斎藤 康毅

ディープラーニングの本格的な入門書。外部のライブラリに頼らずPython 3によってゼロからディープラーニングを作成できる。

内容詳細

ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装

岡谷 貴之

この本でしか味わえない充実感。基礎からSGD、自己符号化器、CNN、RNN、ボルツマンマシンまでと、盛りだくさんの内容を体系的に解説。

深層学習 (機械学習プロフェッショナルシリーズ)

株式会社電通国際情報サービス 小川雄太郎

<b>Pythonで実装しながら学ぶ 強化学習・深層強化学習(DQN) </b>

強化学習、さらにディープラーニングを組み合わせた深層強化学習DQN(Deep Q-Network)という用語を目にする機会が増えています。本書は関連の概念を分かりやすく解説しつつ、Python+PyTorchで「倒立振子課題」「迷路を解くプログラム」「ブロック崩しの攻略」を実装していきます。 

第1章「強化学習の概要」では機械学習とその3分類(教師あり学習、教師なし学習、強化学習)について紹介します。 

第2章「迷路課題に強化学習を実装しよう」では、簡単な強化学習(方策勾配法、Sarsa、Q学習)のコードをひとつずつ実装しながら、強化学習のアルゴリズムと実装方法を理解します。迷路を最短ルートでゴールするよう強化学習させます。 

第3章「倒立振子課題に強化学習を実装しよう」では、2章で学んだ強化学習の基本をより複雑な課題への適用します。倒立振子とは、“ほうきを手のひらの上に立てる"遊びと同じ内容でその制御ルールを強化学習させます。Anacondaを用いたセットアップ方法も解説します。 

第4章「Pytorchでディープラーニングを実装しよう」では、ディープラーニングの内容を理解し、PyTorchで実装します。ニューラルネットワークとディープラーニング発展の歴史、学習フェイズと推論フェイズについて解説。最後に手書き数字の画像を分類するMNIST課題を実装解説します。 

第5章「深層強化学習DQNを実装しよう」では、強化学習にディープラーニングを組み合わせた“深層強化学習"を理解し、DQNを実装できるようにします。第3章の倒立振子課題に対してDQNを実装します。 

第6章「深層強化学習の発展版を実装しよう」では、新しい深層強化学習の手法、Double-DQN、Dueling Network、Prioritized Experience Replay、そしてA3C、A2Cを理解し、実装できるようにします。 

第7章「AWSのGPU環境でブロック崩しを実装しよう」では、ブロック崩しゲームを対象に深層強化学習のA2Cを実装します。実行環境としてAmazonのクラウドサービスAWSのGPU環境を使用する方法も解説します。 

深層強化学習はまだまだ解決すべき課題の多い分野です。本書が深層強化学習に興味を持つ皆様の一助となれば幸いです。

内容紹介

強化学習、さらにディープラーニングを組み合わせた深層強化学習を分かりやすく解説。Python+PyTorchで「倒立振子課題」「迷路」「ブロック崩し」を攻略するプログラミングを実装していきます。

内容（「BOOK」データベースより）

株式会社電通国際情報サービス 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、ならびにワークスタイルイノベーション室のHRデータ解析を業務とする。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。

著者について

小川/雄太郎
株式会社電通国際情報サービス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、ならびにワークスタイルイノベーション室のHRデータ解析を業務とする。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(本データはこの書籍が刊行された当時に掲載されていたものです)

著者略歴 (「BOOK著者紹介情報」より)

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~

松尾 豊

いま、将棋やクイズ番組など「人工知能vs人間」の戦いがあちこちで起こっている。
2014年の英オックスフォード大学の研究報告では、今後10年から20年ほどで、
人工知能を含むITの進化の影響によって、米国の702の職業のうち約半分が
失われる可能性があると述べている。

最先端の人工知能技術「ディープラーニング」をめぐっては、グーグルやフェイスブックなどが
数百億円規模の激しい投資・人材獲得合戦を展開。
一方で、宇宙物理学者のスティーブン・ホーキング博士や、実業家のイーロン・マスク、
ビル・ゲイツなどが、「人工知能は人類を滅ぼすのではないか」との懸念を相次いで表明した。

そのテクノロジーは、ヒトを超える存在を生み出すのか。
人間の仕事を、人類の価値を奪うのか。

▼ トップクラスの研究者が解きほぐす、「人工知能」の過去・現在・未来

ディープラーニングの特徴をひと言で言えば、コンピュータが人間のように
「気づき」を得るしくみのこと。
これまで「人工知能」と呼ばれていたものは、たとえ同じ計算を10万回やっても、
1回目と10万回目のやり方は基本的に同じで、「もっと早く計算できる方法」に
自ら気づけない。
コンピュータの計算能力は飛躍的に上がったが、それは根本解決ではないのだ。
しかし、その状況がディープラーニングによって革命的に変わる。

本書では、人工知能学会で編集委員長・倫理委員長なども歴任、日本トップクラスの
研究者の著者が、これまで人工知能研究が経てきた歴史的な試行錯誤を丁寧にたどり、
その未来像や起きうる問題までを指摘。
情報工学・電子工学や脳科学はもちろん、ウェブや哲学などの知見も盛り込み、
「いま人工知能ができること、できないこと、これからできるようになること」
をわかりやすく解説する。

なお、本書カバーには、ロボットと人間の共生を描いたアニメーション『イヴの時間』より、
ヒロインのアンドロイド「サミィ」のイラストを特別にお借りして掲載している。

人類の希望か、あるいは大いなる危機なのか?「人間のように考えるコンピュータ」の実現へ、いま、劇的な進展が訪れようとしている。知能とは何か、人間とは何か。トップクラスの人工知能学者が語る、知的興奮に満ちた一冊。

松尾 豊(まつお ゆたか) 東京大学大学院工学系研究科 准教授

1997年、東京大学工学部電子情報工学科卒業。
2002年、同大学院博士課程修了。博士(工学)。同年より産業技術総合研究所研究員。
2005年よりスタンフォード大学客員研究員。
2007年より現職。シンガポール国立大学客員准教授。
専門分野は、人工知能、ウェブマイニング、ビッグデータ分析。

人工知能学会からは論文賞(2002年)、創立20周年記念事業賞(2006年)、
現場イノベーション賞(2011年)、功労賞(2013年)の各賞を受賞。
人工知能学会 学生編集委員、編集委員を経て、2010年から副編集委員長、
2012年から編集委員長・理事。2014年より倫理委員長。
日本トップクラスの人工知能研究者の一人。

共著書に『東大准教授に教わる「人工知能って、そんなことまでできるんですか?」』
(KADOKAWA)がある。

松尾/豊
東京大学大学院工学系研究科准教授。1997年、東京大学工学部電子情報工学科卒業。2002年、同大学院博士課程修了。博士(工学)。同年より産業技術総合研究所研究員。2005年よりスタンフォード大学客員研究員。2007年より現職。シンガポール国立大学客員准教授。専門分野は、人工知能、ウェブマイニング、ビッグデータ分析。人工知能学会からは論文賞(2002年)、創立20周年記念事業賞(2006年)、現場イノベーション賞(2011年)、功労賞(2013年)の各賞を受賞(本データはこの書籍が刊行された当時に掲載されていたものです)

人工知能は人間を超えるか ディープラーニングの先にあるもの (角川EPUB選書)

Csaba Szepesvari

小山田 創哲

前田 新一

小山 雅典

池田 春之介

大渡 勝己

芝 慎太朗

関根 嵩之

高山 晃一

田中 一樹

西村 直樹

藤田 康博

望月 駿一

強化学習を学ぶ上での数学的前提から始まり、重要なアルゴリズムおよび新たな手法までを簡潔に自己完結した記述で解説。

速習 強化学習 ―基礎理論とアルゴリズム―

自然言語処理や時系列データ処理に焦点を当て、ディープラーニングを使ってさまざまな問題に挑む。

ゼロから作るDeep Learning ❷ ―自然言語処理編

Aurélien Géron

下田 倫大

長尾 高弘

サンプルコードを動かしながらTensorFlowとScikit-Learnで機械学習を学ぶ!

scikit-learnとTensorFlowによる実践機械学習

中井 悦司

ディープラーニングの世界へようこそ！ 本書は、機械学習やデータ分析を専門とはしない、一般の方を対象とした書籍です。― と言っても、ディープラーニングの歴史や人工知能の将来展望を語る啓蒙書ではありません。ディープラーニングの代表とも言える「畳み込みニューラルネットワーク」を例として、その仕組みを根本から理解すること、そして、TensorFlowを用いて実際に動作するコードを作成することが本書の目標です。 ディープラーニングの解説記事で必ず登場するのが、多数のニューロンが何層にも結合された「多層ニューラルネットワーク」の模式図です。このニューラルネットワークの中でいったいなにが起きているのか、ディープラーニングのアルゴリズムはどのような仕組みで学習をしているのか、「何とかしてこれを理解したい！」 ― そんな気持ちを持ったあなたこそが、本書が対象とする読者です。 実の所、ディープラーニングの根底にあるのは、古くからある機械学習の仕組みそのものです。簡単な行列計算と微分の基礎がわかっていれば、その仕組みを理解することはそれほど難しくはありません。本書では、手書き文字の認識処理を行う畳み込みニューラルネットワークについて、これを構成する1つひとつのパーツの役割を丁寧に解説していきます。さらに、ディープラーニングの学習処理ライブラリであるTensorFlowを利用して、実際に動作するコードを用いながらそれぞれのパーツの動作原理を確認します。レゴブロックを組み立てるかのように、ネットワークを構成するパーツを増やしていくことで、認識精度が向上する様子が観察できることでしょう。 ちなみに、TensorFlowの公式Webサイトでは、チュートリアルとしてさまざまなサンプルコードが公開されています。これらのコードを実行してみたものの、コードの中身がよくわからず、自分なりの応用をしようにもどこから手をつけていいのかわからない ― そんな声を耳にすることもあります。本書を通して、ディープラーニングの根本原理、そして、TensorFlowのコードの書き方を学習すれば、次のステップが見えてくるはずです。ディープラーニングの奥深さ、そして、その面白さを味わうことは、決して専門家だけの特権ではありません。本書によって、知的探究心にあふれる皆さんが、ディープラーニングの世界へと足を踏み入れるきっかけを提供できたとすれば、筆者にとってこの上ない喜びです。 （本書「はじめに」より抜粋） ・本書では、TensorFlowをインストール済みのDocker用コンテナイメージを用いて説明を行っていきます。Linux、Mac OS X、Windowsなどの環境で、Dockerを利用して環境を起動することができます。また、TensorFlow 0.9.0（GPU非対応版）、Python 2.7を使用しています。 ハードウェア環境は、4コアCPUと4GB以上の物理メモリーを想定しています。メモリー容量がこれより少ない場合、第4章、および、第5章のサンプルコードが実行できない場合がありますのでご注意ください。

TensorFlowで学ぶディープラーニング入門 ~畳み込みニューラルネットワーク徹底解説~

麻生 英樹

安田 宗樹

岡野原 大輔

久保 陽太郎

ボレガラ ダヌシカ

人工知能学会

神嶌 敏弘

人工知能研究に急展開!!この20年で最大のブレークスルーが到来。人工知能研究の歴史は古い。なかでも、決定木、ベイジアンネットワーク、サポートベクトルマシン...と、試行錯誤しながらも着実に歩みを進めてきた「機械学習」が、ここに来て一気に飛躍する様相を見せ始めた。深層学習―ディープラーニング(Deep Learning)とは何か?いま何が起きているのか?第一線の研究者たちが徹底解説!

深層学習 Deep Learning (監修:人工知能学会)

Antonio Gulli

Sujit Pal

大串 正矢

久保 隆宏

中山 光樹

機械学習ライブラリKerasの解説書。画像識別、画像生成、自然言語処理、感情識別、自動ゲームプレイなどの幅広いサンプルを例示。

直感 Deep Learning ―Python×Kerasでアイデアを形にするレシピ

巣籠 悠輔

ディープラーニング、ニューラルネットワークについてディープラーニング向けのPythonライブラリ“TensorFlow”および“Keras”を用い丁寧に解説。時系列データ処理のためのディープラーニングのアルゴリズムに焦点を当てます。

詳解 ディープラーニング ~TensorFlow・Kerasによる時系列データ処理~

Francois Chollet

株式会社クイープ

AIの大衆化―多くの人々がディープラーニングを利用できるよう実践解説!

PythonとKerasによるディープラーニング

François Chollet

J. J. Allaire

瀬戸山 雅人

使い慣れたRを使ってディープラーニングについて学習したいというRユーザのニーズに応える内容。

タグ：TensorFlowの検索結果

ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装

深層学習 (機械学習プロフェッショナルシリーズ)

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~

人工知能は人間を超えるかディープラーニングの先にあるもの (角川EPUB選書)

速習強化学習 ―基礎理論とアルゴリズム―

ゼロから作るDeep Learning ❷ ―自然言語処理編

scikit-learnとTensorFlowによる実践機械学習

TensorFlowで学ぶディープラーニング入門 ~畳み込みニューラルネットワーク徹底解説~

深層学習 Deep Learning (監修:人工知能学会)

直感 Deep Learning ―Python×Kerasでアイデアを形にするレシピ

詳解ディープラーニング ~TensorFlow・Kerasによる時系列データ処理~

PythonとKerasによるディープラーニング

RとKerasによるディープラーニング

タグ：TensorFlowの検索結果

ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装

深層学習 (機械学習プロフェッショナルシリーズ)

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~

人工知能は人間を超えるか ディープラーニングの先にあるもの (角川EPUB選書)

速習 強化学習 ―基礎理論とアルゴリズム―

ゼロから作るDeep Learning ❷ ―自然言語処理編

scikit-learnとTensorFlowによる実践機械学習

TensorFlowで学ぶディープラーニング入門 ~畳み込みニューラルネットワーク徹底解説~

深層学習 Deep Learning (監修:人工知能学会)

直感 Deep Learning ―Python×Kerasでアイデアを形にするレシピ

詳解 ディープラーニング ~TensorFlow・Kerasによる時系列データ処理~

PythonとKerasによるディープラーニング

RとKerasによるディープラーニング

人工知能は人間を超えるかディープラーニングの先にあるもの (角川EPUB選書)

速習強化学習 ―基礎理論とアルゴリズム―

詳解ディープラーニング ~TensorFlow・Kerasによる時系列データ処理~