仕組みから学ぶ生成AI入門――基礎から応用まで徹底理解

■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