Optunaによるブラックボックス最適化

個数:
電子版価格
¥3,520
  • 電子版あり
  • ポイントキャンペーン

Optunaによるブラックボックス最適化

  • ウェブストアに19冊在庫がございます。(2025年05月03日 13時16分現在)
    通常、ご注文翌日~2日後に出荷されます。
  • 出荷予定日とご注意事項
    ※上記を必ずご確認ください

    【ご注意事項】 ※必ずお読みください
    ◆在庫数は刻々と変動しており、ご注文手続き中に減ることもございます。
    ◆在庫数以上の数量をご注文の場合には、超過した分はお取り寄せとなり日数がかかります。入手できないこともございます。
    ◆事情により出荷が遅れる場合がございます。
    ◆お届け日のご指定は承っておりません。
    ◆「帯」はお付けできない場合がございます。
    ◆画像の表紙や帯等は実物とは異なる場合があります。
    ◆特に表記のない限り特典はありません。
    ◆別冊解答などの付属品はお付けできない場合がございます。
  • ●3Dセキュア導入とクレジットカードによるお支払いについて
    ●店舗受取サービス(送料無料)もご利用いただけます。
    ご注文ステップ「お届け先情報設定」にてお受け取り店をご指定ください。尚、受取店舗限定の特典はお付けできません。詳細はこちら
  • サイズ A5判/ページ数 224p/高さ 21cm
  • 商品コード 9784274230103
  • NDC分類 007.1
  • Cコード C3055

出版社内容情報

チューニングを自動化するブラックボックス最適化について詳説

本書は、機械学習に欠かせないハイパーパラメータ調整(チューニング)を自動化するブラックボックス最適化について一からわかりやすく、そして、詳しく説明した書籍です。合わせて、Python言語上で動作するフレームワーク“Optuna”によるブラックボックス最適化の実行を、Optunaの開発者ら自ら詳しく説明しており、基礎を理解しながら実践に即した知識を身につけることができます。
いまや機械学習は多種多様な応用が広く図られており、技術者/研究者、学生全般にとって必修といえるスキルになっていますが、その際に手間を要するのが、ハイパーパラメータ調整です。特に、深層学習(ディープラーニング)では、ハイパーパラメータの数が多い傾向があるうえに、その調整が性能を大きく左右するといわれています。多くの技術者が、これにかなりの時間が費やされてしまっているのが実情です。ブラックボックス最適化は汎用性も高く、機械学習のハイパーパラメータ調整に限らず、工学や日常生活にかかわる多くのことを最適化できます。例えば、本書ではミドルウェアのパフォーマンス調整や、お菓子のレシピ作成にブラックボックス最適化を応用する方法も紹介しています。
ハイパーパラメータ調整の手間を大幅に削減するブラックボックス最適化とそのPythonベースのフレームワークOptunaについて、応用例からアルゴリズムまでを一からわかりやすく説明した書籍です。機械学習に留まらず、科学技術のあらゆる分野で登場するブラックボックス最適化に入門するにあたって最適な書籍です。

内容説明

最適化を最適化せよ。機械学習のハイパーパラメータ調整、ミドルウェアのパフォーマンス向上、料理のレシピ改善、そのほか手間のかかるあらゆる最適化を自動化する方法を解説。

目次

1 ブラックボックス最適化の基礎
2 はじめてのOptuna
3 Optunaを使いこなす
4 ブラックボックス最適化の応用例
5 Optunaの最適化の仕組み
6 ブラックボックス最適化のアルゴリズム

著者等紹介

佐野正太郎[サノショウタロウ]
2014年、京都大学大学院情報学研究科修士課程修了。金融業や広告業のソフトウェアエンジニアを経て、2018年より株式会社Preferred Networksエンジニア。2019年より同AutoMLチーム担当エンジニアリングマネージャー。ハイパーパラメータ最適化ツールOptunaの開発をはじめとする機械学習エンジニアリングの自動化・効率化に従事

秋葉拓哉[アキバタクヤ]
2013年、東京大学大学院情報理工学系研究科修士課程修了。2015年、同研究科博士課程修了。2015年、国立情報学研究所助教。2016年、株式会社Preferred Networksリサーチャー。2018年、同械学習基盤担当VP。機械学習の大規模化・効率化を主眼に置いた機械学習フレームワークの研究開発などに従事

今村秀明[イマムラヒデアキ]
2020年、東京大学大学院情報理工学系研究科修士課程修了。2020年より株式会社Preferred Networksリサーチャー。学生時代はベイズ最適化の理論などを研究。現在は同AutoMLチームにてOptunaの開発、および、機械学習エンジニアリングの自動化・効率化に従事

太田健[オオタタケル]
2008年、東洋大学社会学部社会学科学士課程修了。複数のソフトウェアエンジニア職を経て、2018年に株式会社Preferred Networksに入社し、Optunaの開発に携わる。2021年より株式会社時雨堂でWebRTCを用いたリアルタイムコミュニケーション用のミドルウェア開発に従事

水野尚人[ミズノナオト]
2020年、東京大学大学院理学系研究科博士課程単位取得退学。2020年より株式会社Preferred Networksエンジニア。学生時代は地震学における機械学習の応用などを研究。そのかたわら競技プログラミングにも打ち込み、ICPC(国際大学対抗プログラミングコンテスト)などに出場した

柳瀬利彦[ヤナセトシヒコ]
2010年、東京大学大学院新領域創世科学研究科博士後期課程修了、博士(科学)(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。

shin_ash

4
実験計画法の発展としてベイズ最適化と探索条件の逐次選択に興味があるので読んでみた。内容的にはoptunaの使用方法を中心に考え方や技術、論文の紹介をする構成で詳細は論文に譲るスタイルで解説される。基本的にトライアル(試行)回数やコストがタダ同然の世界を前提にしている。ただしアルゴリズムにはならないが考え方は物理的な実験でも適用可能でクッキーレシピの例が出ていた。物理的な実験とは異なり全てアルゴリズムで完結する世界が中心ではあるが、最適化問題の先進的な考え方がわかった様な気がする。ベイズ最適化はガウス過程を2023/07/15

yyhhyy

3
特徴量最適化のためのOptunaの使い方や特長を日本語で紹介した希少な本。2023/04/22

ONE_shoT_

2
ブラックボックス最適化について気になっていたので読んだ一冊。Optunaの使い方・ブラックボックス最適化アルゴリズム・応用例について簡単に解説されている。数理構造が利用できない(数理最適化問題として定式化できない)状況でなんらか最適化をしたい状況になったら改めて読み返したい。2024/07/12

しろっこー

0
Optunaの入門的な使い方→実践的な使い方→背景アルゴリズム→実装された各種アルゴリズムの使い分けという実践的な内容で大変勉強になった。2025/05/02

外部のウェブサイトに移動します

よろしければ下記URLをクリックしてください。

https://bookmeter.com/books/20583369
  • ご注意事項

    ご注意
    リンク先のウェブサイトは、株式会社ブックウォーカーの提供する「読書メーター」のページで、紀伊國屋書店のウェブサイトではなく、紀伊國屋書店の管理下にはないものです。
    この告知で掲載しているウェブサイトのアドレスについては、当ページ作成時点のものです。ウェブサイトのアドレスについては廃止や変更されることがあります。
    最新のアドレスについては、お客様ご自身でご確認ください。
    リンク先のウェブサイトについては、「株式会社ブックウォーカー」にご確認ください。