TensorFlowで学ぶ機械学習・ニューラルネットワーク
TensorFlowで学ぶ機械学習・ニューラルネットワーク
今年の2月に発売されたばかりの「Machine Learning With Tensorflow」の邦訳「TensorFlowで学ぶ機械学習・ニューラルネットワーク」が、4月27日に発売されます。
- 作者: Nishant Shukla,岡田佑一
- 出版社/メーカー: マイナビ出版
- 発売日: 2018/04/27
- メディア: 単行本（ソフトカバー）
- この商品を含むブログを見る
専門的な知識の中で機械学習に最低限必要なことをうまく抽出し、簡潔に説明しています。数学的な記述はほとんどありませんので、機械学習やTensorFlowにあまり馴染みのない方でも読みやすい作りになっています。「細かいことは気にするな、TensorFlowがなんとかしてくれる！」という考え方が基本にありますので、「TensorFlowの使い方をさっさと覚えていろいろと機械学習試してみようぜ！」と思っている方にはオススメです。
原著との違い
印刷版がカラー 原著の印刷版はモノクロ印刷ですが、邦訳印刷版はカラー印刷になっていますので、図表が圧倒的に見やすくなっています。
付録 Dockerのインストールと使い方は、原著の情報がやや古かったので少しだけ書き換えています。
構成
本書は3部構成になっています。
第1部
機械学習の内容とTensorFlowの重要な役割についての話題から始まります。
第1章 機械学習の用語と理論
パラメータ、学習と推論、データ表現と特徴、距離の測定方法、 学習のタイプ（教師あり学習・教師なし学習・強化学習）、TensorFlow第2章 TensorFlowの必需品
テンソルを表す、演算子の作成、セッションでの演算子の実行、 コードをグラフとして理解する、セッション構成、Jupyterでのコードの記述、 変数の使用、変数の保存と読み込み、TensorBoardを使用したデータの視覚化、 移動平均法の実装、移動平均の視覚化
第2部
基本的なアルゴリズムについて説明します。
第4章 クラス分類
性能の測定（精度・適合率と再現率）、受信者動作特性曲線、 分類に線形回帰を使用する、ロジスティック回帰（1次元・2次元）、 マルチクラス分類器、ソフトマックス回帰、分類の活用第5章 データのクラスタリング
TensorFlowでのファイル走査、音声からの特徴抽出、ｋ平均クラスタリング、 音声のセグメンテーション、自己組織化マップを使用したクラスタリング、 クラスタリングの活用第6章 隠れマルコフモデル
解釈不可能なモデルの例、マルコフモデル、隠れマルコフモデル、 前向きアルゴリズム、ビタビ復号、隠れマルコフモデルの使用（動画・DNA・画像のモデリング）、 隠れマルコフモデルの活用
第3部
ニューラルネットワークについて解説します。
第7章 自動エンコーダ
ニューラルネットワーク、自動エンコーダ、バッチ訓練、画像を用いて作業する、 自動エンコーダの応用、第8章 強化学習
正式な概念（ポリシー・効用）、強化学習の適用、強化学習の実装、 他の強化学習アプリケーションの探求第9章 畳み込みニューラルネットワーク
ニューラルネットワークの欠点、畳み込みニューラルネットワーク、 画像の準備、フィルタの生成、フィルタを使用して畳み込む、 最大プール（Max pooling）、TensorFlowにおける畳み込みニューラルネットワークの実装、 パフォーマンスの測定、分類器の訓練、パフォーマンスを向上させるためのヒント、 畳み込みニューラルネットワークの応用第10章 再帰型（リカレント）ニューラルネットワーク
文脈の情報、再帰型ニューラルネットワークの紹介、 再帰型ニューラルネットワークの実装、時系列データの予測モデル、 再帰型ニューラルネットワークの応用第11章 シーケンス変換モデル
分類器と再帰型ニューラルネットワークの構築、シーケンス変換モデルの仕組み、 記号のベクトル表現、実装の仕上げ、対話データの収集第12章 効用関数
嗜好モデル、画像埋め込み、画像の順位付け付録 インストール
Dockerを使用したTensorFlowのインストール、Windows上・Linux上・macOS上でDockerをインストールする、 Docker の使い方、Matplotlibのインストール
