プライム無料体験をお試しいただけます
プライム無料体験で、この注文から無料配送特典をご利用いただけます。
非会員 | プライム会員 | |
---|---|---|
通常配送 | ¥410 - ¥450* | 無料 |
お急ぎ便 | ¥510 - ¥550 | |
お届け日時指定便 | ¥510 - ¥650 |
*Amazon.co.jp発送商品の注文額 ¥3,500以上は非会員も無料
無料体験はいつでもキャンセルできます。30日のプライム無料体験をぜひお試しください。
新品:
¥4,980¥4,980 税込
無料お届け日:
3月31日 日曜日
発送元: Amazon 販売者: SAKAENET【返金保証あり・年中無休・迅速丁寧に発送します】※全品すり替え詐欺対策実施中※
新品:
¥4,980¥4,980 税込
無料お届け日:
3月31日 日曜日
発送元: Amazon
販売者: SAKAENET【返金保証あり・年中無休・迅速丁寧に発送します】※全品すり替え詐欺対策実施中※
中古品: ¥263
中古品:
¥263

無料のKindleアプリをダウンロードして、スマートフォン、タブレット、またはコンピューターで今すぐKindle本を読むことができます。Kindleデバイスは必要ありません。
ウェブ版Kindleなら、お使いのブラウザですぐにお読みいただけます。
携帯電話のカメラを使用する - 以下のコードをスキャンし、Kindleアプリをダウンロードしてください。
[第2版]Python 機械学習プログラミング 達人データサイエンティストによる理論と実践 (impress top gear) 単行本(ソフトカバー) – 2018/3/16
{"desktop_buybox_group_1":[{"displayPrice":"¥4,980","priceAmount":4980.00,"currencySymbol":"¥","integerValue":"4,980","decimalSeparator":null,"fractionalValue":null,"symbolPosition":"left","hasSpace":false,"showFractionalPartIfEmpty":true,"offerListingId":"Z2H5FYrvS%2BxU4LkSoCQQ7BMjGOJLCTVxLE7nl3sqPUHHPQIQXX6jzl2QSD3TQO8xRvrzjfsl03S6N6rzVYJm%2B6nvrpBfF4eXLyGypxrnqXuqiOnhwNVwVKIJbJwgKwUiYWL0x3Lw4SRklEtf8%2FismcQyjtMYJsVYBYaZ7BmKYQMK9J0t9YBpiQ%3D%3D","locale":"ja-JP","buyingOptionType":"NEW","aapiBuyingOptionIndex":0}, {"displayPrice":"¥263","priceAmount":263.00,"currencySymbol":"¥","integerValue":"263","decimalSeparator":null,"fractionalValue":null,"symbolPosition":"left","hasSpace":false,"showFractionalPartIfEmpty":true,"offerListingId":"Z2H5FYrvS%2BxU4LkSoCQQ7BMjGOJLCTVxMFEONw%2F9yLU3XTJrIpAlelaqvispUYnn8y%2Foe9vY3%2BwcGp9h8OfMpLbJs7h3%2B0LZx4OZyJujMVG7oQa23tLR3fZNhNrp%2BYctr5fiTc5wTFkL4%2FSI0fQUOwYB%2BcoYmIWVtRNr566QzKPB7%2B%2BBR3gMcg%3D%3D","locale":"ja-JP","buyingOptionType":"USED","aapiBuyingOptionIndex":1}]}
購入オプションとあわせ買い
機械学習本ベストセラーの第2版!
著者陣の経験に基づく洞察とより専門的な知識を学べる
機械学習の各コンセプトについて、理論や数学的背景、Pythonコーディングの実際を解説。
初期の機械学習アルゴリズムから、ニューラルネットワーク(CNN/RNN)までの手法を取り上げます。
Python関連ライブラリとしてはscikit-learnやTensorFlowなどを使用。
本書は、機械学習を本格的に理解・実践するのに不可欠な一冊となっています。
第2版では、第1版への読者のフィードバックを随所に反映し、ライブラリの更新に対応。
13章以降はほとんど新規の書き下ろしです。
●原著の第1版はACM(米国計算機学会)の
「21st Annual list of Notable Books and Articles(2016)」にランクイン
●日本語版の第1版は「ITエンジニア本大賞2017」ベスト10にランクイン
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トレーニング
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―よりよいトレーニングセットの構築
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
第13章 ニューラルネットワークのトレーニングをTensorFlowで並列化
第14章 TensorFlowのメカニズムと機能
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
◎本書は『Python Machine Learning: Machine Learning and Deep Learning
with Python, scikit-learn, and TensorFlow, 2nd 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。
■「はじめに」より抜粋
機械学習の実践的なサンプルコードを調べて試してみるのは、
この分野に飛び込むのにうってつけの方法である。幅広い概念が明確になるからだ。
本書では、Python言語と機械学習ライブラリを使って機械学習の実装を体験してみるほか、
アルゴリズムの背後にある数学的な概念を紹介する。それらの概念は、機械学習をうまく
利用するために欠かせないものである。したがって、本書は単なる実用書ではない。
本書では、機械学習の概念を必要に応じて詳しく説明する。そして、アルゴリズムの仕組み、
アルゴリズムの使用方法、さらに重要な、最も一般的な落とし穴を避ける方法を直観的に説明する。
著者陣の経験に基づく洞察とより専門的な知識を学べる
機械学習の各コンセプトについて、理論や数学的背景、Pythonコーディングの実際を解説。
初期の機械学習アルゴリズムから、ニューラルネットワーク(CNN/RNN)までの手法を取り上げます。
Python関連ライブラリとしてはscikit-learnやTensorFlowなどを使用。
本書は、機械学習を本格的に理解・実践するのに不可欠な一冊となっています。
第2版では、第1版への読者のフィードバックを随所に反映し、ライブラリの更新に対応。
13章以降はほとんど新規の書き下ろしです。
●原著の第1版はACM(米国計算機学会)の
「21st Annual list of Notable Books and Articles(2016)」にランクイン
●日本語版の第1版は「ITエンジニア本大賞2017」ベスト10にランクイン
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トレーニング
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―よりよいトレーニングセットの構築
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
第13章 ニューラルネットワークのトレーニングをTensorFlowで並列化
第14章 TensorFlowのメカニズムと機能
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
◎本書は『Python Machine Learning: Machine Learning and Deep Learning
with Python, scikit-learn, and TensorFlow, 2nd 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。
■「はじめに」より抜粋
機械学習の実践的なサンプルコードを調べて試してみるのは、
この分野に飛び込むのにうってつけの方法である。幅広い概念が明確になるからだ。
本書では、Python言語と機械学習ライブラリを使って機械学習の実装を体験してみるほか、
アルゴリズムの背後にある数学的な概念を紹介する。それらの概念は、機械学習をうまく
利用するために欠かせないものである。したがって、本書は単なる実用書ではない。
本書では、機械学習の概念を必要に応じて詳しく説明する。そして、アルゴリズムの仕組み、
アルゴリズムの使用方法、さらに重要な、最も一般的な落とし穴を避ける方法を直観的に説明する。
- 本の長さ584ページ
- 言語日本語
- 出版社インプレス
- 発売日2018/3/16
- 寸法18.2 x 2.7 x 23.2 cm
- ISBN-104295003379
- ISBN-13978-4295003373
よく一緒に購入されている商品
![[第2版]Python 機械学習プログラミング 達人データサイエンティストによる理論と実践 (impress top gear)](https://images-fe.ssl-images-amazon.com/images/I/81nrQGfQkrL._AC_UL116_SR116,116_.jpg)
対象商品: [第2版]Python 機械学習プログラミング 達人データサイエンティストによる理論と実践 (impress top gear)
¥4,980¥4,980
最短で3月31日 日曜日のお届け予定です
残り2点 ご注文はお早めに
¥3,740¥3,740
最短で3月31日 日曜日のお届け予定です
在庫あり。
¥6,353¥6,353
4月 13 - 16 日にお届け
通常10~11日以内に発送します。
総額:
当社の価格を見るには、これら商品をカートに追加してください。
ポイントの合計:
pt
もう一度お試しください
追加されました
一緒に購入する商品を選択してください。
この商品をチェックした人はこんな商品もチェックしています
ページ 1 以下のうち 1 最初から観るページ 1 以下のうち 1
出版社より
![]() |
![]() |
![]() |
![]() |
![]() |
![]() |
|
---|---|---|---|---|---|---|
スラスラ読める Pythonふりがなプログラミング | いちばんやさしいPythonの教本 人気講師が教える基礎からサーバサイド開発まで | 基礎Python | 逆引きPython標準ライブラリ 目的別の基本レシピ180+! | [第2版]Python機械学習プログラミング 達人データサイエンティストによる理論と実践 | TensorFlow機械学習クックブック Pythonベースの活用レシピ60+ | |
カスタマーレビュー |
5つ星のうち4.2
287
|
5つ星のうち4.0
116
|
5つ星のうち3.5
86
|
5つ星のうち3.8
38
|
5つ星のうち4.4
90
|
5つ星のうち3.6
17
|
価格 | ¥2,035¥2,035 | ¥2,320¥2,320 | ¥2,948¥2,948 | ¥879¥879 | ¥4,980¥4,980 | ¥3,980¥3,980 |
対応言語 | Python | Python | Python | Python | Python | Python |
習熟度 | 入門 | 初級~中級 | 初級~中級 | 初級~中級 | 上級 | 上級 |
対象読者 | ・Pythonの基本を身につけたい方 ・過去にプログラミングの入門書で挫折してしまった方 ・プログラマーやエンジニアを目指す方 ・仕事でPythonを活用してみたい方 | ・Pythonではじめてプログラミングをはじめる方 ・Pythonを使って機械学習やデータ解析に触れてみたいが、まずは入門からはじめたい方 | ・基礎から学びたいプログラミング初心者の方 | ・Pythonの基本的な文法を理解した方 ・基本的な文法の次にPythonの標準ライブラリを理解したい方 | ・Pythonの基礎、数学(微積分/線形代数)の基礎、データ分析用Pythonライブラリの基礎を理解している、機械学習やデータサイエンスに興味のあるIT技術者や研究者/学生 | ・機械学習やPythonプログラミングについて、ある程度経験のある方 |
本書で分かること | 本書内に登場するプログラムの読み方をすべて載せ、さらに、漢文訓読の手法を取り入れ、読み下し文を用意。プログラムの1行1行が何を意味していて、どう動くのかが理解できるので、Pythonの基礎文法が身につく | 講義+実習のワークショップ形式で会話bot「pybot」を作りながら、Pythonのプログラミングを学ぶ | Python 3の変数の取り扱いから、リスト、タプルといったPython固有のデータの操作、制御構造や関数など | 便利に使えるPython標準ライブラリの活用術、文字列/データ操作、テキスト処理、ファイル操作、数値演算、ネットワークアクセス、GUIなど | 機械学習の各コンセプトについて、理論や数学的背景、Pythonコーディングの実際を解説。初期の機械学習アルゴリズム、ニューラルネットワーク(CNN/RNN)までの手法など | TensorFlowの考え方、定型コード、利用できる各種オープンデータを解説。線形回帰、SVM、最近傍法、ニューラルネットワーク、自然言語処理、畳み込みニューラルネットワーク(CNN)、リカレントニューラルネットワーク(RNN)、運用環境のための手法、遺伝的アルゴリズム、k-means、常微分方程式など |
![]() |
![]() |
![]() |
![]() |
|
---|---|---|---|---|
マンガでわかる人工知能 | いちばんやさしい人工知能ビジネスの教本 人気講師が教えるAI・機械学習の事業化 | パソコンで楽しむ 自分で動かす人工知能 | いちばんやさしい機械学習プロジェクトの教本 人気講師が教える仕事にAIを導入する方法 | |
カスタマーレビュー |
5つ星のうち4.0
185
|
5つ星のうち3.5
28
|
5つ星のうち3.6
37
|
5つ星のうち3.9
102
|
価格 | ¥1,427¥1,427 | ¥3,309¥3,309 | ¥1,900¥1,900 | ¥1,840¥1,840 |
対応言語 | 人工知能/機械学習 | 人工知能/機械学習 | 人工知能/機械学習 | 人工知能/機械学習 |
習熟度 | 入門 | 初級~中級 | 初級~中級 | 初級~中級 |
対象読者 | ・人工知能によって世の中や仕事がどう変わっていくのか知りたい方 | ・ビジネス領域での人工知能活用イメージを知りたい方 ・人工知能を使うにあたっての法規制や課題を知りたい方 | ・まずは人工知能がどんなものか実際に動かしてみたい方 ・より高度な専門書にステップアップする前提知識を身につけたい方 | ・機械学習やAIをつかったプロジェクトにかかわるすべての方 ・経営者、シニア管理職~担当者レベルまで ・技術書で機械学習を本格的に学ぶ前に概要レベルを学びたい方 |
本書で分かること | マンガで楽しみながら、AIについての大きな流れや主要な知識を解説。仕事、子育て、介護など、自分たちの生活がAIによってどう変わっていくのかを学べる | 自動運転、画像認識、マッチング、創作、Fintechといったトピックから人工知能をビジネスに活用するためのエッセンスを解説。人工知能技術を利活用するにあたっての法規制の解説も | 写真から顔を認識させる、写真を有名な絵画風にする、線画に自動で色をつける、文豪風テキストを作るなど、作例を通じて人工知能の仕組みを学ぶ体験型の解説書 | AI・機械学習の仕組み、AI・機械学習でできること、プロジェクトに必要なリソース、投資対効果の試算方法、機械学習に必要なデータ、プロジェクト体制の構築方法、機械学習システムの実装と運用ノウハウ、成功した取り組み事例など |
![]() |
![]() |
![]() |
|
---|---|---|---|
エンジニアのためのAI入門 | Machine Learning実践の極意 機械学習システム構築の勘所をつかむ! | Rではじめる機械学習 データサイズを抑えて軽量な環境で攻略法を探る | |
カスタマーレビュー |
5つ星のうち4.0
6
|
5つ星のうち4.1
11
|
5つ星のうち3.9
10
|
価格 | ¥2,420¥2,420 | ¥3,740¥3,740 | ¥3,960¥3,960 |
対応言語 | 人工知能/機械学習 | 人工知能/機械学習 | 人工知能/機械学習 |
習熟度 | 初級~中級 | 初級~中級 | 初級~中級 |
対象読者 | ・業務としてディープラーニングやAIに携わる必要(可能性)がある技術者の方 | ・機械学習システムの構築に興味のあるIT技術者や研究者/学生 ・プログラマー、データアナリスト、データサイエンティスト | ・機械学習を試してみたい方 ・プロトタイピングや検証を手軽に行いたい方 |
本書で分かること | AIの基礎知識、様々な業種の利用事例、ディープラーニング・AIの最前線で活躍する技術者の紹介など | ビジネス上の機械学習の利点や課題、データの収集/整備、モデルの構築/評価/最適化の基本的な考え方、実データによるケーススタディや予測スループットの改善、大容量データへの対応など | 単回帰/重回帰/ロジスティック回帰、クラスタリング、主成分分析、アソシエーション分析、SVM、アンサンブル学習、ベイズ推定、ディープラーニングなど |
商品の説明
著者について
◆著者プロフィール
◎Sebastian Raschka(セバスチャン・ラシュカ)
計算生物学の学術研究プロジェクトで新しいコンピュータ手法の開発に取り組む。
データ分析の情報サイト「Analytics Vidhya」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。また、オープンソースの機械学習
ライブラリの開発にも参加。データサイエンティストの世界的なコミュニティ
Kaggleが開催する機械学習コンテストでは優秀な結果を出している。
◎Vahid Mirjalili(ヴァヒド・ミルジャリリ)
ミシガン大学コンピュータサイエンス工学科に在籍。さまざまなコンピュータビジョン
プロジェクトで機械学習の応用研究に携わる。分子構造の大規模計算シミュレーション
の手法を開発したことで博士号を取得。Pythonコーディングで驚異的な経験を積み、
同大学でPythonプログラミングを教える。
◆翻訳者プロフィール
◎株式会社クイープ
1995年、米国サンフランシスコに設立。コンピュータシステムの開発、ローカライズ、
コンサルティングを手がけている。2001年に日本法人を設立。主な訳書に、『Machine
Learning実践の極意 機械学習システム構築の勘所をつかむ!』『TensorFlow機械学習
クックブック Pythonベースの活用レシピ60+』『Scala関数型デザイン&プログラミング
―Scalazコントリビューターによる関数型徹底ガイド』などがある(いずれもインプレス
発行)。
◆監訳者プロフィール
◎福島 真太朗(ふくしま・しんたろう)
1981年生まれ。株式会社トヨタIT開発センターのシニアリサーチャー。
2004年東京大学理学部物理学科卒業。2006年東京大学大学院新領域創成科学研究科
複雑理工学専攻修士課程修了。現在、東京大学大学院情報理工学系研究科数理情報学専攻
博士課程に在学中。専攻は機械学習・データマイニング・非線形力学系。
◎Sebastian Raschka(セバスチャン・ラシュカ)
計算生物学の学術研究プロジェクトで新しいコンピュータ手法の開発に取り組む。
データ分析の情報サイト「Analytics Vidhya」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。また、オープンソースの機械学習
ライブラリの開発にも参加。データサイエンティストの世界的なコミュニティ
Kaggleが開催する機械学習コンテストでは優秀な結果を出している。
◎Vahid Mirjalili(ヴァヒド・ミルジャリリ)
ミシガン大学コンピュータサイエンス工学科に在籍。さまざまなコンピュータビジョン
プロジェクトで機械学習の応用研究に携わる。分子構造の大規模計算シミュレーション
の手法を開発したことで博士号を取得。Pythonコーディングで驚異的な経験を積み、
同大学でPythonプログラミングを教える。
◆翻訳者プロフィール
◎株式会社クイープ
1995年、米国サンフランシスコに設立。コンピュータシステムの開発、ローカライズ、
コンサルティングを手がけている。2001年に日本法人を設立。主な訳書に、『Machine
Learning実践の極意 機械学習システム構築の勘所をつかむ!』『TensorFlow機械学習
クックブック Pythonベースの活用レシピ60+』『Scala関数型デザイン&プログラミング
―Scalazコントリビューターによる関数型徹底ガイド』などがある(いずれもインプレス
発行)。
◆監訳者プロフィール
◎福島 真太朗(ふくしま・しんたろう)
1981年生まれ。株式会社トヨタIT開発センターのシニアリサーチャー。
2004年東京大学理学部物理学科卒業。2006年東京大学大学院新領域創成科学研究科
複雑理工学専攻修士課程修了。現在、東京大学大学院情報理工学系研究科数理情報学専攻
博士課程に在学中。専攻は機械学習・データマイニング・非線形力学系。
登録情報
- 出版社 : インプレス (2018/3/16)
- 発売日 : 2018/3/16
- 言語 : 日本語
- 単行本(ソフトカバー) : 584ページ
- ISBN-10 : 4295003379
- ISBN-13 : 978-4295003373
- 寸法 : 18.2 x 2.7 x 23.2 cm
- Amazon 売れ筋ランキング: - 302,662位本 (本の売れ筋ランキングを見る)
- - 378位開発技法
- - 843位人工知能
- - 923位ソフトウェア開発・言語
- カスタマーレビュー:
著者について
著者をフォローして、新作のアップデートや改善されたおすすめを入手してください。
著者の本をもっと発見したり、よく似た著者を見つけたり、著者のブログを読んだりしましょう
著者の本をもっと発見したり、よく似た著者を見つけたり、著者のブログを読んだりしましょう
-
トップレビュー
上位レビュー、対象国: 日本
レビューのフィルタリング中に問題が発生しました。後でもう一度試してください。
2021年6月28日に日本でレビュー済み
Amazonで購入
初めてこの本が翻訳されたときに勉強会で使いました。コードと理論のバランスが良かったのですが、世の中が深層学習ブームになって教科書としては使いにくいなと思っていたら、英語版は深層学習部分が大幅拡充されたバージョンが出まして、和書も2020年冬にそれに対応した版が出ました。古い版の内容も別に減ってないので、新しい版を買うとよいです。著者の公開しているコードを使う場合、対応している版のコードを使わないと、ところどころ変わっています。
2018年5月26日に日本でレビュー済み
Amazonで購入
数式とコードが程よい具合で書かれているこの本は2冊目として読む本としてはぴったりです。この本では matplotlib, numpy, pandas といったpythonのライブラリを多用するのでpython初心者にとっては始めびっくりするかもしれません。付録としてmatplotlibの使い方が後ろのページに書かれているのですが、ネットを調べながらやるといいと思います。
また、coursera の machine learning と合わせて読むといいと思います。courseraで扱っている内容のほとんどがこの本に収録されています。だからcourseraとこの本を読み比べてみるとより理解が進みます。courseraでは具体例が詳しいので、courseraで言っていたことをこの本に書き込むなどして機械学習のノートがわりに使うといいです。
====== 1版と2版の違い
2版では13章以降が全て新しく追加されています。(120ページくらいの追加分量!!)
今回は新たに tensorflow と Keras の実装のコードが追加されていて、CNN、RNNの実装例が示されています。
13章ではニューラルネットワーク をTensorflow で実装し、14章ではTensorflow について詳しく解説されています。15章では畳み込みニューラルネットワーク CNNを解説され、16章ではRNNが実装されていました。最後の2章はちょっと早く走りすぎな気持ちもしますが、これを足がかりに別の書籍に当たるのであればいいきっかけになるはずです。
あとデータセットも Github でダウンロードできるようになったのも小さな進歩(笑)
1版の方が安いから1版でいいかなあとケチな考えはやめて、絶対にこの2版の方をおすすめします!
また、coursera の machine learning と合わせて読むといいと思います。courseraで扱っている内容のほとんどがこの本に収録されています。だからcourseraとこの本を読み比べてみるとより理解が進みます。courseraでは具体例が詳しいので、courseraで言っていたことをこの本に書き込むなどして機械学習のノートがわりに使うといいです。
====== 1版と2版の違い
2版では13章以降が全て新しく追加されています。(120ページくらいの追加分量!!)
今回は新たに tensorflow と Keras の実装のコードが追加されていて、CNN、RNNの実装例が示されています。
13章ではニューラルネットワーク をTensorflow で実装し、14章ではTensorflow について詳しく解説されています。15章では畳み込みニューラルネットワーク CNNを解説され、16章ではRNNが実装されていました。最後の2章はちょっと早く走りすぎな気持ちもしますが、これを足がかりに別の書籍に当たるのであればいいきっかけになるはずです。
あとデータセットも Github でダウンロードできるようになったのも小さな進歩(笑)
1版の方が安いから1版でいいかなあとケチな考えはやめて、絶対にこの2版の方をおすすめします!
2020年2月18日に日本でレビュー済み
Amazonで購入
しっかりと書いているので実装しながらも、数学的なことも学ぶきっかけになると思われる
2019年7月2日に日本でレビュー済み
Amazonで購入
これまで購入した機械学習に関する本の中でもダントツで素晴らしい本です!
よくぞ1冊にこれだけの内容をまとめたという感じで、本当に内容盛り沢山。
とは言うものの、機械学習を一から学ぼうとされる人には少し難しいかもしれません。
CourseraのStanford大のMachineLearningコースなど、初学者むけ教材をこなしてから
この本を手に取ることをオススメします。
【よかった点】
・理論の説明→実装の流れになっており、より深く理解できる
・説明が簡潔かつ十分な内容でスッと頭に入ってくる
・コードの内容がシンプルで初学者でも理解しやすい
・監訳者の註釈が「かゆい所に手が届く」感じで、理解の手助けになる
・機械学習のトピックを広範囲に網羅しており、十分な内容
【悪かった点】
・たまに訳がこなれていない箇所がある(と言うものの気にならないレベルで理解の妨げにはならない)
よくぞ1冊にこれだけの内容をまとめたという感じで、本当に内容盛り沢山。
とは言うものの、機械学習を一から学ぼうとされる人には少し難しいかもしれません。
CourseraのStanford大のMachineLearningコースなど、初学者むけ教材をこなしてから
この本を手に取ることをオススメします。
【よかった点】
・理論の説明→実装の流れになっており、より深く理解できる
・説明が簡潔かつ十分な内容でスッと頭に入ってくる
・コードの内容がシンプルで初学者でも理解しやすい
・監訳者の註釈が「かゆい所に手が届く」感じで、理解の手助けになる
・機械学習のトピックを広範囲に網羅しており、十分な内容
【悪かった点】
・たまに訳がこなれていない箇所がある(と言うものの気にならないレベルで理解の妨げにはならない)
2019年4月6日に日本でレビュー済み
Amazonで購入
質の悪い翻訳機に突っ込んだような、頭に入ってこないタイプの訳です。原書で読んだ方が良かったです。
2019年4月8日に日本でレビュー済み
Amazonで購入
PRMLほど理論寄りでもなく、リファレンス集に近い機械学習本のようにコードだけ羅列しているわけでもない。
基本は自力で実装し、納得感を持ってからscikit-learnやTensorFlowを使う点も好印象。
数式が度々出てくるが、大学入試を理系で受けた人は自力で読める程度の難易度でちょうど良い。人によっては高度であると感じるかもしれないが、実装が常に伴うので理解は追い付いていける感覚。
何よりこの本の良いところは機械学習の全貌が一冊に詰まっている点で、パーセプトロンからニューラルネットワークまでの実装を、感情分析、画像認識、言語解析などの様々分野で行っているため、現在実社会で利用されている機械学習の体系的な理解が得られる。
はじめての一冊には難しいかもしれないが、買って読む価値はある。
基本は自力で実装し、納得感を持ってからscikit-learnやTensorFlowを使う点も好印象。
数式が度々出てくるが、大学入試を理系で受けた人は自力で読める程度の難易度でちょうど良い。人によっては高度であると感じるかもしれないが、実装が常に伴うので理解は追い付いていける感覚。
何よりこの本の良いところは機械学習の全貌が一冊に詰まっている点で、パーセプトロンからニューラルネットワークまでの実装を、感情分析、画像認識、言語解析などの様々分野で行っているため、現在実社会で利用されている機械学習の体系的な理解が得られる。
はじめての一冊には難しいかもしれないが、買って読む価値はある。
2020年5月9日に日本でレビュー済み
Amazonで購入
機械学習の基本原理の詳細から、実用的な手法までよく整理されています。日本語も分かりやすく、分かりにくい概念や数式には翻訳者の注釈までついていて非常に丁寧です。
2019年3月6日に日本でレビュー済み
Amazonで購入
私は機械学習の入門をこの本で行いました。データの欠損値の扱い方、名義・順序特徴量への数値の振り方、過学習を回避するための次元削減の方法などのデータの前処理の説明が簡潔にしてあり、kaggleコンペのデータの前処理も同じ方法でシンプルにですが実行することができました。また、各モデルのハイパーパラメータが変化するとどのように予測が変化するかもグラフに描画してあったので直感的に理解するのに役立ちました。
おかげで機械学習の一連の流れや意味が理解できたのでとても得るものが大きかったと思います。とりあえず、機械学習は良い特徴量を抽出するのが基本らしいんで、これからはそれらを別の本やkaggleのkernelで勉強していく予定です。
おかげで機械学習の一連の流れや意味が理解できたのでとても得るものが大きかったと思います。とりあえず、機械学習は良い特徴量を抽出するのが基本らしいんで、これからはそれらを別の本やkaggleのkernelで勉強していく予定です。