0

読みたい数

0

読んだ数

本の紹介

本書では、機械学習の各コンセプトについて、理論的背景とPythonコーディングの実際を解説。初期の機械学習アルゴリズムから、ニューラルネットワーク(CNN/RNN)までの手法を取り上げます。Python関連ライブラリとしてはscikit‐learnやTensorFlowなどを使用。第2版では、第1版への読者のフィードバックを随所に反映し、ライブラリの更新に対応しました。13章以降はほとんど新規の書き下ろしです。本書は、機械学習を本格的に理解・実践するのに不可欠な一冊となっています。 「データから学習する能力」をコンピュータに与える 分類問題-単純な機械学習アルゴリズムのトレーニング 分類問題-機械学習ライブラリscikit‐learnの活用 データ前処理-よりよいトレーニングセットの構築 次元削減でデータを圧縮する モデルの評価とハイパーパラメータのチューニングのベストプラクティス アンサンブル学習-異なるモデルの組み合わせ 機械学習の適用1-感情分析 機械学習の適用2-Webアプリケーション 回帰分析-連続値をとる目的変数の予測〔ほか〕

この本を紹介しているQiitaの記事

30歳を過ぎて機械学習エンジニアに転身して半年になったのでこれまでやってきた勉強についてまとめる 2019-06-01 650

機械学習初心者の私に告ぐ「4つの忠告」 2019-06-04 228

今度こそわかるぞRNN, LSTM編 2019-05-05 96

[Python]不均衡データ分類問題に対する定番アプローチ:under sampling + baggingを実装したよ 2018-04-15 49

初心者から data scientist・AI engineer になるための勉強法&おすすめサイト・本を一つの記事にまとめたかった 2018-12-11 25

最低限知っておくべきデータの前処理 2018-11-27 18

一目で分かるRANSAC 2018-05-25 12

【Python】新卒入社して2ヶ月経ったのでKaggleのTitanicにチャレンジする【KNN】 2019-05-30 11

機械学習事始め【概念編】 2018-09-05 11

人工ニューロンとパーセプトロン【機械学習再勉強】コード追記 2018-09-05 10

【Python】新卒入社して2ヶ月経ったのでKaggleのTitanicにチャレンジした【ランダムフォレスト】 2019-06-13 6

【Python】新卒入社して2ヶ月経ったのでKaggleのTitanicにチャレンジする②【決定木】 2019-06-07 6

ロジスティック回帰で分類する〜パーセプトロン、ADALINEからの発展〜 2018-09-25 3

過学習を防ごう(機械学習) 2018-11-23 2

教師あり学習 線形分類器  2018-10-20 2

学生で参考になった本やサイト(備忘録) 2018-07-05 2

scikit-learnの使用例 2018-10-23 1

scikit-learnでロジスティック回帰とSVM 2019-04-24 0

scikit-learnでパーセプトロン 2019-04-20 0

ADALINEのまとめ 2019-04-17 0

パーセプトロンのまとめ 2019-04-14 0

Python機械学習プログラミング 第6章 まとめ 2019-03-18 0

分類アルゴリズムいろいろ (2) 2018-11-06 0

PythonでやるML Cycle3: 線形識別関数で自動分類機を作る 2018-10-28 0