Pythonで学ぶ機械学習
書籍情報
発売日 : 2021年09月25日
著者／編集 : 西住 流
出版社 : 工学社
発行形態 : 単行本
書籍説明
内容紹介
「機械学習」技術は、「深層学習」（ディープラーニング）の登場によって、さまざまな分野で圧倒的な成果を出し、現在の「第３次ＡＩブーム」のきっかけとなった。従来の機械学習の手法から「深層学習」（ディープラーニング）まで、基本原理と、「Ｐｙｔｈｏｎ」を用いた実装例を、初学者向けに分かりやすく解説。
目次
第1章 機械学習の原理
1.1 「機械学習」とは
1-2 【教師あり学習（回帰）】 線形回帰（単回帰・重回帰）
1-3 ロジスティック回帰
1-4 【SVM】「サポート・ベクター・マシン」の原理と計算式
1-5 「ニューラル・ネットワーク」 基本原理と「単純パーセプトロン」の学習計算
1-6 【ニューラル・ネットワーク】 「多層パーセプトロン」（MLP）の原理と計算式
1-7 【深層学習入門】 「ディープラーニング」のアルゴリズムと原理
1-8 【CNN】「畳み込みニューラル・ネットワーク」の原理と仕組み
1-9 【強化学習入門】原理とアルゴリズム
1-10 【k-means法】クラスタリングの原理と計算式
1-11 【Python/NumPy】コサイン類似度の計算
1-12 【Python】「DTW」（動的時間伸縮法）で サンプル数が異なる「時系列データ」の類似度計算
第２章 機械学習の実装
2-1 開発環境の構築 (Python、Scikit-learn、Keras)
2-2 【Python/scikit-learn】「重回帰分析」の使い方（過学習の改善・防止）
2-3 【Python/scikit-learn】「ロジスティック回帰」の使い方（L1・L2正則化で過学習の改善・防止）
2-4 【Scikit-learn】「サポート・ベクタ・マシン」(SVM)で教師あり学習（分類器作成）
2-5 「ニューラル・ネットワーク」の実装
2.6 ディープラーニングの実装
第３章 応用例――Webアプリ化
3-1 【Python】「flask」のインストール
3-2 画像分類アプリ作成
3-3 【Python/Flask】作成したアプリを「Heroku」で公開する方法（Windows、Mac編）
1.1 「機械学習」とは
1-2 【教師あり学習（回帰）】 線形回帰（単回帰・重回帰）
1-3 ロジスティック回帰
1-4 【SVM】「サポート・ベクター・マシン」の原理と計算式
1-5 「ニューラル・ネットワーク」 基本原理と「単純パーセプトロン」の学習計算
1-6 【ニューラル・ネットワーク】 「多層パーセプトロン」（MLP）の原理と計算式
1-7 【深層学習入門】 「ディープラーニング」のアルゴリズムと原理
1-8 【CNN】「畳み込みニューラル・ネットワーク」の原理と仕組み
1-9 【強化学習入門】原理とアルゴリズム
1-10 【k-means法】クラスタリングの原理と計算式
1-11 【Python/NumPy】コサイン類似度の計算
1-12 【Python】「DTW」（動的時間伸縮法）で サンプル数が異なる「時系列データ」の類似度計算
第２章 機械学習の実装
2-1 開発環境の構築 (Python、Scikit-learn、Keras)
2-2 【Python/scikit-learn】「重回帰分析」の使い方（過学習の改善・防止）
2-3 【Python/scikit-learn】「ロジスティック回帰」の使い方（L1・L2正則化で過学習の改善・防止）
2-4 【Scikit-learn】「サポート・ベクタ・マシン」(SVM)で教師あり学習（分類器作成）
2-5 「ニューラル・ネットワーク」の実装
2.6 ディープラーニングの実装
第３章 応用例――Webアプリ化
3-1 【Python】「flask」のインストール
3-2 画像分類アプリ作成
3-3 【Python/Flask】作成したアプリを「Heroku」で公開する方法（Windows、Mac編）
著者情報
西住 流
1990年代 大阪生まれ
博士前期課程修了(電気電子系、研究テーマは制御理論と画像処理)
現在は電気的特性試験の業務に従事
ブログ: 西住工房(https://algorithm.joho.info/)
YouTube: 西住工房(https://www.youtube.com/channel/UCqm74niKmZ04XCg1Zdiqxyg)
西住, 流
