deep learning book
1.0.0
本のリポジトリ人工ニューラルネットワークの紹介とディープラーニング：Pythonにアプリケーションを備えた実用的なガイド。
深い学習は、技術者の間での町の話だけではありません。ディープラーニングにより、複雑な問題に取り組むことができ、人工ニューラルネットワークをトレーニングして、画像と音声認識の複雑なパターンを認識します。この本では、 Python Machine Learningで中断したところから続き、Pytorchでディープラーニングアルゴリズムを実装します。
このリポジトリには、各章の実践的およびエクササイズ部分の指示、コードの例、およびソリューションが含まれます。
本のPDFバージョンと電子書籍バージョンはLeanPubから入手できます。
ISBN-10：[TBA]
ISBN-13：[TBA]
ペーパーバック：Est。2018
01-はじめに
02-パーセプトロン
03-勾配降下によるコスト関数の最適化
04-ロジスティック回帰とソフトマックス回帰
05-ソフトマックス回帰から多層パーセプトロンへ
06-クロス検証とパフォーマンスメトリック
07-ニューラルネットワークの正則化
08-学習率と体重初期化
09-畳み込みニューラルネットワーク
10-再発性ニューラルネットワーク
11-自動エンコーダー
12-一般的な逆転ニューラルネットワーク
13-深い生成モデル
14-強化学習
付録A：数学表記[PDF]
付録B：代数の基本[PDF]
付録C：線形代数の必需品
付録D：計算および分化プライマー[PDF]
付録E：確率理論の概要
付録F：表記規則の参照
付録G：Pythonセットアップ
付録H：Numpyの紹介[PDF] [コードノートブック]
付録I：Pytorchの基本
付録I（alt。）：Tensorflow Basics [PDF] [コードノートブック]
付録J：クラウドコンピューティング[PDF]
機械学習は、消費者、顧客、そしてできれば研究者や実践者として、私たちの生活の中心的な部分になりました。 Python Machine Learningについて送ってくれた素晴らしいフィードバックに感謝します。学習ガイドのように便利だと思って、ビジネスアプリケーションや研究プロジェクトを支援してくれたことを聞いてとてもうれしいです。リリース以来、多くのメールを受け取りました。また、これらのメールでは、前編や続編について私に尋ねていました。
当初、私は「数学」の部分についてもっと書く傾向がありました。これは、大学の専攻のない（あるいは、さらには）ほとんどすべての人にとって本当のハードルになる可能性があります。当初、私は「機械学習数学」についての本を書くことはクールなことだと思っていました。現在、私は、前cal、微積分、線形代数、統計、および確率理論に関する15章の章に相当するメモを持っています。しかし、私は最終的に、他にも多くの数学の本があるという結論に達しました！それらのほとんどは、私が店に持っていたトピックの潜在的な〜500ページの紹介よりもはるかに優れており、より包括的で正確です。結局のところ、私は、主題を学び、理解するための本当の動機は、そもそもそれについて興奮することから来ていると思います。機械学習に情熱を傾けており、微積分のチェーンルールにつまずいた場合、最近、お気に入りの検索エンジンを介して信頼できるリソースを見つけるのに問題はありません。
したがって、その「前編」を書く代わりに、 Python Machine Learningの後の章で紹介した概念に基づいて構築されたものについて書いてみましょう。これは、深い学習のためのアルゴリズムです。マルチレイヤーパーセプトロン（ある種のフィードフォワード人工ニューラルネットワーク）をゼロからコーディングした後、ディープラーニングアルゴリズムを実装するためにPythonライブラリを簡単に見て、概念レベルで畳み込みと再発性のニューラルネットワークを導入しました。
この本では、私が中断したところから続け、この教育の旅を通してPython、Numpy、Scipyを使用して、ゼロからディープラーニングアルゴリズムのために深いニューラルネットワークとアルゴリズムを実装したいと考えています。 Vanilla Python Science-Stackに加えて、これらのアルゴリズムをTensorflowに実装します。
このリポジトリのすべてのコード（Jupyterノートブックのコード例を含む）は、MITソフトウェアライセンスの下でリリースされたオープンソースコンテンツです。要するに、許容されるMITライセンスにより、適切な帰属と保証なしでコードを使用して何かを行うことができます。詳細については、MITライセンス通知を確認してください。
テキストやグラフィックを含むこのリポジトリにおけるすべての非コードコンテンツとクリエイティブな作業は、著者のセバスチャンラシュカによる排他的な著作権の下にあります。特に明記しない限り、このリポジトリで共有されているテキストコンテンツは、個人使用のみを目的としています。著者への適切な帰属で、この作業の短いテキストパッセージを使用、変更、または共有することができます。ただし、ブログ投稿、雑誌記事、教育資料など、他の著作のためにこの本の大部分を変更および/または共有することを計画している場合は、許可のために著者に連絡してください。
Creative Commons Attribution-Sharealike 4.0 Internationalがマークされた図とグラフィックは、それぞれのライセンス条件（ Creative Commons Attribution-Sharealike 4.0 International Section in the Licenseファイルに記載されている）および適切な帰属の下で無料で共有できます。
さまざまなタイプミスやエラーをキャッチし、私の執筆を明確にするための提案を提供した読者に特別な感謝を捧げたいと思います。
