キャンペーンを詳しくチェック
- 期間限定セール
このタイトルは期間限定セールの対象です
詳細はこちら
| 獲得予定ポイント: | +19 pt (1%) |
これらのプロモーションはこの商品に適用されます:
一部のプロモーションは他のセールと組み合わせることができますが、それ以外のプロモーションは組み合わせることはできません。詳細については、これらのプロモーションに関連する規約をご覧ください。
つくりながら学ぶ!PyTorchによる発展ディープラーニング
※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字列のハイライトや検索、辞書の参照、引用などの機能が使用できません。
※お使いの端末で無料サンプルをお試しいただいた上でのご購入をお願いいたします。
※本書内容はカラーで制作されているページがございますため、カラー表示可能な端末での閲覧を推奨いたします。
ディープラーニングの発展・応用手法を実装しながら学ぼう
本書ではディープラーニングの発展・応用手法を実装しながら学習していきます。ディープラーニングの実装パッケージとしてPyTorchを利用します。扱うタスク内容とディープラーニングモデルは次の通りで「ビジネスの現場でディープラーニングを活用するためにも実装経験を積んでおきたいタスク」という観点で選定しました。
[本書で学習できるタスク]
転移学習、ファインチューニング:少量の画像データからディープラーニングモデルを構築
物体検出(SSD):画像のどこに何が映っているのかを検出
セマンティックセグメンテーション(PSPNet):ピクセルレベルで画像内の物体を検出
姿勢推定(OpenPose):人物を検出し人体の各部位を同定しリンク
GAN(DCGAN、Self-Attention GAN):現実に存在するような画像を生成
異常検知(AnoGAN、Efficient GAN):正常画像のみからGANで異常画像を検出
自然言語処理(Transformer、BERT):テキストデータの感情分析を実施
動画分類(3DCNN、ECO):人物動作の動画データをクラス分類
本書は第1章から順番に様々なタスクに対するディープラーニングモデルの実装に取り組むことで高度かつ応用的な手法が徐々に身につく構成となっています。各ディープラーニングモデルは執筆時点でState-of-the-Art(最高性能モデル)の土台となっており、実装できるようになればその後の研究・開発に役立つことでしょう。
ディープラーニングの発展・応用手法を楽しく学んでいただければ幸いです。
実装環境
・読者のPC(GPU環境不要)、AnacondaとJupyter Notebook、AWSを使用したGPUサーバー
・AWSの環境:p2.xlargeインスタンス、Deep Learning AMI(Ubuntu)マシンイメージ(OS Ubuntu 16.04|64ビット、NVIDIA K80 GPU、Python 3.6.5、conda 4.5.2、PyTorch 1.0.1)
●目次
第1章 画像分類と転移学習(VGG)
第2章 物体認識(SSD)
第3章 セマンティックセグメンテーション(PSPNet)
第4章 姿勢推定(OpenPose)
第5章 GANによる画像生成(DCGAN、Self-Attention GAN)
第6章 GANによる異常検知(AnoGAN、Efficient GAN)
第7章 自然言語処理による感情分析(Transformer)
第8章 自然言語処理による感情分析(BERT)
第9章 動画分類(3DCNN、ECO)
●著者
小川 雄太郎
SIerの技術本部・開発技術部に所属。ディープラーニングをはじめとした機械学習関連技術の研究開発・技術支援を業務とする。明石工業高等専門学校、東京大学工学部を経て、東京大学大学院、神保・小谷研究室にて脳機能計測および計算論的神経科学の研究に従事し、2016年に博士号(科学)を取得。東京大学特任研究員を経て、2017年4月より現職。本書の他に、「つくりながら学ぶ! 深層強化学習 -PyTorchによる実践プログラミング-」(マイナビ出版、2018年6月)なども執筆。
- 言語日本語
- 出版社マイナビ出版
- 発売日2019/7/29
- ファイルサイズ127.1 MB
商品の説明
著者について
登録情報
- ASIN : B07VPDVNKW
- 出版社 : マイナビ出版
- アクセシビリティ : 詳細はこちら
- 発売日 : 2019/7/29
- 言語 : 日本語
- ファイルサイズ : 127.1 MB
- タイプセッティングの改善 : 有効にされていません
- X-Ray : 有効にされていません
- Word Wise : 有効にされていません
- 本の長さ : 516ページ
- Page Flip : 有効にされていません
- Amazon 売れ筋ランキング: Kindleストア - 101,325位 (Kindleストアの売れ筋ランキングを見る)
- 工学 (Kindleストア) - 2,076位
- コンピュータ・IT (Kindleストア) - 4,224位
- コンピュータ・IT (本) - 5,298位
- カスタマーレビュー:
著者について

著者の本をもっと見つけたり、似たような著者を調べたり、おすすめの本を読んだりできます。
カスタマーレビュー
星の数を含む商品のカスタマーレビューは、お客様が商品についてより詳しく知り、それが自分に適切な商品であるかどうかを判断するのに役立ちます。
全体的な星の数と星別のパーセンテージの内訳を算出する際に、単純平均は使用していません。代わりに、Amazonのシステムでは、レビューの投稿時期や、レビュー投稿者がAmazonで商品を購入したかどうかなどが考慮されます。また、レビューを分析して信頼性を確認しています。
Amazonカスタマーレビューの仕組みについての詳細はこちらお客様のご意見
お客様の投稿に基づきAIで生成されたものです。カスタマーレビューは、お客様自身による感想や意見であり、Amazon.co.jpの見解を示すものではありません選択して詳細を見る
日本からのトップレビュー
- 星5つ中5つ
中級者向け。機械学習の基礎を固めてからならばかなり有用
2020年1月13日に日本でレビュー済みゼロから作るDeep learningを一通り読了し、自力でのモデル作成等を試した後、高度な機械学習を求めてpytorchとこの本にたどり着いた。
発展と名のついているように、手取り足取り教えてくれる本ではない。PyTorch学習用として購入したが、使い方の記述は最小限に抑えられている。また、PIL、numpy、torchvisionなどのライブラリも使用されているが、これらの説明がされることもないので、ネットで調べながら学習することは必須。
ただし、内容自体はレベルが高いように感じる。入門書では知ることのなかった転移学習やデータオーギュメンテーションなど、有用なコンセプトが序盤から頻発している。ただし、説明自体はあっさりしているので、本書の恩恵を十全に受けたいなら読者にも相応の力量が求められると思う。
個人的には学習段階にある程度マッチしていたので良書となったが、機械学習の一冊目として購入していたなら挫折していただろう。一通り機械学習を学び次のステップを踏みたい(そしてそのステップをPyTorchで踏みたい)人であれば本書は非常にお勧めできます。
39人のユーザーが役に立ったと感じていますフィードバックを送信中...フィードバックを送信中...参考になったフィードバックをお寄せいただきありがとうございます。申し訳ありませんが、投票の記録に失敗しました。 もう一度お試しくださいありがとうございます。数日中に調査いたします。申し訳ありません。このレビューを報告できませんでした。 もう一度お試しくださいコミュニティガイドライン新しいタブで開きますに照らしてこのレビューが適切かどうか確認します。 そうでない場合は削除されます。
キャンセル報告する - 星5つ中4つ
よし
2020年3月23日に日本でレビュー済み機械学習の基礎をかじった後の中級者向けか。作りながら学べるし、ダウンロードサンプルもちゃんと動く。すばらしい
3人のユーザーが役に立ったと感じていますフィードバックを送信中...フィードバックを送信中...参考になったフィードバックをお寄せいただきありがとうございます。申し訳ありませんが、投票の記録に失敗しました。 もう一度お試しくださいありがとうございます。数日中に調査いたします。申し訳ありません。このレビューを報告できませんでした。 もう一度お試しくださいコミュニティガイドライン新しいタブで開きますに照らしてこのレビューが適切かどうか確認します。 そうでない場合は削除されます。
キャンセル報告する - 星5つ中5つ
分かりやすい内容と今も続く安心のサポート
2022年3月7日に日本でレビュー済みこの本だけで画像分野、自然言語処理分野の作り方が合計8個載っていて、とてもボリューミーな上、著者によるエラーなどの質疑応答があるため、出版されてから3年たってもエラーに困らず作れるので、Pytorchの初心者にも基礎を終えた人にもおすすめです。以上のことから、この本は他の技術書よりも互換性があり、非常に有用です。
9人のユーザーが役に立ったと感じていますフィードバックを送信中...フィードバックを送信中...参考になったフィードバックをお寄せいただきありがとうございます。申し訳ありませんが、投票の記録に失敗しました。 もう一度お試しくださいありがとうございます。数日中に調査いたします。申し訳ありません。このレビューを報告できませんでした。 もう一度お試しくださいコミュニティガイドライン新しいタブで開きますに照らしてこのレビューが適切かどうか確認します。 そうでない場合は削除されます。
キャンセル報告する - 星5つ中5つ
質問対応がしっかりとしている。
2021年5月18日に日本でレビュー済み中上級者に向けたこれ以上にないPyTorchの良書だと思います!!!
自分はバージョン管理が億劫で本書で推奨されている3.6ではなく3.8で使っていたら案の定途中でバグが発生してしまったんですが、GitHubのIssueがとても活発でそれに助けられて問題を解決することが出来ました。Issueに質問を投げれば恐らく答えてくれるそうで、こういうところまでしっかりやってくれるのはとてもありがたいなと感じました。
内容はとてもいいのですがやはり途中に出てくるコードで難解な部分がいくつもあります。しかし、内容が面白くしっかりしていたため少し機能を拡張したり他の話題に転用することができました。実践向けの本なので積極的に色んな話題に挑戦してみると、より定着すると思います。例えば自分はGANのトピックを少し改造してポケモン画像の自動生成を行いました。
13人のユーザーが役に立ったと感じていますフィードバックを送信中...フィードバックを送信中...参考になったフィードバックをお寄せいただきありがとうございます。申し訳ありませんが、投票の記録に失敗しました。 もう一度お試しくださいありがとうございます。数日中に調査いたします。申し訳ありません。このレビューを報告できませんでした。 もう一度お試しくださいコミュニティガイドライン新しいタブで開きますに照らしてこのレビューが適切かどうか確認します。 そうでない場合は削除されます。
キャンセル報告する - 星5つ中3つ
内容は興味深いが
2022年3月31日に日本でレビュー済みこういう本はあまり無いのでとても有難いのだが、
誤植がかなりあるのとそれ以上に
(作者も言及しているように)この本ができてから
かなり時間が経っているためそこかしこでエラーや
通らない状態を散見する。ネットで検索してなんとか
しようともがいてはいるけれど、やはりこういうことは
できる限り新しい本で学ぶということが
かなり大事だと感じている。
29人のユーザーが役に立ったと感じていますフィードバックを送信中...フィードバックを送信中...参考になったフィードバックをお寄せいただきありがとうございます。申し訳ありませんが、投票の記録に失敗しました。 もう一度お試しくださいありがとうございます。数日中に調査いたします。申し訳ありません。このレビューを報告できませんでした。 もう一度お試しくださいコミュニティガイドライン新しいタブで開きますに照らしてこのレビューが適切かどうか確認します。 そうでない場合は削除されます。
キャンセル報告する - 星5つ中5つ
手法の解説も付いてる代物
2019年10月7日に日本でレビュー済み基本的なニューラルネットワークの作り方だけではなく、最新技術(GANを用いた異常検知など)についての実装の方法が書いてあり、物体検出、自然言語処理など幅広い範囲まで網羅されています。
さらには、その手法がどんなものなのかの解説がかなり詳しく書いてあり、学生でも読んでいて分かりやすい内容になっています。
そのコードがgithubにあるのもなお良いです。
PyTorchプログラマー向けの書籍の中では、文句なしの100点です。
22人のユーザーが役に立ったと感じていますフィードバックを送信中...フィードバックを送信中...参考になったフィードバックをお寄せいただきありがとうございます。申し訳ありませんが、投票の記録に失敗しました。 もう一度お試しくださいありがとうございます。数日中に調査いたします。申し訳ありません。このレビューを報告できませんでした。 もう一度お試しくださいコミュニティガイドライン新しいタブで開きますに照らしてこのレビューが適切かどうか確認します。 そうでない場合は削除されます。
キャンセル報告する - 星5つ中5つ
Pytorch で各種サンプルを試してみたが、中の作りが判らない人にお勧め
2019年10月10日に日本でレビュー済み物体検出(SSD)、セマンティックセグメンテーション等のPytorchのサンプルをインターネットからダウンロードして色々試してみたけれで、肝心のプログラムの中身が、さっぱり判らなくて、もっと詳しく知りたいと思っていたところ、
小川雄太郎氏の本が出ていたので早速購入してみました。
他の書籍ではあまり触れていない、適当にスルーしている箇所まで、きちんと書かれていたので本当に勉強になりました。大変判りやすかったです。できれば、次回は、Faster R-CNN もお願いします。
8人のユーザーが役に立ったと感じていますフィードバックを送信中...フィードバックを送信中...参考になったフィードバックをお寄せいただきありがとうございます。申し訳ありませんが、投票の記録に失敗しました。 もう一度お試しくださいありがとうございます。数日中に調査いたします。申し訳ありません。このレビューを報告できませんでした。 もう一度お試しくださいコミュニティガイドライン新しいタブで開きますに照らしてこのレビューが適切かどうか確認します。 そうでない場合は削除されます。
キャンセル報告する - 星5つ中3つ
ちょっと難しい。
2019年10月26日に日本でレビュー済みこの本はTransformerの解説が少し載っていたので買ったものの、結局良く分からなかったので放置していましたが、その後、Transformerが載っている本を何冊か買ったので改めて紐解いてみました。
特にはSelf-Attentionについてですが、この本ではTransformerではなくSelf-Attention GANの項に最初に登場しSelf-Attentionも含め「難しい内容」となっています(p.265)。
Self-Attentionがどういった計算なのかは新納先生の『PyTorch自然言語処理プログラミング』に簡潔明瞭な説明があって、そりゃそうだよな、って感じで変に納得しましたが、実際、この本の書き方では正直なところ難しくて良く分からないと思います。
それでもp.382以降にSelf-Attentionの可視化についての解説があるのは有り難かったりします。
それと「発展・応用手法」と副題にありますが、この本にはグラフニューラルネットワークが載っていないのが個人的にはちょっと不満です。
8人のユーザーが役に立ったと感じていますフィードバックを送信中...フィードバックを送信中...参考になったフィードバックをお寄せいただきありがとうございます。申し訳ありませんが、投票の記録に失敗しました。 もう一度お試しくださいありがとうございます。数日中に調査いたします。申し訳ありません。このレビューを報告できませんでした。 もう一度お試しくださいコミュニティガイドライン新しいタブで開きますに照らしてこのレビューが適切かどうか確認します。 そうでない場合は削除されます。
キャンセル報告する






![機械学習スタートアップシリーズ Pythonで学ぶ強化学習 [改訂第2版] 入門から実践まで (KS情報科学専門書)](https://images-fe.ssl-images-amazon.com/images/I/818r0N4RyJL._AC_UL165_SR165,165_.jpg)




