ディープラーニングおすすめの書籍
ディープラーニングに関するおすすめの書籍を紹介します！
目次
1. ディープラーニングの分野
1.1 ディープラーニング
ディープラーニングでは、主に画像処理と自然言語処理を行うのがメインです。画像処理では、物体検知やセグメンテーションなどのタスクがあり、自然言語処理では感情分析や翻訳などのタスクがあります。Pythonで分析する際には、PytorchやTensorflowといったライブラリを利用します。
キーワード : 画像処理、自然言語処理、Pytorch、Tensorflow
1.2 ディープラーニングを学ぶときに重要なこと
ディープラーニングを学ぶ際には、「層」が構成要素であり、ディープラーニングは層を組み合わせるということを理解するのと、誤差逆伝播法を理解するのが非常に重要です。あとは、画像をするときは畳み込み層をを利用したり、自然言語処理では再帰的にデータを利用する層を利用するなど、基本的には「層」が変わるだけです。
2. おすすめの書籍
2.1 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
⭐️コメント
初学者におすすめ。王道の一冊です。タイトルの通り、理論と実装について詳しく解説してくれています！
⭐️目次
1章 Python入門
2章 パーセプトロン
3章 ニューラルネットワーク
4章 ニューラルネットワークの学習
5章 誤差逆伝播法
6章 学習に関するテクニック
7章 畳み込みニューラルネットワーク
8章 ディープラーニング
付録A Softmax-with-Lossレイヤの計算グラフ
A.1 順伝播
A.2 逆伝播
A.3 まとめ
2.2 PyTorch実践入門 ~ ディープラーニングの基礎から実装へ
⭐️コメント
実戦に向けて、実際にpytorchを利用して画像処理をやりたい方向け。上記の一冊を読んだ後にお薦めです。
⭐️目次
第1部 PyTorchの基礎
第1章 ディープラーニングとPyTorchの概要
第2章 訓練済みモデルの利用方法
第3章 PyTorchにおけるテンソルの扱い方
第4章 さまざまなデータをPyTorchテンソルで表現する方法
第5章 ディープラーニングの学習メカニズム
第6章 ニューラルネットワーク入門
第7章 画像分類モデルの構築
第8章 畳み込み（Convolution）
第2部 ディープラーニングの実践プロジェクト：肺がんの早期発見
第9章 肺がん早期発見プロジェクトの解説
第10章 LUNAデータをPyTorchデータセットに変換
第11章 結節候補を画像分類するモデルの構築
第12章 評価指標とデータ拡張を用いたモデルの改善
第13章 セグメンテーションを用いた結節の発見
第14章 結節・腫瘍解析システムの全体を構築
第3部 デプロイメント（Deployment）
第15章 本番環境にモデルをデプロイする方法
2.3 ゼロから作るDeep Learning ❷ ―自然言語処理編
⭐️コメント
自然言語処理を学びたい人向け。上記の「ゼロから作るDeep Learning」の続編で、そのまま自然言語処理について学習できます！
⭐️目次
1章 ニューラルネットワークの復習
2章 自然言語と単語の分散表現
3章 word2vec
4章 word2vecの高速化
5章 リカレントニューラルネットワーク（RNN）
6章 ゲート付きRNN
7章 RNNによる文章生成
8章 Attention
付録A sigmoid関数とtanh関数の微分
付録B WordNetを動かす
付録C GRU
3. ディープラーニングのその先
3.1 TensorFlow、Pytorch
TensorFlowやPytorchといったライブラリと似たものを自分で作ってみようというお話。TensorFlowやPytorchを利用してて、躓く方、中身が気になる方におすすめです！
3.2 画像生成(GAN)
画像生成について学びたい方向け。上記の「ゼロから作るDeep Learning」を読んで、画像生成に興味がある人におすすめです！
3.3 画像生成、物体検知、Segmentation、自然言語処理
ディープラーニングとpytorchをある程度学び、いろいろな応用事例を実装したい方向けです！
4. Youtube
4.1 ディープラーニング
僕のYoutubeでベイズ統計モデリングについて解説している動画があるのでもし良かったら参考にしてみてください！
4.2 画像生成
もちろん、ベイズ統計モデリングのその先である、機械学習、ベイズ機械学習についてもYoutubeで解説しています！
