TensorFlowコーディングに慣れる!
新世代の数値計算ライブラリを操る! 線形回帰からCNN/RNNまで網羅的に実践 -- TensorFlowは、数値処理用のオープンソースライブラリ。AI分野を中心に活用が進んでいます。本書ではまず、変数/プレースホルダといったTensorFlowの基本や、オープンデータを扱う方法を説明。以降は、機械学習のさまざまな手法をレシピとして示していきます。具体的には次のとおりです。線形回帰、SVM、最近傍法、ニューラルネットワーク、自然言語処理、畳み込みニューラルネットワーク(CNN)、リカレントニューラルネットワーク(RNN)、運用環境のための手法、遺伝的アルゴリズム、k-means、常微分方程式などです。※本書は『TensorFlow Machine Learning Cookbook』の翻訳書です。 ※コードの検証にPython 3.5/3.6とTensorFlow 1.1/1.2を使用(各環境/各コードの動作を完全に保証するものではありません)。
Copyright (c) Packt Publishing 2017. First published in the English language under the title 'TensorFlow Machine Learning Cookbook - (9781786462169)' Japanese translation rights arranged with Media Solutions through Japan UNI Agency, Inc., Tokyo
一般的なスマートフォンにてBOOK☆WALKERアプリの標準文字サイズで表示したときのページ数です。お使いの機種、表示の文字サイズによりページ数は変化しますので参考値としてご利用ください。
●技術知識がなくても読める本格的なAI史
本書は英オックスフォード大学のコンピュータサイエンス研究者マイケル・ウルドリッジ教授による、AI(人工知能)の一般向け解説書です。AIは高度なコンピュータ技術であり、その実像を技術レベルで理解することは容易ではありません。しかし、本書は技術的知識がなくても、コンピュータの歴史を通じて、AI の技術的な概念や意義について正しい理解ができるように工夫されています。
●AIの歴史とディープブレイクスルー
本書の前半ではコンピュータ技術の黎明期から続く人工知能の研究の歴史を振り返ます。チューリングマシンと言われる思考実験上の機械から、コンピュータ技術の開発史に触れ、人工的な知能を作り出すためのさまざまなアプローチを紹介します。また、21世紀におけるディプラーニングの登場やそれらがなぜ大きなブレイクスルーをもたらしたのかについても触れます。後半ではAIの可能性やそれがもたらす社会の変化、注意すべき事象や将来の姿について考察をめぐらしていきます。
●本当のAI の姿を知る
AIがどのように開発され、どのような状況にあり、将来どのような姿になるのか、そして人間は本当に「意識のある機械」を作れるのか?本書はAIを知り、それを有効に活用するための必読の入門書です。
2,200円〜5,500円(税込)
ディープラーニングや機械学習などAIの処理高速化に最適!
CUDA C プログラミングを本格的に学ぶ。
グローバルメモリ、シェアードメモリ、ストリームなどを徹底活用。
CUDA Cプログラミングを本格的に理解して、プログラムの高速化を図るための技術解説書。本書では、CUDAプログラミングモデルから始め、カーネルレベルやグリッドレベルの並列化手法を解説。グローバルメモリ、シェアードメモリ、ストリームなどを徹底活用する方法を紹介します。さらに、GPUスループットの計測、CUDAアプリケーションへの効率的な移植、マルチGPUプログラミングについても説明。
◎本書は『Professional CUDA C Programming』の翻訳書です。
【本書の構成】
第1章 CUDAによるヘテロジニアス並列コンピューティング
第2章 CUDAプログラミングモデル
第3章 CUDAの実行モデル
第4章 グローバルメモリ
第5章 シェアードメモリとコンスタントメモリ
第6章 ストリームと並列処理
第7章 命令レベルのプリミティブの調整
第8章 CUDAのGPUアクセラレーションライブラリとOpenACC
第9章 マルチGPUプログラミング
第10章 実装上の注意点
機械学習の考え方とPython実装法がわかる!
分類/回帰問題や深層学習の導入を解説。
◎絶妙なバランスで「理論と実践」を展開
◎Pythonライブラリを使いこなす
◎数式・図・Pythonコードを理解する
本書は、機械学習の理論とPython実践法を網羅的に解説した技術書です。機械学習とは、データから学習した結果をもとに判定や予測を行うことです。すでにさまざまな機械学習の方法が開発されています。本書では、それらの方法について背景にある理論や特徴を解説した上で、Pythonによる実装法を説明します。初期の機械学習アルゴリズムから取り上げ、前処理や次元削減、Webへの展開のほか、終盤ではディープラーニングについても見ていきます。機械学習の理論と実践についてバランスよく解説してあり、AIプログラミングの第一歩を踏み出すための格好の一冊です。
※本書は『Python Machine Learning』の翻訳書です。
※付録では、本書を読み進めるにあたっての前提知識として、Python ライブラリや数学について補足説明をしています。必要に応じて、他の書籍などもご参照ください。
OpenStackによるクラウドコンピューティング環境は、欧米の最先端技術をいち早く採用するサービスプロバイダ企業はもちろんのこと、製造、通信、流通、金融、公共、軍事システムなどさまざまな分野で採用されており、全世界規模で利用が広がっています。しかし、OpenStackによるクラウドコンピューティング環境は、高度な自動化・省力化を実現できる柔軟性に富んだITシステムをもたらす半面、自社への採用可否の判断、導入前の基盤設計、初心者でもわかるレベルのステップ・バイ・ステップによる構築手順、運用管理の具体的な手法、注意点など、実践的な内容を短時間で効率よく入手することが難しい状況にあります。また、OpenStackは、クラウドコンピューティングで求められる機能要求の増加に伴い、含まれるコンポーネンの数も年々増加し、ソフトウェア自体が大変複雑化しており、構築手順や運用管理のノウハウが、すぐに陳腐化するといった頭の痛い問題もあります。
本書は、進化の非常に速いOpenStackの情報を可能な限り素早く提供し、クラウド基盤をまったく構築したことがない初心者にもその基礎を理解できるように、代表的なOpenStack環境のインストール手順、ソフトウェア定義型ネットワークの構築手順、使用法などを具体的に記載しました。これにより、OpenStackを触ったことがない初心者でも、まずは、実際に構築、使用することで、OpenStackによるクラウドコンピューティングの基本的な機能を理解できます。
深層学習のアルゴリズムをJavaで実装!
「ゼロからの実装」や「ライブラリの活用」を解説
本書では、まず深層学習に関連する機械学習アルゴリズムを復習します。
その後、深層学習アルゴリズムの主要な理論を解説し、
Javaでゼロから実装する方法を示します。
さらに、Javaライブラリを利用した実装方法も解説します。
深層学習用Javaライブラリとして使用するDeeplearning4jは
オープンソースの分散処理ソフトウェアApache Spark/Hadoopに
統合されているものです。
そのほか、人工知能やディープラーニングの変遷や今後の展望について説明し、
番外編としてTheano/TensorFlow/CaffeをPythonで利用する方法も解説します。
「概要だけではなく、数式やアルゴリズムの根本まで解説」
「コード例は非常に読みやすい」----原著への読者の声
※ 本書は『Java Deep Learning Essentials』の翻訳書です。
AWSが登場した当初は提供されるサービスもわずかで、ネットワーク構成も簡単でした。しかしいまでは、「たくさんのマネージドサービス」と「ネットワーク機能の高機能化」が、これからAWSを始めようとする人の出鼻をくじいてしまいます。このような事態を何とかしたい。そう思って書いたのが、本書です。本書では、AWSのもっとも基本的な構成となる「ネットワークとサーバー」を説明します。
AWSにおいてネットワークは「VPC」、サーバーは「EC2インスタンス」で構成されます。本書では、この2つの機能を中心に解説します。
本書では、Webサーバー1台とデータベースサーバー1台で構成されたオンプレミスのシステムをAWSで実現するには、AWSならではの決まりごとや罠がたくさんあります。たとえば、「最初に利用するIPアドレスの範囲を決めて、それを分割してネットワークを構築する」「インターネットに接続する場合でも、ネットワークの設計上はプライベートIPアドレスを使う」などです。本書では、こうしたAWSならではの勘所を説明しながら、最終的に、独自ドメインでWebサーバーを運用できるようにするところまでを説明します。
付与コインの内訳
42コイン
会員ランク(今月ランクなし)
1%
複数商品の購入で付与コイン数に変動があります。
クーポンご利用時はキャンペーンコイン付与の対象外です。
詳しくは決済ページにてご確認ください。
会員ランクの付与率は購入処理完了時の会員ランクに基づきます。
そのため、現在表示中の付与率から変わる場合があります。