Python によるディープラーニング

Name: Python によるディープラーニング
ISBN: 9784839977733

パイソンニヨルディープラーニング

プログラミング

著者:: François Chollet / 巣籠悠輔 / 株式会社クイープ(フランソワショレ / スゴモリユウスケ / カブシキガイシャクイープ)
注目:: 総合 591 位・言及 5 件・最新の言及 2026 年 6 月

PRAmazon で見る楽天ブックスで見る

出版社:: マイナビ出版
出版日:: 2022年03月23日頃
一覧:: 株式会社クイープの著書マイナビ出版の技術書 2022 年に出た技術書
ISBN:: 9784839977733
在庫:: 在庫あり

中級者向け

Python深層学習機械学習TensorFlowニューラルネットワークコンピュータビジョン数学ネットワーク生成モデル時系列データ

なぜ注目されているか

言及数

499位

総合591位 ↑ 3 ランクアップ言及 5 件

書籍紹介

Python のディープラーニングフレームワーク Keras の開発者である筆者が、多くの人々がディープラーニングを活用できるよう Python コーディングを交えながら分かりやすく説明していきます。「ディープラーニングを適用できる課題とはなにか」「限界はどこにあるのか」を実践解説。Keras/TensorFlow 2 対応。第 1 版 (2017 年) 以降の話題やモデル・理論とその実装コードなど、より丁寧に解説し大幅にボリュームアップしています。
1 章ディープラーニングとは何か
2 章ニューラルネットワークの数学的要素
3 章 Keras と TensorFlow
4 章ニューラルネットワーク入門: 分類と回帰
5 章機械学習の基礎
6 章機械学習のユニバーサルワークフロー
7 章 Keras を使いこなす
8 章コンピュータビジョンのためのディープラーニング
9 章コンピュータビジョンのための高度なディープラーニング
10 章時系列のためのディープラーニング
11 章テキストのためのディープラーニング
12 章生成型ディープラーニング
13 章現実世界のベストプラクティス
14 章本書のまとめ

技書の森解説

『Python によるディープラーニング』 (François Chollet 著、巣籠悠輔監訳、株式会社クイープ訳、マイナビ出版、2022 年 3 月刊) は、深層学習のフレームワーク Keras の開発者が、Python のコードを交えながら深層学習の考え方と使い方を説明する書籍です。原タイトルは DEEP LEARNING WITH PYTHON で、NDL の書誌では原著第 2 版の翻訳とされています。版元の紹介文は「ディープラーニングを適用できる課題とはなにか」「限界はどこにあるのか」を実践的に解説すると述べ、Keras/TensorFlow 2 に対応したうえで、原著の第 1 版 (2017 年) 以降の話題やモデル、理論とその実装コードを加えて大幅に分量を増やしたと説明しています。

全 14 章の構成、数学的要素から生成型ディープラーニングまで

目次は 14 章です。1 章でディープラーニングとは何かを整理し、2 章でニューラルネットワークの数学的要素、3 章で Keras と TensorFlow、4 章で分類と回帰を題材にしたニューラルネットワーク入門を扱います。続く 5 章の機械学習の基礎、6 章の機械学習のユニバーサルワークフローを経て、7 章の Keras を使いこなすへ進みます。応用は 8 章と 9 章のコンピュータビジョン、10 章の時系列、11 章のテキスト、12 章の生成型ディープラーニングと分野ごとに章が分かれ、13 章で現実世界のベストプラクティス、14 章で本書のまとめを置いています。応用の章に入る前に、機械学習そのものの基礎と作業の流れに 2 章を当てている並びが、目次から読み取れる特徴です。

過学習と汎化、深層学習で本当に難しいところ

深層学習は、多層のニューラルネットワークに大量の例を与え、入力から出力への対応を重みの調整によって学ばせる手法です。層を重ねるほど表現力は増しますが、そのぶん訓練データにだけよく当てはまり、未知のデータでは外れる過学習が起きやすくなります。データの分け方や評価の指標を誤ると、性能を見誤ったまま先へ進んでしまうため、モデルの構造を覚えること以上に、その問題が深層学習に向いているのか、何をもって成功とみなすのかを最初に決める判断が成果を左右します。Keras は層を積み重ねる形でモデルを短いコードで組み立てられる高水準の API で、モデルを変えては評価するという試行錯誤を素早く回せる点が、こうした判断を経験として積むうえで役に立ちます。

Python の前提と、TensorFlow 2 対応の刊行時点の環境

読み進めるには、Python の文法と配列の扱いにある程度慣れていることが前提になります。2 章がニューラルネットワークの数学的要素に章を割いています。それでも線形代数や微分の基礎に不安がある場合は、機械学習に必要な数学の本で補いながら読むと理解が安定します。また NDL の書誌の注記には TensorFlow 2 対応と Google Colaboratory 対応とあり、コードは 2022 年 3 月の刊行時点の Keras と TensorFlow 2 を前提にしています。ライブラリの版が上がった環境で動かす場合は、API の変更に合わせた読み替えが必要になることがある点を見込んでおくとよいでしょう。

目次の軸は Keras と TensorFlow なので、PyTorch を主な道具として身につけたい人には目的が合いません。理論の導出を体系的にたどりたい人や、原理を自分の手で一から実装して確かめたい人は、ディープラーニング本の選び方を参考に別の系統の本と組み合わせると無駄がありません。一方で、画像、時系列、テキスト、生成型という主要な応用を一冊で見渡しつつ、どの課題に深層学習を当て、どこに限界があるのかをフレームワークの開発者の説明で押さえたい人には、本書は投じた時間に見合う一冊です。

PRAmazon で見る楽天ブックスで見る