著者紹介

内容

目次

■第1章　ディープラーニングの基礎知識 第1章のはじめに 1.1　環境準備 1.1.1　Colaboratoryの使い方 1.1.2　サンプルコードのダウンロード 1.1.3　Colaboratoryのランタイムについて 1.2　分類モデルの仕組みと実装 1.2.1　線形多項分類器の仕組み 1.2.2　多層ニューラルネットワークへの拡張 1.3畳み込みニューラルネットワークによる画像分類 1.3.1　畳み込みフィルターによる特徴量の抽出 1.3.2　畳み込みフィルターの多段構成 ■第2章　変分オートエンコーダによる画像生成 第2章のはじめに 2.1　変分オートエンコーダの仕組み 2.1.1　オートエンコーダと潜在空間 2.1.2　転置畳み込みフィルターによる画像生成 2.1.3　変分オートエンコーダへの拡張 2.2　ラベルデータを活用した拡張 2.2.1　マルチタスク学習 2.2.2　条件付き変分オートエンコーダ ■第3章　LSTMによる自然言語処理 第3章のはじめに 3.1　LSTMによるテキスト分類 3.1.1　RNNの考え方とLSTMの仕組み 3.1.2　LSTMの利用方法 3.1.3　双方向LSTMによるテキスト分類モデル 3.2　LSTMによるテキスト生成 3.2.1　LSTMによる単語予測モデル 3.2.2　LSTMによるテキスト生成 ■第4章　トランスフォーマーによる自然言語処理 第4章のはじめに 4.1　トランスフォーマーによる自然言語処理 4.1.1　トランスフォーマーの仕組み 4.1.2　トランスフォーマーとRNNの比較 4.2　トランスフォーマーによるテキスト分類 4.2.1　トランスフォーマーの構成要素の実装 4.2.2　トランスフォーマーによるテキスト分類モデル 4.3　トランスフォーマーによるテキスト生成 4.3.1　トランスフォーマーによる単語予測モデル 4.3.2　トランスフォーマーによるテキスト生成 ■第5章　拡散モデルの仕組み 第5章のはじめに 5.1　DCGANの仕組み 5.1.1　DCGANの学習プロセス概要 5.1.2　DCGANによる画像生成モデル 5.2　拡散モデルの仕組み 5.2.1　データ分布の変換機能 5.2.2　拡散モデルの考え方 5.2.3　拡散モデルの実装 5.3　VQ-VAEの仕組み 5.3.1　VQ-VAEの潜在空間 5.3.2　VQ-VAEの学習例 ■第6章　マルチモーダルモデルの実現 第6章のはじめに 6.1　自然言語テキストによる画像生成 6.1.1　テキストエンコーダによる意味の抽出 6.1.2　大規模言語モデルによる品質向上 6.2　マルチモーダルモデルの実現