機械学習プロフェッショナルシリーズ オンライン機械学習

海野 裕也/岡野原 大輔/得居 誠也/徳永 拓之【著】

講談社（2015/04発売）

• サイズ A5判／ページ数 158p／高さ 21cm
• 商品コード 9784061529038
• NDC分類 007.1
• Cコード C3341

出版社内容情報

誰でもすぐに実践できる即戦力の入門書！基礎から理論、実装、応用、最新手法までをすべて網羅。この１冊で、面白いほどよくわかる！誰でもすぐにオンライン機械学習を実践できる即戦力の入門書！オンライン機械学習の基礎から理論、実装、応用、最新手法までをすべて網羅し、明快に解説した。この１冊で、面白いほどよくわかる！

【機械学習プロフェッショナルシリーズ】
本シリーズでは、発展著しい機械学習技術の数学的な基礎理論、実用的なアルゴリズム、それらの活用法を、全29巻にわたって刊行する。
ビッグデータ時代を牽引している若手・中堅の現役研究者が、入門的な内容から最先端の研究成果までをわかりやすく解説。
これからデータサイエンス分野で研究を始めようとしている大学生・大学院生、および、機械学習技術を基礎科学や産業に応用しようとしている研究者・技術者に向けた注目のシリーズである。

全29巻のうち第1期として、以下の4点を同時刊行！

『機械学習のための確率と統計』杉山 将･著
『深層学習』岡谷 貴之･著
『オンライン機械学習』海野 裕也／岡野原 大輔／得居 誠也／徳永 拓之･著
『トピックモデル』岩田 具治･著

第2期の刊行は2015年8月、第3期の刊行は2015年12月の予定(＾o＾)/

【シリーズ編者】
杉山 将　東京大学大学院新領域創成科学研究科 教授

第1章　序論
第2章　準備
第3章　基礎
第4章　発展
第5章　性能解析
第6章　実装
付録A


海野 裕也［ウンノ ユウヤ］
著・文・その他

岡野原 大輔［オカノハラ ダイスケ］
著・文・その他

得居 誠也［トクイ セイヤ］
著・文・その他

徳永 拓之［トクナガ ヒロユキ］
著・文・その他

内容説明

だれでも、すぐに実践できる。ライバルに差をつけろ！基礎から理論、実装、最新手法までをすべて網羅した。数学的な準備も記載され、初学者にうれしい親切設計。

目次

第１章　序論
第２章　準備
第３章　基礎
第４章　発展
第５章　性能解析
第６章　実装

著者等紹介

海野裕也［ウンノユウヤ］
２００８年、東京大学大学院情報理工学系研究科コンピュータ科学専攻修士課程修了。現在、（株）Ｐｒｅｆｅｒｒｅｄ　Ｉｎｆｒａｓｔｕｒｕｃｔｕｒｅ知的情報処理事業部副事業部長

岡野原大輔［オカノハラダイスケ］
博士（情報理工学）。２０１０年東京大学大学院情報理工学系研究科コンピュータ科学専攻博士課程修了。現在、（株）Ｐｒｅｆｅｒｒｅｄ　Ｉｎｆｒａｓｔｕｒｕｃｔｕｒｅ取締役副社長

得居誠也［トクイセイヤ］
２０１２年東京大学大学院情報理工学系研究科数理情報学専攻修士課程修了。現在、（株）Ｐｒｅｆｅｒｒｅｄ　Ｎｅｔｗｏｒｋｓリサーチャー

徳永拓之［トクナガヒロユキ］
２００７年東京大学大学院情報理工学系研究科創造情報学専攻修士課程修了。現在、（株）Ｐｒｅｆｅｒｒｅｄ　Ｉｎｆｒａｓｔｕｒｕｃｔｕｒｅ知的情報処理事業部事業部長（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。

[disktnk]

タイトルにオンラインとあるけど、バッチ型でも使えるノウハウも含まれている。基礎から発展(深層学習や分散学習など)、性能評価まで幅広く扱っており、トピックごとに理解を深めたい人には向かないかもしれない。ただ個人的には、実務目線で整理されており、特に正則化項やペナルティ、SGD以外の勾配降下法、RFTLなどの説明が非常に分かり易かった。入門本に次に良いかもしれない。

2015/10/18

[Tsukasa Fukunaga]

リグレット解析やオンライン並列学習など、個別の内容としては面白いが、本の構成があまり適切ではないと思う。第二章「準備」で数学的なことを少々解説しているが、非常に薄いのでこれだけでわかることは難しいだろうので、不要だと思う。第六章「実装」では行列計算の方法などについて書かれるのだろうかと思ったが、浮動小数点やベクトルが疎な場合の計算やlogsumの計算などがほとんど。三章の一節である「自然言語処理への応用」は少々やっつけ感がある気がする。

2015/09/21

[kk]

読了．

2017/10/27

[Shuhei Iitsuka]

ニューラルネットワーク，SVM，ロジスティック回帰がひとつのオンライン機械学習問題に帰着されることを理解するのに良い．オンライン最適化そのもののリグレット解析により興味がある人は，同じ MLP シリーズの『オンライン予測』がおすすめ．

2017/07/10

[inakoshi]

1〜3章は基本的で、復習レベル。4章のPA, CW, AROWあたりや、Deep Learningとの関係あたりは再読しておきたい。

2017/01/03