4 書籍による人工知能の学習

 詳しい内容は、実際の書籍をご覧ください。

 こちらでは、各章の大目次と、関連用語の紹介をしています。各章にリンクが貼ってありますので参考にしてください。

※ 書籍の著作権等を考慮して、上記のように変更を行いました。

 

書籍1 Python で学ぶディープラーニングの理論と実装

 【1章 Python入門
 2章 パーセプトロン 
 3章】 ニューラルネットワーク
 4章】 ニューラルネットワークの学習
 5章】 誤差逆伝播法
 6章】 学習テクニック 
 7章】 畳み込みニューラルネットワーク
 8章】 ディープラーニング 

 

書籍2 自然言語編

 1章】 ニューラルネットワークの復習
 2章】 自然言語と単語の分散表現
 3章】 word2vec
 【4章】 word2vecの高速化
 【5章】 リカレントニューラルネットワーク
 【6章】 ゲート付き RNN
 【7章】 RNNによる文章生成
 【8章】 Attention

 

書籍3 フレームワーク編

 今回のフレームワーク編は、構成が前の2つの書籍とは全く異なります。リンク先の内容は、当座は、ステップの項目名だけに留めたいと思います。書籍の内容から、プログラミング主体の学習になるからです。

ステージ1
 微分を自動で求める ステップ[1~10]
 コラム:自動微分
ステージ2
 自然なコードで表現する ステップ[11~24]
 コラム:Define-by-Run
ステージ3
 高階微分を実現する ステップ[25~36]
 コラム:ニュートン法とDuble backprop の補足
ステージ4
 ニューラルネットワークを作る ステップ[37~51]
 コラム:ディープラーニングのフレームワーク
ステージ5
 DeZero で挑む ステップ[52~60]
 コラム:これから先

【付録】
A インプレース演算(ステップ14の補足)
B get_item 関数の実装(ステップ47の補足)
C Google Colaboratory で動かす

 

書籍4 scikit-learn、Keras、TensorFlow による 実践機械学習(第2版

第Ⅰ部 機械学習の基礎

【第1章】 機械学習の現状
【第2章】 エンドツーエンドの機械学習プロジェクト
【第3章】 分類
【第4章】 モデルの訓練
【第5章】 サポートベクトルマシン(SVM)
【第6章】 決定木
【第7章】 アンサンブル学習とランダムフォレスト
【第8章】 次元削減
【第9章】 教師なし学習のテクニック

第Ⅱ部 ニューラルネットワークと深層学習

【第10章】 人工ニューラルネットワークと Keras の初歩
【第11章】 深層ニューラルネットワークの訓練
【第12章】 TensorFlow で作るカスタムモデルとその訓練
【第13章】 TensorFlow によるデータのロードと前処理
【第14章】 畳み込みニューラルネットワークを使った深層コンピュータビジョン
【第15章】 RNN と CNN を使ったシーケンスの処理
【第16章】 RNN と注意機構による自然言語処理
【第17章】 オートエンコーダと GAN を使った表現学習と生成型学習
【第18章】 強化学習
【第19章】 大規模な TensorFlow モデルの訓練とデプロイ

付録

【付録A】 演習問題の解答
【付録B】 機械学習プロジェクトチェックリスト
【付録C】 SVM 双対問題
【付録D】 自動微分
【付録E】 その他の広く知られている ANN アーキテクチャ
【付録F】 特殊なデータ型
【付録G】 TensorFlow グラフ

 

更新日:

Copyright© 深層・機械学習/人工知能学習の記録 , 2024 All Rights Reserved Powered by STINGER.