はじめてのディープラーニング 2

オンライン教育プラットフォーム Udemy の人気講師が教えるディープラーニングの基礎、第 2 弾。前作「はじめてのディープラーニング」では、基礎中の基礎であるニューラルネットワークとバックプロパゲーションを初学者にもわかりやすく解説しましたが、本作では自然言語処理の分野で真価を発揮する再帰型ニューラルネットワーク (RNN) と、ディープラーニングの生成モデルである VAE (Variational Autoencoder) と GAN (Generative Adversarial Networks) について実装方法を含めて解説します。もちろんプログラムの実装については、前作を踏襲して Python のみで行い、既存のフレームワークに頼りません。 [本書の特徴] ・前作を読んでいない方のために、 Python 、数学、ニューラルネットワークの基礎について解説する章を設けています。 ・サンプルプログラムはフレームワークを使わずに Python のみで記述しています。このため数式をコード化する際の原理が初心者にもわかりやすくなっています。 ・サンプルプログラムは SB クリエイティブ株式会社のサイトからダウンロード可能です。 ・ Python3 、 Jupyter Notebook 、 Google Colaboratory 対応 第 1 章 ディープラーニングの発展 ディープラーニングの概要 ディープラーニングの応用 本書で扱う技術 本書の使い方 第 2 章 学習の準備 Anaconda の環境構築 Google Colaboratory の使い方 Jupyter Notebook の使い方 Python の基礎 NumPy と matplotlib 数学の基礎 第 3 章 ディープラーニング基礎 ニューラルネットワーク、ディープラーニングの概要 全結合層の順伝播 全結合層の逆伝播 全結合層の実装 シンプルなディープラーニングの実装 第 4 章 RNN RNN の概要 RNN 層の順伝播 RNN 層の逆伝播 RNN 層の実装 シンプルな RNN の実装 RNN が抱える問題 第 5 章 LSTM LSTM の概要 LSTM 層の順伝播 LSTM 層の逆伝播 LSTM 層の実装 シンプルな LSTM の実装 文章の自動生成 第 6 章 GRU GRU の概要 GRU 層の順伝播 GRU 層の逆伝播 GRU 層の実装 シンプルな GRU の実装 Encoder-Decoder 第 7 章 VAE VAE の概要 VAE の仕組み オートエンコーダの実装 VAE に必要な層 VAE の実装 VAE の派生技術 第 8 章 GAN GAN の概要 GAN の仕組み GAN に必要な層 GAN の実装 GAN の派生技術