機械学習がこれ一冊で学べる

これ1冊で入門は完成する

機械学習コンセプト全般をカバーし、理論的背景とPythonコーディングの実際を解説しています。初歩的な線形回帰から始め、ディープラーニング(CNN/RNN)、敵対的生成ネットワーク(GAN)、強化学習などを取り上げ、scikit‐learnやTensorFlowなどPythonライブラリの新版を使ってプログラミング。第3版では13~16章の内容をほとんど刷新したほか、敵対的生成ネットワークと強化学習の章を新たに追加。機械学習プログラミングの本格的な理解と実践に向けて大きく飛躍できる。

世界各国で翻訳された機械学習本ベストセラー!

分類/回帰問題から、深層学習/強化学習まで、機械学習コンセプト全般をカバー。理論的背景とPythonコーディングの実際を解説しています。敵対的生成ネットワーク、強化学習の各章を新たに追加し、scikit-learnやTensorFlowなどなど新規のPython環境に対応。13~16章の内容をほとんど刷新しています。著者陣の経験に基づく洞察とより専門的な知識を学ぶことができて理論と実践を架橋する解説書の決定版!

【構成(予定)】
第1章 「データから学習する能力」をコンピュータに与える
第2章 分類問題―単純な機械学習アルゴリズムの訓練
第3章 分類問題―機械学習ライブラリscikit-learnの活用
第4章 データ前処理―よりよい訓練データセットの構築
第5章 次元削減でデータを圧縮する
第6章 モデルの評価とハイパーパラメータのチューニングのベストプラクティス
第7章 アンサンブル学習―異なるモデルの組み合わせ
第8章 機械学習の適用1―感情分析
第9章 機械学習の適用2―Webアプリケーション
第10章 回帰分析―連続値をとる目的変数の予測
第11章 クラスタ分析―ラベルなしデータの分析
第12章 多層人工ニューラルネットワークを一から実装する
第13章 ニューラルネットワークの訓練をTensorFlowで並列化する
第14章 TensorFlowのメカニズム
第15章 画像の分類―ディープ畳み込みニューラルネットワーク
第16章 系列データのモデル化―リカレントニューラルネットワーク
第17章 新しいデータの合成―敵対的生成ネットワーク
第18章 複雑な環境での意思決定―強化学習

◎本書は『Python Machine Learning: Machine Learning and Deep Learning with Python<, br> scikit-learn, and TensorFlow 2,3rd Edition』の翻訳書です。微積分/線形代数、Pythonの文法、データ分析用ライブラリについてある程度理解している必要があります。

原著の第1版
ドイツ語、韓国語、中国語、日本語、ロシア語、ポーランド語、イタリア語に翻訳。
米国計算機学会「21st Annual list of Notable Books and Articles(2016)」にランクイン。
日本語の第1版
「ITエンジニア本大賞2017」ベスト10にランクイン。

https://www.amazon.co.jp/dp/4295010073

 

コメントの投稿

非公開コメント

プロフィール

WEBBASE

Author:WEBBASE
インターネットやスマートフォンの普及により年々増えているネットショップですが、コロナウイルスの影響により今後も市場は拡大すると見通されています。そのため、新たにネットショップを開業してみたい!と考えている方も少なくないのではないでしょうか。本記事では、ネットショップのメリット・デメリットや種類、開業方法についてご紹介していきます。

最新記事