人気のAIフレームワーク「PyTorch」で、ディープラーニングプログラミングができるようになる本です。ディープラーニングのアルゴリズムが原理からわかります。 初心者でも他書に頼らず、本書1冊でマスターできます! （本書掲載のコードは、2023年3月にリリースされたPyTorch 2.0でも、そのまま動作します） 本書は、次のような読者を想定しています。 1. 企業でディープラーニングプログラムを業務で利用している、あるいはこれから利用しようとしているITエンジニアや研究者 Keras/Tensorflowを使った経験がある方は、まずPyTorch独特の「ポリシー」につまずきがちです。 PyTorchは「多値分類モデルにおける損失関数」の考え方が独特で、それを分かりやすく解説します。 2. 理工系の大学・大学院の学生で研究の一環としてディープラーニングのプログラムを開発する必要がある方 今後、論文で公開されている実装コードを試すには、PyTorchの知識が必須になってきます。 本書では、ディープラーニングに必要な数学をイメージとして解説するので、公開コードを深く理解し、応用できるようになります。 3. まだPythonもKeras/TensorFlowも知らないが、ディープラーニングプログラミングをこれから勉強してみたいという方 初心者に向けて、PyTorchプログラミングを理解するのに必要な、Pythonの基本文法と、NumPy、Matplotlibの必要最小限の機能を、巻末の講座として用意しました。 目的がディープラーニングだけなら、本書の講座で書いた概念・機能だけを理解すれば十分で、ディープラーニングを学ぶためのスタートラインに立てます。 本書は、新しい概念は一気には詰め込まず、できるだけ細分化して一歩一歩確実に進めます。 機械学習の基本から、「CNN」などを使った画像認識ディープラーニングモデルの開発・チューニングまでをじっくり学べます。 序章 初めての画像認識 ◆基礎編 1 章　ディープラーニングのためのPython のツボ 2 章　PyTorch の基本機能 3 章　初めての機械学習 4 章　予測関数の定義 ◆機械学習 実践編 5 章　線形回帰 6 章　2 値分類 7 章　多値分類 8 章　MNIST を使った数字認識 ◆画像認識 実践編 9 章　CNN による画像認識 10 章　チューニング技法 11 章　事前学習済みモデルの利用 12 章　カスタムデータの画像分類 講座 Python入門、NumPy入門、Matplotlib入門