APIではじめるディープラーニング・アプリケーション開発 Google Cloud API活用入門ディープラーニング・ 本書は、API(Application Programming Interface、 第1部でAPIおよびディープラーニングの原理と全体像を解説し これからのエンジニアにとって必須の知識を、 第1部 APIとは? ディープラーニングとは? 1章 APIの原理 1-1 インタフェース 1-2 アプリケーション 1-3 プログラミング 1-4 APIのまとめ 2章 ディープラーニングの原理 2-1 グーグル猫 2-2 論文「大規模な教師なし学習を用いた高水準な機能の構築」の概要 2-3 特徴検出器をラベルなしのデータのみから構築する 2-4 基本をおさえる 2-5 ニューラルネットワークモデル 2-6 9層の10億接続されたモデル 2-7 プーリングと局所コントラスト正規化 2-8 スパースオートエンコーダ 2-9 誤差関数 2-10 正則化項を加えたオートエンコーダ 2-11 過学習 2-12 確率的勾配降下法 2-13 学習フェーズと認識フェーズ 2-14 ディープラーニングのまとめ 3章 ディープラーニングのしくみ・基礎 3-1 ディープラーニング開発ワークフロー 3-2 学習データの収集 3-3 ニューラルネットワークモデル設計・育成 3-4 APIによるディープラーニングのまとめ 第2部 API呼び出しのポイント 1章 APIを呼び出す環境を構築しよう 1-1 インターネット上に公開されているAPIとは 1-2 Python を用いたAPIの呼び出し 1-3 Java を用いたAPIの呼び出し 1-4 JavaScriptを用いたAPIの呼び出し 2章 いますぐ使えるAPI:利用可能なクラウドサービス 2-1 APIの種類 2-2 画像・動画解析のAPIでできること 2-3 テキスト解析のAPIでできること 2-4 音声解析のAPIでできること 第3部 いますぐできる2つの活用シーン シーン1 テスト採点の自動化:分析情報抽出APIの活用 Step 1 プログラム(答案用紙画像取り込み) Step 2 プログラム(分析情報抽出APIの呼び出し) Step 3 プログラム(API実行結果の解析) Step 4 プログラム(Excelファイルに書き込み) Step 5 実行用のJARファイルをつくって実行 シーン2 会話による健康管理サポート:音声操作アプリケーションの活用 Step 1 Actionsプロジェクトの作成 Step 2 Dialogflowエージェントの作成 Step 3 会話設計 Step 4 会話の実装①(起動時のメッセージ) Step 5 会話の実装②(聞き取る内容の登録) Step 6 会話の実装③(聞き取った内容からの情報抽出) Step 7 会話の実装④(聞き取った内容への応答) Step 8 会話の実装⑤(聞き取る内容パターンの追加) Step 9 会話の実装⑥(Entityのカスタマイズ) Step 10 会話の実装⑦(終了時のメッセージ) Step 11 Firebaseプロジェクトの作成 Step 12 Node.js設定ファイルの作成 Step 13 会話パラメータの取得 Step 14 データベースの作成 Step 15 食事内容のデータベースへの保存 Step 16 プログラムのアップロード Step 17 Fulfillment処理の登録 Step 18 テスト実行 COLUMN 《ネコの寄り道》フレームワークとライブラリの違い 《ネコの寄り道》 《ネコの寄り道》量子コンピュータ? JSON形式とJSONP形式 Javaプロジェクトのインポート手順 スマートフォンからのテスト実行 Firebaseプロジェクトのファイル構成 保存場所の手動作成方法 Dialogflowエージェントのインポート手順 |
目次
23 テキスト解析のAPIでできること | 86 |
24 音声解析のAPIでできること | 87 |
第3部いますぐできる2つの活用シーン | 89 |
分析情報抽出APIの活用 | 90 |
Step1 プログラム答案用紙画像取り込み | 115 |
Step2 プログラム分析情報抽出APIの呼び出し | 117 |
Step3 プログラムAPI実行結果の解析 | 122 |
Step4 プログラムExcelファイルに書き込み | 125 |
24 基本をおさえる | 15 |
25 ニューラルネットワークモデル | 16 |
26 9層の10億接続されたモデル | 19 |
27 プーリングと局所コントラスト正規化 | 20 |
28 スパースオートエンコーダ | 25 |
29 誤差関数 | 27 |
210 正則化項を加えたオートエンコーダ | 28 |
211 過学習 | 29 |
212 確率的勾配降下法 | 30 |
213 学習フェーズと認識フェーズ | 31 |
214 ディープラーニングのまとめ | 33 |
3章ディープラーニングのしくみ基礎 | 34 |
32 学習データの収集 | 35 |
33 ニューラルネットワークモデル設計育成 | 36 |
34 APIによるディープラーニングのまとめ | 38 |
第2部 API呼び出しのポイント | 49 |
1章 APIを呼び出す環境を構築しよう | 50 |
12 Pythonを用いたAPIの呼び出し | 56 |
13 Javaを用いたAPIの呼び出し | 63 |
14 JavaScriptを用いたAPIの呼び出し | 79 |
利用可能なクラウドサービス | 82 |
22 画像動画解析のAPIでできること | 84 |
Step5 実行用のJARファイルをつくって実行 | 129 |
音声操作アプリケーションの活用 | 136 |
Step1 Actionsプロジェクトの作成 | 146 |
Step2 Dialogflowエージェントの作成 | 147 |
Step3 会話設計 | 149 |
Step4 会話の実装1起動時のメッセージ | 150 |
Step5 会話の実装2聞き取る内容の登録 | 151 |
Step6 会話の実装3聞き取った内容からの情報抽出 | 152 |
Step7 会話の実装4聞き取った内容への応答 | 153 |
Step8 会話の実装5聞き取る内容パターンの追加 | 154 |
Step9 会話の実装6Entityのカスタマイズ | 156 |
Step10 会話の実装7終了時のメッセージ | 158 |
Step11 Firebaseプロジェクトの作成 | 159 |
Step12 Nodejs設定ファイルの作成 | 163 |
Step13 会話パラメータの取得 | 164 |
Step14 データベースの作成 | 166 |
Step15 食事内容のデータベースへの保存 | 168 |
Step16 プログラムのアップロード | 170 |
Step17 Fulfillment処理の登録 | 173 |
Step18 テスト実行 | 174 |
索引 | 181 |
奥付 | 183 |