初めてのＴｅｎｓｏｒＦｌｏｗ　数式なしのディープラーニング　ＰｙｔｈｏｎとＴＦＬｅａｒｎライブラリで実装まで無理なく体験学習

ディープラーニングを初めて学ぶＩＴエンジニアにとっての障壁は、手法、特に理論を説明する数式が難解なこと。もう一つは「どうやって使うのか、実装方法が分からない」という点です。そこで本書は、Ｇｏｏｇｌｅのディープラーニング・フレームワークＴｅｎｓｏｒＦｌｏｗに注目。ＴｅｎｓｏｒＦｌｏｗと完全互換性があり、より初心者に適したＴＦＬｅａｒｎを使うことで、これらの壁を突破します。絞り込んだ内容と、気鋭のデータサイエンティストの丁寧な解説により、数式なしで手法（理論）を理解できます。さらに、ライブラリを使って無理なく実装まで体験できます。

◆◆　ＰｙｔｈｏｎとＴＦＬｅａｒｎで無理なく体験学習　◆◆

本書は「これからディープラーニングを学びたい」と考えているＩＴ　エンジニアの方々を対象にしています。
そして、ディープラーニングの手法を理解し、自分で実装できるようになることを目指します。

ディープラーニングを初めて学ぶＩＴエンジニアは、２つの障壁を越えねばなりません。
一つは「ディープラーニングの手法」、特に、理論を説明する数式が難解なこと。
もう一つは「どうやって使うのか、実装方法が分からない」ことです。

■数式なしで理論を理解
そこで本書は、是非知っておきたい３つの手法、即ち、（１）全結合のニューラルネットワーク、
（２）畳み込みニューラルネットワーク（ＣＮＮ）、（３）再帰型ニューラルネットワーク（ＲＮＮ）のみに話題を集中。
ＩＴ　エンジニアなら抵抗感なく読めるように、数式を一切使わず、気鋭のデータサイエンティストが
丁寧に理論を解説します。

■簡単に実装できるライブラリを使用
実装については、Ｇｏｏｇｌｅ社のディープラーニング・フレームワークＴｅｓｏｒＦｌｏｗに注目。
ＴｅｓｏｒＦｌｏｗと完全互換性があり、かつ、ＴｅｓｏｒＦｌｏｗよりも初心者に適したＴＦＬｅａｒｎライブラリを使うことで、
Ｐｙｔｈｏｎ　３による実装を体験します。
実装環境の構築方法も一から説明し、サンプルコードには逐次解説を加えました。

■理論と実装の反復で理解を深める
第１章では、機械学習とディープラーニングの概要、実装ライブラリについて説明します。
第２章では、ＴＦＬｅａｒｎを使った実装環境を構築し、ツールの使い方を学びます。
第３章では、全結合のニューラルネットワークの仕組みを理解した後、
手書き文字画像のＭＮＩＳＴデータセットを使って、画像の分類問題を解いてみます。
第４章ではＣＮＮを解説した後、再度、ＭＮＩＳＴデータを分類。また、ＪＰＥＧ等の一般的な画像の分類も行います。
第５章では、時系列データに適したＲＮＮの仕組みを理解した後、対話テキストの分類に挑戦。
ここでもＭＮＩＳＴの分類を行ってみます。

本書に沿って体験学習を進めれば、ディープラーニングの手法を無理なく理解でき、
手を動かして実装できるようになるでしょう。

目次

１　初めてのディープラーニング（機械学習とディープラーニング
ディープラーニングのライブラリ）
２　ディープラーニングの実装準備（ディープラーニングの環境構築
Ｊｕｐｙｔｅｒ　Ｎｏｔｅｂｏｏｋの使い方
Ｐｙｔｈｏｎプログラミングの基礎）
３　ディープニューラルネットワーク体験（ニューラルネットワークの仕組み
ディープラーニングの仕組み
ディープラーニングの実装手順
手書き文字画像ＭＮＩＳＴの分類）
４　畳み込みニューラルネットワークの体験（畳み込みニューラルネットワークの仕組み
手書き文字画像ＭＮＩＳＴの分類
一般的な画像の分類）
５　再帰型ニューラルネットワークの体験（再帰型ニューラルネットワークの仕組み
対話テキストの分類
手書き文字画像ＭＮＩＳＴの分類）
Ａｐｐｅｎｄｉｘ

本の帯に関して

帯つきでの出荷はお約束しておりません。
商品ページに、帯のみに付与される特典物等の表記がある場合でも、確実に帯つきでの出荷はお約束しておりません。
また、帯は商品の一部ではなく「広告扱い」のため、帯の有無・破損による交換や返品は承っておりません。

版・表紙について

版・表紙（カバー）のご指定は承っておりません。ご注文いただくタイミングによっては、お届けする商品の版や表紙が商品ページ上のものとは異なる場合がございます。
また、初版にのみにお付けしている特典（初回特典、初回仕様特典）がある商品は、商品ページに特典の表記がされている場合でも、無くなり次第終了となります。