詳説 Deep Learning 実務者としてのアプローチ

エンタープライズ向けのディープラーニングの解説書。企業でディープラーニングアプリケーションを開発、運用するための実践的な手法を紹介します。対象読者はソフトウェア開発の現場で活躍する実務者。前半はディープラーニング初心者、後半はＪａｖａエンジニア向けの構成です。機械学習、ニューラルネットワークの基礎から始め、ディープラーニングの基本的な概念、実際にチューニングを行う際のベストプラクティス、データのＥＴＬ（抽出・変換・ロード）の方法、Ａｐａｃｈｅ　Ｓｐａｒｋを用いた並列化について、ＪａｖａライブラリＤｅｅｐ　Ｌｅａｒｎｉｎｇ４Ｊ（ＤＬ４Ｊ）の開発者でもある著者がわかりやすく丁寧に解説します。

目次 : １章　機械学習の概要/ ２章　ニューラルネットワークとディープラーニングの基礎/ ３章　深層ネットワークの基礎/ ４章　深層ネットワークの主要なアーキテクチャー/ ５章　深層ネットワークの構築/ ６章　深層ネットワークのチューニング/ ７章　特定の深層ネットワークのアーキテクチャーへのチューニング/ ８章　ベクトル化/ ９章　Ｓｐａｒｋ上でＤＬ４Ｊを用いて機械学習を行う/ 付録

【著者紹介】
ジョシュ・パターソン : Ｓｋｙｍｉｎｄでフィールドエンジニアリング部門の代表を務める。かつては、ビッグデータや機械学習そしてディープラーニングに関するコンサルタント会社を経営。Ｃｌｏｕｄｅｒａでの主席ソリューションアーキテクトや、Ｔｅｎｎｅｓｓｅｅ　Ｖａｌｌｅｙ　Ａｕｔｈｏｒｉｔｙでの機械学習と分散システムのエンジニアも歴任。ｏｐｅｎＰＤＣプロジェクトとともに、スマートグリッドにＨａｄｏｏｐを導入。テネシー大学チャタヌーガ校でコンピューターサイエンスの修士号を取得し、メッシュネットワーク（ｔｉｎｙＯＳ）や社会性昆虫の最適化アルゴリズムに関する論文を発表。ソフトウェア開発に１７年以上従事し、オープンソースコミュニティーでも積極的に活動。ＤＬ４ＪやＡｐａｃｈｅ　Ｍａｓｈｏｕｔ、Ｍｅｔｒｏｎｏｍｅ、ＩｔｅｒａｔｉｖｅＲｅｄｕｃｅ、ｏｐｅｎＰＤＣ、ＪＭｏｔｉｆなどにコードを提供している

アダム・ギブソン : ディープラーニングのスペシャリスト。サンフランシスコ在住。フォーチュン５００の企業やヘッジファンド、ＰＲ企業、起業支援組織などで機械学習のプロジェクトを企画。企業がリアルタイムのビッグデータを扱い解釈するのを支援した実績多数。１３歳のころからのコンピューターマニアであり、活発にオープンソースコミュニティーへの貢献を続けている

本橋和貴 : ２０１７年、東京工業大学大学院の博士後期課程修了。欧州原子核研究機構ＣＥＲＮのＬＨＣ‐ＡＴＬＡＳ実験における超対称性粒子探索に関する論文を執筆し博士号を取得。同年、ソフトバンク株式会社入社。ロボットとＡＩ関連のソフトウェアの研究開発に従事。ディープラーニング領域で社内Ｔｅｃｈｎｉｃａｌ　Ｍｅｉｓｔｅｒに任命。２０１９年、ディープラーニングエンジニアとしてスカイマインド株式会社に入社

牧野聡 : ソフトウェアエンジニア。日本アイ・ビー・エムソフトウェア開発研究所勤務

新郷美紀 : ソリューションアーキテクト。日本電気株式会社勤務。「実践者向けディープラーニング勉強会」ではファシリテーターを務めている（本データはこの書籍が刊行された当時に掲載されていたものです）