内容

目次

はじめに Part1 基礎編 Chapter1 イントロダクション 1-1 本書について 1-2 人工知能機械学習ディープラーニングの違い 1-2-1 人工知能（AI） 1-2-2 機械学習 1-2-3 ディープラーニング 1-3 訓練と推論 1-3-1 訓練 1-3-2 推論 Column よくある落とし穴 1-4 機械学習システムの開発フロー 1-4-1 企画・ヒアリング 1-4-2 環境構築 1-4-3 前処理・構造化 1-4-4 モデル構築（機械学習） Column 実際の現場での機械学習の導入手順 1-4-5 仮運用・検証 1-4-6 システム統合 1-4-7 本章のまとめ Chapter2 Pythonのインストールと基礎 2-1 Pythonのインストール 2-1-1 Windowsの場合 2-1-2 macOSの場合 Column Homebrewとpipは何が違うの？ 2-2 Jupyter Notebook Column Jupyter Notebookで文章や数式を書く Column Visual Studio Codeをインストールしておこう 2-3 Pythonの基礎 2-3-1 プログラミングの基礎 2-3-2 クラスとインスタンス 2-3-3 データの扱い方 2-3-4 複合データの扱い方 2-3-5 データの処理 2-3-6 条件分岐（if文） 2-3-7 繰り返し（for 文） 2-3-8 関数 2-3-9 クラス 2-3-10 プログラムの管理 Chapter3 機械学習を活用するための基礎知識 3-1 データ解析の基礎 3-1-1 NumPy 3-1-2 Pandas 3-1-3 Matplotlib 3-2 機械学習の基礎 3-2-1 scikit-learn 3-2-2 データセットの準備 3-2-3 モデルの訓練 3-2-4 モデルの検証 3-2-5 再現性を高めるための工夫 3-2-6 訓練済みモデルの保存 3-3 データ収集 3-3-1 icrawler 3-3-2 Selenium 3-4 データベース 3-4-1 SQLite 3-4-2 PostgreSQL 3-4-3 ipython-sql 3-4-4 SQLAlchemy 3-5 Webアプリケーション 3-5-1 WebサイトとWebアプリケーションの違い 3-5-2 Webアプリケーションの基本 3-5-3 Flask 3-5-4 推論用API 3-6 Git 3-6-1 Gitの全体像 3-7 デプロイ 3-7-1 IaaS 3-7-2 PaaS 3-7-3 Heroku 3-8 Dockerによる仮想環境構築 3-8-1 Dockerの基礎 3-8-2 コンテナの操作 3-8-3 Dockerfile 3-9 クラウド 3-9-1 Microsoft Azure Part2 実践編 Chapter4 Docker Composeを利用した機械学習システム構築 4-1 本章について 4-1-1 本章のゴール 4-1-2 対象とする読者 4-2 データ分析基盤の構築 4-2-1 必要とされるサーバー機能 4-2-2 Docker Composeを利用したシステム基盤の構築 4-2-3 Docker Composeを用いた環境構築 4-2-4 DBコンテナの確認 4-2-5 分析コンテナの確認 4-2-6 コンテナの停止 4-2-7 本節のまとめ 4-3 クラスタリング 4-3-1 クラスタリングとは 4-3-2 データの理解 4-3-3 クラスタリングの実行と確認 4-4 データ分析と結果の保存 4-4-1 環境構築 Column テーブル定義を変更したら 4-4-2 データ投入 4-4-3 分析の実行 Column エルボー法 4-4-4 分析結果の保存 4-4-5 本章のまとめ Chapter5 画像データを用いた教師あり学習アプリ構築 5-1 本章について 5-1-1 本章で作成するアプリ 5-2 データ収集 5-2-1 実装の概要 5-2-2 データ収集スクリプトの実装 5-2-3 データ収集スクリプトの実行 5-2-4 本節のまとめ 5-3 モデル構築 5-3-1 Custom Vision Serviceについて 5-3-2 モデル構築の準備 5-3-3 モデル構築 5-3-4 モデルの精度確認 5-3-5 データ選別 Column 泥臭い前処理 5-3-6 モデル再構築 5-3-7 検証用スクリプトの実装 5-3-8 検証用スクリプトの実行 5-3-9 本節のまとめ 5-4 アプリ作成 5-4-1 ページ遷移とプロジェクト構成 5-4-2 共通部の実装 5-4-3 トップページの実装 Column どこまでを機械学習に委ねるか 5-4-4 アップロード画像表示ページの実装 5-4-5 データベース処理の実装 5-4-6 分類結果表示ページの実装 5-4-7 本節のまとめ 5-5 デプロイ 5-5-1 デプロイ前の準備 5-5-2 デプロイ 5-5-3 本章のまとめ Chapter6 文書分類、文書要約を用いたBot構築 6-1 本章について 6-1-1 本章の概要、目的 6-1-2 システムを作成するきっかけ 6-1-3 システムの概要 6-1-4 使用する主要なパッケージ 6-2 自然言語処理の基礎 6-2-1 Janomeを使った形態素解析 6-2-2 gensimを使ったトピック分析 6-2-3 Summpyを使った文章要約 6-3 文書分類 6-3-1 データセットを用意する 6-3-2 前処理 6-3-3 モデル構築 6-4 システム構築 6-4-1 Webスクレイピング 6-4-2 Slackとの連携 6-4-3 文書要約 6-4-4 Herokuで定期実行 Chapter7 SNSを用いた自然言語収集基盤構築とアプリ構築 7-1 本章について 7-1-1 本章で作成するアプリ 7-2 統合認証プラットフォーム「Auth0」について 7-2-1 認証プロトコル「OAuth2.0」 7-2-2 統合認証プラットフォーム Auth0 7-3 Instagram Graph API連携のための準備 7-3-1 Instagram Graph APIの概要 7-3-2 Hashtag Search APIを利用する準備について 7-3-3 Facebookにアプリを登録する 7-3-4 Auth0とFacebookを連携する Column Facebookのアクセストークンについて 7-4 Instagram Graph APIからデータを取得する 7-4-1 Instagram Graph APIからデータを取得するための準備 7-4-2 Instagram Graph APIからデータを取得する 7-4-3 本節のまとめ 7-5 Text Analyticsを用いたネガポジ判定の実装 7-5-1 Text Analyticsの概要 7-5-2 Text Analytics API利用のための準備 7-5-3 Text Analytics APIを使って、ネガポジ判定を行う 7-5-4 本節のまとめ 7-6 アプリケーション作成デプロイ 7-6-1 作成するアプリケーションの詳細 Column HTML/CSS/JSをなるべく書かずにUI画面を作成する方法 7-6-2 アプリをローカル環境で実行する準備 Column Pythonテンプレートエンジンjinja2 7-6-3 ローカルURLの登録 Column Auth0 Lock 7-6-4 アプリをHerokuで実行する 7-6-5 本章のまとめ