［改訂新版］ITエンジニアのための機械学習理論入門
- 中井悦司 著
- 定価
- 2,948円（本体2,680円＋税10%）
- 発売日
- 2021.7.17 2021.7.14
- 判型
- A5
- 頁数
- 256ページ
- ISBN
- 978-4-297-12233-1 978-4-297-12234-8
サポート情報
概要
機械学習を基礎から理論的に学びたい、そんなITエンジニアに向けて執筆された本です。初版から約5年が経過し、全面カラー化して「改訂新版」としました。Pythonのコーディング環境もGoogle Colaboratoryに刷新、これまで5回にわたる重版で修正した内容に加え、最新の書き下ろし修正でアップデートしました。初版から内容は古びておらず、逆に、機械学習を学ぶうえで重要な理論がほぼカバーされていますので、まさに入門の定番書になりました。カラー化によりグラフも見やすくなり、理解が進むのもお勧めするポイントです。
こんな方にオススメ
- 機械学習について興味があるITエンジニア、大学生、専門学校生、高専生など
目次
第1章 データサイエンスと機械学習
- 1.1 ビジネスにおけるデータサイエンスの役割
- 1.2 機械学習アルゴリズムの分類
- 1.3 本書で使用する例題
- 1.4 サンプルコード実行環境の準備
第2章 最小二乗法：機械学習理論の第一歩
- 2.1 多項式近似と最小二乗法による推定
- 2.2 オーバーフィッティングの検出
- 2.3 付録 ― ヘッセ行列の性質
第3章 最尤推定法：確率を用いた推定理論
- 3.1 確率モデルの利用
- 3.2 単純化した例による解説
- 3.3 付録 ― 標本平均／標本分散の一致性と不偏性
第4章 パーセプトロン：分類アルゴリズムの基礎
- 4.1 確率的勾配降下法のアルゴリズム
- 4.2 パーセプトロンの幾何学的な解釈
第5章 ロジスティック回帰とROC 曲線：分類アルゴリズムの評価方法
- 5.1 分類問題への最尤推定法の応用
- 5.2 ROC 曲線による分類アルゴリズムの評価
- 5.3 付録 ― IRLS法の導出
第6章 k平均法：教師なし学習モデルの基礎
- 6.1 k平均法によるクラスタリングと応用例
- 6.2 怠惰学習モデルとしてのk近傍法
第7章 EMアルゴリズム：最尤推定法による教師なし学習
- 7.1 ベルヌーイ分布を用いた最尤推定法
- 7.2 混合分布を用いた最尤推定法
第8章 ベイズ推定：データを元に「確信」を高める手法
- 8.1 ベイズ推定モデルとベイズの定理
- 8.2 ベイズ推定の回帰分析への応用
プロフィール
中井悦司
1971年4月大阪生まれ。ノーベル物理学賞を本気で夢見て、理論物理学の研究に没頭する学生時代、大学受験教育に情熱を傾ける予備校講師の頃、そして、華麗なる（？）転身を果たして、外資系ベンダーでLinuxエンジニアを生業にするに至るまで、妙な縁が続いて、常にUnix/Linuxサーバーと人生を共にする。その後、Linuxディストリビューターのエバンジェリストを経て、現在は、米系IT企業のSolutions Architectとして活動。
最近は、機械学習をはじめとするデータ活用技術の基礎を世に広めるために、講演活動のほか、雑誌記事や書籍の執筆にも注力。主な著書は、『[改訂新版]プロのためのLinuxシステム構築・運用技術』『ITエンジニアのための強化学習理論入門』(いずれも技術評論社)、『TensorFlowとKerasで動かしながら学ぶディープラーニングの仕組み』(マイナビ出版)など。