内容

目次

Part 1　機械学習に必要なもの 1章 機械学習の旅 1.1　機械学習の基礎 1.2　データ表現と特徴 1.3　距離の測定方法 1.4　学習のタイプ 1.5　TensorFlow 1.6　今後の章の概要 1.7　まとめ 2章 TensorFlow の必需品 2.1　TensorFlow の動作を保証する 2.2　テンソルを表す 2.3　演算子の作成 2.4　セッションでの演算子の実行 2.5　Jupyter でのコードの記述 2.6　変数の使用 2.7　変数の保存と読み込み 2.8　TensorBoard を使用したデータの視覚化 2.9 まとめ Part 2　主要な学習アルゴリズム 3章 線形回帰とその先 3.1　公式表記法 3.2　線形回帰 3.3　多項式モデル 3.4　正則化 3.5　線形回帰の活用 3.6　まとめ 4章 クラス分類の簡単な紹介 4.1　正式記法 4.2　性能の測定 4.3　分類に線形回帰を使用する 4.4　ロジスティック回帰の使用 4.5　マルチクラス分類器 4.6　分類の活用 4.7　まとめ 5章 自動的にデータをクラスタリング 5.1　TensorFlow でのファイルの走査 5.2　音声からの特徴抽出 5.3　K 平均クラスタリング 5.4　音声のセグメンテーション 5.5　自己組織化マップを使用したクラスタリング 5.6　クラスタリングの活用 5.7　まとめ 6章 隠れマルコフモデル 6.1　解釈不可能なモデルの例 6.2　マルコフモデル 6.3　隠れマルコフモデル 6.4　前向きアルゴリズム 6.5　ビタビ復号 6.6　隠れマルコフモデルの使用 6.7　隠れマルコフモデルの活用 6.8　まとめ Part 3　ニューラルネットワークの実例 7章 自動エンコーダの中身 7.1　ニューラルネットワーク 7.2　自動エンコーダ 7.3　バッチ訓練 7.4　画像を用いて作業する 7.5　自動エンコーダの応用 7.6　まとめ 8章 強化学習 8.1　正式な概念 8.2　強化学習の適用 8.3　強化学習の実装 8.4　他の強化学習アプリケーションの探求 8.5　まとめ 9章 畳み込みニューラルネットワーク 9.1　ニューラルネットワークの欠点 9.2　畳み込みニューラルネットワーク 9.3　画像の準備 9.4　TensorFlow における畳み込みニューラルネットワークの実装 9.5　パフォーマンスを向上させるためのヒント 9.6　畳み込みニューラルネットワークの応用 9.7　まとめ 10章 再帰型ニューラルネットワーク 10.1　文脈の情報 10.2　再帰型ニューラルネットワークの紹介 10.3　再帰型ニューラルネットワークの実装 10.4　時系列データの予測モデル 10.5　再帰型ニューラルネットワークの応用 10.6　まとめ 11章 シーケンス変換モデルを用いたチャットボット 11.1　分類器とRNN の構築 11.2　 Seq2seq の仕組み 11.3　記号のベクトル表現 11.4　実装の仕上げ 11.5　対話データの収集 11.6　まとめ 12章 効用の特徴と活用 12.1　嗜好モデル 12.2　画像埋め込み 12.3　画像の順位付け 12.4　まとめ 12.5　次にすべきことは？ 付録 インストール ・Docker を使用したTensorFlow のインストール ・Matplotlib のインストール 索引