動かしながら学ぶ PyTorchプログラミング入門

前表紙
株式会社 オーム社, 2020/11/20 - 256 ページ

手を動かして学ぶ!!

「手を動かしアプリを動かしながら学ぶ」をコンセプトにしたPyTorchの入門書です。「解説」と「コード作成」を柱とした構成で、主な特徴は次の通りです。

・最低限の知識でアプリ開発までを実現できる。

・実用性のあるアプリを作りながら学ぶ。

・実用性のあるアプリにより学習モチベーションが上がる。

「株価の予測」「画像分類」「感情分析」アプリを開発します。アプリづくりの面白さを通し、読者に楽しみながらPyTorchを学んでいただくものです。


このような方におすすめ

コーディングしながら動かして学びたいプログラミング初心者

これからPyTorchを触ってみたいプログラマー

実際に動かしてAIを学びたいノンプログラマー


主要目次

Chapter1 スタートアップ

Chapter2 PyTorch の基本

Chapter3 ニューラルネットワークの基本

Chapter4 畳み込みニューラルネットワーク 〜画像分類プログラムを作る〜

Chapter5 再帰型ニューラルネットワーク(時系列データの予測) 〜株価予測プログラムを作る〜

Chapter6 再帰型ニューラルネットワーク(テキストデータの分類) 〜映画レビューの感情分析プログラムを作る

 

レビュー - レビューを書く

レビューが見つかりませんでした。

目次

1 PyTorchについて
2
21 自身のPCを使用する場合
3
22 Google Colaboratoryを使用する場合
6
Chapter2 PyTorchの基本
23
1 テンソルTensor
24
11 Tensorの生成
25
12 Tensorとndarrayの変換
28
13 Tensorの操作
29
41 SuperResolution Convolutional Neural NetworkSRCNN
120
42 画像データの準備Labeled Faces in the Wild
121
43 前準備パッケージのインポート
123
45 ニューラルネットワークの定義
129
46 損失関数と最適化関数の定義
130
Column PSNRとSSIMについて
135
48 結果の可視化
136
Chapter5 再帰型ニューラルネットワーク時系列データの予測株価予測プログラムを作る
141

14 Tensorの演算
30
2 自動微分AUTOGRAD
32
3 ニューラルネットワークの定義
34
31 nnSequentialを使う方法
35
32 自作のクラスを使う方法
36
33 GPUを使う場合
37
41 バイナリ交差エントロピー損失nnBCELoss
38
42 ロジット付きバイナリ交差エントロピー損失nnBCEWithLogitsLoss
40
43 ソフトマックス交差エントロピー損失nnCrossEntropyLoss
41
44 平均二乗誤差損失nnMSELoss
42
45 平均絶対誤差損失nnL1Loss
43
5 最適化関数
44
Chapter3 ニューラルネットワークの基本
49
1 ニューラルネットワークについて
50
2 アヤメの分類サンプルコード
52
21 アヤメIrisデータセット
53
22 前準備パッケージのインポート
59
23 訓練データとテストデータの用意
60
24 ニューラルネットワークの定義
62
25 損失関数と最適化関数の定義
64
27 結果の可視化
69
28 新たにテスト用のデータセットを用意して推定したい場合
70
3 糖尿病の予後予測サンプルコード
72
Column 機械学習が対象とする課題
73
31 糖尿病Diabetesデータセット
74
32 前準備パッケージのインポート
78
33 訓練データとテストデータの用意
79
34 ニューラルネットワークの定義
80
35 損失関数と最適化関数の定義
82
37 結果の可視化
85
Chapter4 畳み込みニューラルネットワーク画像分類プログラムを作る
89
1 畳み込みニューラルネットワークについて
90
11 畳み込み層Convolutional Layer
91
12 プーリング層Pooling Layer
92
2 CIFAR10データセットの画像分類サンプルコード
93
21 前準備パッケージのインポート
94
23 ニューラルネットワークの定義
97
24 損失関数と最適化関数の定義
100
26 結果の可視化
104
3 CIFAR10データセットの転移学習サンプルコード
107
31 前準備パッケージのインポート
108
32 訓練データとテストデータの用意
109
33 学習済みのニューラルネットワークの読み込み
110
34 損失関数と最適化関数の定義
113
36 結果の可視化
117
4 画像の高解像度化サンプルコード
118
1 再帰型ニューラルネットワークについて
142
2 株価予測サンプルコード
144
21 前準備パッケージのインポート
145
22 訓練データとテストデータの用意
146
23 ニューラルネットワークの定義
152
24 損失関数と最適化関数の定義
154
26 結果の可視化
157
27 テストデータに対する予測の評価
158
3 Webアプリケーションの組み込みサンプルコード
161
31 Flaskのインストール
162
33 ファイルの中身
163
34 実行
176
Chapter6 再帰型ニューラルネットワークテキストデータの分類映画レビューの感情分析プログラムを作る
179
1 ディープラーニングを用いた感情分析
180
2 感情分析の基本サンプルコード
181
22 前準備パッケージのインポート
182
23 訓練データとテストデータの用意
183
24 ニューラルネットワークの定義
187
25 損失関数と最適化関数の定義
189
26 学習
190
27 結果の可視化
193
3 感情分析の応用サンプルコード
194
31 前準備パッケージのインポート
195
33 ニューラルネットワークの定義
199
34 損失関数と最適化関数の定義
205
36 結果の可視化
208
37 新しいレビューに対する感情分析
209
4 感情分析の高速化サンプルコード
210
41 fastText
211
42 前準備パッケージのインポート
213
43 訓練データとテストデータの用意
214
44 ニューラルネットワークの定義
217
45 損失関数と最適化関数の定義
221
46 学習
222
47 結果の可視化
225
48 新しいレビューに対する感情分析
226
5 CNNを用いた感情分析サンプルコード
227
51 前準備パッケージのインポート
228
52 訓練データとテストデータの用意
229
53 ニューラルネットワークの定義
231
54 損失関数と最適化関数の定義
237
56 結果の可視化
241
index
244
奥付
247
著作権

著者について (2020)

斎藤勇哉(さいとう ゆうや)

順天堂大学医学部 大学院医学研究科 放射線診断学講座 研究補助員

首都大学東京大学院 人間健康科学研究科 放射線科学域 卒

JDLA Deep Learning for GENERAL 2020 #2 合格者

日本磁気共鳴医学会、国際磁気共鳴医学会ISMRM 会員

脳MRI 画像解析が専門であり、テーマは速読時の脳神経活動や脳神経変性疾患の機序解明。

医療用人工知能の開発・研究にも力を入れており毎年、国内外の学会で研究成果を発表。

ロンドン大学やメルボルン大学と共同研究をしており、現在論文を執筆中。

医療分野に関わらず、自然言語処理・スクレイピング・データ分析・Web アプリ開発を得意とし、企業や他大学の研究を支援。

目標は、新たなものを生み出し、生活を豊かにするだけでなく、他者の感動・情熱を引き出すこと。

主な使用言語は、Python、Shell Script、MATLAB、HTML、CSS

書誌情報