大変参考になりました。
人工知能、機械学習、ニューラルネットワーク、ディープラーニングに関して包括的に解説されており
すんなり理解できました。そしてこの解説が実にわかりやすい。
数少ない良書のひとつだと思います。
Kindle 価格: | ¥2,584 (税込) |
獲得ポイント: | 26ポイント (1%) |
を購読しました。 続刊の配信が可能になってから24時間以内に予約注文します。最新刊がリリースされると、予約注文期間中に利用可能な最低価格がデフォルトで設定している支払い方法に請求されます。
「メンバーシップおよび購読」で、支払い方法や端末の更新、続刊のスキップやキャンセルができます。
エラーが発生しました。 エラーのため、お客様の定期購読を処理できませんでした。更新してもう一度やり直してください。
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。
今すぐ試したい! 機械学習・深層学習(ディープラーニング) 画像認識プログラミングレシピ Kindle版
私たちの日常生活で、人工知能が普通に使われる時代になりました。スマートフォンの顔認証、自動運転技術、SiriやAlexaのようなAI音声アシスタントなど身近な技術ばかりです。これからは機械学習や深層学習はエンジニアの基本教養となるかもしれません。本書は、機械学習や深層学習の分野から画像認識に重点をおいて、難しい数式をつかわず、図や写真を多用して解説する入門書です。必要な概念、用語、キーワードも網羅的に説明します。
※この商品は固定レイアウトで作成されており、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、文字列のハイライトや検索、辞書の参照、引用などの機能が使用できません。
※この商品は固定レイアウトで作成されており、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、文字列のハイライトや検索、辞書の参照、引用などの機能が使用できません。
- 言語日本語
- 出版社秀和システム
- 発売日2019/6/26
- ファイルサイズ99293 KB
この本はファイルサイズが大きいため、ダウンロードに時間がかかる場合があります。Kindle端末では、この本を3G接続でダウンロードすることができませんので、Wi-Fiネットワークをご利用ください。
- 販売: Amazon Services International LLC
- Kindle 電子書籍リーダーFire タブレットKindle 無料読書アプリ
この本を読んだ購入者はこれも読んでいます
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
出版社より
今すぐ試したい! 機械学習・深層学習(ディープラーニング) 画像認識プログラミングレシピ
私たちの日常生活で、人工知能が普通に使われる時代になりました。スマートフォンの顔認証、自動運転技術、SiriやAlexaのようなAI音声アシスタントなど身近な技術ばかりです。これからは機械学習や深層学習はエンジニアの基本教養となるかもしれません。本書は、機械学習や深層学習の分野から画像認識に重点をおいて、難しい数式をつかわず、図や写真を多用して解説する入門書です。必要な概念、用語、キーワードも網羅的に説明します。
商品の説明
著者について
川島 賢(かわしま けん)
東北大学大学院情報科学研究科応用情報科学修士、株式会社虹賢舎代表取締役
2004年 宮城大学事業構想学部卒業後、仙台のソフトウェア制作会社に入社。人工知能、マルチエージェントプラットフォームの研究開発に従事。マルチエージェントプラットフォーム自動発見システム開発、心電図の無線伝送システムを一人で開発。他もECサイトなどの多数の開発に携わる、在職中修士号取得。
2008年 アクセンチュア株式会社入社
2014年 アクセンチュア卒業
2015年 株式会社虹賢舎創立
現在は、多岐にわたる技術領域に及ぶ多数の中小企業の業務IT化コンサルティング、情報システム、ウェブサービス、スマホアプリの企画、開発を携わっている。またベンチャー企業の技術顧問、相談役、プログラミングインストラクターやセミナー講師などとして幅広く活動している。
技術のブログも運営し、電子工作、IoTから、機械学習、深層学習まで、幅広く精力的に情報を発信している。
東北大学大学院情報科学研究科応用情報科学修士、株式会社虹賢舎代表取締役
2004年 宮城大学事業構想学部卒業後、仙台のソフトウェア制作会社に入社。人工知能、マルチエージェントプラットフォームの研究開発に従事。マルチエージェントプラットフォーム自動発見システム開発、心電図の無線伝送システムを一人で開発。他もECサイトなどの多数の開発に携わる、在職中修士号取得。
2008年 アクセンチュア株式会社入社
2014年 アクセンチュア卒業
2015年 株式会社虹賢舎創立
現在は、多岐にわたる技術領域に及ぶ多数の中小企業の業務IT化コンサルティング、情報システム、ウェブサービス、スマホアプリの企画、開発を携わっている。またベンチャー企業の技術顧問、相談役、プログラミングインストラクターやセミナー講師などとして幅広く活動している。
技術のブログも運営し、電子工作、IoTから、機械学習、深層学習まで、幅広く精力的に情報を発信している。
登録情報
- ASIN : B07VRSLXDJ
- 出版社 : 秀和システム (2019/6/26)
- 発売日 : 2019/6/26
- 言語 : 日本語
- ファイルサイズ : 99293 KB
- Text-to-Speech(テキスト読み上げ機能) : 有効になっていません。
- X-Ray : 有効にされていません
- Word Wise : 有効にされていません
- 付箋メモ : 有効になっていません
- 本の長さ : 466ページ
- Amazon 売れ筋ランキング: - 90,303位Kindleストア (Kindleストアの売れ筋ランキングを見る)
- - 3,268位工学 (Kindleストア)
- - 3,343位コンピュータ・IT (Kindleストア)
- - 6,237位コンピュータ・IT (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
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。
2023年6月4日に日本でレビュー済み
Amazonで購入
構造化データの回帰分類がある程度できるようになった方で画像認識を始めてみようか、という方に
ちょうど良い難易度のレシピ集となっていると思います
バージョンが違うため動かない、誤植なのかこのままでは絶対動けないコード等もありますが
GPTの力を借りれば、すぐ解決するレベルのもので、非常に役に立ちました。
構造化データの回帰分類がある程度できるようになった方で画像認識を始めてみようか、
と何故思ったかを少し以下に補足説明します。
機械学習、AIを使いこなそうとしている方々たくさんいらっしゃると思いますが
おそらく、王道のアプローチは
機械学習を用いて、構造化データ(テーブルデータ)の分類、回帰ができた後で
非構造化データ(画像、テキスト、音声)等をDNN(ディープニューラルネットワーク)を用いて
分類、生成なんだろうと思います
何故ならば、構造化データにおいては統計量、平均、偏差、最大、最小等が意味を持ち、重要な特徴量とそうではない特徴量をある程度、人が判別可能です
非構造化データは、例えば画像データの場合、0から255までの数字の羅列となっています。
この数字と画像が人にはリンクできないため重要な特徴量が何なのか、人には判断できません。
従って構造化データにおける分類、回帰を実施する際、コードを理解できていなくとも、何の処理をしているのか、ある程度理解できます。重回帰やGBDTは元より、SVMでも多少は理解できると思います。
GBDTならば重要度も出力されるため、この重要度が高いのは、おかしいよね、合ってるね、が理解でき、試行錯誤ができます
一方で非構造化データにおけるDNN処理は、何の処理をしているのか人には、ほぼ分かりません
その分コードの記載内容を理解していないと、応用ができず、役立たずの知識になってしまいます
というわけで構造化データを取り扱いできるようになってコードがある程度わかる方であれば
本書の内容はスムーズに理解でき、画像認識の最初の一歩として丁度いい難易度となっていると思いました
ちょうど良い難易度のレシピ集となっていると思います
バージョンが違うため動かない、誤植なのかこのままでは絶対動けないコード等もありますが
GPTの力を借りれば、すぐ解決するレベルのもので、非常に役に立ちました。
構造化データの回帰分類がある程度できるようになった方で画像認識を始めてみようか、
と何故思ったかを少し以下に補足説明します。
機械学習、AIを使いこなそうとしている方々たくさんいらっしゃると思いますが
おそらく、王道のアプローチは
機械学習を用いて、構造化データ(テーブルデータ)の分類、回帰ができた後で
非構造化データ(画像、テキスト、音声)等をDNN(ディープニューラルネットワーク)を用いて
分類、生成なんだろうと思います
何故ならば、構造化データにおいては統計量、平均、偏差、最大、最小等が意味を持ち、重要な特徴量とそうではない特徴量をある程度、人が判別可能です
非構造化データは、例えば画像データの場合、0から255までの数字の羅列となっています。
この数字と画像が人にはリンクできないため重要な特徴量が何なのか、人には判断できません。
従って構造化データにおける分類、回帰を実施する際、コードを理解できていなくとも、何の処理をしているのか、ある程度理解できます。重回帰やGBDTは元より、SVMでも多少は理解できると思います。
GBDTならば重要度も出力されるため、この重要度が高いのは、おかしいよね、合ってるね、が理解でき、試行錯誤ができます
一方で非構造化データにおけるDNN処理は、何の処理をしているのか人には、ほぼ分かりません
その分コードの記載内容を理解していないと、応用ができず、役立たずの知識になってしまいます
というわけで構造化データを取り扱いできるようになってコードがある程度わかる方であれば
本書の内容はスムーズに理解でき、画像認識の最初の一歩として丁度いい難易度となっていると思いました
2021年4月17日に日本でレビュー済み
誤字、文法ミスが多すぎて内容が頭に入ってこない。おすすめしない。編集者は校閲していないのか。
レシピに登場する関数の説明などはほとんどなく、自力で調べられる人向け。総じて、初心者向けの本とは言えない。
レシピに登場する関数の説明などはほとんどなく、自力で調べられる人向け。総じて、初心者向けの本とは言えない。
2021年2月16日に日本でレビュー済み
Amazonで購入
いろんなライブラリ、ツール、デバイスが出てきて、盛沢山の内容でした。コストパフォーマンスが非常に高いと思います。Raspberry piと、これに接続するカメラなどのプログラムもありますが、自分の環境ではうまく動かなかったところがあります。ちょっとだけ、Python以外のプログラミング言語も出てきます。ライブラリのバージョンによって、うまく動かないところがあり、気軽にGPUも使えるので、Google colaboratoryを使って、プログラムを走らせるのがいいと思います。Chainer, PyTorch, Tensorflowも出てきます。機械学習・深層学習の画像認識のとっかかりのための入門書として、満足でした。
2020年5月5日に日本でレビュー済み
Amazonで購入
AIのロジックに関しては数学の近似式(マクローリン展開、フーリエ展開)を応用したようなものだろうと思っていましたが、画像認識に関してはどのようになっているのか知っておきたいと思い、評価をもとに購入しました。画像認識のからくりがわかり、技術の進化(処理速度の向上)があってこそのAIであることが理解でき、参考になりました。初心者向けではないかもしれませんが、比較的わかりやすい良書だと思います。
2021年11月15日に日本でレビュー済み
Amazonで購入
本のラズパイで動かすKerasを使うプログラムはエラーが出て、上手くうごきませんでした。
新しいtensorflow Kerasに対応したプログラムに、アップデートして欲しい。
新しいtensorflow Kerasに対応したプログラムに、アップデートして欲しい。
2019年12月8日に日本でレビュー済み
Amazonで購入
書名のとおり特には画像認識処理に的が絞られていますが、分かりやすい解説がされているのでPython用の深層学習システムの入門書としてお勧めです。
特に畳み込みがどういった計算なのかを具体的な値を使って実際に計算する解説が非常に分かりやすいのでこの部分だけでも読む価値はあるかと思います(p.53以降)。
但し(意味は問題なく通じますが)p.56中段の「行列」が何を指しているのか不明(githubのこの本の誤記の訂正にも特に説明が無いようです)なのと、p.53下段の「行列の掛け算」は普通の行列の積と間違われそうなので言い方を変えた方が良い気がします
畳み込みの計算で行っているのはカーネル(フィルタ)行列と入力データが重なった位置にある要素同士を掛けたものの合計で、この掛け算の仕方は専門用語でアダマール積と言うようです。
ちなみにこの本はChainerが出てくる珍しい本ですが、第2版を出す場合にはPyTorchに書き直す必要がありそうです。
特に畳み込みがどういった計算なのかを具体的な値を使って実際に計算する解説が非常に分かりやすいのでこの部分だけでも読む価値はあるかと思います(p.53以降)。
但し(意味は問題なく通じますが)p.56中段の「行列」が何を指しているのか不明(githubのこの本の誤記の訂正にも特に説明が無いようです)なのと、p.53下段の「行列の掛け算」は普通の行列の積と間違われそうなので言い方を変えた方が良い気がします
畳み込みの計算で行っているのはカーネル(フィルタ)行列と入力データが重なった位置にある要素同士を掛けたものの合計で、この掛け算の仕方は専門用語でアダマール積と言うようです。
ちなみにこの本はChainerが出てくる珍しい本ですが、第2版を出す場合にはPyTorchに書き直す必要がありそうです。
2021年8月31日に日本でレビュー済み
Amazonで購入
超入門ですので、入門書としては良いですが、少し勉強したことがある人にとっては簡単過ぎかも知れません。