出版社内容情報
実務に適用できるレベルまで機械学習手法を習熟するためには、統計的学習・推論をコンピュータ上で実行するためのプログラミング、回帰や分類など機械学習アルゴリズムを構成する理論や方法論、データや解決したい問題の特性に応じた手法の選択とチューニング技法、適用する業界や専門領域での実例まで広く学ぶ必要があるが、体系的に効率よくこれらの項目を学習することは容易ではない。
本書では多くの実践者がデファクトスタンダードとして使用しているPythonおよびAnaconda、Keras、TensorFlowといったプログラミング言語・ツール・フレームワークを用いて、画像やテキスト、時系列データといった多種多様なデータに対して、機械学習を適用する前準備としてのデータ処理から、機械学習手法の選択および実装、結果の可視化と効果測定までのアプローチを豊富なサンプルコードとともにハンズオンを通して実践的に学ぶことができる。
取り上げられている機械学習の手法も、ロジスティック回帰・サポートベクターマシンをはじめとした定石として確立されたものから深層学習・強化学習といった近年注目を浴びているものまで、バラエティに富みつつも実用上有効なものにフォーカスしている。また、各手法を一から実装をするのではなく、可能な限りオープンソースライブラリなど既存の資産を活用している点も実務者にとって有用であろう。
データサイエンティストや機械学習エンジニアへのキャリアチェンジ、スキルアップを目指すITエンジニアや、機械学習の適用例を確立された技術から新しいものまで効率よく広く俯瞰したい初学者にとって、機械学習の実務適用の全体像を効果的に把握するために、手元に置いておきたい良書である。
[原著: Mastering Machine Learning with Python in Six Steps: A Practical Implementation Guide to Predictive Data Analytics Using Python, 2nd Edition, Apress, 2019]
目次
１ Ｐｙｔｈｏｎ３入門
２ 機械学習入門
３ 機械学習の基礎
４ モデルの診断とチューニング
５ テキストマイニングと推薦システム
６ 深層学習と強化学習
著者等紹介
Ｓｗａｍｙｎａｔｈａｎ，Ｍａｎｏｈａｒ［ＳＷＡＭＹＮＡＴＨＡＮ，ＭＡＮＯＨＡＲ］ ［Ｓｗａｍｙｎａｔｈａｎ，Ｍａｎｏｈａｒ］
データサイエンスの実務家であり、熱心なプログラマーでもあり、データウェアハウス、ビジネスインテリジェンス（ＢＩ）、分析ツール開発、アドホック分析、予測モデリング、データサイエンス製品開発、コンサルティング、戦略策定、分析計画の実行など、様々なデータサイエンス関連分野で１４年以上の経験を持つ。これまでに、米国の住宅ローン、小売／ｅコマース、保険、産業用ＩｏＴなど、様々な分野におけるデータのライフサイクルを取り扱うキャリアを積んできた。彼は、物理学、数学、コン＊
菊地弘晶［キクチヒロアキ］
２０１２年慶應義塾大学大学院理工学研究科博士後期課程単位取得退学。現在、楽天グループ株式会社グローバルアドディヴィジョンＧｌｏｂａｌ Ａｄ Ｔｅｃｈｎｏｌｏｇｙ統括部Ａｄ Ｓｏｌｕｔｉｏｎｓ ａｎｄ Ｉｎｓｉｇｈｔ Ｄｅｖｅｌｏｐｍｅｎｔ部ジェネラルマネージャー。修士（工学）。専門、情報検索、自然言語処理、機械学習、ソフトウェアエンジニアリング
新田慧［ニッタケイ］
２０１５年東京大学大学院学際情報学府総合分析情報学コース修士課程修了。現在、ユニティ・テクノロジーズ・ジャパン株式会社Ａｃｃｅｌｅｒａｔｅ ｓｏｌｕｔｉｏｎｓシニアソフトウェアエンジニア。東京大学大学院工学系研究科博士後期課程在籍。修士（学際情報学）。専門、Ｈｕｍａｎ Ｃｏｍｐｕｔｅｒ Ｉｎｔｅｒａｃｔｉｏｎ，ＡＲ／ＶＲ
竹之内隆夫［タケノウチタカオ］
２０１３年電気通信大学大学院情報システム学研究科社会知能情報学専攻博士後期課程修了。現在、ＬＩＮＥ株式会社。早稲田大学招聘研究員。博士（工学）。専門、セキュリティ、プライバシー保護技術
兼村厚範［カネムラアツノリ］
２００９年京都大学大学院情報学研究科博士後期課程修了。現在、未来報酬株式会社代表取締役。内閣府戦略的イノベーション創造プログラム（ＳＩＰ）サブプログラムディレクタ。国立研究開発法人産業技術総合研究所招聘研究員。株式会社国際電気通信基礎技術研究所（ＡＴＲ）客員研究員、ほか企業のアドバイザや取締役を務める（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。
