じわじわわかる機械学習 データ分析・AIアルゴリズムのなかみ

著者名：橋本泰一

インプレス（2026/04発売）

• ISBN：9784295024224

内容説明

●一冊目に読みたい機械学習の超入門。数式なしで基礎がわかる！

　本書は、機械学習の「なぜ？」から「どう使うか？」までを、この一冊で解き明かす「機械学習入門」です。
　教師あり・なし学習といった基本から、PCA、t-SNE、UMAPによる次元削減、さらには最新のディープラーニング（CNN、RNN、Transformer）、強化学習まで、重要トピックを網羅。難解な概念も、豊富な図解と具体的な応用例を通じて、視覚的かつ実践的に、高校生でも理解できる平易な文体で理解を深めることができます。また、できるだけ数式は使わず、図解を中心に丁寧に基礎理論を解説しているため、数学が苦手な学生や新人ITエンジニアの方でも安心して読み進められます。モデル評価やデプロイ、倫理といった実践的側面にも触れ、この一冊で機械学習の全体像を把握し、次世代AIスキルの基礎を習得できる必携書です。

▼本書の構成
第1章　機械学習とは？
第2章　機械学習の手順
第3章　教師あり学習
第4章　ニューラルネットワーク
第5章　教師なし学習
第6章　強化学習

　本書を読むことで、知識や経験が浅い方でも機械学習の全体像を掴むことができます。これからITエンジニアを目指す学生や、新人の方におススメの一冊です。

目次

表紙
はじめに
この本の読み方　～わからなくていい、まずは触ってみよう～
目次
本書情報および正誤表のWeb ページ
第1章 機械学習とは？ ～コンピュータはデータから学ぶ～
第2章 機械学習の手順 ～コンピュータが賢くなる手順～
2-1 データの準備と前処理 ～機械学習の下ごしらえ～
2-2 特徴量エンジニアリング ～重要な特徴を見つけ出す～
2-3 データ分割と学習モデル ～トレーニング／検証／テストの3段構え～
2-4 モデルの評価 ～テストの成績をどう分析するか～
第3章 教師あり学習 ～正解を教えてもらって、少しずつ賢くなる学び方～
3-1 k近傍法 ～「近くの人に相談してみる」ことから始まる予測法～
3-2 線形回帰 ～まっすぐな線で予測する～
3-3 ロジスティック回帰 ～「はい」か「いいえ」を予測する魔法のモデル～
3-4 サポートベクターマシン ～わかりやすくデータを分ける、賢い境界線の探し方～
3-5 ナイーブベイズ ～ヒントから正体を推測する確率の名探偵～
3-6 決定木 ～診断チャートで判定する～
3-7 アンサンブル学習 ～みんなで答えを出す最強のチームワーク～
3-8 ランダムフォレスト ～たくさんの意見を集めて、より正しい答えを導く「クラス委員会」～
3-9 勾配ブースティング ～失敗から学んで、どんどん賢くなる努力の人～
第4章 ニューラルネットワーク ～脳みそのモノマネ～
4-1 単純パーセプトロン ～最も単純なニューラルネットワーク～
4-2 多層パーセプトロン ～ワンルームから一軒家へ～
4-3 ディープラーニング ～一軒家から高層ビルへ～
4-4 活性化関数 ～ニューロンの性質を決めるスイッチ～
4-5 ディープラーニングの学習 ～コツコツと試行錯誤を繰り返す努力家～
4-6 最適化アルゴリズム ～効率的に山を下る～
4-7 正規化と正則化 ～本番に強くなるための学習法～
4-8 ディープラーニングあるある ～よくあるつまずきポイント～
第5章 教師なし学習 ～正解がなくても、自分で見つける力～
5-1 k平均法 ～似たものどうしをまとめてグループを作る～
5-2 階層クラスタリング ～似たものどうしが少しずつ集まる不思議な木～
5-3 DBSCAN ～集まり具合を見て、グループを見つけよう～
5-4 主成分分析 ～データの整理整頓で見えてくる“本質”～
5-5 t-SNE ～似たものどうしは近くに並べる～
第6章 強化学習 ～七転び八起き、実践から学ぶ～
6-1 Q学習 ～攻略本を作って最適な行動を見つけよう～
6-2 グリッドワールドで学ぶQ 学習 ～マス目の世界で育つ「攻略本」～
6-3 深層Q学習 ～ディープラーニングで広い世界に挑む～
索引
著者プロフィール
奥付

感想・レビュー

※以下の感想・レビューは、株式会社ドワンゴの提供する「読書メーター」によるものです。

[Go Extreme]

📖機械学習=データ➡️数式・アルゴリズム化＝未来予測・分類 📊データ＋特徴量：AIの栄養源➡️質＋量＝精度🆙 ⚙️アルゴリズム:回帰・分類・クラスタリング＝目的別使い分け 🧠ディープラーニング＝人間の脳神経模倣➡️複雑なデータ：自動認識 ⚖️学習＝過学習(暗記)❌➡️汎化性能(応用)🎯：調整＋検証が必要 🛠️実践：ビジネス課題➡️データ収集＋前処理＝価値創出 🚀AIの本質：ブラックボックス❌➡️中身(仕組み)の理解＝正しく活用

2026/06/09