書籍概要

Software Design別冊

やってみよう！ 機械学習

著者
発売日
更新日

概要

月刊誌『Software Design』の特集や単発企画で評判の良い，機械学習とPython関連の記事を再編纂。機械学習・深層学習に取り組んでいる開発現場のITエンジニアが自身で試して学んだことが記事のベースになっており，いま押さえておくべき技術を習得する足がかりとして最適です。

著者一覧

黒柳敬一，氏原淳志，竹野峻輔，樽石将人，久保光証，米田武，シバタアキラ，小川幹雄，木村優志，泰昌平，井上祐寛，小川雄太郎，藤原秀平，飯塚修平，足立昌彦，長谷川猛，有山圭二，山口祐，鈴木たかのり，福島真太朗，石本敦夫，くーむ，@driller，片柳薫子，中井悦司

こんな方におすすめ

  • 機械学習や深層学習，Pythonを学びはじめたいと考えている人

サンプル

目次

第1章　私も機械学習エンジニアになりたい！

  • 1-1　ビジネスの変革をもたらす機械学習 ～深層学習，人工知能との違いとは～
  • 1-2　ディープラーニング入門 ～CNNで画像分類とドキュメント分類にチャレンジ！～
  • COLUMN 1　自然言語処理エンジニアから見た深層学習
  • 1-3　低予算ではじめる機械学習用自作マシンのポイント
  • 1-4　機械学習エンジニアを目指すには ～開発と採用の現場からアドバイス～
  • COLUMN 2　機械学習なんて信頼できない！にどう対処するか ～“グレーボックス”でユーザに説明～

第2章　機械学習の始め方

  • 2-1　機械学習をはじめよう ～必要なのはデータ・アルゴリズム・計算資源～
  • 2-2　APIで学習済みモデルを利用しよう ～Google Cloud Vision APIで画像認識を行う～
  • 2-3　クラウド＆GUIですぐに始めよう ～Azure Machine Learning Studioで構築～
  • 2-4　本格的にPythonライブラリを使おう ～scikit-learn入門と機械学習の勉強方法～

第3章　君は使わずにいられるか？ TensorFlow.js

  • 3-1　～js版にも通ずる機械学習に適した特徴とは？～ TensorFlowのしくみと思想
  • 3-2　～GoogleのWebアプリからノウハウを学ぼう～ TensorFlow.jsのメリットを活かした開発
  • 3-3　～TensorFlow.jsを使ってみよう～ 学習済みモデルの組み込みとモデル構築の実践

第4章　実践！ GPUサーバでディープラーニング

  • 4-1　インフラエンジニアが押さえておくべきディープラーニングとGPUの関係
  • 4-2　ディープラーニングにおける計算資源の重要性
  • 4-3　GPUサーバでつくるミニ囲碁プログラム（前編）
  • 4-4　GPUサーバでつくるミニ囲碁プログラム（後編）

第5章　今すぐはじめるPython

  • 5-1　～今から始めるならPythonがお勧め！～ なぜPythonを導入するとお得なのか
  • 5-2　Pythonの導入と基本 ～文法からライブラリまで～
  • 5-3　～Jupyter Notebookを使って納得！～ 機械学習にはPythonが最適なワケ

第6章　そのPythonライブラリ，どうして必要なんですか？

  • 6-1　パッケージ管理の基礎を知ろう ～効率的な開発のための前準備～
  • 6-2　Pythonの基礎力を高めよう ～ライブラリの使い方と作り方～
  • 6-3　データ分析の前処理をさくっと終わらせよう ～定時に帰るためのpandas入門～
  • 6-4　イメージどおりにデータを可視化しよう ～データに隠された意味を見つけるMatplotlib入門～

Appendix　［データサイエンス超入門］機械学習をどう学ぶべきか？ ～数学とコンピュータのつなぎ方～

    サポート

    ダウンロード

    P.10　「第1章 1-2「ディープラーニング入門」」

    （2019年2月4日更新）

    記事で紹介した，サンプルコードを以下からダウンロードできます。ダウンロードファイル「cnn-classify_image-char.zip」は圧縮ファイルです。解凍したうえでご利用ください。詳細については同梱のREADME.mdと記事を参照ください。

    ダウンロード
    サンプルコード（cnn-classify_image-char.zip）

    P.60　「第2章 2-3　クラウド＆GUIですぐに始めよう」

    （2019年2月4日更新）

    記事で紹介した学習データ（前処理済み）のファイルを，以下からダウンロードできます。このデータ「Numbers3trn.csv」を，Azure Machine Learning Studioにアップロードして学習モデルの構築を試せます。詳細については，記事を参照ください。

    ダウンロード
    前処理済みデータ（Numbers3trn.csv）

    P.76　「第2章 2-4　本格的にPythonライブラリを使おう」

    （2019年2月4日更新）

    記事で紹介したロジスティック回帰による機械学習を試すためのサンプルコードを以下からダウンロードできます。ダウンロードファイル「SoftwareDesing_1804_ML_04.zip」は圧縮ファイルです。解凍したうえでご利用ください。圧縮ファイル内の「SoftwareDesing_1804_ML_04.ipynb」をGoogle Colaboratoryにアップロードすることで機械学習を試せます。Google Colaboratoryへのアップロード方法は，圧縮ファイル内の「Readme.txt」を参照してください。

    ダウンロード
    サンプルコード（SoftwareDesing_1804_ML_04.zip）

    P.126　「第4章 4-2　ディープラーニングにおける計算資源の重要性」

    （2019年2月4日更新）

    記事で紹介したTensorFlowで画像生成を行うためのサンプルコードとパラメータファイルを以下からダウンロードできます。ダウンロードファイル「glyph_gan-20190129.zip」は圧縮ファイルです。解凍したうえでご利用ください。サンプルコードを実行させるために必要な動作環境，および実行方法の詳細については，記事をご覧ください。
    パラメータファイルは，著者が学習させて作成した画像生成モデルのデータです。これを利用すれば自分で学習を行わずに画像生成が可能ですが，ファイルサイズが大きいものもある（最大1.35GB）ため，ダウンロードに時間がかかる場合があります。必要に応じてダウンロードを行ってください。

    ダウンロード
    サンプルコード（glyph_gan-20190129.zip）
    パラメータファイル1（easy_gan.zip）
    パラメータファイル2（dc_gan1.zip）
    パラメータファイル3（dc_gan2.zip）

    免責：本サンプルを使用することによって，使用者が受けたあらゆる不利益に対して，原著者および技術評論社はその責任を負いません。

    商品一覧