カテゴリ一覧 著者一覧
機械学習・ハッキング・ラボ
5.0
1,500円(税込)
獲得ポイント: 15pt
通常:
15pt

機械学習・ハッキング・ラボ

想定ページ数: 126ページ
ダウンロード: PDF EPUB
本書ではGCP Cloud AutoMLを使った手軽にできる機械学習の手法を解説しています。具体的には文章の感情分析、画像認識と画像分類、Kaggleのタイタニック問題をAutoMLを使って予測していきます。

まず最初に人工知能の一分野である機械学習とはどのような分野であるのか、教師あり学習と教師なし学習の違い、強化学習、特徴量、モデル、過学習、ニューラルネットワークやディープラーニングの概説を紹介します。その上で元GoogleのAI 研究者のフェイ・フェイ・リー 氏が提唱した「AI の民主化」と「利用者としての人工知能」を考えていきます。

次にGCPのアカウントの作り方、予算とアラートの設定方法、PythonからAutoML APIを実行する開発環境の作り方を解説していきます。

文章の感情分析では、AutoML Natural Language APIをPythonから実行して、近代日本文学を代表する文豪・太宰治の『走れメロス』や『人間失格』の感情分析を試みます。

画像分類では、AutoML Visionを使ってデータセットから都市の写真を学習させ、その学習結果のモデルを元に新しいデータセットに対してどの都市の写真であるのかを自動予測させます。

AutoML Tablesを使ってKaggleのタイタニック問題も解いていきます。タイタニック問題は幾つかの限られたデータを元に誰がタイタニック号から生還したかを予測する問題です。特徴量を適切に選定しながら、この問題をAutoMLで解いていきます。

本書は機械学習を学び始めたい方、手軽に機械学習を実行できる環境を創りたい方に最適です。お気軽に機械学習を始めて未来型生活を構築しましょう。

目次

本書を読むにあたっての注意事項

免責
商標

第1章 機械学習とは

1.1 人工知能技術の発展
1.2 機械学習とは
1.3 機械学習が活用されている分野
1.4 機械学習の分類
1.5 教師あり学習
  • 分類と回帰
1.6 教師なし学習
1.7 強化学習
1.8 特徴量
1.9 モデル
1.10 過学習
1.11 ニューラルネットワーク
1.12 ディープラーニング
1.13 AIの民主化
1.14 利用者としての人工知能とAutoML

第2章 AutoML

2.1 AutoMLとは
2.2 なぜGoogleのAutoMLを選んだのか
2.3 GoogleのAutoMLの種類
2.4 AutoMLの費用

第3章 AutoMLの初期設定

3.1 GCPの会員登録
3.2 GCPのプロジェクトの作成
3.3 予算管理
  • 無料枠の有効化
  • 予算アラートの作成
3.4 開発環境構築
  • ライブラリのインストール
  • アカウントキーの作成
  • パスの設定
  • Windows10のパス設定
  • Linux/Macのパス設定
  • Windows10でのパスの永続化設定
  • Linux/Macでのパスの永続化設定
3.5 API有効化
3.6 バケットの作成

第4章 GCPのNatural Language APIで感情分析

4.1 『走れメロス』を感情分析する
4.2 『人間失格』を感情分析する
  • 『人間失格』の文章全体を感情分析する

第5章 AutoML Visionで画像分類

5.1 AutoML Vision
5.2 AutoML Visionを使うには
5.3 AutoML Visionの機能
5.4 データセットの作成
5.5 都市分類のデータセット
5.6 データセットのインポート
5.7 トレーニングの実行
5.8 トレーニングの評価
5.9 テストと使用
5.10 写真がどの都市であるかを推測させる
5.11 実験終了後の注意点

第6章 AutoML Tables

6.1 AutoML Tablesとは
6.2 Kaggleとは
6.3 タイタニック問題とは
6.4 Kaggleへのユーザー登録
6.5 タイタニックのデータセットのダウンロード
6.6 特徴量の予測
6.7 データの分布を視覚化する
  • タイタニック号の生存率
  • 性別の生死者分布
  • 年齢別の生死者分布
  • チケット種別の生死者分布
  • 運賃別の生死者分布
  • 乗船した港別の生死者分布
6.8 欠損値の確認
6.9 AutoML Tablesへの対応
6.10 タイタニックのデータセットをアップロードする
6.11 データセットの作成
6.12 タイタニックデータセットのインポート
6.13 特徴量の設定
6.14 トレーニングを実行
  • トレーニング予算の決定
  • 入力特徴量の決定
6.15 モデルの詳細を確認
6.16 モデルから予測を行う
6.17 予測結果を確認する
6.18 予測結果をKaggleのフォーマットに整形する
6.19 予測データをKaggleにアップデートする
  • Kaggleスコアの確認

第7章 実験を終えてからの注意点

7.1 合計費用を確認する
7.2 学習を継続しているプロダクトがないか確認する
7.3 再利用する予定のないデータを削除する

おわりに

謝辞

参考文献

参考書
参考URL

著者プロフィール

miraihack(サイバーメガネ)
基本情報
運営サイト
著書
主な職歴
好きなアニメ

ユーザーレビュー

5.0
投稿者:K2
投稿日:2021年4月29日
非常に丁寧な入門書でした
機械学習について興味があり購入してみましたが、丁寧に解説されていて分かりやすかったです。入門書としておすすめできます。
5.0
投稿者:Ossamoon
投稿日:2021年4月25日
AutoMLを試してみたい人に最適
AutoMLの使い方が丁寧に解説されており、初めてAutoMLを利用する際にはとても参考になると思いました。
本書ではPythonを用いてデータの可視化等を行うステップも盛り込まれていますが、Phthon実行環境の構築については全く触れられていません。したがって、Python初学者の方はGoogle Colaboratoryなど機械学習用のクラウドサービスを利用して本書に取り組むと良いと思いました。
すべてのレビューを見る
書籍をシェアする