自己紹介

はまさき さとし
人材業界
webエンジニア(2年目)
半年前からデータマイニング系の業務を担当

本紹介

Python機械学習プログラミング

内容紹介

機械学習の考え方とPython実装法がわかる!
分類/回帰問題や深層学習の導入を解説

◎絶妙なバランスで「理論と実践」を展開
◎Pythonライブラリを使いこなす
◎数式・図・Pythonコードを理解する

機械学習の各理論を説明し、Pythonプログラミングによる実装を解説。
初期の機械学習アルゴリズムから、深層学習の導入までを見ていきます。

原著『Python Machine Learning』は米国Amazon.comでベストセラー!
3つのカテゴリーで首位(2016/5/24時点)
Data Modeling & Design/Data Processing/Neural Networks

1章 「データから学習する能力」をコンピュータに与える
2章 分類問題 —機械学習アルゴリズムのトレーニング
3章 分類問題 —機械学習ライブラリscikit-learnの活用
4章 データ前処理 —よりよいトレーニングセットの構築
5章 次元削減でデータを圧縮する
6章 モデル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
7章 アンサンブル学習 —異なるモデルの組み合わせ
8章 機械学習の適用1 —感情分析
9章 機械学習の適用2 —Webアプリケーション
10章 回帰分析 —連続値をとる目的変数の予測
11章 クラスタ分析 —ラベルなしデータの分析
12章 ニューラルネットワーク —画像認識トレーニング
13章 ニューラルネットワーク —数値計算ライブラリTheanoによるトレーニングの並列化
付録 Jupyter Notebookの基本/matplotlibによる可視化/行列の固有分解

■「はじめに」より抜粋
機械学習の実務家になりたい、問題をもっとうまく解決したい、機械学習の研究者になりたい場合、
本書はそのためにある。ただし、初心者は機械学習の理論に圧倒されてしまうかもしれない。筆者が思うに、
実践的なサンプルコードを使用することは重要である。実際に試してみることで、概念が明確になるからだ。
筆者の使命は、これまでとは違う本を提供することである。それは機械学習の概念に不可欠な内容を取り上げ、
機械学習のアルゴリズムの仕組み、それらを使用する方法、そして(最も重要な)一般的な落とし穴を
避ける方法を直観的かつ有益な方法で説明する本である。

【本書の解説記事を技術解説サイト(Think IT)に掲載】
◎記事タイトル:「ブック・インサイド―『Python機械学習プログラミング』学び方ガイド」!

本書に必要な前提知識(Python/ライブラリ/数学)、本書の構成と読み方のプラン等について説明し、
本書を通してより効果的に機械学習を学ぶための解説となっています。
内容（「BOOK」データベースより）
機械学習とは、データから学習した結果をもとに、新たなデータに対して判定や予測を行うことです。すでにさまざまな機械学習の方法が開発されています。本書では、そうした方法について背景にある理論や特徴を解説した上で、Pythonプログラミングによる実装法を説明していきます。初期の機械学習アルゴリズムから取り上げ、終盤ではディープラーニングについても見ていきます。機械学習の理論と実践についてバランスよく解説してあり、AIプログラミングの第一歩を踏み出すための格好の一冊です。

■著者プロフィール

◎Sebastian Raschka(セバスチャン・ラシュカ)
ミシガン大学博士課程に在籍。計算生物学の分野で新しいコンピュータ手法の開発に取り組む。データ分析や機械学習の愛好家でもあり、データ分析の関連情報サイト「Analytics Vidhya」の記事では、GitHub上で影響力のあるデータサイエンティストの第1位にランクイン(2015/7/21)。また、オープンソースソフトウェアの機械学習ライブラリ開発にも貢献している。