こちらでは、人工知能のプログラミングにおいて、重要なことがらについて触れていきたいと思います。
当座は、書籍で用いられる「プログラム・データセット」「クラス・メソッド」「関数・ライブラリ」の名称を提示するに留めたいと思います。なお、必要に応じて Python の関数名も表記したいと思います。
終了していない部分は、薄紫色になっています。
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（省略）
【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による文書生成
【８章】 Ａｔｔｅｎｔｉｏｎ
書籍３ フレームワーク編
書籍３については、ステージ１を除き、記事を書いていません。
【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 |