出版社内容情報
ディープラーニングの代表とも言える「畳み込みニューラルネットワーク（CNN）」を例として、その仕組みを根本から理解すること、そして、TensorFlowを用いて実際に動作するコードを動かしながら学べる書籍です。
ディープラーニングについて解説する書籍は多数発行されていますが、本書では、「きちんとニューラルネットワークの原理から理解すること」と、「その原理をどのようにコードとして書くか」の両方がバランスよく学べます。
表面的にコードを覚えるだけでは、応用力は身に付きません。根本から理解しておくことで、現場に出てからも長く使える基礎力を身に付けましょう！
※本書では、プログラムの実行環境としてGoogle Colaboratoryを利用するため、面倒な環境構築は不要です。
※2016/9発行の『TensorFlowで学ぶディープラーニング入門』をもとに、Python3系、TensorFlow 2.0ベースに書き換えたほか、全体的に解説を見直し、修正しています。そのほか、実行環境をGoogle Colaboratoryに変更、オートエンコーダーによるアノマリー検知やDCGAN による画像生成などのトピックを追加しています。
（以下、本書の「はじめに」より抜粋・編集）
本書は、機械学習やデータ分析を専門とはしない、一般の方を対象とした書籍です。と言っても、ディープラーニングの歴史や人工知能の将来展望を語る啓蒙書ではありません。ディープラーニングの代表とも言える「畳み込みニューラルネットワーク」を例として、その仕組みを根本から理解すること、そして、TensorFlowを用いて実際に動作するコードを作成することが本書の目標です。
本書は、「TensorFlowで学ぶディープラーニング」（2016/9発行）をもとにした改訂版です。サンプルコードはTensorFlow 2.0対応のKerasで書き直しています。Kerasを用いることでコードの内容はシンプルになりました。さらに、GoogleColaboratoryを用いることで難しい実行環境のセットアップも不要になりました。
さらにまた、改訂にあたり、学習後のモデルを解釈する手法、オートエンコーダによるアノマリー検知、そして、画像生成に用いられるDCGANなど、より高度な話題も内容に含めました。
本書のゴールは、コードの背後に隠された、ニューラルネートワークを構成するさまざまなパーツの動作原理を知り、ディープラーニングの本質を理解することです。
本書では、手書き文字の認識処理を行う「畳み込みニューラルネットワーク」を例として、これを構成する１つひとつのパーツの役割を丁寧に解説しています。また、Kerasを用いることで、数式を意識することなく、ニューラルネットワークを構成するコードが書けるようになりましたが、やはり、数学的な理解も欠かすことはできません。2次元平面のデータを用いた簡単な例を通し
内容説明
１歩差をつけるためにはプログラムも、「仕組み」の理解も必須。じっくり仕組を理解することで、応用力を身に付ける。「ライブラリを使って動かせるだけ」から脱却しよう。
目次
１ ＴｅｎｓｏｒＦｌｏｗ／Ｋｅｒａｓ入門（最小二乗法で学ぶ機械学習の基礎；ＴｅｎｓｏｒＦｌｏｗとＫｅｒａｓの使い方 ほか）
２ 分類アルゴリズムの基礎（ロジスティック回帰による二項分類器；ソフトマックス関数と多項分類器 ほか）
３ ニューラルネットワークを用いた分類処理（単層ニューラルネットワークの構造；単層ニューラルネットワークによる手書き文字の分類 ほか）
４ 畳み込みフィルターによる画像の特徴抽出（畳み込みフィルターの機能；畳み込みフィルターを用いた画像の分類 ほか）
５ 畳み込みフィルターの多層化による性能向上（畳み込みニューラルネットワークの完成；学習済みフィルターの解釈 ほか）
感想・レビュー
※以下の感想・レビューは、株式会社ブックウォーカーの提供する「読書メーター」によるものです。
Q
あとぼう 02
