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（インプレス） [電子書籍]

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（インプレス） の 商品概要

• ●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
  

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（インプレス） の商品スペック