Google Cloud Platformではじめる機械学習と深層学習
概要:
本書は、GoogleがGCP(Google Cloud Platform)上で提供している機械学習関連のツールやAPIを活用し、実際に機械学習の環境やデータに触れながら、その原理と動作を体験的に学ぶことができる機械学習入門書です。
●Googleは、機械学習にも有用な優れた環境を提供しており、特にDatalabはブラウザ上でPythonのコードを実行でき、グラフ・表を出力できるほか、ビッグデータを高速で処理するBigQueryや便利な各種APIにも簡単にアクセスできるツールです。
●本書では、Datalabを通じて、Googleが膨大なリソースを使い初めから用意している機械学習環境にアクセスし、高度な機能と豊富な資源を十分に活用できるよう読者を導いていきます。
●本書の学習では、数式はほとんど使わず、簡単なコードとそのグラフィカルな実行結果により、理解を深めていきます。
まずは識別の基礎から入り、各種識別関数を通じて機械学習の原理や手法を学びます。
続いて実践的にデータを扱いながら、データの評価方法やチューニングを学び、さらに深層学習(ディープラーニング)へと進んでいきます。
深層学習では、画像識別による具体例から始まり、より高度なニューラルネットワークまで学んだ後、実際にGoogleの深層学習用ライブラリー(TensorFlow)を使ってニューラルネットワークをモデリングする方法を学びます。
最後に、画像識別を代表するCNN(畳み込みニューラルネットワーク)の実装法を学び、実運用の入り口へと案内します。
目次:
■ 第1部 GCPと機械学習
第1章 GCPを使ってみよう
第2章 Datalabを使ってみよう
第3章 GCPでお手軽、機械学習
■ 第2部 識別の基礎
第4章 2クラスの識別
1 単純な識別
2 機械学習の導入
3 パーセプトロン
4 損失関数
5 ロジスティック回帰
第5章 多クラスの識別と様々な識別器
1 scikit-learnクイックツアー
2 多クラスのロジスティック回帰
3 サポートベクターマシン
4 ランダムフォレスト
第6章 データの評価方法とチューニング
1 基本的な学習のフロー
2 学習とテスト
3 データの評価
4 パラメータチューニング
■ 第3部 ディープラーニング入門
第7章 ディープラーニングの基礎
1 画像の識別
2 ニューラルネットワーク
3 活性化関数
4 多クラスの対応
5 様々な勾配降下法
6 TensorFlowの準備
7 ニューラルネットワークの実装
8 DNNClassifierで簡単学習
9 TensorBoard 学習結果の確認
第8章 CNN(畳み込みニューラルネットワーク)
1 これまでの画像識別の問題点
2 畳み込み層
3 畳み込み演算の種類とプーリング層
4 TensorFlowで2層CNNを実装
付録
- ジャンル:
- コンピュータ > AI・機械学習
- 販売開始:
- 2018/06/20
- ファイルサイズ:
- 55.66MB
- CODE:
- J0010400BK0074077001
- 対応デバイス:
購入 | レンタル | |
---|---|---|
商品価格(税込) | ¥2,530 | - |
閲覧可能期間 | 無期限 | - |
ダウンロード可能期間 | 無期限 | - |
ダウンロード回数 | 制限なし | - |
原則、返金不可
詳細はこちら
販売(無期限): ¥ 2,530(税込)