認識や画像分類のプログラミングを行う解説書です。画像分類の最先端技術を紹介するとともに、PyTorchやKerasを用いたプログラミングを掲載し、すぐに実践することができます。 -
-1巻2,178円 (税込)※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用のフレームワークFlaskを使ってWebアプリ開発をするための解説書です。 -
-1巻2,673円 (税込)※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でデータ分析と機械学習を実践します。豊富なライブラリを使って統計学に基づいた統計分析ができるので、Pythonに慣れ親しんだ人は、データ分析も機械学習もまとめて効率的に学ぶことができます。 -
-1巻2,772円 (税込)※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。 Djangoライブラリを使ってWebアプリ開発を学びます。Pythonでサーバー上で動作するWebアプリの作成をすることに興味がある人を対象とした、基本から実践的なテクニックを身に付けるための解説書です。 -
-1巻3,168円 (税込)※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。 -
-1巻2,772円 (税込)※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のライブラリであるDjangoの活用書です。Pythonを使ってWebアプリを開発するためのプログラマーが基礎から実践的なテクニックを習得できるようになっています。 -
-1巻3,168円 (税込)※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。 -
-1巻2,772円 (税込)※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。 TensorFlowは、Google社が公開しているPython向け機械学習用ライブラリです。本書は、Pythonの基礎を学習した方に向けて、JupyterNotebookを使ったTensorFlowの活用法を解説する入門書です。シンプルな二値分類から画像認識、自然言語処理における時系列データの分析までを理論をまじえて体系的に解説します。「TensorFlow&Kerasプログラミング実装ハンドブック」の内容を一新してTensorFlowバージョン2に完全対応しました。 -
4.01巻2,772円 (税込)※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。 Kaggleの分析コンペでは、モデルの評価指導に基づいて精度の高いモデルを作り上げることが求められます。本書は、データ分析コンペを開催する「Kaggle」で実際に提示された課題を使ってデータ分析や機械学習について学ぶ解説書です。第1章では実際にKaggleのコンペに参加し、分析結果を提出するまでの流れや基礎知識を紹介しています。コンペ上位入賞者が使っているテクニックなども紹介しており、効率的にスキルアップできます。 -
-1巻2,970円 (税込)※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。 -
-1巻1,782円 (税込)※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。 -
-1巻1,980円 (税込)※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。 この本はニューラルネットワークに必要な数学だけを解説するのではなく、必要な数学の知識をもとに作り上げたアルゴリズムをそのままプログラムに置き換えることを目的としています。いわばニューラルネットワークを含む機械学習全般で使われている数学的な考え方を身に付けることで、プログラム上の「ブラックボックス」をなくし、機械学習のためのアルゴリズムをそのままソースコードに落とし込む力を習得することが最大の目標です。
ユーザーレビュー
