PythonによるAI・機械学習・深層学習アプリのつくり方

https://amzn.to/44Sg8di


PythonによるAI・機械学習・深層学習アプリのつくり方

へポスト
機械学習という一見曖昧なものを識別する仕組みも、評価するものが文章であったり画像であったとしても、最終的にデータを数値定量化して学習を行なっていることがわかる。

一つの事象を決定づけるために物事を多角的に分析してに定量化をするために、同一のものとして判定する上である程度の多様に分布されたサンプル数が必要であったり、偏った情報は誤認識を招くことも本書でサンプルを動かしながら概要を理解することでイメージできるようになる。

本書では、それらの機械学習の根幹をなすパーセプトロン、ニューラルネットワークなどのアルゴリズムは、基本的にPythonのライブラリに隠蔽し、複雑な数学的な計算式を理解しなくても、機械学習の仕組みやライブラリを使用した実装の概要を理解できる。
ディープラーニングで使われる、CONV(畳み込み層）、POOLING層、活性化関数（sigmoid, ReLUなど)、Softmax(出力用）の効能仕組みなどの詳細が記載されていないのが少し残念。

機械学習でまずはコードを記述して理解していきたい初心者に最適な著作だと感じた。

-----------------
#主な学習内容

scikit-learnの機械学習向けフレームワーク
・アヤメ品種の分類
・ワインの味の判定
・気象予報
・OpenCVを使った手書き文字判定
・OpenCVを使った動画解析：特定シーンの切り出し
・MeCab, Word2Vec,Doc2Vecを使った言語の意味分類
TensorFlow,Kerasによるディープラーニング
・アヤメ品種の分類
・手書き文字判定
・写真の物体識別認識
・料理写真からカロリー判定

-----------------
#環境&注意点

Pythonは3.x系
基本的にインストール不要でPython環境がWebで使えるColaboratoryや、実行環境をまとめたJupyter Notebookから実践作業を行う前提で記されている。
unix, macなどでpyenvなどを使って作業をしたい場合は、別途独自で手順を調査し構築する必要がある。途中で、必要になるPythonライブラリ(OpenCV, MeCabなど）も別途手動でインストール、環境設定が必要な場合がある。

pythonでの日本語処理のため、ソースコード先頭に下記宣言が必要になったケースがある
# -*- coding: utf-8 -*

以上。

へポスト