ディープラーニング実践ガイド(ディープラーニングジッセンガイド)

ディープラーニングの基礎から応用 (実践的な各種アプローチ) までを網羅!
本書では、ディープラーニングの研究で受賞歴のある 3 人の著者が、アイデアを現実世界の人々が使用できるものに変換するプロセスをステップバイステップで丁寧に解説します。構築するのは、クラウド、モバイル、ブラウザ、エッジデバイス向けの実用的なディープラーニングアプリケーションです。一部の章ではその章で扱うトピックの専門家をゲスト執筆者に迎えてさまざまな手法を解説しているので、読者のニーズにマッチするアプリケーションがきっと見つかるでしょう。対象読者は、ディープラーニングの世界にこれから参入したいソフトウェアエンジニアやベテランのデータサイエンティストから、 AI を搭載した独自のアプリを作りたいけれど何から始めればいいのかわからないホビーストまで。

学習済みモデルの精度をノートブック上で確認するところまでは多くの入門書が導いてくれますが、そのモデルをユーザーが日常的に使うアプリケーションとして届ける工程は、別の知識を要求します。『ディープラーニング実践ガイド』 (オライリー・ジャパン発行、オーム社発売、 2023 年 4 月刊) はまさにこの後半の工程を主題にした書籍です。原書は Anirudh Koul 、 Siddha Ganju 、 Meher Kasam の 3 人による「 Practical Deep Learning for Cloud, Mobile, and Edge 」で、邦訳は足立昌彦・太田満久・新村拓也の 3 氏。副題「クラウド、モバイル、ブラウザ、エッジデバイス向け AI アプリ開発入門」が示す通り、ディープラーニングのモデルを 4 種類の実行環境で動くアプリケーションへ仕上げることを狙います。

研究デモと製品の間にある溝が主戦場

精度の出るモデルと、人の手元で安定して動く製品の間には、推論速度や消費電力、モデルサイズの圧縮、実行環境ごとの差異の吸収といった、学習とは別種の課題が横たわっています。学習手法の解説で完結する本が多いなか、本書はこの「届けるまで」を正面から扱う点に存在意義があります。版元の紹介によれば、著者はディープラーニングの研究で受賞歴のある 3 人で、アイデアを実際に使えるものへ変換するプロセスをステップバイステップで解説し、一部の章ではそのトピックの専門家をゲスト執筆者に迎えるという構成も本書の特徴です。クラウド API として提供するのか、スマートフォンやエッジデバイス上で推論させるのかで設計の力点が大きく変わることを、章立てのレベルで意識させてくれる作りです。

序盤の流れ: Keras の画像分類から転移学習・類似検索へ

公式の目次によれば、 1 章は AI の歴史から説き起こし、偏見・説明責任・再現性・プライバシーといった「責任ある AI 」の論点まで含めた概観です。 2 章は Keras を使った画像分類の実践、 3 章は 30 行のコードで作る転移学習で、訓練済みモデルのファインチューニングをどの程度まで行うかという実務上の判断にも触れます。 4 章は埋め込みベクトルを使った逆画像検索エンジンの構築へ進みます。少ないデータと限られた計算資源で実用水準のベースラインを素早く用意できる転移学習は、この分野の実務でまず身につけたい技法であり、 TensorFlow 系のツールチェーンでそれを序盤に体験させる流れは実践指向の設計と言えます。

対象読者と前提知識

版元は対象読者を、ディープラーニングの世界にこれから参入したいソフトウェアエンジニアやベテランのデータサイエンティストから、 AI を搭載した独自のアプリを作りたいホビーストまでと幅広く設定しています。コード例を追うために Python の読み書きは前提となります。一方で、書名の通り実装と製品化に軸足を置いたガイドなので、学習アルゴリズムの数理を証明から積み上げて理解したい読者には理論寄りの教科書の併用が必要でしょう。刊行は 2023 年 4 月で、画像分類を軸にした「モデルを作って届ける」工程の解説が中心という時点の性格も踏まえて手に取るのがよい本です。

モデルの学習までは経験があるものの、それをスマートフォンアプリや Web サービスとして人に使ってもらう段階で足踏みしている開発者にとって、学習からデプロイまでを 1 冊で通せる構成は投資に見合います。自分のデータで分類器を作り、それを製品の形まで運びたいと考えているなら、その道筋を具体的なコードと判断基準つきで示してくれる一冊です。