Python 実践AIモデル構築 100本ノック(秀和システム) [電子書籍]
    • Python 実践AIモデル構築 100本ノック(秀和システム) [電子書籍]

    • ¥2,376476 ゴールドポイント(20%還元)
    • すぐ読めます
100000086601420512

Python 実践AIモデル構築 100本ノック(秀和システム) [電子書籍]

下山輝昌(著者)中村智(著者)高木洋介(著者)
  • 5.0
価格:¥2,376(税込)
ゴールドポイント:476 ゴールドポイント(20%還元)(¥476相当)
フォーマット:
専用電子書籍リーダアプリ「Doly」が必要です。無料ダウンロード
出版社:秀和システム
公開日: 2021年09月17日
すぐ読めます。
お取り扱い: のお取り扱い商品です。
ご確認事項:電子書籍リーダーアプリ「Doly」専用コンテンツ
こちらの商品は電子書籍版です

Python 実践AIモデル構築 100本ノック(秀和システム) の 商品概要

  • 目次
    ■第1部 教師なし学習
    第1章 基本的なクラスタリングを行う10本ノック
    ノック1: k-meansで非階層型クラスタリングを実施してみよう
    ノック2: クラスタリングの結果を評価してみよう
    ノック3: k-means++で非階層型クラスタリングを実施してみよう
    ノック4: エルボー法で最適なクラスタ数を探索してみよう
    ノック5: シルエット分析で最適なクラスタ数を探索してみよう
    ノック6: 階層型クラスタリングを実施してみよう
    ノック7: 樹形図(デンドログラム)を解釈してみよう
    ノック8: 最短距離法で階層型クラスタリングを実施してみよう
    ノック9: 最長距離法で階層型クラスタリングを実施してみよう
    ノック10: 群平均法で階層型クラスタリングを実施してみよう
    第2章 様々なクラスタリングを行う10本ノック
    ノック11: SpectralClusteringでクラスタリングを実施してみよう
    ノック12: MeanShiftを使ったクラスタリングを実施してみよう
    ノック13: x-meansで非階層型クラスタリングを実施してみよう
    ノック14: GMMでクラスタリングを実施してみよう
    ノック15: VBGMMでクラスタリングを実施してみよう
    ノック16: VBGMMで最適なクラスタ数を探索してみよう
    ノック17: MiniBatchKMeansでクラスタリングを実施してみよう
    ノック18: DBSCANでクラスタリングを実施してみよう
    ノック19: DBSCANでノイズを確認してみよう
    ノック20: HDBSCANでクラスタリングを実施してみよう
    第3章 代表的な次元削減を行う10本ノック >ノック21: PCAを実施してみよう
    ノック22: 主成分を解釈してみよう
    ノック23: スクリープロットで次元削減数を探索してみよう
    ノック24: 寄与率で次元削減数を探索してみよう
    ノック25: Isomapで次元削減を実施してみよう
    ノック26: t-SNEで次元削減を実施してみよう
    ノック27: t-SNEで最適なPerplexityを探索してみよう
    ノック28: UMAPで次元削減を実施してみよう
    ノック29: UMAPで最適なn_neighborsを探索してみよう
    ノック30: PCAとUMAPを組み合わせて次元削減を実施してみよう

    ■第2部 教師あり学習
    第4章 基礎的な回帰予測を行う10本ノック
    ノック31: データを読み込もう
    ノック32: データの概要を把握しよう
    ノック33: データ同士の相関を把握しよう
    ノック34: データを分割しよう
    ノック35: 単回帰モデルを構築しよう
    ノック36: モデルを使って値を予測しよう
    ノック37: 予測結果を可視化してみよう
    ノック38: 精度評価指標を使ってモデルを評価しよう
    ノック39: 構築したモデルを保存しよう
    ノック40: 保存したモデルを利用しよう
    第5章 線形系回帰予測を行う10本ノック
    ノック41: データを加工しよう
    ノック42: データをスケーリングしよう
    ノック43: 重回帰モデルを構築しよう
    ノック44: 重回帰モデルを評価しよう
    ノック45: 各説明変数の重みを確認しよう
    ノック46: LASSO回帰モデルを構築しよう
    ノック47: LASSO回帰モデルを評価しよう
    ノック48: LASSO


    しよう
    ノック95: PyCaretで回帰モデルを評価しよう
    ノック96: PyCaretで回帰モデルを完成させて再利用しよう
    ノック97: PyCaretで回帰モデルを解釈しよう
    ノック98: PyCaretで分類モデルを構築しよう
    ノック99: PyCaretで分類モデルを評価しよう
    ノック100: PyCaretでクラスタリングを実施してPCAで可視化しよう
    ータを分類してみよう
    第8章 分類モデルの評価を行う10本ノック
    ノック71: 評価対象のモデルを用意しよう
    ノック72: 正解率を算出しよう
    ノック73: 混同行列を見てみよう
    ノック74: 適合率を算出しよう
    ノック75: 再現率を算出しよう
    ノック76: F1値を算出しよう
    ノック77: 分類レポートを見てみよう
    ノック78: 予測結果の確信度を算出しよう
    ノック79: PR曲線を見てみよう
    ノック80: 各モデルの評価結果を見てみよう

    ■第3部 機械学習発展編
    第9章 AIを説明可能にする10本ノック
    ノック81: SHAPモデルを構築してみよう
    ノック82: 回帰系モデルのSHAP値を確認してみよう
    ノック83: 回帰系モデルをsummary_plotで解釈してみよう
    ノック84: 回帰系モデルをdependence_plotで解釈してみよう
    ノック85: 回帰系モデルをforce_plotで解釈してみよう
    ノック86: 回帰系モデルをwaterfall_plotで解釈してみよう
    ノック87: 分類系モデルのSHAP値を確認してみよう
    ノック88: 分類系モデルをsummary_plotで解釈してみよう
    ノック89: 分類系モデルをdependence_plotで解釈してみよう
    ノック90: 分類系モデルをforce_plotで解釈してみよう
    第10章 AutoMLでモデル構築評価を行う10本ノック
    ノック91: PyCaretで回帰モデルの前処理を実施しよう
    ノック92: PyCaretでtrain_sizeを変更してみよう
    ノック93: PyCaretで回帰モデルを構築しよう
    ノック94: PyCaretでハイパーパラメータをチューニング


    回帰のハイパーパラメータを変更しよう
    ノック49: 交差検証で最適なパラメータを見つけよう
    ノック50: リッジ回帰でモデルを構築・評価しよう
    第6章 決定木系回帰予測を行う10本ノック
    ノック51: 決定木モデルを構築しよう
    ノック52: 決定木モデルを評価しよう
    ノック53: 決定木の深さを変えてみよう
    ノック54: 最小サンプル数を変えてみよう
    ノック55: ランダムフォレストモデルを構築・評価しよう
    ノック56: ランダムフォレストの決定木の数を変えてみよう
    ノック57: 交差検証法でモデルを評価しよう
    ノック58: 勾配ブースティングモデルを構築・評価しよう
    ノック59: グリッドサーチでハイパーパラメータをチューニングしよう
    ノック60: ランダムサーチでハイパーパラメータをチューニングしよう
    第7章 様々な分類予測を行う10本ノック
    ノック61: 使用するデータを確認しよう
    ノック62: データを加工しよう
    ノック63: ロジスティック回帰モデルを構築しよう
    ノック64: ロジスティック回帰モデルの決定境界を可視化してみよう
    ノック65: 線形SVMモデルを構築し、決定境界を可視化してみよう
    ノック66: カーネルSVMモデルを構築し、決定境界を可視化してみよう
    ノック67: K近傍法モデルを構築し、決定境界を可視化してみよう
    ノック68: 決定木モデルを構築し、決定境界を可視化してみよう
    ノック69: ランダムフォレストモデルを構築し、決定境界を可視化してみよう
    ノック70: 線形分離できないデ
    内容紹介
    これがAIを最大限に活かすモデル構築だ!
    いますぐに役立つ技術の引き出しを増やそう!

    <ノック内容>
    前処理からパラメータチューニング、AIアルゴリズムの特徴や長所短所まで。
    実際のビジネスの現場にも応用可能なAIモデル構築の一連の流れを学ぼう!

    練習するライブラリ: pandas, sklearn, scipy, xgboost, mlxtend, umap, shap, pycaret, seaborn, matplotlib

    ---
    実用的なサンプルから100本、この100本をトレーニングすれば、基礎力をアップ。Python機械学習でおこなう、AIモデル構築の現場で使える実践力を学べる。Pythonを実務で使う人の必須の書籍。


    に対するデータビジュアライゼーション、データアナリティクス、AI開発・導入を行いつつ、経営戦略にまで踏み込んだ提案を実施している。

    高木洋介 (タカギヨウスケ)
    大手証券会社にて、BIツールを用いた金融資産分析基盤の構築運用や、周辺機能の要件定義から設計構築に従事。独立後、各企業のデータ基盤構築、データ分析、機械学習モデル構築、さらにはシステム導入までを一貫して支援。顧客とのプロジェクトを通じて、様々なデータ(Webログ、購買、営業、人事)に携わり、データ特性に応じた適切なデータ活用方法を熟知する。顧客とのコミュニケーションを重視し、顧客に合った解決策提案から実装までを強みにして、エンジニアリングに留まらず多角的な視点でのコンサルティングも実施している。さらには、スタートアップのWebサービスの立ち上げにも参画し、バックエンドからフロントエンドまで全領域においてのシステム開発を行っている。
    共著「Tableauデータ分析~実践から活用まで~」(秀和システム)。
    著者について
    下山輝昌 (シモヤマテルマサ)
    日本電気株式会社(NEC)の中央研究所にてハードウェアの研究開発に従事した後、独立。機械学習を活用したデータ分析やダッシュボードデザイン等に裾野を広げ、データ分析コンサルタントとして幅広く案件に携わる。それと同時に、最先端テクノロジーの効果的な活用による社会の変革を目指し、2017年に合同会社アイキュベータを共同創業。2021年にはテクノロジーとビジネスの橋渡しを行い、クライアントと一体となってビジネスを創出する株式会社 Iroribiを創業。人工知能、Internet of Things(IoT)、情報デザインの新しい方向性や可能性を研究しつつビジネス化に取り組んでいる。
    共著「Tableau データ分析~実践から活用まで~」「Python 実践データ分析100本ノック」「Python 実践機械学習システム 100本ノック」「Python 実践データ加工/可視化 100本ノック」(秀和システム)。

    中村智 (ナカムラサトル)
    明治大学経営学部を卒業後、株式会社ワークスアプリケーションズにて、鉄道会社、大型ホテル、小売業者をはじめとする幅広い業界に対する業務効率化を推進。営業から導入・運用保守コンサルティングまでを幅広く手掛け、顧客メリットを追求した提案スタイルが好評を博す。
    日本企業のDX を推進すべく、合同会社アイキュベータを経て、株式会社Iroribiに初期メンバーとして参画する。会社の立ち上げに携わりつつ、現在も中心メンバーとして様々な顧客のDXプロジェクトを牽引。AIやIoT等の最先端技術への見識を深め、社内情報

Python 実践AIモデル構築 100本ノック(秀和システム) の商品スペック

書店分類コード K800
Cコード 3055
出版社名 秀和システム
本文検索
他の秀和システムの電子書籍を探す
紙の本のISBN-13 9784798064406
ファイルサイズ 275.4MB
著者名 下山輝昌
中村智
高木洋介
著述名 著者

    秀和システム Python 実践AIモデル構築 100本ノック(秀和システム) [電子書籍] に関するレビューとQ&A

    商品に関するご意見やご感想、購入者への質問をお待ちしています!