Search by Bookstore
Table of Contents
表紙 Copyright/商標/正誤表について はじめに 謝辞 第1章 TensorFlowの仕組みと基本事項を押さえる/1.1 はじめに 1.2 TensorFlowの仕組み<Recipe 1> 1.3 テンソルを設定する<Recipe 2> 1.4 プレースホルダと変数を使用する<Recipe 3> 1.5 行列を操作する<Recipe 4> 1.6 演算を設定する<Recipe 5> 1.7 活性化関数を実装する<Recipe 6> 1.8 データソースを操作する<Recipe 7> 1.9 その他のリソース<Recipe 8> 第2章 TensorFlowスタイル―演算/層の追加、損失関数やモデル評価などの実装/2.1 はじめに 2.2 計算グラフでの演算<Recipe 9> 2.3 入れ子の演算を階層化する<Recipe 10> 2.4 複数の層を操作する<Recipe 11> 2.5 損失関数を実装する<Recipe 12> 2.6 バックプロパゲーションを実装する<Recipe 13> 2.7 バッチトレーニングと確率的トレーニングを使用する<Recipe 14> 2.8 分類を行うための要素を組み合わせる<Recipe 15> 2.9 モデルを評価する<Recipe 16> 第3章 線形回帰―逆行列/分解法からロジスティック回帰まで/3.1 はじめに 3.2 逆行列法を使用する<Recipe 17> 3.3 行列分解法を実装する<Recipe 18> 3.4 TensorFlowでの線形回帰の実装パターン<Recipe 19> 3.5 線形回帰の損失関数を理解する<Recipe 20> 3.6 デミング回帰を実装する<Recipe 21> 3.7 LASSOとリッジ回帰を実装する<Recipe 22> 3.8 Elastic Net回帰を実装する<Recipe 23> 3.9 ロジスティック回帰を実装する<Recipe 24> 第4章 サポートベクトルマシン―線形SVMの操作・次元縮約、非線形SVM/多クラスSVMの実装など 4.1 はじめに 4.2 線形SVMを操作する<Recipe 25> 4.3 線形回帰への縮約<Recipe 26> 4.4 TensorFlowでカーネルを操作する<Recipe 27> 4.5 非線形SVMを実装する<Recipe 28> 4.6 多クラスSVMを実装する<Recipe 29> 第5章 最近傍法―編集距離、距離関数の組み合わせ、最近傍法の画像認識など/5.1 はじめに 5.2 最近傍法を使用する<Recipe 30> 5.3 編集距離を計測する<Recipe 31> 5.4 距離関数を組み合わせて計算する<Recipe 32> 5.5 アドレスマッチング処理の例<Recipe 33> 5.6 画像認識に最近傍法を使用する<Recipe 34> 第6章 ニューラルネットワーク―論理ゲート、単層/多層ニューラルネットワークの実装など 6.1 はじめに 6.2 論理ゲートを実装する<Recipe 35> 6.3 論理ゲートと活性化関数を操作する<Recipe 36> 6.4 単層ニューラルネットワークを実装する<Recipe 37> 6.5 さまざまな層を実装する<Recipe 38> 6.6 多層ニューラルネットワークを使用する<Recipe 39> 6.7 線形モデルの予測を改善する<Recipe 40> 6.8 三目並べを学習する<Recipe 41> 第7章 自然言語処理―BoW/TF-IDF/スキップグラム/CBOWなど 7.1 はじめに 7.2 BoWモデルを操作する<Recipe 42> 7.3 TF-IDFの手法を実装する<Recipe 43> 7.4 スキップグラムモデルを操作する<Recipe 44> 7.5 CBOWモデルを操作する<Recipe 45> 7.6 Word2vecを使って予測を行う<Recipe 46> 7.7 感情分析にDoc2vecを使用する<Recipe 47> 第8章 畳み込みニューラルネットワーク―単純なCNN/高度なCNN/モデルの再トレーニングなど/8.1 はじめに 8.2 単純なCNNを実装する<Recipe 48> 8.3 高度なCNNを実装する<Recipe 49> 8.4 既存のCNNモデルを再びトレーニングする<Recipe 50> 8.5 Stylenetを適用する<Recipe 51> 8.6 DeepDreamを実装する<Recipe 52> 第9章 リカレントニューラルネットワーク―LSTM/Sequence-to-Sequence/Siamese Similarity法/9.1 はじめに 9.2 スパムの確率を予測するためにRNNを実装する<Recipe 53> 9.3 LSTMモデルを実装する<Recipe 54> 9.4 複数のLSTM層を積み重ねる<Recipe 55> 9.5 Sequence-to-Sequenceモデルを作成する<Recipe 56> ほか
Holdings of Libraries in Japan
This page shows libraries in Japan other than the National Diet Library that hold the material.
Please contact your local library for information on how to use materials or whether it is possible to request materials from the holding libraries.
Kanto
さいたま市立中央図書館
Paper- 007.13 マク
- 11190124575
東京都立中央図書館
Paper- 007.1-5575-2017
- 7109333640
横浜市立図書館
Paper- 007.1
- 2061002033
川崎市立図書館
Paper- 007.1/テン
静岡県立中央図書館
Paper- 007.1/マク/
- 0023094121
Search by Bookstore
Publication bibliographic database Find a bookstore where you can purchase books from
Books is a database of the publishing industry with information provided by publishers. You can search for currently available paperbacks and eBooks.
Find by another way
Bibliographic Record
You can check the details of this material, its authority (keywords that refer to materials on the same subject, author's name, etc.), etc.
- Material Type
- 図書
- ISBN
- 978-4-295-00200-0
- Title Transcription
- テンソルフロー キカイ ガクシュウ クック ブック : パイソン ベース ノ カツヨウ レシピ ロクジュウ プラス
- Author/Editor
- Nick McClure 著クイープ 訳
- Series Title
- Author Heading
- クイープ クイープ ( 00854582 )Authorities
- Publication, Distribution, etc.
- Publication Date
- 2017.8
- Publication Date (W3CDTF)
- 2017