イラストで学ぶ機械学習―最小二乗法による識別モデル学習を中心に

杉山 将【著】

講談社（2013/09発売）

• サイズ A5判／ページ数 232p／高さ 22cm
• 商品コード 9784061538214
• NDC分類 007.1
• Cコード C3055

出版社内容情報

最小二乗法で、機械学習をはじめましょう！！数式だけではなく、イラストがあるから直感的でわかりやすい！黄色本よりさきに読もう！最小二乗法で、機械学習をはじめましょう!! 数式だけではなく、イラストや図が豊富だから、直感的でわかりやすい!　MATLABのサンプルプログラムで、らくらく実践!　さあ、黄色本よりさきに読もう!

第I部　はじめに
第1章　機械学習とは
第2章　学習モデル
第II部　教師付き回帰
第3章　最小二乗学習
第4章　制約付き最小二乗学習
第5章　スパース学習
第6章　ロバスト学習
第III部　教師付き分類
第7章　最小二乗学習に基づく分類
第8章　サポートベクトル分類
第9章　アンサンブル分類
第10章　確率的分類
第11章　系列データの分類
第IV部　教師なし学習
第12章　異常検出
第13章　教師なし次元削減
第14章　クラスタリング
第V部　発展的話題
第15章　オンライン学習
第16章　半教師付き学習
第17章　教師付き次元削減
第18章　転移学習
第19章　マルチタスク学習
第VI部　おわりに
第20章　まとめと今後の展望


杉山 将［スギヤマ マサシ］
著・文・その他

目次

第１部　はじめに（機械学習とは；学習モデル）
第２部　教師付き回帰（最小二乗学習；制約付き最小二乗学習　ほか）
第３部　教師付き分類（最小二乗学習に基づく分類；サポートベクトル分類　ほか）
第４部　教師なし学習（異常検出；教師なし次元削減　ほか）
第５部　発展的話題（オンライン学習；半教師付き学習　ほか）
第６部　おわりに（まとめと今後の展望）

著者等紹介

杉山将［スギヤママサシ］
１９７４年大阪府生まれ。１９９７年東京工業大学工学部情報工学科卒業、２００１年同大学院博士課程修了。２００１年同大学助手、２００３年同大学助教授（２００７年准教授に改称）。現在、東京工業大学大学院情報理工学研究科計算工学専攻准教授、国立情報学研究所客員准教授。博士（工学）。機械学習の理論研究とアルゴリズムの開発、および信号画像処理などへの応用研究に従事。２０１１年に情報処理学会長尾真記念特別賞を受賞（本データはこの書籍が刊行された当時に掲載されていたものです）
※書籍に掲載されている著者及び編者、訳者、監修者、イラストレーターなどの紹介情報です。

感想・レビュー

※以下の感想・レビューは、株式会社ブックウォーカーの提供する「読書メーター」によるものです。

[nbhd]

文系の僕にとっては、だいぶ高度な数式の連発に完全にノックアウトされた。この本を読んで学んだことは、ディープラーニングに多少かぶれたからといって、機械学習を甘く見るんじゃない、ということだ。肝に銘じたわ。ベーシックな機械学習、深層学習の要点は、「関数の最小値を求めること」で、考え方じたいは中高の数学の延長線上にあるのだけど、この延長線がなかなか厄介だ。数式を問題なく読める人にとっては、気持ちいいのだろうなぁと想像したりした。

2024/02/27

[jackkitte]

機械学習に関する基本的なことを数式とイラストを使って分かりやすく解説しています。機械学習をとりあえず使ってみてどのようなことができるかなどをある程度は把握していたので、その後でこの書籍を読むと、機械学習に関する理解が広がりました。 ですので、入門としてこちらを読むのはお薦めしません。

2017/06/26

[T2C_]

数式大好き人間向けに感じる。流し読みで概要だけ追ったので、本格的に勉強する際にもう一度参考として使うスタンスで行こうと思う。一度勉強してもう一度思い出す時に有用な類かもしれない。

2015/01/27

[西やん]

とにかく難しいです。いきなり最初の式の意味がわかりませんでした。イラストで学ぶとありますが、あまりイラスト効果は感じられませんでした。ベイズについて勉強してからでないと全く理解できないと思います。

2014/12/21

[Willow]

非常に学ぶ事が多く、数式に対しての説明も平易でわかりやすい部類だと思う。イラストでの学べ無さが面白い。内容は初学者に対しては高度であると思う。

2019/03/04