ITエンジニアのための機械学習理論入門 改訂新版 [単行本]

ITエンジニアのための機械学習理論入門 改訂新版 の 商品概要

• 要旨（「BOOK」データベースより）

  機械学習のしくみを学びデータサイエンスの本質を理解する。実行結果が直感的にわかるオールカラーレイアウト。

• 目次

  ■第1章　データサイエンスと機械学習
  1.1 ビジネスにおけるデータサイエンスの役割
  1.2 機械学習アルゴリズムの分類
  1.3 本書で使用する例題
  1.4 サンプルコード実行環境の準備
  
  ■第2章　最小二乗法：機械学習理論の第一歩
  2.1 多項式近似と最小二乗法による推定
  2.2 オーバーフィッティングの検出
  2.3 付録 ― ヘッセ行列の性質
  
  ■第3章　最尤推定法：確率を用いた推定理論
  3.1 確率モデルの利用
  3.2 単純化した例による解説
  3.3 付録 ― 標本平均／標本分散の一致性と不偏性
  
  ■第4章　パーセプトロン：分類アルゴリズムの基礎
  4.1 確率的勾配降下法のアルゴリズム
  4.2 パーセプトロンの幾何学的な解釈
  
  ■第5章　ロジスティック回帰とROC 曲線：分類アルゴリズムの
  評価方法
  5.1 分類問題への最尤推定法の応用
  5.2 ROC 曲線による分類アルゴリズムの評価
  5.3 付録 ― IRLS法の導出
  
  ■第6章　k平均法：教師なし学習モデルの基礎
  6.1 k平均法によるクラスタリングと応用例
  6.2 怠惰学習モデルとしてのk近傍法
  
  ■第7章　EMアルゴリズム：最尤推定法による教師なし学習
  7.1 ベルヌーイ分布を用いた最尤推定法
  7.2 混合分布を用いた最尤推定法
  
  ■第8章　ベイズ推定：データを元に「確信」を高める手法
  8.1 ベイズ推定モデルとベイズの定理
  8.2 ベイズ推定の回帰分析への応用

• 内容紹介

  機械学習を基礎から理論的に学びたい、そんなITエンジニアに向けて執筆された本です。初版から約5年が経過し、全面カラー化して「改訂新版」としました。Pythonのコーディング環境もGoogle Colaboratoryに刷新、これまで5回にわたる重版で修正した内容に加え、最新の書き下ろし修正でアップデートしました。初版から内容は古びておらず、逆に、機械学習を学ぶうえで重要な理論がほぼカバーされていますので、まさに入門の定番書になりました。カラー化によりグラフも見やすくなり、理解が進むのもお勧めするポイントです。

• 著者紹介（「BOOK著者紹介情報」より）（本データはこの書籍が刊行された当時に掲載されていたものです）

  中井 悦司(ナカイ エツジ)
  １９７１年４月大阪生まれ。理論物理学の研究に没頭する学生時代、大学受験教育に情熱を傾ける予備校講師の頃、そして外資系ベンダーでＬｉｎｕｘエンジニアを生業にするに至るまで、常にＵｎｉｘ／Ｌｉｎｕｘサーバーと人生を共にする。その後、Ｌｉｎｕｘディストリビューターのエバンジェリストを経て、現在は、米系ＩＴ企業のＳｏｌｕｔｉｏｎｓ　Ａｒｃｈｉｔｅｃｔとして活動。最近は、機械学習をはじめとするデータ活用技術の基礎を世に広めるために、講演活動のほか、雑誌記事や書籍の執筆にも注力

• 著者について

  中井悦司 (ナカイエツジ)
  1971年4月大阪生まれ。ノーベル物理学賞を本気で夢見て、理論物理学の研究に没頭する学生時代、大学受験教育に情熱を傾ける予備校講師の頃、そして、華麗なる（？）転身を果たして、外資系ベンダーでLinuxエンジニアを生業にするに至るまで、妙な縁が続いて、常にUnix/Linuxサーバーと人生を共にする。その後、Linuxディストリビューターのエバンジェリストを経て、現在は、米系IT企業のSolutions Architectとして活動。
  　最近は、機械学習をはじめとするデータ活用技術の基礎を世に広めるために、講演活動のほか、雑誌記事や書籍の執筆にも注力。主な著書は、『[改訂新版]プロのためのLinuxシステム構築・運用技術』『ITエンジニアのための強化学習理論入門』(いずれも技術評論社)、『TensorFlowとKerasで動かしながら学ぶディープラーニングの仕組み』(マイナビ出版)など。

ITエンジニアのための機械学習理論入門 改訂新版 の商品スペック