内容説明
本書では、機械学習の各コンセプトについて、理論的背景とＰｙｔｈｏｎコーディングの実際を解説。初期の機械学習アルゴリズムから、ニューラルネットワーク（ＣＮＮ／ＲＮＮ）までの手法を取り上げます。Ｐｙｔｈｏｎ関連ライブラリとしてはｓｃｉｋｉｔ‐ｌｅａｒｎやＴｅｎｓｏｒＦｌｏｗなどを使用。第２版では、第１版への読者のフィードバックを随所に反映し、ライブラリの更新に対応しました。１３章以降はほとんど新規の書き下ろしです。本書は、機械学習を本格的に理解・実践するのに不可欠な一冊となっています。
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―単純な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〔ほか〕
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］
ベストセラーとなった『Ｐｙｔｈｏｎ Ｍａｃｈｉｎｅ Ｌｅａｒｎｉｎｇ』の著者。Ｐｙｔｈｏｎでの科学的なコンピューティングをリードしているＳｃｉＰｙ Ｃｏｎｆｅｒｅｎｃｅでの機械学習チュートリアルを含め、データサイエンス、機械学習、ディープラーニングの実用化に関するさまざまなセミナーを主催している。２０１６～２０１７年度の学部別のＯｕｔｓｔａｎｄｉｎｇ Ｇｒａｄｕａｔｅ Ｓｔｕｄｅｎｔ Ａｗａｒｄ、そしてＡＣＭ Ｃｏｍｐｕｔｉｎｇ ＲｅｖｉｅｗｓのＢｅｓｔ ｏｆ ２０１６に選ばれている。空いた時間は、オープンソースのプロジェクトや手法に積極的に貢献している
ミルジャリリ，ヴァヒド［ミルジャリリ，ヴァヒド］ ［Ｍｉｒｊａｌｉｌｉ，Ｖａｈｉｄ］
分子構造の大規模計算シミュレーションの手法に関する研究で機械工学の博士号を取得している。現在は、ミシガン州立大学コンピュータサイエンス工学科に在籍し、さまざまなコンピュータビジョンプロジェクトで機械学習の応用に関する研究を行っている。Ｐｙｔｈｏｎを第一のプログラミング言語としており、学術研究を通じてＰｙｔｈｏｎでのコーディングに明け暮れてきた。Ｖａｈｉｄはミシガン州立大学の工学クラスでＰｙｔｈｏｎプログラミングを教えており、学生たちがＰｙｔｈｏｎのさまざまなデータ構造を理解し、効率的なコードを開発する手助けをしている
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開発センターのシニアリサーチャー。２００４年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複雑理工学専攻修士課程修了。東京大学大学院情報理工学系研究科数理情報学専攻博士課程に在学中。専攻は機械学習・データマイニング・非線形力学系（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。
