加藤公一の作品一覧
「加藤公一」の「機械学習のエッセンス 第2版 実装しながら学ぶPython、数学、アルゴリズム」「見て試してわかる機械学習アルゴリズムの仕組み 機械学習図鑑」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 >>配信予定・最新刊
作品一覧
-
NEW機械学習のエッセンス 第2版 実装しながら学ぶPython、数学、アルゴリズム
ビジネス・実用
-1巻3,520円 (税込)機械学習の「しくみ」を理解するための、はじめの一冊 ※この電子書籍は固定レイアウト型で配信されております。固定レイアウト型は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、機械学習を「使える」だけでなく「わかる」ようになりたい人のための入門書です。機械学習の代表的なアルゴリズムをPythonでゼロから実装し、そのしくみを自分の手で確かめながら理解していきます。 機械学習を使うだけなら、scikit-learnなどのライブラリを利用することで、複雑なアルゴリズムを意識せずにモデルを作ることができます。しかし、アルゴリズムがどのように動いているのかを理解していれば、思うような精度が出ないときにその原因を考えたり、より高度な応用につなげたりすることができます。 また本書では、機械学習を学ぶうえで壁になりやすい数学についても、線形代数の基礎から解説しています。Pythonの基本から、数学、数値計算、データの可視化、機械学習アルゴリズムまでを一体として学んでいきます。 これから機械学習を学びたい学生やエンジニアはもちろん、ライブラリを使って機械学習を経験したものの、そのしくみをもう一歩深く理解したい人にもおすすめです。 【改訂のポイント】 第1版の「アルゴリズムのしくみを実装しながら理解する」という基本方針と章構成はそのままに、現在の環境に合わせて内容をアップデートしました。 ・Python、NumPy、SciPyなどの新しいバージョンに対応 ・現在の環境に合わせてサンプルコードを刷新 ・一部の解説をよりわかりやすく詳細化 ・Pythonのインストール方法をPython＋venv＋pipに変更 ・UCI Machine Learning Repositoryのデータセットを、ucimlrepoライブラリを利用して取得する方法に変更 ・Python 3.13および各種ライブラリの環境でサンプルコードを動作確認 ※カバー画像が異なる場合があります。 -
Pythonで理解する線形代数の基礎
ビジネス・実用
-1巻3,080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。 ◆プログラミングの力を使って直感的に理解できる◆ 本書は、線形代数をPythonを用いて学習し、実世界の問題に応用する力を身につけることを目標としています。線形代数の基礎概念と計算方法を学び、Pythonで実装することで理解を深めます。Pythonを用いた学習には二つの意味があります。一つは、線形代数の計算を実装することで、具体的な問題や数式からPythonコードを作成する応用力を養うこと。もう一つは、Pythonを抽象的な線形代数の理解を助ける道具として利用することです。応用を目指しつつも、初期段階では紙とペンを使った手計算も重要視しており、手計算の方法を示すことで数学的な理解を深め、Pythonでの応用をスムーズにすることを狙っています。練習問題も手計算とPython計算の両方を用意しています。線形代数の定理の証明についても、通常の計算の延長線上にあると考え、多く取り上げています。証明を通じて、概念と計算方法のより深い理解を目指します。 ■こんな方におすすめ ・線形代数をプログラミングしながら学び直したい方 ・手計算・証明も含めて線形代数を理解したいPythonユーザ ■目次 第1章 Pythonの基本 ・1.1 Pythonのインストール ・1.2 Pythonの実行 ・1.3 Pythonのモジュールについて ・1.4 外部モジュールの利用と仮想環境 ・1.5 本書で使う外部モジュール ・1.6 数値誤差について ・1.7 NumPyの配列 第2章 平面と空間のベクトル ・2.1 ベクトルの定義と計算 ・2.2 ベクトルの成分と位置ベクトル ・2.3 内積 ・2.4 ベクトルによる直線の表現 ・2.5 外積 ・2.6 ベクトルによる平面の表現 第3章 ベクトルと行列 ・3.1 ベクトル・行列とその表記 ・3.2 行列の和とスカラー倍 ・3.3 ベクトルのノルムと内積 ・3.4 転置 ・3.5 行列の積 ・3.6 単位行列、逆行列 ・3.7 ブロック分割 ・3.8 行列と連立一次方程式 ・3.9 ランクと逆行列 第4章 行列式 ・4.1 置換 ・4.2 行列式 第5章 線形空間 ・5.1 線形独立と線形従属 ・5.2 線形空間と線形部分空間 ・5.3 基底 ・5.4 線形変換 ・5.5 正規直交基底 ・5.6 基底の変換 ・5.7 基底変換と線形変換の幾何的解釈 第6章 固有値と固有ベクトル ・6.1 固有値と固有ベクトル ・6.2 固有値・固有ベクトルの幾何的解釈 第7章 行列と数値計算 ・7.1 コンピュータで数値を扱うときの注意点 ・7.2 上三角行列と下三角行列 ・7.3 LU分解 ・7.4 既存ライブラリによるLU分解 ・7.5 数値計算と逆行列 ・7.6 行列と数値誤差 第8章 応用例 ・8.1 図形と画像の変形 ・8.2 三次元グラフィックスの処理 ・8.3 最小二乗法 ・8.4 主成分分析 ■著者プロフィール 加藤公一（かとうきみかず）：現在、みずほ証券でデータ分析にかかわる業務に従事。東京大学大学院情報理工学系研究。科コンピュータ科学専攻博士課程終了。博士（情報理工学博士）。主な著書に「機械学習のエッセンス」（SB クリエイティブ）がある。 -
値引きあり見て試してわかる機械学習アルゴリズムの仕組み 機械学習図鑑
ビジネス・実用
3.81巻1,474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。 機械学習アルゴリズムの違いが見てわかる！ 「機械学習アルゴリズムは種類が多く、複雑で何をしているのかわかりにくい」と思ったこと、ありませんか？本書は、そのような機械学習アルゴリズムをオールカラーの図を用いながら解説をした機械学習の入門書です。 いままで複雑でわかりにくかった機械学習アルゴリズムが図を通してわかりやすく解説をしています。アルゴリズムごとに項目を立てているので、どのアルゴリズムがどのような仕組みで動いているのか比較をしやすくしています。 これから機械学習を勉強する方だけでなく、実際に機械学習を業務で使用している方にも新しい気付きを得られるのでお勧めの1冊です。 【本書の特徴】 ・複雑な機械学習アルゴリズムの仕組みを1冊で学べる ・オールカラーで機械学習の図をたくさん掲載 ・各アルゴリズム毎にScikit-Learnを使用したコードを記載しているので、見るだけでなく試すこともできる ・仕組みだけでなく、実際の使い方や注意点もわかる 【本書で紹介するアルゴリズム】 01 線形回帰 02 正則化 03 ロジスティック回帰 04 サポートベクトルマシン 05 サポートベクトルマシン（カーネル法） 06 ナイーブベイズ 07 ランダムフォレスト 08 ニューラルネットワーク 09 kNN 10 PCA 11 LSA 12 NMF 13 LDA 14 k-means 15 混合ガウス 16 LLE 17 t-SNE ※本電子書籍は同名出版物を底本として作成しました。記載内容は印刷出版当時のものです。 ※印刷出版再現のため電子書籍としては不要な情報を含んでいる場合があります。 ※印刷出版とは異なる表記・表現の場合があります。予めご了承ください。 ※プレビューにてお手持ちの電子端末での表示状態をご確認の上、商品をお買い求めください。 -
機械学習のエッセンス 実装しながら学ぶPython、数学、アルゴリズム
ビジネス・実用
4.51巻3,080円 (税込)※この電子書籍は固定レイアウト型で配信されております。固定レイアウト型は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。 本書は具体的なデータ分析の手法を説明する意図で書かれたものではありません。 実用的な目的ならscikit-learnやChainerなどの既存のフレームワークを使うべきですが、本書では機械学習のいくつかの有名なアルゴリズムを、自分でゼロから実装することを目標としています。こうすることにより、とかくブラックボックスになりがちな機械学習の仕組みを理解し、さらなる応用力と問題解決力を身につけることができるようになります。 また、処理系にはデファクトスタンダードであるPythonを使い、機械学習に必要な数学の知識もわかりやすく解説しています。 これから機械学習を始める学生さんや、いきなりプロジェクトに放り込まれていまいち理解できないままデータ分析の仕事をしているエンジニアの方にも最適です。 -
データサイエンティスト養成読本 機械学習入門編
ビジネス・実用
3.31巻2,508円 (税込)ビッグデータ分析をきっかけとして「機械学習」に注目が集まり，ビジネス利用への検討がはじまっています。しかし，実際に「機械学習」を理解しているエンジニアや分析担当者は少なく，うまく活用できていないのが現実です。「機械学習」を利用するにはアルゴリズムの理解，プログラミング技術，ビジネス知識などが必要になってきます。本書では，第1部で機械学習のアルゴリズムやビジネスへの応用方法，流行の深層学習などに触れ，第2部ではPythonを用いた機械学習，画像認識，推薦エンジンなど，サンプルコードをもとに手を動かして試すことができます。機械学習分野で先頭を走る著者陣が，面白く，わかりやすい解説でお届けします。
ユーザーレビュー
-
-
-
Posted by ブクログ
ネタバレ機械学習を勉強する上での入り口になり得る本であると感じた 基本的なPythonの文法や高校数学大学数学の復習をした後に、基本となる機械学習アルゴリズムの理論と実装の2つを丁寧に説明してくれている
機械学習を勉強する知人がいたらまず真っ先にこれを勧めたいと思えるレベル
しかし基本的なPythonの経験（数十行くらいのコードを読み書きした経験）や高校理系レベルの数学などの教養が前提となっていて、また後半は行列計算が大量に出てくるので頭の中で平面的立体的に考えられる力がないと理解が追いつかない部分がでてきそう
実務というよりは理論と実装だが、しかし機械学習の勉強をしていくなら最低限これくらいの教養は欲しいといった内容が込められているように感じた
1章
AnacondaなどのPython実行環境の準備について
2章
Pythonの基礎
JupyterNotebookやREPLの使い方、基礎文法、各種データ型、オブジェクト指向、クラス、モジュール作成、ファイル操作など
3章
数学基礎
高校数学の基礎や線形代数の幾何的イメージ、大学レベルの線形代数など
逆行列の求め方やランクの概念についてよく学べた ランクは変換先が何次になるかを表せてる
その他にも直交行列や対称行列など
微積分は高校数学＋ヘッセ行列など
4章
Pythonによる数値計算
Numpyによる配列計算の基本やScipyによる数値計算の仕方、乱数の扱い、Matplotlibによるデータの可視化など
応用としてScipyのoptimizeモジュールによる数理最適化、中でも勾配降下法は重要 制約式が非線形の最適化の場合はラグランジュ
統計については基本的なレベル
5章
機械学習アルゴリズムについて
各種MLアルゴリズムがどのような数学的理論に基づくかとPythonでどう書かれるかについて
まず線形回帰について学び、その後正則化を取り入れた回帰について
その後過学習の問題について交差検証によってデータをk分割しk回訓練・評価を行うことで改善
その後分類としてロジスティック回帰（名前に注意）やSVM（分類不可能な場合もあるのである程度の許容値となるパラメータを加えチューニングする）
非線形な場合はカーネル法により次元をあげて分類し次元をまた下げる
次に教師なし学習について、k-Means（重心との距離）や主成分分析（低次元射影後の分散を最大化）などの手法の理論とアルゴリズムを学んだ
PCAの行列演算は特異値分解を行うため難しい
スケーリングの標準化が必要なのは正則化（重みが公平じゃないといけない）と勾配降下法（SVMなど）が用いられる時 -
-
Posted by ブクログ
凝った統計の延長として機械学習を使うことが多く、教師ありの回帰モデルばかりを使ってきました。ここいらでもう少し自分のできることの範囲を広げるべく、まず最初の一冊としてグラフィカルに主要な手法が説明された本書を手に取りました。
本書は「図」鑑の名前の通り、教師あり/なしのいくつかの機械学習手法に関して図説をメインに説明したテキストです。データを分類する過程を典型的なデータで示し、各手法の直観的な理解が進みやすくなっています。エッセンスの部分だけアルゴリズムの説明も書いてあり、これだけで済むわけではないでしょうが数式に抵抗がなければこちらも理解の助けになります。取り扱われる全手法にコード例も付いているので実際にトライしてみることもできます（ほとんどやっておらず、すみません。）。
本書で少し惜しいなと思われる点は、図より文字による説明の方が多く、「図鑑」というには少し教科書に寄りすぎていることです。イラストやグラフが多い教科書として読むこともできますが、それにしてはアルゴリズムの詳細の説明が薄めです。もうちょっと図鑑に徹した方が好みだったなと思う次第です。
