| 1.
図書 |
|
斎藤康毅著
目次情報:
続きを見る
概要:
作って学ぶ。手で覚える。ディープラーニングを理解するための最善の方法は、ディープラーニングをゼロから実装することです。
|
|||||||||||||||||||||||||
| 2.
図書 |
|
Mark Summerfield著 ; 斎藤康毅訳
目次情報:
続きを見る
概要:
仕事や研究で役立つ実践的な側面を重視し、一般的なプログラミングのベストプラクティスをPythonに適用する方法について解説します。主なテーマは、エレガントなコーディングのためのデザインパターン、処理速度向上のための並行処理とCython、高
…
レベルなネットワーク処理、そしてグラフィックスです。読者対象は中級以上のPythonプログラマー。実践的なベストプラクティスを示し、巷で囁かれてきた「デザインパターンはPythonには不向き」「Pythonはマルチコアの恩恵を受けられない」といった認識が間違いであり、迷信にすぎなかったことを明らかにします。2014年米国Joltアワード受賞書、待望の邦訳。
続きを見る
|
|||||||||||||||||||||||||
| 3.
図書 |
|
Bill Lubanovic著 ; 長尾高弘訳
目次情報:
続きを見る
概要:
Pythonが誕生して四半世紀。データサイエンスやウェブ開発、セキュリティなどさまざまな分野でPythonの人気が急上昇中です。プログラミング教育の現場でもCに代わってPythonの採用が増えてきています。本書は、プログラミングが初めてとい
…
う人を対象に書かれた、Pythonの入門書です。前提とする知識は特にありません。プログラミングおよびPythonの基礎からウェブ、データベース、ネットワーク、並行処理といった応用まで、Pythonプログラミングをわかりやすく丁寧に説明します。
続きを見る
|
|||||||||||||||||||||||||
| 4.
図書 |
|
斎藤康毅著
目次情報:
続きを見る
概要:
コンピュータの専門書として異例の大ヒットを記録した『ゼロから作るDeep Learning』の続編。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。word2vecやRNN(リカレントニューラルネ
…
ットワーク)、LSTMやGRU、seq2seqやAttention...ディープラーニングを支えるこれら最先端の技術を実装レベルでマスター。
続きを見る
|
|||||||||||||||||||||||||
| 5.
図書 |
図書
|
斎藤康毅著
目次情報:
続きを見る
概要:
大ヒットを続ける人気シリーズの第3弾。今回は「DeZero」というディープラーニングのフレームワークをゼロから作ります。DeZeroは本書オリジナルのフレームワークです。最小限のコードで、フレームワークのモダンな機能を実現します。本書では、
…
この小さな—それでいて十分にパワフルな—フレームワークを、全部で60のステップで完成させます。それによって、PyTorch、TensorFlow、Chainerなどの現代のフレームワークに通じる知識を深めます。
続きを見る
|
|||||||||||||||||||||||||
| 6.
図書 |
|
Noam Nisan, Shimon Schocken著 ; 斎藤康毅訳
目次情報:
続きを見る
概要:
コンピュータを理解するための最善の方法はゼロからコンピュータを作ることで、その構成要素は、ハードウェア、ソフトウェア、コンパイラ、OSに大別できる。本書では、これらの構成要素をひとつずつ組み立てる。具体的には、NANDという電子素子からスタ
…
ートし、論理ゲート、加算器、CPUを設計。オペレーティングシステム、コンパイラ、バーチャルマシンなどを実装しコンピュータを完成させて、最後にその上でアプリケーション(テトリスなど)を動作させる。実行環境はJava(Mac、Windows、Linuxで動作)。
続きを見る
|
|||||||||||||||||||||||||
| 7.
図書 |
|
ウィリ・リチャート, ルイス・ペドロ・コエーリョ著 ; 斎藤康毅訳
目次情報:
続きを見る
概要:
本書は、実際に手を動かしながら機械学習システムを作成し、機械学習のエッセンスを身につけることを目的とした機械学習システムの実践的な解説書です。「データといかに向き合うか」という視点から、生データを通してパターンを見つける方法を解説していきま
…
す。Pythonと機械学習の基本、ライブラリの使い方に続いて、具体的な例を通して、データセット、モデル化、レコメンドとその改良、音声や画像の処理といった、より重要な問題について解説。また、オープンソースのツールやライブラリを使いながら、テキストや画像、音声に対して機械学習の手法をどのように適用するかを学び、さらに機械学習技術について、評価の方法や、それぞれを比較して最適なものを選択する方法について学びます。
続きを見る
|
