Pythonで機械学習入門 深層学習から敵対的生成ネットワークまで

前表紙
株式会社 オーム社, 2019/05/30 - 416 ページ

ストーリーでPythonと機械学習がわかる!!

『機械学習入門―ボルツマン機械学習から深層学習まで―』、『ベイズ推定入門 モデル選択からベイズ最適化まで』につづく、お妃さまシリーズの第3弾を刊行するものです。Pythonの学習を主軸としたものであり、機械学習を実践したくなった人、およびカジュアルでわかりやすいPython入門本を探している人をターゲットとします。Pythonのコードとコードの説明をイラストでわかりやすく解説します。現在注目されているGAN(敵対的生成ネットワーク)についても解説。

第1章 魔法の鏡との出会い

1-1 不思議な言葉Python語?

1-2 古代文明と魔法の鏡

1-3 深い森の中で

1-4 魔法の儀式

1-5 乱数を発生させる

1-6 結果の図示

1-7 2種類の異なるデータ

お妃様の勉強ノート1「2つの種類のデータを用意する」

第2章 機械学習の発見

2-1 ニューラルネットワークの構築

2-2 ニューラルネットワークの学習

2-3 修行の成果を見てみよう

2-4 ニューラルネットワークの限界?

お妃様の勉強ノート2「ニューラルネットワークを作る」

第3章 思い出のアヤメ

3-1 アヤメのデータを読み込む

3-2 アヤメのデータを識別しよう

3-3 ニューラルネットワークが目覚めるとき

3-4 非線形変換のせいで硬い?

3-5 学習の停滞期

お妃様の勉強ノート3「アヤメの識別」

第4章 画像データを学んでみよう

4-1 手書き文字認識

4-2 現代の小人たち

4-3 自作魔法をまとめよう

4-4 ファッション識別に挑戦

お妃様の勉強ノート4「自作関数にまとめたニューラルネットワーク」

第5章 未来を予測する

5-1 識別から回帰へ

5-2 どんな非線形変換が良いのか?

5-3 深いニューラルネットワーク

5-4 時系列解析に挑戦

5-5 取引データの予測

お妃様の勉強ノート5「株価予測をするニューラルネットワーク」

第6章 深層学習の秘密

6-1 一般物体認識への挑戦

6-2 畳み込みニューラルネットワーク

6-3 確率勾配法の出番

6-4 さらに深いネットワークを作るために

6-5 汎化性能を引き上げるための工夫

6-6 便利なニューラルネットワークを構築する

6-7 畳み込みニューラルネットワークの逆?

お妃様の勉強ノート6「畳み込みニューラルネットワーク」

第7章 敵対的生成ネットワーク

7-1 自分のデータセットを用意する

7-2 偽物を作る生成ネットワーク

7-3 白雪姫との別れ

7-4 お妃様との出会い

王宮の図書館の推薦図書(参考文献)

白雪姫が最後にかけた魔法の言葉

あとがき

索引

 

目次

お妃様の勉強ノート4自作関数にまとめたニューラルネットワーク
155
第5章未来を予測する
161
51 識別から回帰へ
162
52 どんな非線形変換が良いのか?
176
53 深いニューラルネットワーク
183
54 時系列解析に挑戦
189
55 取引データの予測
199
お妃様の勉強ノート5株価予測をするニューラルネットワーク
209

お妃様の勉強ノート12つの種類のデータを用意する
32
第2章機械学習の発見
35
21 ニューラルネットワークの構築
36
22 ニューラルネットワークの学習
47
23 修行の成果を見てみよう
55
24 ニューラルネットワークの限界?
60
お妃様の勉強ノート2ニューラルネットワークを作る
65
第3章思い出のアヤメ
71
31 アヤメのデータを読み込む
72
32 アヤメのデータを識別しよう
78
33 ニューラルネットワークが目覚めるとき
90
34 非線形変換のせいで硬い?
96
35 学習の停滞期
102
お妃様の勉強ノート3アヤメの識別
109
第4章画像データを学んでみよう
115
41 手書き文字認識
116
42 現代の小人たち
135
43 自作魔法をまとめよう
142
44 ファッション識別に挑戦
147
第6章深層学習の秘密
217
61 一般物体認識への挑戦
218
62 畳み込みニューラルネットワーク
224
63 確率勾配法の出番
232
64 さらに深いネットワークを作るために
241
65 汎化性能を引き上げるための工夫
248
66 便利なニューラルネットワークを構築する
263
67 畳み込みニューラルネットワークの逆?
274
お妃様の勉強ノート6畳み込みニューラルネットワーク
284
第7章敵対的生成ネットワーク
293
71 自分のデータセットを用意する
294
72 偽物を作る生成ネットワーク
322
73 白雪姫との別れ
350
74 お妃様との出会い
356
王宮の図書館の推薦図書参考文献
361
白雪姫が最後にかけた魔法の言葉
366
あとがき
386
索引
388
奥付
395

多く使われている語句

acc_test acc_train batch batch_size Chain(**layers chainer import chainer import Variable,Chain,config chainer import Variable,Chain,config,cuda chainer.datasets as ds chainer.functions as F chainer.optimizers as Opt Chapter2.ipynb Chapter3.ipynb Chapter4-fashion_MNIST.ipynb Chapter4-MNIST.ipynb Chapter5-stock.ipynb Chapter5-time.ipynb Chapter6-CIFAR.ipynb Chapter7-GAN.ipynb Chapter7-princess_princess.ipynb con.concat_examples(test con.concat_examples(train conda config.train data datasets def __init__(self def model(x ds.TransformDataset(batch Dtrain F import chainer.links F.relu F.relu(h False ytest GPGPU import chainer.dataset.convert import chainer.datasets import numpy import princess jupyter notebook L.BatchNormalization(H1 layers layers["bnorm1 layers["cnn3 loss function loss_test loss_train loss_train.backward matplotlib matplotlib.pyplot as plt MNIST model(data[1 MomentumSGD nepoch NN.bnorm1(h np import matplotlib.pyplot np.random.permutation(range(D np.random.randint(2 numpy as np Opt import chainer.functions Opt.MomentumSGD optNN optNN.setup(NN optNN.update pip install plt import chainer.optimizers plt.axis("off plt.plot(range(Tall plt.show plt.xlabel("step princess as ohm princess.py pyplot Python range(T self.bn step","loss super().__init__(**layers tdata test_acc test_loss train_acc train_iter train_iter.epoch train_iter.next train_loss train_loss,test_loss,train_acc,test_acc True optNN.target.cleargrads True optNN.target.zerograds xdata xdata[index[0:Dtrain xdata[index[Dtrain:D xtest xtest,ttest xtrain,ttrain xtrain.shape ydata から すごい に追加 を変更 日目 星座 続き 調査 魔法の言葉:最適化手法の設定

書誌情報