昨今のAIブームの中でも、「ディープ・ラーニング」や「ニューラル・ネットワーク」などは、コアな技術です。 　しかし、一部の技術者を除いて、誰もが使えているわけではありません。 「機械学習って何ができるのか」「どんなことに活用されているのか」 「機械学習の勉強をしてみたいけれど難しいのか」「勉強してみたけど、よく分からない…」 　…そんな疑問をもった「機械学習プログラミング」に挑戦してみたい方が、時間をかけずに「機械学習」をモノにするための入門書です。

■ちょっとだけ「機械学習」 ・ごくゲーム的なデモ ・仕組みを直感的に理解できるデモ ・コードをちょっとだけイジるデモ ■「定番フレームワーク」体験する 　機械学習のフレームワークとして定番と言われている「Scikit-learn」と「TensorFlow」、最近話題の「PyTorch」について、「どこを見ればいいか」「何をやっているか」「どんな答が得られているか」を直感的に解説。 Scikit-Learn /TensorFlow /PyTorch(全部プロ用ツールなのでサワリだけ） ■環境構築 機械学習の主流言語はPythonなので、Pythonでの環境構築を行なう。Anacondaのインストールから、Jupyter Notebookの使い方、注意点など。 ・Anacondaのインストール　/・Jupyter Notebookの使い方 /・機械学習に必要なコードを書いてみる（ベクトルや配列の扱い、シグモイド、ReLu、最も単純なパーセプトロンモデルなど） ■グラフの描画法 　機械学習（ディープラーニングも含む）で最も劇的な結果の出し方は、実は結果をグラフで図示する過程である。 　Jupyter notebook上でmatplotlibライブラリを用いて、結果の図示法に強くなろう。 ・matplotlibの基本 ・機械学習でよく使うデータの図示法（分類、予測、誤差、分岐など） ■Scikit-learnで機械学習 機械学習の定番ライブラリScikit-learnで実際にデータの分類を行なう。 ・回帰による分類 /・SVMによる分類 /・決定木による分類 /・その他高度な分類 ■Tensorflowでディープ・ラーニング 　ディープ・ラーニングの定番フレームワーク「TensorFlow」で実際に画像認識を行なう。 ・最小構成のニューラル・ネットワークで知る「画像分類の基本」 ・ディープニューラルネットワークで体験する「分類精度向上」 ・ハイパーパラメータの調整で体験するチューニング