石原祥太郎の作品一覧
「石原祥太郎」の「Ｋａｇｇｌｅに挑む深層学習プログラミングの極意」「Kaggle Grandmasterに学ぶ 機械学習 実践アプローチ」ほか、ユーザーレビューをお届けします！
- 作者をフォローする
- フォローすると、この作者の新刊が配信された際に、お知らせします。
値引き作品
一覧 >>作品一覧
-
値引きあり4.51巻1,430円 (税込)★最強最短の近道は、これだ！★ ・画像・自然言語処理の機械学習コンテストに取り組みながら、深層学習の具体的な知識をいち早く身につけよう！ ・レジェンドたちの豊富な経験に基づくスキルアップのノウハウも満載！ 【主な内容】 第1章 機械学習コンテストの基礎知識 1.1 機械学習コンテストのおおまかな流れ 1.2 機械学習コンテストの歴史 1.3 機械学習コンテストの例 1.4 計算資源 第2章 探索的データ分析とモデルの作成・検証・性能向上 2.1 探索的データ分析 2.2 モデルの作成 2.3 モデルの検証 2.4 性能の向上 第3章 画像分類入門 3.1 畳み込みニューラルネットワークの基礎 3.2 コンテスト「Dogs vs. Cats Redux」の紹介 3.3 最初の学習：CNNアーキテクチャ 3.4 最初の学習：データセットの準備と学習ループ 3.5 最適化アルゴリズムと学習率スケジューリング 3.6 データ拡張 3.7 アンサンブル 3.8 さらにスコアを伸ばすために 第4章 画像検索入門 4.1 画像検索タスク 4.2 学習済みモデルを使ったベースライン手法 4.3 ベースラインを実装する 4.4 距離学習を学ぶ 4.5 画像マッチングによる検証 4.6 クエリ拡張を学ぶ 4.7 Kaggleコンテストでの実践 第5章 テキスト分類入門 5.1 Quora Question Pairs 5.2 特徴量ベースのモデル 5.3 ニューラルネットワークベースのモデル -
値引きあり4.41巻1,540円 (税込)シリーズの第2弾は、初学者向けのKaggle入門書の決定版！ ★「Kaggleで勝つ」準備をしよう！★ 初学者が「Kaggleに何となく興味ある」状態から「実際のコンペに参加できる」状態になれるような内容を目指しました。 ・サンプルコードの詳細な解説があるから、しっかり身につく！ ・優勝チームと専業Kagglerのコンビによる、安定のわかりやすさ！ ・充実の本音対談で、やさしくサポート！ ・初学者や手探りでやっているが体系的な知識を得たい人に最適。 【本書のサポートページ】 https://github.com/upura/python-kaggle-start-book 【実践Data Scienceシリーズ】 https://www.kspub.co.jp/book/series/S069.html 【主な内容】 第1章 Kaggleを知る 1.1 Kaggleとは 1.2 Kaggleで用いる機械学習 1.3 Kaggleのアカウントの作成 1.4 Competitionsページの概要 1.5 環境構築不要な「Notebooks」の使い方 第2章 Titanicに取り組む 2.1 まずはsubmit！ 順位表に載ってみよう 2.2 全体像を把握！ submitまでの処理の流れを見てみよう 2.3 次の一手を見い出す！ 探索的データ分析をしてみよう 2.4 ここで差がつく！ 仮説に基づいて新しい特徴量を作ってみよう 2.5 勾配ブースティングが最強？！ いろいろな機械学習アルゴリズムを使ってみよう 2.6 機械学習アルゴリズムのお気持ち？！ ハイパーパラメータを調整してみよう 2.7 submitのその前に！ 「Cross Validation」の大切さを知ろう 2.8 三人寄れば文殊の知恵！ アンサンブルを体験しよう. 第3章 Titanicの先に行く 3.1 複数テーブルを扱う 3.2 画像データを扱う 3.3 テキストデータを扱う 第4章 さらなる学びのために 4.1 参加するコンペの選び方 4.2 初学者にお勧めの戦い方 4.3 分析環境の選択肢 4.4 お勧めの資料・文献・リンク 付録A サンプルコード詳細解説 A.1 第2章 Titanicに取り組む A.2 第3章 Titanicの先に行く -
5.01巻2,959円 (税込)※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 本書は世界各国で出版・公開された書籍 “Approaching (Almost) Any Machine Learning Problem” の翻訳書です。豊富なコード例と機械学習にまつわる基礎的な内容を取り上げていきます。 交差検証や特徴量エンジニアリングなどモデル作成以前の重要な要素にも紙面が割かれ、コードの再現性やモデルのデプロイといった話題にも踏み込みます。 モデル作成では、表形式のデータセットだけでなく、画像認識や自然言語処理に関する内容が具体的な実装と共に示されます。 本書の節々から、性能を追求するだけではなく実運用にも重きを置いた著者の姿勢が垣間見えるでしょう。 ”KaggleのGrandmasterが書いた本”と聞くと高尚な話題が展開される印象を受ける方もいるかもしれませんが、実態は実践的なプログラミング解説書です。Kaggleコミュニティに限らず機械学習に興味を持つ多くの方に手に取っていただきたいと考えています。 この本ではコードが非常に重要です。何が起こっているのかを理解したければ、コードを注意深く見て、“自分で” 実装しなければなりません。 If you didn't code you didn't learn.（コードを書かねば、何も学べない。） ぜひ自らの手でコードを実装し、学びを深めてください。 第0章 実行環境の準備 第1章 教師あり学習と教師なし学習 第2章 交差検証 第3章 評価指標 第4章 機械学習プロジェクトの構築 第5章 質的変数へのアプローチ 第6章 特徴量エンジニアリング 第7章 特徴量選択 第8章 ハイパーパラメータの最適化 第9章 画像分類・セグメンテーションへのアプローチ 第10章 テキストの分類・回帰へのアプローチ 第11章 アンサンブルとスタッキングへのアプローチ 第12章 コードの再現性やモデルのデプロイへのアプローチ
ユーザーレビュー
-
Posted by ブクログ
ネタバレViEW2022(ビジョン技術の実利用ワークショップ)のチュートリアルセッションで聞いた小嵜耕平氏の講演が非常に面白かったので購入。
Kaggleには参加した事が無いですが、社内向けに深層学習を活用した各種業務改善ソフトを開発しており、第1章～第3章に記載されていた内容の多くは既に知っている内容ではありました。ただ、何となく私が身体で覚えたノウハウ的な内容を、冗長すぎず端的で分かりやすい言葉で説明されており、より理解が深まった気がします。
いろいろと考え方はあると思いますが、いつまでもデータサイエンティストが現場の支援をするという形は健全では無く、実際に現場の担当者が手を動かして試行錯誤す -
-
-
Posted by ブクログ
原著(英語)の待望の日本語訳書。
前書きにある「コードを書かねば、何も学べない」とは、まさに自身で実装してこそ何が行なわれているか理解できる。
私自身、詳細なロジックをよく調べずにライブラリを使ってしまうことがあるため、
問題に対して適切なアプローチをするためにも強く意識する必要がある。
内容としては、基礎的であるが重要な事項・考え方に触れられており、自身の忘却によるブレを防止するためにも定期的に再読したい。
テーブルデータのみでなく、画像処理及び自然言語処理にも触れられており、活用範囲は広い。
また、コード1行ごとにコメントが付与されており、コードの意図が分かるため、理解しやすい。
著 -
