概要

近年続々と発表される実用レベルの生成モデル論文を深く理解するため，本書は変分オートエンコーダ（VAE），LSTMといった基礎モデルから，VQ-VAE，拡散モデル，Transformerといった最先端モデルの先駆けとなったモデルの仕組みを，数学的な詳細に偏らず，シンプルなサンプルコードと演習を通して解説します。Kerasを用いた実装を通して，各モデルの主要機能と生成モデルとしての動作原理を，実際に手を動かしながら理解することを目的としています。

こんな方におすすめ

• 機械学習の基礎から生成AIを学びたい方
• 生成AIのしくみをしっかりと基本から学びたい方

本書の読み方

本書は，第1章から順番に読み進めることで，基礎的なモデルから，より高度なモデルへと段階的に理解を深めていきます。各章で提供するサンプルコードは，ディープラーニングに対応した機械学習ライブラリーであるKerasを用いて実装しています。Kerasは，ディープラーニングモデルを構成するパーツが事前にモジュールとして用意されており，これらのモジュールをブロックのように組み合わせてモデルを構成します。本文の解説を参考にして，サンプルコードの具体的な内容を理解しながら読み進めることで，それぞれのモデルの仕組みと動作原理がより明確に理解できるでしょう。

本書のサンプルコードは，次のGitHubリポジトリで公開しています。

「仕組みから理解する生成AIモデル入門：サンプルコード集」

https://github.com/enakai00/colab_GenAI_lecture

サンプル

目次

第1章　ディープラーニングの基礎知識

• 第1章のはじめに
• 1.1　環境準備
  • 1.1.1　Colaboratoryの使い方
  • 1.1.2　サンプルコードのダウンロード
  • 1.1.3　Colaboratoryのランタイムについて
• 1.2　分類モデルの仕組みと実装
  • 1.2.1　線形多項分類器の仕組み
  • 1.2.2　多層ニューラルネットワークへの拡張
• 1.3　畳み込みニューラルネットワークによる画像分類
  • 1.3.1　畳み込みフィルターによる特徴量の抽出
  • 1.3.2　畳み込みフィルターの多段構成

第2章　変分オートエンコーダによる画像生成

• 第2章のはじめに
• 2.1　変分オートエンコーダの仕組み
  • 2.1.1　オートエンコーダと潜在空間
  • 2.1.2　転置畳み込みフィルターによる画像生成
  • 2.1.3　変分オートエンコーダへの拡張
• 2.2　ラベルデータを活用した拡張
  • 2.2.1　マルチタスク学習
  • 2.2.2　条件付き変分オートエンコーダ

第3章　LSTMによる自然言語処理

• 第3章のはじめに
• 3.1　LSTMによるテキスト分類
  • 3.1.1　RNNの考え方とLSTMの仕組み
  • 3.1.2　LSTMの利用方法
  • 3.1.3　双方向LSTMによるテキスト分類モデル
• 3.2　LSTMによるテキスト生成
  • 3.2.1　LSTMによる単語予測モデル
  • 3.2.2　LSTMによるテキスト生成

第4章　トランスフォーマーによる自然言語処理

• 第4章のはじめに
• 4.1　トランスフォーマーによる自然言語処理
  • 4.1.1　トランスフォーマーの仕組み
  • 4.1.2　トランスフォーマーとRNNの比較
• 4.2　トランスフォーマーによるテキスト分類
  • 4.2.1　トランスフォーマーの構成要素の実装
  • 4.2.2　トランスフォーマーによるテキスト分類モデル
• 4.3　トランスフォーマーによるテキスト生成
  • 4.3.1　トランスフォーマーによる単語予測モデル
  • 4.3.2　トランスフォーマーによるテキスト生成

第5章　拡散モデルの仕組み

• 第5章のはじめに
• 5.1　DCGANの仕組み
  • 5.1.1　DCGANの学習プロセス概要
  • 5.1.2　DCGANによる画像生成モデル
• 5.2　拡散モデルの仕組み
  • 5.2.1　データ分布の変換機能
  • 5.2.2　拡散モデルの考え方
  • 5.2.3　拡散モデルの実装
• 5.3　VQ-VAEの仕組み
  • 5.3.1　VQ-VAEの潜在空間
  • 5.3.2　VQ-VAEの学習例

第6章　マルチモーダルモデルの実現

• 第6章のはじめに
• 6.1　自然言語テキストによる画像生成
  • 6.1.1　テキストエンコーダによる意味の抽出
  • 6.1.2　大規模言語モデルによる品質向上
• 6.2　マルチモーダルモデルの実現

サポート

現在サポート情報はありません。