ｉｍｐｒｅｓｓ ｔｏｐ ｇｅａｒ Ｐｙｔｈｏｎ機械学習プログラミング―達人データサイエンティストによる理論と実践

ラシュカ，セバスチャン【著】〈Ｒａｓｃｈｋａ，Ｓｅｂａｓｔｉａｎ〉/クイープ【訳】/福島 真太朗【監訳】

インプレス（2016/07発売）

• サイズ B5判／ページ数 428p／高さ 24cm
• 商品コード 9784844380603
• NDC分類 007.1
• Cコード C3055

出版社内容情報

機械学習やデータサイエンスに興味のある IT 技術者や研究者/学生対象。 Python の基礎と高校数学（数 III 相当）の理解があることが望ましい。

内容説明

機械学習とは、データから学習した結果をもとに、新たなデータに対して判定や予測を行うことです。すでにさまざまな機械学習の方法が開発されています。本書では、そうした方法について背景にある理論や特徴を解説した上で、Ｐｙｔｈｏｎプログラミングによる実装法を説明していきます。初期の機械学習アルゴリズムから取り上げ、終盤ではディープラーニングについても見ていきます。機械学習の理論と実践についてバランスよく解説してあり、ＡＩプログラミングの第一歩を踏み出すための格好の一冊です。

目次

「データから学習する能力」をコンピュータに与える
分類問題―機械学習アルゴリズムのトレーニング
分類問題―機械学習ライブラリｓｃｉｋｉｔ‐ｌｅａｒｎの活用
データ前処理―よりよいトレーニングセットの構築
次元削減でデータを圧縮する
モデルの評価とハイパーパラメータのチューニングのベストプラクティス
アンサンブル学習―異なるモデルの組み合わせ
機械学習の適用１―感情分析
機械学習の適用２―Ｗｅｂアプリケーション
回帰分析―連続値をとる目的変数の予測
クラスタ分析―ラベルなしデータの分析
ニューラルネットワーク―画像認識トレーニング
ニューラルネットワーク―数値計算ライブラリＴｈｅａｎｏによるトレーニングの並列化

著者等紹介

ラシュカ，セバスチャン［ラシュカ，セバスチャン］ ［Ｒａｓｃｈｋａ，Ｓｅｂａｓｔｉａｎ］
ミシガン大学博士課程に在籍。計算生物学の分野で新しいコンピュータ手法の開発に取り組む。データ分析や機械学習の愛好家でもあり、データ分析の関連情報サイト「Ａｎａｌｙｔｉｃｓ　Ｖｉｄｈｙａ」の記事では、ＧｉｔＨｕｂ上で影響力のあるデータサイエンティストの第１位にランクイン（２０１５年７月時点）。また、オープンソースソフトウェアの機械学習ライブラリ開発にも貢献している

福島真太朗［フクシマシンタロウ］
１９８１年生まれ。株式会社トヨタＩＴ開発センターのリサーチャー。２００４年に東京大学理学部物理学科卒業。２００６年東京大学大学院新領域創成科学研究科修士課程修了。専攻は物理学・応用数学（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。

[小野靖貴]

基礎本として購入すると苦労する(文系学卒でAI案件に従事するSEより)。解析学、統計学、線形数学の知識が大学学部生レベルで持ち合わせていれば、良書となるかと。ソースがいっぱい書いてあるのはうれしいです。

2017/12/27

[Hidenori Takahashi]

今はいきなりChainerとかのライブラリを使って機械学習を始めるのが普通だと思うが、高度な事をしようとするとPythonなどのソースに当たらなきゃいけなくなる事もあり、こういう本で基礎を学んでおく事も大事ですね。

2016/09/01

[kibo35@FEH]

sklearnの中の人による機械学習の入門書。4章の前処理、6章の性能評価、7章のアンサンブル学習あたりが有益でした。theanoやkerasも最後にちょっと出てくるのでそこら辺に興味のある向きにも有益かも

2016/08/27

[小野靖貴]

業務にて機械学習を使用してから再読。かなり実務的な要素が盛り込まれていると感じた。AIエンジニアとしてのレベルアップにとって助かると思います。しかし、基本的な数学や、python文法、ライブラリの理解といったある程度の前提知識を前もって習得しておく必要性はあります。初級者を抜けた段階で読むとレベルアップできる、と思う。

2018/05/17

[jackkitte]

機械学習を実際に使って学ぶという観点では非常に良い書籍でした。Pythonの機械学習ライブラリscikit-learnを使って学んできました行くんですが、このライブラリがとても読みやすく、使い易いので、機械学習初学者にお薦めの書籍です。 勿論、これだけで機械学習を全般が網羅できる訳ではないので、この書籍を起点として、機械学習系の他の書籍で勉強していくと、理解が早くなると思います。

2017/06/01