内容については、ごく簡単にtensor flowを体験してみるだけになっています。
プログラミング経験さえあれば、たとえpythonを使ったことがなくても、コーディングは簡単にできるでしょう。
こういった本で問題になるのは環境構築ではないでしょうか?
この本は、普段virtual boxを普段使用しているのであれば、あっさり環境構築させてくれます。
仮想マシンのデータをホームページに用意してくれているので、それをダウンロード、インポートするだけというお手軽さ。(p.188)
今回は、自分で勉強するためというより、教えて広めることを考えていたので、ここまであっさり環境構築できるのは助かります。
この本のおかげで、勉強会の大半が環境構築に費やされるという事態は避けられそうです。
当然この本で構築した環境で他の本の内容にも取り組んでいきたいと思います。
プライム無料体験をお試しいただけます
プライム無料体験で、この注文から無料配送特典をご利用いただけます。
非会員 | プライム会員 | |
---|---|---|
通常配送 | ¥410 - ¥450* | 無料 |
お急ぎ便 | ¥510 - ¥550 | |
お届け日時指定便 | ¥510 - ¥650 |
*Amazon.co.jp発送商品の注文額 ¥3,500以上は非会員も無料
無料体験はいつでもキャンセルできます。30日のプライム無料体験をぜひお試しください。
¥2,420¥2,420 税込
発送元: Amazon.co.jp 販売者: Amazon.co.jp
¥2,420¥2,420 税込
発送元: Amazon.co.jp
販売者: Amazon.co.jp
¥5¥5 税込
配送料 ¥320 6月1日-2日にお届け
発送元: エコdeリユース店 販売者: エコdeリユース店
¥5¥5 税込
配送料 ¥320 6月1日-2日にお届け
発送元: エコdeリユース店
販売者: エコdeリユース店
無料のKindleアプリをダウンロードして、スマートフォン、タブレット、またはコンピューターで今すぐKindle本を読むことができます。Kindleデバイスは必要ありません。
ウェブ版Kindleなら、お使いのブラウザですぐにお読みいただけます。
携帯電話のカメラを使用する - 以下のコードをスキャンし、Kindleアプリをダウンロードしてください。
初めてのTensorFlow 数式なしのディープラーニング 単行本(ソフトカバー) – 2017/10/28
足立 悠
(著)
{"desktop_buybox_group_1":[{"displayPrice":"¥2,420","priceAmount":2420.00,"currencySymbol":"¥","integerValue":"2,420","decimalSeparator":null,"fractionalValue":null,"symbolPosition":"left","hasSpace":false,"showFractionalPartIfEmpty":true,"offerListingId":"W8XXIJh%2FbpR%2Bi%2Bg3m03urzuKVW1HES7QLC1ZfmqNoFLLoP9x0B4YGPZVt9kcnW5W4TJWR4Cdy3WxmwsLOYcDOwQhKgoAvoUeMJIqicx794roao3KykSBcX0uv9XrImlQ2j3xIyjPQZE%3D","locale":"ja-JP","buyingOptionType":"NEW","aapiBuyingOptionIndex":0}, {"displayPrice":"¥5","priceAmount":5.00,"currencySymbol":"¥","integerValue":"5","decimalSeparator":null,"fractionalValue":null,"symbolPosition":"left","hasSpace":false,"showFractionalPartIfEmpty":true,"offerListingId":"W8XXIJh%2FbpR%2Bi%2Bg3m03urzuKVW1HES7QMTG1LtzaeS7qMezJUQzvA0vNKBpanPgasiw1gRANwBK1mrXS%2BfbT5XuefiAgRURzDdXf6BSF6hwMP%2FxThS31lqVDpOeJGt00MMOhXPIfNOvM8uLh3j9W3tqlecK8vq987skNvbraLdo%2Fz%2Fx1NdjyBA%3D%3D","locale":"ja-JP","buyingOptionType":"USED","aapiBuyingOptionIndex":1}]}
購入オプションとあわせ買い
◆◆ PythonとTFLearnで無理なく体験学習 ◆◆
本書は「これからディープラーニングを学びたい」と考えているIT エンジニアの方々を対象にしています。
そして、ディープラーニングの手法を理解し、自分で実装できるようになることを目指します。
ディープラーニングを初めて学ぶITエンジニアは、2つの障壁を越えねばなりません。
一つは「ディープラーニングの手法」、特に、理論を説明する数式が難解なこと。
もう一つは「どうやって使うのか、実装方法が分からない」ことです。
■数式なしで理論を理解
そこで本書は、是非知っておきたい3つの手法、即ち、1全結合のニューラルネットワーク、 2畳み込みニューラルネットワーク(CNN)、3再帰型ニューラルネットワーク(RNN)のみに話題を集中。
IT エンジニアなら抵抗感なく読めるように、数式を一切使わず、気鋭のデータサイエンティストが
丁寧に理論を解説します。
■簡単に実装できるライブラリを使用
実装については、Google社のディープラーニング・フレームワークTesorFlowに注目。
TesorFlowと完全互換性があり、かつ、TesorFlowよりも初心者に適したTFLearnライブラリを使うことで、
Python 3による実装を体験します。
実装環境の構築方法も一から説明し、サンプルコードには逐次解説を加えました。
■理論と実装の反復で理解を深める
第1章では、機械学習とディープラーニングの概要、実装ライブラリについて説明します。
第2章では、TFLearnを使った実装環境を構築し、ツールの使い方を学びます。
第3章では、全結合のニューラルネットワークの仕組みを理解した後、
手書き文字画像のMNISTデータセットを使って、画像の分類問題を解いてみます。
第4章ではCNNを解説した後、再度、MNISTデータを分類。また、JPEG等の一般的な画像の分類も行います。
第5章では、時系列データに適したRNNの仕組みを理解した後、対話テキストの分類に挑戦。
ここでもMNISTの分類を行ってみます。
本書に沿って体験学習を進めれば、ディープラーニングの手法を無理なく理解でき、
手を動かして実装できるようになるでしょう。
◆目次◆
1 初めてのディープラーニング
1.1 機械学習とディープラーニング
1.2 ディープラーニングのライブラリ
2 ディープラーニングの実装準備
2.1 ディープラーニングの環境構築
2.2 Jupyter Notebookの使い方
2.3 Pythonプログラミングの基礎
3 ディープニューラルネットワーク体験
3.1 ニューラルネットワークの仕組み
3.2 ディープラーニングの仕組み
3.3 ディープラーニングの実装手順
3.4 手書き文字画像MNISTの分類
4 畳み込みニューラルネットワークの体験
4.1 畳み込みニューラルネットワークの仕組み
4.2 手書き文字画像MNISTの分類
4.3 一般的な画像の分類
5 再帰型ニューラル
ネットワークの体験
5.1 再帰型ニューラルネットワークの仕組み
5.2 対話テキストの分類
5.3 手書き文字画像MNISTの分類
Appendix 付録
A.1 TensorBoardの使い方
A.2 ディープラーニングの環境構築(Windows編)
A.3 Ubuntu仮想イメージのインポート方法
参考文献
本書は「これからディープラーニングを学びたい」と考えているIT エンジニアの方々を対象にしています。
そして、ディープラーニングの手法を理解し、自分で実装できるようになることを目指します。
ディープラーニングを初めて学ぶITエンジニアは、2つの障壁を越えねばなりません。
一つは「ディープラーニングの手法」、特に、理論を説明する数式が難解なこと。
もう一つは「どうやって使うのか、実装方法が分からない」ことです。
■数式なしで理論を理解
そこで本書は、是非知っておきたい3つの手法、即ち、1全結合のニューラルネットワーク、 2畳み込みニューラルネットワーク(CNN)、3再帰型ニューラルネットワーク(RNN)のみに話題を集中。
IT エンジニアなら抵抗感なく読めるように、数式を一切使わず、気鋭のデータサイエンティストが
丁寧に理論を解説します。
■簡単に実装できるライブラリを使用
実装については、Google社のディープラーニング・フレームワークTesorFlowに注目。
TesorFlowと完全互換性があり、かつ、TesorFlowよりも初心者に適したTFLearnライブラリを使うことで、
Python 3による実装を体験します。
実装環境の構築方法も一から説明し、サンプルコードには逐次解説を加えました。
■理論と実装の反復で理解を深める
第1章では、機械学習とディープラーニングの概要、実装ライブラリについて説明します。
第2章では、TFLearnを使った実装環境を構築し、ツールの使い方を学びます。
第3章では、全結合のニューラルネットワークの仕組みを理解した後、
手書き文字画像のMNISTデータセットを使って、画像の分類問題を解いてみます。
第4章ではCNNを解説した後、再度、MNISTデータを分類。また、JPEG等の一般的な画像の分類も行います。
第5章では、時系列データに適したRNNの仕組みを理解した後、対話テキストの分類に挑戦。
ここでもMNISTの分類を行ってみます。
本書に沿って体験学習を進めれば、ディープラーニングの手法を無理なく理解でき、
手を動かして実装できるようになるでしょう。
◆目次◆
1 初めてのディープラーニング
1.1 機械学習とディープラーニング
1.2 ディープラーニングのライブラリ
2 ディープラーニングの実装準備
2.1 ディープラーニングの環境構築
2.2 Jupyter Notebookの使い方
2.3 Pythonプログラミングの基礎
3 ディープニューラルネットワーク体験
3.1 ニューラルネットワークの仕組み
3.2 ディープラーニングの仕組み
3.3 ディープラーニングの実装手順
3.4 手書き文字画像MNISTの分類
4 畳み込みニューラルネットワークの体験
4.1 畳み込みニューラルネットワークの仕組み
4.2 手書き文字画像MNISTの分類
4.3 一般的な画像の分類
5 再帰型ニューラル
ネットワークの体験
5.1 再帰型ニューラルネットワークの仕組み
5.2 対話テキストの分類
5.3 手書き文字画像MNISTの分類
Appendix 付録
A.1 TensorBoardの使い方
A.2 ディープラーニングの環境構築(Windows編)
A.3 Ubuntu仮想イメージのインポート方法
参考文献
- 本の長さ200ページ
- 言語日本語
- 出版社リックテレコム
- 発売日2017/10/28
- 寸法18.5 x 1.3 x 23.8 cm
- ISBN-104865941053
- ISBN-13978-4865941050
よく一緒に購入されている商品
対象商品: 初めてのTensorFlow 数式なしのディープラーニング
¥2,420¥2,420
最短で5月30日 木曜日のお届け予定です
残り1点(入荷予定あり)
¥4,000¥4,000
最短で5月30日 木曜日のお届け予定です
残り1点 ご注文はお早めに
総額:
当社の価格を見るには、これら商品をカートに追加してください。
ポイントの合計:
pt
もう一度お試しください
追加されました
一緒に購入する商品を選択してください。
この商品をチェックした人はこんな商品もチェックしています
ページ 1 以下のうち 1 最初から観るページ 1 以下のうち 1
商品の説明
著者について
メーカーでデータサイエンティストとして働く傍ら、社会人大学院生としてデータマイニングの研究に従事。
ユーザー企業でデータ分析・活用を推進し、ベンダー企業で国内企業のデータ分析・活用を支援した経験があり、
両方の立場からデータサイエンスに携わってきた。
過去には、データサイエンスの普及を目的に、Webや雑誌へ記事執筆したほか、
国内各地でセミナー講師を務めてきた。
多感な時期に高専で5年間を過ごしてしまったせいか、周囲から変人と評されている。
趣味は国内の城とダム巡り、お地蔵さんが密集している場所に佇むこと。
ユーザー企業でデータ分析・活用を推進し、ベンダー企業で国内企業のデータ分析・活用を支援した経験があり、
両方の立場からデータサイエンスに携わってきた。
過去には、データサイエンスの普及を目的に、Webや雑誌へ記事執筆したほか、
国内各地でセミナー講師を務めてきた。
多感な時期に高専で5年間を過ごしてしまったせいか、周囲から変人と評されている。
趣味は国内の城とダム巡り、お地蔵さんが密集している場所に佇むこと。
登録情報
- 出版社 : リックテレコム (2017/10/28)
- 発売日 : 2017/10/28
- 言語 : 日本語
- 単行本(ソフトカバー) : 200ページ
- ISBN-10 : 4865941053
- ISBN-13 : 978-4865941050
- 寸法 : 18.5 x 1.3 x 23.8 cm
- Amazon 売れ筋ランキング: - 498,680位本 (本の売れ筋ランキングを見る)
- - 8,615位工学 (本)
- カスタマーレビュー:
著者について
著者をフォローして、新作のアップデートや改善されたおすすめを入手してください。
著者の本をもっと発見したり、よく似た著者を見つけたり、著者のブログを読んだりしましょう
-
トップレビュー
上位レビュー、対象国: 日本
レビューのフィルタリング中に問題が発生しました。後でもう一度試してください。
2017年11月4日に日本でレビュー済み
Amazonで購入
2021年7月6日に日本でレビュー済み
Amazonで購入
数式なしで、tensorflowを用いたディープラーニングの例題を扱っているのですが、この本が誰に向けたものであるのかがだんだんわからなくなりました。
具体的に気になったのは以下の点です。
【環境構築】本の出版後、pythonやtensorflowのバージョンが上がっているので仕方がないところはありますが、「初めての」を謳っている割には環境構築の方法は初学者には敷居が高いと感じました。確かにこの本にあるのとまったく同じurlやコマンドにより、ソフトウェアをインストールすれば動きはするのですが、この本を読んでも、tensorflowでディープラーニングをやるためにそもそもどのソフトウェアが要るのか、どのバージョンを使えばいいのかなどの基本的な考え方が身につきません。
この本は、とにかくこの本の通りにやれば一応動くということが重視されているのだとは思います。しかし、初学者向けの本によくあるのですが、その前の段階に本来あるはずの「基本的な考え方」と「簡単のために行っていること」は明確に分けられていないと、かえって初学者にとってわかりにくいものとなります。
※一応、出版社サイトにフォローアップの資料がありますが、上記の課題を解決しているものではありませんでした。
さらに具体的には、5.2節の対話テキスト分類のところで、MeCabのインストールがありますが、私は同じ手順で環境構築・動作させることができませんでした。Qiita上に似たような問題に関する記事を発見し自己解決することができましたが、上記のように基本この本の書いてある通りにやれば動くということがこの本の売りだとすると、5.2節の件は厳しいものがあると思います。
【コード】明らかな誤記が少なくとも1か所はあり、簡単に想像がつくものではありましたが、そのまま写経しても動作しない点がありました。コードの動作確認をきちんとやられているのか心配になりました。
【説明】「初めての」を謳っている割には、説明は丁寧ではないと思います。数式を使っていないのは確かにそうなのですが、数式を使わなければ説明が易しくなる、というものではないと思います。
また、4章で畳み込みニューラルネットワーク、5章で再帰的ニューラルネットワークについて扱っていますが、なぜそれらを扱うのか、なぜそういうことをすると良いのか、といったモチベーションが十分に語られていないと思います。例えば、なぜ畳み込み層を導入すると良いのか、この本の解説では理解できないと思います。
さらに、コードで何をやっているのかの説明はあまり丁寧ではないと思います。全体的に作業マニュアルのような作りで、確かにコードの説明をしてはいるのですが、コード中にコメントを付けているの変わらない程度の情報量だと思います。
具体的に気になったのは以下の点です。
【環境構築】本の出版後、pythonやtensorflowのバージョンが上がっているので仕方がないところはありますが、「初めての」を謳っている割には環境構築の方法は初学者には敷居が高いと感じました。確かにこの本にあるのとまったく同じurlやコマンドにより、ソフトウェアをインストールすれば動きはするのですが、この本を読んでも、tensorflowでディープラーニングをやるためにそもそもどのソフトウェアが要るのか、どのバージョンを使えばいいのかなどの基本的な考え方が身につきません。
この本は、とにかくこの本の通りにやれば一応動くということが重視されているのだとは思います。しかし、初学者向けの本によくあるのですが、その前の段階に本来あるはずの「基本的な考え方」と「簡単のために行っていること」は明確に分けられていないと、かえって初学者にとってわかりにくいものとなります。
※一応、出版社サイトにフォローアップの資料がありますが、上記の課題を解決しているものではありませんでした。
さらに具体的には、5.2節の対話テキスト分類のところで、MeCabのインストールがありますが、私は同じ手順で環境構築・動作させることができませんでした。Qiita上に似たような問題に関する記事を発見し自己解決することができましたが、上記のように基本この本の書いてある通りにやれば動くということがこの本の売りだとすると、5.2節の件は厳しいものがあると思います。
【コード】明らかな誤記が少なくとも1か所はあり、簡単に想像がつくものではありましたが、そのまま写経しても動作しない点がありました。コードの動作確認をきちんとやられているのか心配になりました。
【説明】「初めての」を謳っている割には、説明は丁寧ではないと思います。数式を使っていないのは確かにそうなのですが、数式を使わなければ説明が易しくなる、というものではないと思います。
また、4章で畳み込みニューラルネットワーク、5章で再帰的ニューラルネットワークについて扱っていますが、なぜそれらを扱うのか、なぜそういうことをすると良いのか、といったモチベーションが十分に語られていないと思います。例えば、なぜ畳み込み層を導入すると良いのか、この本の解説では理解できないと思います。
さらに、コードで何をやっているのかの説明はあまり丁寧ではないと思います。全体的に作業マニュアルのような作りで、確かにコードの説明をしてはいるのですが、コード中にコメントを付けているの変わらない程度の情報量だと思います。
2017年12月12日に日本でレビュー済み
Amazonで購入
内容はなかなか良いと思うのですが、タイトルと内容が違いすぎます。
本書の内容は表紙に書いてある「PythonとTFLearnライブラリで実装まで無理なく体験学習」であり、TensorFrowについてはほとんど触れられていません。また「体験学習」はできますが、説明があっさりしすぎて、なぜそう書くのか、なぜ動くのかが分かりません。
他の本で得た知識を別の角度から確認するための書籍です。
本書の内容は表紙に書いてある「PythonとTFLearnライブラリで実装まで無理なく体験学習」であり、TensorFrowについてはほとんど触れられていません。また「体験学習」はできますが、説明があっさりしすぎて、なぜそう書くのか、なぜ動くのかが分かりません。
他の本で得た知識を別の角度から確認するための書籍です。
2019年1月2日に日本でレビュー済み
Amazonで購入
書籍に書かれているURLやmoduleのバージョンが2019年1月時点で古くなっており、そのままの設定だと環境構築ができない。ここらへん発行元か著者がアップデート情報を発信してくれると助かるんだけどしていないっぽかった。Linux系を触ったことがない人は最初の環境構築で断念しそう。
2018年8月24日に日本でレビュー済み
Amazonで購入
「ゼロから作るDeepLearning」の前に一通り読んでおくと、処理の内容がより呑み込みやすいです。
この本からDeepLearningに入っていくのが初学者には向いているように読んでみて思います。
このあと、より詳細な内容を名著「ゼロから作るDeepLearning」に移っていくのが躓きにくい方法かと思います。
この本からDeepLearningに入っていくのが初学者には向いているように読んでみて思います。
このあと、より詳細な内容を名著「ゼロから作るDeepLearning」に移っていくのが躓きにくい方法かと思います。
2018年4月1日に日本でレビュー済み
DeepLearningとかTensorFlowとか言葉は聞いたことがあり、Kaggleの概要調査等で手書き数字の分類について軽く知っているレベルから、いざではどのようにTensorFlow始めるんだろう、と思ったとき、ちょうどよさそうな本があったので入手。
機械学習、DeepLearning自体の説明はほどほどに、DeepLearningを始める手順として、「TFLearn」という、TensorFlow互換(TensorFlowよりコードはかなり短くなるらしい)を使うための環境を構築し(Windows上のVirtualBox、Ubuntuインストール、AnacondaでPython3.6+ライブラリインストール)、Jupyter Notebook(Webブラウザからコードを記述するとそのまま実行できる)を利用してPythonコード入力して結果を出すまでの方法が記されている。
各DeepLearningの実行方法はPythonソースで示されているが、各行、引数の説明がされているし、主な文法は練習がてら示されているので、Pythonに触れたことがない人でもそこまで文法に戸惑うことはないだろう。
実践例は、MNISTデータセット(手書きの数字が書かれた二値画像データセット)による手書き数字認識、雑談対話コーパス(人間とシステムの間で交わされた対話テキストに、破綻しているかどうかのフラグが付与されている)を用いて形態素解析から単語の共起等を用いたテキスト分析、の大きく二つ。画像を意味する行列をどのように加工し、ニューラルネットワークの中間層を構成していくかが順を追って記載されている。中間層は関数にパラメータを入れていくだけで構成でき、結果が出せる。DeepLearningはまだまだとっつきにくく分かりづらいイメージがあったが、こうした画像処理用に準備されたライブラリやTFLearnを知っていると、十数行で入力から結果表示まで構築できてしまう。読後の印象として、DeepLearningへの敷居が一気に下がった感がある一冊。
ただ、中間層の引数の詳細、なぜこの引数、バッチサイズや学習回数が良いのかまではあまり示されていないので、この本で入門した後、より詳しく層設計を行う必要がある場合は、別の本に進むことにはなるだろう。付録として、TensorBoard(モデルを視覚的に確認)について触れられているので、その辺りを使うとチューニングには役立つかもしれない。
本の読者特典として、サンプルスクリプトや画像データセットのほか、UbuntuのVirtualBoxイメージが準備されているので、Ubuntuのインストールや環境設定は一気に飛ばせる様子。また、Windows上への環境構築手法も付録として示されている。近日中には試してみたいと思わせる一冊。
機械学習、DeepLearning自体の説明はほどほどに、DeepLearningを始める手順として、「TFLearn」という、TensorFlow互換(TensorFlowよりコードはかなり短くなるらしい)を使うための環境を構築し(Windows上のVirtualBox、Ubuntuインストール、AnacondaでPython3.6+ライブラリインストール)、Jupyter Notebook(Webブラウザからコードを記述するとそのまま実行できる)を利用してPythonコード入力して結果を出すまでの方法が記されている。
各DeepLearningの実行方法はPythonソースで示されているが、各行、引数の説明がされているし、主な文法は練習がてら示されているので、Pythonに触れたことがない人でもそこまで文法に戸惑うことはないだろう。
実践例は、MNISTデータセット(手書きの数字が書かれた二値画像データセット)による手書き数字認識、雑談対話コーパス(人間とシステムの間で交わされた対話テキストに、破綻しているかどうかのフラグが付与されている)を用いて形態素解析から単語の共起等を用いたテキスト分析、の大きく二つ。画像を意味する行列をどのように加工し、ニューラルネットワークの中間層を構成していくかが順を追って記載されている。中間層は関数にパラメータを入れていくだけで構成でき、結果が出せる。DeepLearningはまだまだとっつきにくく分かりづらいイメージがあったが、こうした画像処理用に準備されたライブラリやTFLearnを知っていると、十数行で入力から結果表示まで構築できてしまう。読後の印象として、DeepLearningへの敷居が一気に下がった感がある一冊。
ただ、中間層の引数の詳細、なぜこの引数、バッチサイズや学習回数が良いのかまではあまり示されていないので、この本で入門した後、より詳しく層設計を行う必要がある場合は、別の本に進むことにはなるだろう。付録として、TensorBoard(モデルを視覚的に確認)について触れられているので、その辺りを使うとチューニングには役立つかもしれない。
本の読者特典として、サンプルスクリプトや画像データセットのほか、UbuntuのVirtualBoxイメージが準備されているので、Ubuntuのインストールや環境設定は一気に飛ばせる様子。また、Windows上への環境構築手法も付録として示されている。近日中には試してみたいと思わせる一冊。
2018年5月2日に日本でレビュー済み
Amazonで購入
パソコンスペック等の記載があった方が良いと思います。
i5 RAM 8G のパソコンでは、仮想マシンが動きません。
他の方のレビューが高いだけに残念です。
i5 RAM 8G のパソコンでは、仮想マシンが動きません。
他の方のレビューが高いだけに残念です。