出版社内容情報
人工知能（AI)・機械学習と言ったバズワードを見ることは多くなりましたが、まだまだデータ解析のハードルは高いと考えられています。特に機械学習の入門書には高度な理論や前提知識を必要とされることも多く、学習する過程で挫折しまうことが多いようです。
エンジニアのみなさんにとっては、Pythonの便利なツールを用いてデータに実際に触れて、機械学習の面白さや便利さを体験することも良い学習方法の1つです。 誤解をおそれずに言えば、目の前のデータをどう扱えば役に立つのか？ を理解してからでも理論を学ぶのは遅くはありません。本書では「勉強になった」で終わることなく現場のアプリーケーションを使うための機械学習の基礎を解説します。あえて理論的な部分は詳しく触れていません。
内容説明
難しい理論で悩む前に、手を動かして機械学習を試してみよう！
目次
第１章 Ｐｙｔｈｏｎによる機械学習プログラミングの準備（本書で扱う重要なＰｙｔｈｏｎパッケージ；本書の読み方 ほか）
第２章 Ｐａｎｄａｓによる前処理とデータの分析（前処理とは；ｉｒｉｓデータの操作 ほか）
第３章 ｓｃｉｋｉｔ‐ｌｅａｒｎではじめる機械学習（機械学習に取り組むための準備；ｓｃｉｋｉｔ‐ｌｅａｒｎによる機械学習の基本 ほか）
第４章 ＧｅｎｓｉｍとＰｙＴｏｒｃｈを使った自然言語処理（自然言語処理とは；Ｇｅｎｓｉｍで単語の意味ベクトルを学習する ほか）
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。
やご
1
初心者向けの機械学習プログラミング入門書、というか、う〜ん。これ一通り読めば、ともかくも実用的な何かをできるようになる、っていうレベルの入門書ではありません。機械学習プログラミングをするには、こんな準備をして、それからこんな処理をさせると、初歩的だけどこんなことができるよっていうところを駆け足でご紹介、くらいのところでしょうか。（続く）→ https://gok.0j0.jp/nissi/1327.htm2022/10/07
とし
1
pipenvを使った環境構築、エディタの使い方、pandasを使った前処理、scikit−learnを使ったML，PyTorchを使ったディープラーニングの実装例が載っている本。 githubでサンプルコードも公開されており、説明も分かりやすいので、実装するための最初のステップや足がかりが欲しい人には良書。 当方はG検定対策で基本理論をやった後に実装の足がかりが欲しかったので本当に丁度よかった。 プログラミング経験のない人はPythonの入門書をやった上でこの本に臨んだ方がスムーズに学習出来るかと思う。2021/08/14
Manabu Tokushima
0
良書2020/10/09
-
- 和書
- 英検３級頻出度別問題集
