Juliaによる機械学習（テキスト） Machine Learning with Julia : An Algorithmic Exploration (Machine Learning: Foundations, Methodologies, and Applications)

Juliaによる機械学習（テキスト）<br>Machine Learning with Julia : An Algorithmic Exploration (Machine Learning: Foundations, Methodologies, and Applications)

個数：

Juliaによる機械学習（テキスト）
Machine Learning with Julia : An Algorithmic Exploration (Machine Learning: Foundations, Methodologies, and Applications)

Deng, Jeremiah D.

ウェブストア価格 ¥16,780（本体¥15,255）
Springer Nature Switzerland AG（2025/10発売）
外貨定価 US$ 79.99
ポイント 152pt

在庫がございません。海外の書籍取次会社を通じて出版社等からお取り寄せいたします。
通常6～9週間ほどで発送の見込みですが、商品によってはさらに時間がかかることもございます。
【重要ご説明事項】
1. 納期遅延や、ご入手不能となる場合がございます。
2. 複数冊ご注文の場合は、ご注文数量が揃ってからまとめて発送いたします。
3. 美品のご指定は承りかねます。

●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

【入荷遅延について】
世界情勢の影響により、海外からお取り寄せとなる洋書・洋古書の入荷が、表示している標準的な納期よりも遅延する場合がございます。
おそれいりますが、あらかじめご了承くださいますようお願い申し上げます。

◆画像の表紙や帯等は実物とは異なる場合があります。

◆ウェブストアでの洋書販売価格は、弊社店舗等での販売価格とは異なります。
また、洋書販売価格は、ご注文確定時点での日本円価格となります。
ご注文確定後に、同じ洋書の販売価格が変動しても、それは反映されません。

製本 Hardcover:ハードカバー版／ページ数 550 p.
言語 ENG
商品コード 9789819696888

Full Description

This textbook offers a comprehensive and accessible introduction to machine learning with the Julia programming language. It bridges mathematical theory and real-world practice, guiding readers through both foundational concepts and advanced algorithms. Covering topics from essential principles like Kullback-Leibler divergence and eigen-analysis to cutting-edge techniques such as deep transfer learning and differential privacy, each chapter delivers clear explanations and detailed algorithmic treatments. Sample code accompanies every major topic, enabling hands-on learning and faster implementation.

By leveraging Julia's powerful machine learning ecosystem—including libraries such as Flux.jl, MLJ.jl, and more—this book empowers readers to build robust, state-of-the-art machine learning models.

Ideal for students, researchers, and professionals alike, this textbook is designed for those seeking a solid theoretical foundation in machine learning, along with deep algorithmic insight and practical problem-solving inspiration.

Introduction.- Metrics and Divergences.- Clustering.- Online Clustering.- Dimension Reduction.- Bayesian classification.- Support Vector Machines = Linear Machines + Kernels.- Tree and Forest: Divide-and-Conquer.- Regression and Model Selection.- Ensemble Methods.- Neural networks.- Convolutional neural networks.- Autoencoders.- Generative adversarial networks.- Transfer Learning.- Federated Learning.