入門 ディープラーニング NumPyとKerasを使ったAIプログラミング

詳細目次

第1章　AIプログラミングを始めよう
1.1　AIとAIプログラミング
1.2　NumPyを使ってみよう
1.3　Matplotlibを使ってみよう
演習問題

第2章　AIの学習の基本的な考え方
2.1　AIはどうやって学習するのか
2.2　再帰計算法を理解しよう
2.3　学習アルゴリズムの基本形
2.4　勾配降下法を理解しよう
2.5　多変数関数の勾配降下法
演習問題

第3章　AIの学習の基本的なしくみ
3.1　重みを導入しよう
3.2　損失関数と重みの最適解
3.3　確率的勾配降下法
3.4　簡単なデータセットをつくってみよう
3.5　確率的勾配降下法による重みの最適解を求めるプログラム
3.6　ミニバッチ勾配降下法
3.7　ミニバッチ勾配降下法による重みの最適解を求めるプログラム
演習問題

第4章　ニューラルネットワークの導入
4.1　単純パーセプトロン
4.2　活性化関数（その1）：ステップ関数
4.3　基本論理ゲートの学習問題
4.4　誤り訂正学習法
4.5　学習プログラムを作成するときの注意点（その1）
4.6　プログラム例：ANDゲートの学習問題
演習問題

第5章　ニューラルネットワークに勾配降下法を適用する
5.1　活性化関数（その2）：シグモイド関数
5.2　単純パーセプトロンに確率的勾配降下法を適用する
5.3　学習プログラムを作成するときの注意点（その2）
5.4　プログラム例：単純パーセプトロンの確率的勾配降下法
5.5　単純パーセプトロンにミニバッチ勾配降下法を適用する
5.6　プログラム例：単純パーセプトロンのミニバッチ勾配降下法
演習問題

第6章　単純パーセプトロンを組み合わせる
6.1　パーセプトロンを「多出力」にする
6.2　活性化関数（その3）：ソフトマックス関数
6.3　多出力のパーセプトロンに確率的勾配降下法を適用する
6.4　学習のためのデータを十分に用意しよう
6.5　プログラム例：アイリスの種類を判別する学習問題
演習問題

第7章　ニューラルネットワークを2層にする
7.1　ニューラルネットワークの層を重ねる
7.2　1出力2層のニューラルネットワークの確率的勾配降下法
7.3　XOR ゲートの学習問題
7.4　プログラム例：XORゲートの学習問題
演習問題

第8章　ニューラルネットワークを多層にする
8.1　多出力多層のニューラルネットワーク
8.2　一般的なニューラルネットワークの確率的勾配降下法
8.3　誤差逆伝播法
8.4　学習プログラムを作成するための補足説明
8.5　プログラム例：手書き数字を認識する学習問題
演習問題

第9章　Kerasを使ってプログラミングする
9.1　Kerasとは何か
9.2　Kerasの導入
9.3　Kerasを用いたプログラムの基本構成
9.4　Kerasを用いたプログラムにおける損失関数
9.5　Kerasを用いたプログラムにおける学習アルゴリズム
9.6　Kerasを用いたプログラムにおける学習の評価指標
9.7　Kerasを用いた学習プログラムの例
演習問題

第10章　CNNで時系列データを処理しよう
10.1 畳み込みとは何か
10.2 CNN（畳み込みニューラルネットワーク）
10.3 活性化関数（その4）：tanh関数
10.4 1次元CNNのプログラム例
10.5 Kerasによる1次元のCNNの実現
10.6 Kerasによる1次元CNNのプログラム例
演習問題

第11章　RNNで時系列データを処理しよう
11.1 簡単な再帰型システム
11.2 簡単なRNN
11.3 簡単なRNNの学習アルゴリズム
11.4 簡単なRNNのプログラム例
11.5 KerasによるRNNの実現
11.6 KerasによるRNNのプログラム例
演習問題

第12章　ディープラーニングで画像認識を行おう
12.1 2次元畳み込み
12.2 活性化関数（その5）：ReLU関数
12.3 画像処理の2次元CNNのプログラム例
12.4 Kerasによる2次元CNNの実現
12.5 Kerasによる2次元CNNのプログラム例
演習問題