本書ではディープラーニングの発展・応用手法を実装しながら学習していきます。ディープラーニングの実装パッケージとしてPyTorchを利用します。扱うタスク内容とディープラーニングモデルは次の通りで「ビジネスの現場でディープラーニングを活用するためにも実装経験を積んでおきたいタスク」という観点で選定しました。 

 ［本書で学習できるタスク］ 
 転移学習、ファインチューニング：少量の画像データからディープラーニングモデルを構築 
 物体検出（SSD）：画像のどこに何が映っているのかを検出 
セマンティックセグメンテーション（PSPNet）：ピクセルレベルで画像内の物体を検出 
 姿勢推定（OpenPose）：人物を検出し人体の各部位を同定しリンク 
GAN（DCGAN、Self-Attention GAN）：現実に存在するような画像を生成 
 異常検知（AnoGAN、Efficient GAN）：正常画像のみからGANで異常画像を検出 
 自然言語処理（Transformer、BERT）：テキストデータの感情分析を実施 
 動画分類（3DCNN、ECO）：人物動作の動画データをクラス分類

 本書は第1章から順番に様々なタスクに対するディープラーニングモデルの実装に取り組むことで高度かつ応用的な手法が徐々に身につく構成となっています。各ディープラーニングモデルは執筆時点でState-of-the-Art（最高性能モデル）の土台となっており、実装できるようになればその後の研究・開発に役立つことでしょう。 
ディープラーニングの発展・応用手法を楽しく学んでいただければ幸いです。 


 実装環境 
・読者のPC（GPU環境不要）、AnacondaとJupyter Notebook、AWSを使用したGPUサーバー 
 ・AWSの環境：p2.xlargeインスタンス、Deep Learning AMI（Ubuntu）マシンイメージ（OS Ubuntu 16.04|64ビット、NVIDIA K80 GPU、Python 3.6.5、conda 4.5.2、PyTorch 1.0.1）

Azure & MS Fundamentals資格の勉強方法 | AZ-900、DP-900、AI-900、PL-900、SC-900

第1章　画像分類と転移学習（VGG）
1.1　学習済みのVGGモデルを使用する方法
1.2　PyTorchによるディープラーニング実装の流れ
1.3　転移学習の実装
1.4　Amazon AWSのクラウドGPUマシンを使用する方法
1.5　ファインチューニングの実装

第2章　物体検出（SSD）
2.1　物体検出とは
2.2　Datasetの実装
2.3　DataLoaderの実装
2.4　ネットワークモデルの実装
2.5　順伝搬関数の実装
2.6　損失関数の実装
2.7　学習と検証の実施
2.8　推論の実施

第3章　セマンティックセグメンテーション（PSPNet）
3.1　セマンティックセグメンテーションとは
3.2　DatasetとDataLoaderの実装
3.3　PSPNetのネットワーク構成と実装
3.4　Featureモジュールの解説と実装
3.5　Pyramid Poolingモジュールの解説と実装
3.6　Decoder、AuxLossモジュールの解説と実装
3.7　ファインチューニングによる学習と検証の実施
3.8　セマンティックセグメンテーションの推論

第4章　姿勢推定（OpenPose）
4.1　姿勢推定とOpenPoseの概要
4.2　DatasetとDataLoaderの実装
4.3　OpenPoseのネットワーク構成と実装
4.4　Feature、Stageモジュールの解説と実装
4.5　TensorBoardXを使用したネットワークの可視化手法
4.6　OpenPoseの学習
4.7　OpenPoseの推論

第5章　GANによる画像生成（DCGAN、Self-Attention GAN）
5.1　GANによる画像生成のメカニズムとDCGANの実装
5.2　DCGANの損失関数、学習、生成の実装
5.3　Self-Attention GANの概要
5.4　Self-Attention GANの学習、生成の実装

第6章　GANによる異常検知（AnoGAN、Efficient GAN）
6.1　GANによる異常画像検知のメカニズム
6.2　AnoGANの実装と異常検知の実施
6.3　Efficient GANの概要
6.4　Efficient GANの実装と異常検知の実施

第7章　自然言語処理による感情分析（Transformer）
7.1　形態素解析の実装（Janome、MeCab＋NEologd）
7.2　torchtextを用いたDataset、DataLoaderの実装
7.3　単語のベクトル表現の仕組み（word2vec、fastText）
7.4　word2vec、fastTextで日本語学習済みモデルを使用する方法
7.5　IMDb（Internet Movie Database）のDataLoaderを実装
7.6　Transformerの実装（分類タスク用）
7.7　Transformerの学習・推論、判定根拠の可視化を実装

第8章　自然言語処理による感情分析（BERT）
8.1　BERTのメカニズム
8.2　BERTの実装
8.3　BERTを用いたベクトル表現の比較（bank：銀行とbank：土手）
8.4　BERTの学習・推論、判定根拠の可視化を実装

第9章　動画分類（3DCNN、ECO）
9.1　動画データに対するディープラーニングとECOの概要
9.2　2D Netモジュール（Inception-v2）の実装
9.3　3D Netモジュール（3DCNN）の実装
9.4　Kinetics動画データセットをDataLoaderに実装
9.5　ECOモデルの実装と動画分類の推論実施

つくりながら学ぶ！PyTorchによる発展ディープラーニング

【学習ステップ公開】AI・機械学習初心者必見！勉強すべき領域や学習の手順について詳しく聞いてみました

リモートワークを見直そう
「全てを疑う」セキュリティー対策が必要なわけ

「何も信頼しない」ことを前提としたセキュリティー対策「ゼロトラストネットワーク」に取り組む企業が、世界中で増えています。国内外の有力企業が相次ぎ標的型攻撃などの被害に遭う中、ファイアウオールなど従来型の「境界型セキュリティー」ではもはや、企業のデータやアプリケーションを守り切れないことが明白になったためです。

ゼロトラストネットワークにおいては、従来のように社内ネットワークを「安全」と見なすのではなく、業務アプリケーションやデータに対するアクセスがあるたびに、ユーザーの属性や端末の情報、アクセス元のネットワークなどを厳しくチェックし、利用の可否を判定します。社内ネットワークを信頼しないのですから、業務アプリケーションを使うためにわざわざVPN（仮想私設網）で社内ネットワークに入る必要もなくなります。ゼロトラストはセキュリティーを強化すると同時に、ユーザーの利便性を向上する考え方でもあるのです。

本書「すべてわかるゼロトラスト大全」は、これからのセキュリティー対策の基本となるゼロトラストを基礎から解説すると共に、ゼロトラストを支える「アイデンティティー＆アクセス管理（IAM）」や「アイデンティティー認識型プロキシー（IAP）」、「セキュアWebゲートウエイ（SWG）」などの技術の仕組み、日本における先進的なユーザー事例などを紹介します。

第1部　ゼロトラストネットワークとは何か
　第1章　ゼロトラストネットワーク
　第2章　ゼロトラストネットワーク入門
　第3章　SASE、SDP、SD-WANで企業ネットワークはこう変わる
　第4章　概念の提唱者に聞くゼロトラストの極意

第2部　ゼロトラストを支える技術
　第1章　ゼロトラストを巡る大競争
　第2章　アイデンティティー＆アクセス管理（IAM）
　第3章　アイデンティティー認識型プロキシー（IAP）
　第4章　モバイルデバイス管理（MDM）
　第5章　セキュリティー情報イベント管理（SIEM）
　第6章　クラウド・アクセス・セキュリティー・ブローカー（CASB）
　第7章　セキュアWebゲートウエイ（SWG）
　第8章　情報漏洩防止（DLP）

第3部　ゼロトラスト時代のクライアント防御
　第1章　守り切れない時代のクライアントセキュリティー
　第2章　パソコン選びに新機軸セキュリティーで競う

第4部　プロが教えるゼロトラスト構築法
　第1章　マイクロソフト製品で構築するゼロトラストセキュリティー
　第2章　VPNに頼らない、ゼロトラスト流リモートデスクトップ構築術
　第3章　グーグルのBeyondCorpでゼロトラスト環境を構築
　第4章　ゼロトラスト時代に見直しておきたいIDガバナンスとID管理の自動化

第5部　事例に学ぶゼロトラストネットワーク
　第1章　LIXILのゼロトラスト体験記
　第2章　武田薬品工業
　第3章　同志社大学
　第4章　auカブコム証券
　第5章　竹中工務店
　第6章　ZOZOテクノロジーズ
　第7章　NTTコミュニケーションズ

第6部　サイバー攻撃の脅威
　第1章　従業員を狙ったサイバー攻撃
　第2章　ランサムウエアの脅威
　第3章　ウイルス対策ソフトが攻撃の入り口に
　第4章　特製ランサムウエアで攻撃

第7部　マルウエア徹底解剖
　第1章　マルウエアは挙動や感染経路で分類
　第2章　金銭目的で脅迫するマルウエア
　第3章　対策製品を使っていても感染する理由
　第4章　PCを乗っ取るマルウエアの手口
　第5章　Webサービスを悪用するマルウエア
　第6章　マルウエアと脆弱性の密接な関係
　第7章　マルウエアが駆使するだましの技術
　第8章　マルウエアの隠蔽テクニック
　第9章　ランサムウエア「Ekans」の正体
　第10章　マルウエアの解析方法
　第11章　盗んだ情報で脅迫する新手口
　第12章　マルウエアのサンドボックス回避術

すべてわかるゼロトラスト大全

順位	18位
総合点	6点
Twitterでの点数	2点
Youtubeでの点数	4点

【Azure】すべてわかるゼロトラスト大全の評価
2022-04-20更新

Azure分野での評価

【Azure】すべてわかるゼロトラスト大全の評価2022-04-20更新

Azure分野での評価

【Azure】すべてわかるゼロトラスト大全の評価
2022-04-20更新