ディープラーニングの重要な基礎概念と、PyTorchを用いたディープラーニングの実装方法について、細部まで掘り下げて解説。限られたデータでニューラルネットワークを訓練する方法、訓練済みモデルのデプロイ方法など『ディープラーニング・プロジェクトのベストプラクティス』を提示します。

・ディープラーニングのメカニズムを解説
・Jupyter Notebook上でサンプルコードを実行
・PyTorchを用いたモデル訓練の実施
・実データを使用するプロジェクトをベースに実践的解説
・本番環境へのさまざまなモデルデプロイ方法


PyTorchで実際にどのように組み込まれて実現されているのか、細部まで掘り下げた解説をしていますのでディープラーニングの活用を目指している開発者や詳しく知りたい方におすすめです。
Manning Publications『Deep Learning with PyTorch』の翻訳書

第1部　PyTorchの基礎
第1章 ディープラーニングとPyTorchの概要
第2章 訓練済みモデルの利用方法
第3章 PyTorchにおけるテンソルの扱い方
第4章 さまざまなデータをPyTorchテンソルで表現する方法
第5章 ディープラーニングの学習メカニズム
第6章 ニューラルネットワーク入門
第7章 画像分類モデルの構築
第8章 畳み込み（Convolution）

第2部　ディープラーニングの実践プロジェクト：肺がんの早期発見
第9章 肺がん早期発見プロジェクトの解説
第10章 LUNAデータをPyTorchデータセットに変換
第11章 結節候補を画像分類するモデルの構築
第12章 評価指標とデータ拡張を用いたモデルの改善
第13章 セグメンテーションを用いた結節の発見
第14章 結節・腫瘍解析システムの全体を構築

第3部　デプロイメント（Deployment）
第15章 本番環境にモデルをデプロイする方法
第1部 PyTorchの基礎
第1章 ディープラーニングとPyTorchの概要
第2章 訓練済みモデルの利用方法
第3章 PyTorchにおけるテンソルの扱い方
第4章 様々なデータをPyTorchテンソルで表現する方法
第5章 ディープラーニングの学習メカニズム
第6章 ニューラルネットワーク入門
第7章 画像分類モデルの構築
第8章 畳み込み

第2部 ディープラーニングの実践プロジェクト：肺がんの早期発見
第9章 肺がん早期発見プロジェクトの解説
第10章 LUNAデータをPyTorchデータセットに変換
第11章 結節候補を画像分類するモデルの構築
第12章 評価指標とデータ拡張を用いたモデルの改善
第13章 セグメンテーションを用いた結節の発見
第14章 結節・腫瘍解析システムの全体を構築

第3部 デプロイメント
第15章 本番環境にモデルをデプロイする方法