Ｐｙｔｈｏｎで動かして学ぶ！あたらしい機械学習の教科書―数式とプログラムをつなげて理解できる

伊藤 真【著】

翔泳社（2018/01発売）

• サイズ A5判／ページ数 400p／高さ 21cm
• 商品コード 9784798144986
• NDC分類 007.1
• Cコード C3050

出版社内容情報

【本書の概要】

人工知能開発の分野では、機械学習（教師あり学習）を利用した開発が非常に多くなってきています。

本書は学習環境の準備から始まり、Pythonの基本および数学の基本を丁寧に解説。

その上で、教師あり学習について、サンプルを元に解説しています。

初学者でも理解しやすいようにイラストを多く利用しています。

また、教師あり学習だけにとどまらず、教師なし学習についても触れています。



【本書の特徴と構成】

機械学習について基礎からきちんと学習できよう、構成を工夫しています。



第1章では開発環境の準備について解説しています。

第2章では機械学習に必要なPythonの基礎知識について丁寧に解説しています。

第3章では機械学習でよく利用するグラフの描画について主だった方法を中心に解説しています。

第4章では機械学習に必要な数学の知識について解説しています。



第5章では教師あり学習（回帰）についてサンプルを元に丁寧に解説しています。

第6章では教師あり学習（分類）についてサンプルを元に丁寧に解説しています。

第7章ではニューラルネットワーク・ディープラーニングの基本について解説しています。

第8章ではニューラルネットワーク・ディープラーニングの応用について解説しています。

第9章では教師なし学習について、ポイントを押さえて解説しています。



特に第5章から第9章では、機械学習を学ぶ過程でつまづきやすいポイントについて

著者がピックアップし、丁寧に解説しています。



【対象読者】

機械学習について学びたい初学者



【著者】

伊藤真（いとう・まこと）

栃木県出身、神奈川県在住。

2000年、東北大学大学院にてラットのナビゲーション行動の数理モデルの研究で情報科学博士取得。

2004-2016年、沖縄科学技術大学院大学神経計算ユニットの実験グループリーダーを務め、

ラットの脳活動のデータ収集とその解析に従事。

主に、ラットの選択行動と脳活動を強化学習モデルで説明する研究を行ってきた。

2017年より、プログレス・テクノロジーズ株式会社に入社、人工知能の産業利用を目指す。

趣味はダンボール工作。

内容説明

教師あり学習の基本をわかりやすく丁寧に解説！数式とプログラムをつなげて理解できる！Ｊｕｐｙｔｅｒ　Ｎｏｔｅｂｏｏｋ対応。

目次

第１章　機械学習の準備
第２章　Ｐｙｔｈｏの基本
第３章　グラフの描画
第４章　機械学習に必要な数学の基本
第５章　教師あり学習：回帰
第６章　教師あり学習：分類
第７章　ニューラルネットワーク・ディープラーニング
第８章　ニューラルネットワーク・ディープラーニング（手書き数字の認識）
第９章　教師なし学習

著者等紹介

伊藤真［イトウマコト］
栃木県出身。２０００年、東北大学大学院にてラットのナビゲーション行動の数理モデルの研究で情報科学博士取得。２００４～２０１６年、沖縄科学技術大学院大学神経計算ユニットの実験グループリーダーを務め、ラットの脳活動のデータ収集とその解析に従事。主に、ラットの選択行動と脳活動を強化学習モデルで説明する研究を行ってきた。２０１７年より、プログレス・テクノロジーズ株式会社に入社、人工知能の産業利用を目指す（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。

[vinlandmbit]

同シリーズ読み進めてますが、本書も学び多し。本書と同シリーズのKeras/Tensorflow本で結構実践的に学べます。

2019/06/15

[funa1g]

基本的な数学から押さえつつ、機械学習に関して数学的に理解する本。まさに教科書。大学学部レベルの人工知能の授業っぽい。出てくる数学の解説もありますが、これだけで理解するのはしんどいと思うので、できたら大学数学か最低でも高校数学くらいの基礎はほしい。なんとなく機械学習ライブラリが動かせる、みたいな感じではなく、論文も読み下せるようになりたい人の入門書として有用。少なくともこれくらいは読み下せないとPRMLは読めないので、有名だからとPRMLとかに行く前にオススメ。

2021/03/10

[Ancacorita.]

紙面で表現できて人間の頭でも具体化できる1,2次元の例から丁寧に説明しており、たいへん理解が進んだ。低次元でまず理解することが一般的なN次元への拡張に対して無理なくついてくポイント。教師あり学習(回帰、分類)やニューラルネットワーク・ディープランニングについてどんな数式処理がなされてるか分かり、僅かだが機械学習の基本を理解した気がする。数式とビジュアルのバランスが良く、理論的かつ直感的に理解できる工夫が施されてたと感じた(数式が全くないのもぼんやりして嫌なタチなので。。)。次レベルの本に着手する所存。

2024/05/02