11/24
時点_ポイント最大11倍
音声・テキスト・画像のデータサイエンス入門 /市川治 飯山将晃 南條浩輝
販売価格
2,420
円 （税込）
- 出荷目安：
- １～２営業日で出荷
たまるdポイント（通常） 22
+キャンペーンポイント（期間・用途限定） 最大10倍
※たまるdポイントはポイント支払を除く商品代金(税抜)の1％です。
※表示倍率は各キャンペーンの適用条件を全て満たした場合の最大倍率です。
各キャンペーンの適用状況によっては、ポイントの進呈数・付与倍率が最大倍率より少なくなる場合がございます。
dカードでお支払ならポイント3倍
各キャンペーンの適用状況によっては、ポイントの進呈数・付与倍率が最大倍率より少なくなる場合がございます。
- 商品情報
- レビュー
≪商品情報≫
著者名：市川治、飯山将晃、南條浩輝
出版社名：学術図書出版社
発行年月：2024年04月
判型：Ｂ５
ISBN：9784780607161
≪内容情報≫
滋賀大学データサイエンス学部のカリキュラムに基づく，音声・テキスト・画像データ分析の教科書．Pythonを使用して，基本的なデータ処理から機械学習技術まで実践的なスキルを習得する．最先端のAIが対象とするのはまさに本書がテーマとする音声・テキスト・画像である．最先端AIの基礎を本書で学ぶことができる．
【目次】
第0章 音声・テキスト・画像データの特徴
0.1 構造化データと非構造化データ／0.2 本書の目的／0.3 音声・テキスト・画像データの融合
第1章 音声データの概要
1.1 音声データの活用事例／1.2 音声データの構造／1.3 パソコンによる音声データの録音・再生
第2章 音声データの基本的な処理
2.1 音声データの入出力／2.2 音声パワーの取得／2.3 発話区間の推定／2.4 SN比
第3章 音声のスペクトル表現
3.1 音声信号の相関／3.2 サイン波とコサイン波／3.3 音声データのスペクトル表現
第4章 音声データの特徴量
4.1 スペクトルの時系列データの算出／4.2 音声特徴量の作成
第5章 音声データの機械学習
5.1 音声データの機械学習の基礎／5.2 音声データの前処理／5.3 深層学習モデルの学習／5.4 深層学習モデルによる推論
第6章 テキストデータの概要
6.1 テキストデータの活用事例／6.2 テキストデータの処理単位／6.3 形態素解析／6.4 基本的なテキスト操作
第7章 テキストの処理単位とその統計量
7.1 単語の出現確率／7.2 統計的言語モデル／7.3 統計的言語モデルによる文書分類
第8章 テキスト全体（文書）の特徴量
8.1 ベクトル空間法／8.2 Bag-of-Words表現／8.3 トピックモデル
第9章 テキストの処理単位とその特徴量の生成
9.1 1-hot表現／9.2 分散表現／9.3 学習済み単語分散表現の利用／9.4 単語分散表現の学習
第10章 テキストデータの機械学習
10.1 深層学習による文書のベクトル表現／10.2 事前学習モデル／10.3 BERT文書分類モデルの学習
第11章 画像データの概要
11.1 画像データとその活用事例／11.2 画像データの構造／11.3 画像の入出力
第12章 画像の基本的な処理
12.1 色の表現／12.2 画像の二値化／12.3 画像の変形
第13章 画像のフィルタ処理
13.1 平滑化／13.2 さまざまなフィルタ処理／13.3 周波数領域との関係
第14章 画像からの特徴抽出
14.1 エッジの検出／14.2 直線・円の検出／14.3 点特徴
第15章 画像データの機械学習
15.1 画像認識の概要／15.2 最近傍法による手書き数字認識／15.3 ニューラルネットワークを用いた手書き数字の認識
著者名：市川治、飯山将晃、南條浩輝
出版社名：学術図書出版社
発行年月：2024年04月
判型：Ｂ５
ISBN：9784780607161
≪内容情報≫
滋賀大学データサイエンス学部のカリキュラムに基づく，音声・テキスト・画像データ分析の教科書．Pythonを使用して，基本的なデータ処理から機械学習技術まで実践的なスキルを習得する．最先端のAIが対象とするのはまさに本書がテーマとする音声・テキスト・画像である．最先端AIの基礎を本書で学ぶことができる．
【目次】
第0章 音声・テキスト・画像データの特徴
0.1 構造化データと非構造化データ／0.2 本書の目的／0.3 音声・テキスト・画像データの融合
第1章 音声データの概要
1.1 音声データの活用事例／1.2 音声データの構造／1.3 パソコンによる音声データの録音・再生
第2章 音声データの基本的な処理
2.1 音声データの入出力／2.2 音声パワーの取得／2.3 発話区間の推定／2.4 SN比
第3章 音声のスペクトル表現
3.1 音声信号の相関／3.2 サイン波とコサイン波／3.3 音声データのスペクトル表現
第4章 音声データの特徴量
4.1 スペクトルの時系列データの算出／4.2 音声特徴量の作成
第5章 音声データの機械学習
5.1 音声データの機械学習の基礎／5.2 音声データの前処理／5.3 深層学習モデルの学習／5.4 深層学習モデルによる推論
第6章 テキストデータの概要
6.1 テキストデータの活用事例／6.2 テキストデータの処理単位／6.3 形態素解析／6.4 基本的なテキスト操作
第7章 テキストの処理単位とその統計量
7.1 単語の出現確率／7.2 統計的言語モデル／7.3 統計的言語モデルによる文書分類
第8章 テキスト全体（文書）の特徴量
8.1 ベクトル空間法／8.2 Bag-of-Words表現／8.3 トピックモデル
第9章 テキストの処理単位とその特徴量の生成
9.1 1-hot表現／9.2 分散表現／9.3 学習済み単語分散表現の利用／9.4 単語分散表現の学習
第10章 テキストデータの機械学習
10.1 深層学習による文書のベクトル表現／10.2 事前学習モデル／10.3 BERT文書分類モデルの学習
第11章 画像データの概要
11.1 画像データとその活用事例／11.2 画像データの構造／11.3 画像の入出力
第12章 画像の基本的な処理
12.1 色の表現／12.2 画像の二値化／12.3 画像の変形
第13章 画像のフィルタ処理
13.1 平滑化／13.2 さまざまなフィルタ処理／13.3 周波数領域との関係
第14章 画像からの特徴抽出
14.1 エッジの検出／14.2 直線・円の検出／14.3 点特徴
第15章 画像データの機械学習
15.1 画像認識の概要／15.2 最近傍法による手書き数字認識／15.3 ニューラルネットワークを用いた手書き数字の認識