この本も副題をよく見てからでないと買ってはいけない本だと思いますが、副題は「時系列データ処理」です。
したがってCNNは一切出てきません(画像処理については練習用画像データセットのMNISTに敢えて時系列処理を適用させてみた例だけです)。
逆にこの本で時系列データとして取り上げているのは自然言語だけです。
結局この本では最後まで「時系列」という言い方になっているようですが、Attentionになると反映される情報は概念的には「時間(時刻)」ではなく「位置」になると理解しているので「時系列」という言い方は必ずしも正しくないと思います。
というかそもそも自然言語が時系列なのかと言えば
当然のことながら言葉によって語順はマチマチなので
そうとも言えない気もします。
結局この本で学んだことは(この本の中身には直接関係しませんが)、少なくとも自然言語については時系列というデータ構造は存在せず、
時系列とは結局は処理の方法に過ぎないのではないか
ということです。
ちなみにこの本でTensorFlow/KerasとPyTorchのコードが併記してあるのは良い点かと思います。
詳解ディープラーニング 第2版 ~TensorFlow/Keras・PyTorchによる時系列データ処理~ (Compass Booksシリーズ) (日本語) 単行本（ソフトカバー） – 2019/11/27
Kindle 端末は必要ありません。無料 Kindle アプリのいずれかをダウンロードすると、スマートフォン、タブレットPCで Kindle 本をお読みいただけます。
-
Apple
-
Android
-
Android
無料アプリを入手するには、Eメールアドレスを入力してください。
１分以内にKindleで 詳解ディープラーニング 第2版 (Compass Books) をお読みいただけます。
Kindle をお持ちでない場合、こちらから購入いただけます。 Kindle 無料アプリのダウンロードはこちら。
Kindle をお持ちでない場合、こちらから購入いただけます。 Kindle 無料アプリのダウンロードはこちら。
無料で使えるブックカバー
好きなデザインを選んで取り付けよう！ 詳しくはこちら。
商品の説明
内容紹介
ディープラーニング実装入門書の決定版!
ニューラルネットワークの理論とディープラーニングの実装について丁寧に解説。実装には、Python(3.x)とディープラーニング向けライブラリKeras(2.x)、TensorFlow(2.x)、PyTorch(1.x)を用います。
本書では、自然言語処理をはじめとした時系列データ処理のためのディープラーニング・アルゴリズムに焦点を当てているのも大きな特徴の1つです。本書の[第1版](2017年)以降に次々と登場している新しい手法やモデルを丁寧に説明、記事も大幅にボリュームアップしました。
[本書の構成]
1章 数学の準備:ニューラルネットワークのアルゴリズムを理解するための数学の知識、偏微分と線形代数の基本を学びます。アルゴリズムが複雑になってもこの2つを押さえておけばきちんと理解できます。
2章 Pythonの準備:ディープラーニングのアルゴリズムを実装するため、Python環境の構築およびPythonの基本から代表的なライブラリの使い方までを解説します。
3章 ニューラルネットワーク:ニューラルネットワークとは何か、どういった手法かを解説します。単純パーセプトロン、ロジスティック回帰、多クラスロジスティック回帰、多層パーセプトロンを扱います。
4章 ディープニューラルネットワーク:ディープラーニングはニューラルネットワークのモデルの発展形です。ニューラルネットワークから「ディープ」ニューラルネットワークになるうえで発生する課題とそれを解決するテクニックについて解説します。
5章 リカレントニューラルネットワーク:ニューラルネットワークに「時間」という概念を取り込むとどのようなモデルになるのか。通常のディープラーニングのモデルではうまく扱うことができない時系列データの扱いに特化したモデルであるリカレントニューラルネットワーク(RNN)とその手法LSTM、GRUについて取り上げます。
6章 リカレントニューラルネットワークの応用:時系列データの扱いに関しては、自然言語処理で新しいモデルが考えられてきました。本章では、Encoder-Decoder、Attention、Transformerについて学んでいきます。
付録 ライブラリ内部の処理を理解するためのグラフの知識と、Pythonのデコレータ @tf.function の実装例、Keras、TensorFlow、PyTorchによるモデルの保存・読み込みについて解説します。
内容（「BOOK」データベースより）
ディープラーニング実装入門書の決定版!Keras 2.x/TensorFlow 2.x、PyTorch 1.x対応。ディープラーニングに関する様々な課題を新たに実装しコードを公開。定式化や実装をより丁寧に記述。本書第1版(2017年)以降に次々と登場している新しい手法や時系列データを扱うモデルの理論および実装など、大幅にボリュームアップ。
著者について
巣籠悠輔(すごもり ゆうすけ):株式会社MICIN CTO、日本ディープラーニング協会 有識者会員。2018年にForbes 30 Under 30 Asia 2018 に選出。著書に『詳解ディープラーニング』、監訳書に『PythonとKeras によるディープラーニング』(マイナビ出版刊)がある。
著者略歴 (「BOOK著者紹介情報」より)
巣籠/悠輔
Google NY支社勤務を経て、現在株式会社情報医療CTO。日本ディープラーニング協会有識者会員。2018年にForbes 30 Under 30 Asia 2018に選出(本データはこの書籍が刊行された当時に掲載されていたものです)
出版社より
|
|
|
|
|
|---|---|---|---|---|
| TensorFlowとKerasで動かしながら学ぶ ディープラーニングの仕組み | つくりながら学ぶ！PyTorchによる発展ディープラーニング | 東京大学のデータサイエンティスト育成講座 | やさしく学ぶ ディープラーニングがわかる数学のきほん | |
| ディープラーニングを学ぶなら、「仕組み」も「プログラム」もしっかり解説している本書から！ | ディープラーニングの発展・応用手法を実装しながら学ぼう！ | 東大 松尾研究室が提供するあの人気講座が待望の書籍化！ | 数学がニガテでも大丈夫！ 今度はディープラーニングをやさしく学ぼう |
登録情報
|