Kaggle に挑む深層学習プログラミングの極意

★最強最短の近道は、これだ!★ ・画像・自然言語処理の機械学習コンテストに取り組みながら、深層学習の具体的な知識をいち早く身につけよう! ・レジェンドたちの豊富な経験に基づくスキルアップのノウハウも満載! 【主な内容】 第 1 章 機械学習コンテストの基礎知識 1.1 機械学習コンテストのおおまかな流れ 1.2 機械学習コンテストの歴史 1.3 機械学習コンテストの例 1.4 計算資源 第 2 章 探索的データ分析とモデルの作成・検証・性能向上 2.1 探索的データ分析 2.2 モデルの作成 2.3 モデルの検証 2.4 性能の向上 第 3 章 画像分類入門 3.1 畳み込みニューラルネットワークの基礎 3.2 コンテスト「 Dogs vs. Cats Redux 」の紹介 3.3 最初の学習:CNN アーキテクチャ 3.4 最初の学習:データセットの準備と学習ループ 3.5 最適化アルゴリズムと学習率スケジューリング 3.6 データ拡張 3.7 アンサンブル 3.8 さらにスコアを伸ばすために 第 4 章 画像検索入門 4.1 画像検索タスク 4.2 学習済みモデルを使ったベースライン手法 4.3 ベースラインを実装する 4.4 距離学習を学ぶ 4.5 画像マッチングによる検証 4.6 クエリ拡張を学ぶ 4.7 Kaggle コンテストでの実践 第 5 章 テキスト分類入門 5.1 Quora Question Pairs 5.2 特徴量ベースのモデル 5.3 ニューラルネットワークベースのモデル 第 1 章 機械学習コンテストの基礎知識 1.1 機械学習コンテストのおおまかな流れ 1.2 機械学習コンテストの歴史 1.3 機械学習コンテストの例 1.4 計算資源 第 2 章 探索的データ分析とモデルの作成・検証・性能向上 2.1 探索的データ分析 2.2 モデルの作成 2.3 モデルの検証 2.4 性能の向上 第 3 章 画像分類入門 3.1 畳み込みニューラルネットワークの基礎 3.2 コンテスト「 Dogs vs. Cats Redux 」の紹介 3.3 最初の学習:CNN アーキテクチャ 3.4 最初の学習:データの準備と学習ループ 3.5 最適化アルゴリズムと学習率スケジューリング 3.6 データ拡張 3.7 アンサンブル 3.8 さらにスコアを伸ばすために 第 4 章 画像検索入門 4.1 画像検索タスク 4.2 学習済みモデルを使ったベースライン手法 4.3 ベースラインを実装する 4.4 距離学習を学ぶ 4.5 画像マッチングによる検証 4.6 クエリ拡張を学ぶ 4.7 Kaggle コンテストでの実践 第 5 章 テキスト分類入門 5.1 Quora Question Pairs 5.2 特徴量ベースのモデル 5.3 ニューラルネットワークベースのモデル