内容説明
数学がニガテでも大丈夫！機械学習をやさしく学ぼう
「機械学習に興味があるけど、どの本を見ても数式が出てきて、分からない…」
本書は、そんな方にぴったりの本です。
機械学習を勉強中のプログラマ「アヤノ」と、友達の「ミオ」の会話を通じて、楽しく学んでいきます。
本書では、
・そもそも機械学習がどうして注目を集めているのか？
・機械学習でできることにはどんなことがあるのか？
・どんな時に、回帰や分類を使うと有効なのか？
といった基本的なところから始まり、
・回帰や分類の具体的な題材に対して、どのように解決方法を考えていくのかをステップバイステップで解説
・その解決方法を数式の形で表すとどうなるのかも、丁寧に説明
・実際にプログラムの形にした場合の例
まで、丁寧に、じっくりと説明していきます。
とくに、数式については、高校で習った数学を忘れている方でも分かるように、つまづきやすいところや理解しにくいところを重点的に解説します。
機械学習の数式に対するモヤモヤを、一掃したいエンジニアの方に最適な1冊です。
【各章の概要】
●Chapter1 ふたりの旅のはじまり
●Chapter2 回帰について学ぼう～広告費か●Chapter3 分類について学ぼう～画像サイズに基づいて分類する
●Chapter4 評価してみよう～作ったモデルを評価する
●Chapter5 実装してみよう～Pythonでプログラミングする
●Appendix 総和の記号・総積の記号／微分／編微分／合成関数／ベクトルと行列／幾何ベクトル／指数・対数／Python環境構築／Pythonの基本／NumPyの基本
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。
まろにしも
13
機械学習のアルゴリズムを数式で分かり易く解説。実際にPythonでプログラミングを書きながら、マトリックスのshapeをイメージしながら読み進めた。①予測⇒線形回帰式⇒誤差二乗和の最小化によりパラメータ導出と②分類⇒シグモイド関数(確率)⇒対数尤度最大化によりパラメータ算出。 この名流れをPythonで体感できた。ワクワクとモヤモヤを繰り返しながら。次は『ディープラーニングの数学（赤石雅典氏）』に進みます！2019/10/12
Yuichiro Komiya
13
機械学習の概念を、対話形式で説明してくれていて分かりやすい。python初めて触ったけど、シンプルですごく使いやすいのに驚いた。2018/05/06
nbhd
12
そもそも、僕が人工知能について学ぶようになったのは、データサイエンスで使われている機械学習のアルゴリズムが実際どういうことをしているのかを知りたかったからだったんだけど、軽い実装で済んでいたロジスティック回帰の数学がこんなにも難解だったとは、あー困った。やっぱり手を動かさないと定着は難しそうだなぁ。2024/01/15
エリナ松岡
12
かなり苦戦しましたが、お薦めできる良書です。おかげさまで機械学習の第一関門突破できたんではないでしょうか？まだまだなのかな？？前半が数学で後半がPythonによるプログラミングなので、大変に思うかもしれませんが、プログラミングは前半で学習したことの復習というスタンスで、これのおかげで理解が深まるようになっています。数学パートのおぞましさに比べればプログラミングパートなぞはカワイイもんですが、ちょいちょい小さなトラップ程度はあり、そこは都度マメにググりました。2018/04/19
しき
9
ベクトル、行列などの複雑な数式がでてくるが、わかりやすい図と導出があるのですんなり理解できた。「ベクトルは数を並べたもの」「ベクトルの内積は類似度を表す」ってのは知らなかった。もっと早く知っておけばよかったなぁ。2018/10/31
