詳解 ディープラーニング TensorFlow・Kerasによる時系列データ処理

3400円 (税別)

獲得ポイント 34pt (1%還元)

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。TensorFlowとKerasによるディープラーニング・ニューラルネットワークの実践的入門書本書はディープラーニング、ニューラルネットワークについての予備知識がなくても学習を進められるようゼロから丁寧に、理論とその実装について解説します。実装にはPythonのディープラーニング向けのライブラリ、TensorFlow (1.0)およびKeras (2.0)を用います。「ディープラーニングについて何となくわかってはいるけれど、もう少し理解を深めたい」「画像認識だけでなく、時系列データを分析するためのモデルについても学びたい」という方にとって、学びの役に立つでしょう。単純パーセプトロンにはじまり、多層パーセプトロン、ディープニューラルネットワーク、リカレントニューラルネットワークなど多くの手法について学びます。扱うデータの種類ごとに考えるべき課題も異なり、それに合わせてネットワークも様々な形に変化させ学習を進めます。ディープラーニングは1つひとつのテクニックの積み重ねであり、その根底にあるのは「人間の脳をどう数式やアルゴリズムで表現できるか」です。土台となる理論さえきちんと理解していれば、今後どのようなディープラーニングの手法が出てこようとも、すぐに理解し使いこなせるようになるでしょう。そして、自身で新たなモデルを考え出すこともできるはずです。[本書の構成]1章では、ニューラルネットワークの理論を学習するうえで必要となる数学の知識について簡単におさらいし、続く2章では、実装に向けてのPython開発環境のセットアップ、およびPythonライブラリの簡単な使い方を扱います。3章からは、いよいよニューラルネットワークの学習に入っていきます。3章ではその基本形について、4章ではディープニューラルネットワーク、いわゆるディープラーニングについて学びます。通常のニューラルネットワークと何が違うのか、どのようなテクニックが用いられているのかを実装を交えて理解します。5、6章では、時系列データを扱うためのモデルであるリカレントニューラルネットワークについて詳しく学んでいきます。5章では、リカレントニューラルネットワークの基本形を簡単なデータ例を用いて理論・実装について学び、6章ではその応用例について扱います。

無料立ち読み(12ページ)

カゴに追加 3400 円(税別)

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。TensorFlowとKerasによるディープラーニング・ニューラルネットワークの実践的入門書本書はディープラーニング、ニューラルネットワークについての予備知識がなくても学習を進められるようゼロから丁寧に、理論とその実装について解説します。実装にはPythonのディープラーニング向けのライブラリ、TensorFlow (1.0)およびKeras (2.0)を用います。「ディープラーニングについて何となくわかってはいるけれど、もう少し理解を深めたい」「画像認識だけでなく、時系列データを分析するためのモデルについても学びたい」という方にとって、学びの役に立つでしょう。単純パーセプトロンにはじまり、多層パーセプトロン、ディープニューラルネットワーク、リカレントニューラルネットワークなど多くの手法について学びます。扱うデータの種類ごとに考えるべき課題も異なり、それに合わせてネットワークも様々な形に変化させ学習を進めます。ディープラーニングは1つひとつのテクニックの積み重ねであり、その根底にあるのは「人間の脳をどう数式やアルゴリズムで表現できるか」です。土台となる理論さえきちんと理解していれば、今後どのようなディープラーニングの手法が出てこようとも、すぐに理解し使いこなせるようになるでしょう。そして、自身で新たなモデルを考え出すこともできるはずです。[本書の構成]1章では、ニューラルネットワークの理論を学習するうえで必要となる数学の知識について簡単におさらいし、続く2章では、実装に向けてのPython開発環境のセットアップ、およびPythonライブラリの簡単な使い方を扱います。3章からは、いよいよニューラルネットワークの学習に入っていきます。3章ではその基本形について、4章ではディープニューラルネットワーク、いわゆるディープラーニングについて学びます。通常のニューラルネットワークと何が違うのか、どのようなテクニックが用いられているのかを実装を交えて理解します。5、6章では、時系列データを扱うためのモデルであるリカレントニューラルネットワークについて詳しく学んでいきます。5章では、リカレントニューラルネットワークの基本形を簡単なデータ例を用いて理論・実装について学び、6章ではその応用例について扱います。

レビューはありません レビューを書く
書籍の詳細
  • 書籍名: 詳解 ディープラーニング TensorFlow・Kerasによる時系列データ処理
  • 著者名: 著:巣籠悠輔
  • eBookJapan発売日: 2017年06月09日
  • 出版社: マイナビ出版
  • 電子書籍のタイプ: 画像型
  • ページ数: 333ページ
  • 立読ページ数: 12ページ
  • ファイルサイズ: 76.9MB
  • 関連ジャンル: 専門書 コンピューター
  • 対応デバイス: WindowsMaciPhoneiPadAndroidブラウザ楽読み

オススメ特集

一覧を見る

ここもチェック!

コンテンツについて

  • この商品は紙書籍ではありません。すぐにご覧いただける電子書籍です。
  • デジタルコンテンツのため、商品の性質上、返品できません。
  • 紙書籍とは内容が異なる場合がございます。また、サイトに表示されているサムネイルと電子書籍の表紙画像が異なる場合がございます。予めご了承下さい。
  • 対応デバイスに記載されていない端末は、購入できても読書はできません。ご注意下さい。
  • Mac OS X 10.5/10.6をご利用で最新版のebi.BookReaderがご利用できないお客様は、サイトの表記でMacが利用可能端末となっていてもリフロー書籍が読書できません。ご了承下さい。
  • Android OS 5.0以上でebiReaderをご利用のお客様は、サイトの表記でAndroidが利用可能端末となっていても一部のリフロー書籍が読書できません。ご了承下さい。