ITエンジニアのための機械学習理論入門

中井悦司

現在話題となっている機械学習（Machine Learning）のツールやライブラリは内部でどのような計算をしているのか？ 計算で得られた結果にはどのような意味があり，どのようにビジネス活用すればよいのか？――という疑問を持つエンジニアが増えています。本書は機械学習理論を数学的な背景からしっかりと解説をしていきます。そしてPythonによるサンプルプログラムを実行することにより，その結果を見ることで機械学習を支える理論を実感できるようになります。

• カテゴリ: ビジネス・実用
• ジャンル: IT・コンピュータ / 言語・プログラミング
• 出版社: 技術評論社
• ページ数: 255ページ
• 電子版発売日: 2016年11月11日
• コンテンツ形式: EPUB
• サイズ(目安): 16MB

[ブクログ · ★★★★★]

Pythonのコードなども書かれており、機械学習の「アルゴリズム」を「数理的に理解する」ことの助けになるようになっています。タイトルはITエンジニアのための〜とあるが、エンジニアだけでなく、ただただscikit-learnのAPIを叩いてるが、その機械学習のアルゴリズムがどういう理論組み立てられているのかを知りたい人にオススメの一冊です。

[ブクログ · ★★★★★]

共通の例題を用いて、機械学習の様々な手法の差異を理解できるよう解説してくれている良書。機械学習利用の本質にまで踏み込んだ第1章は、これから機械学習を応用していこうという人は常に念頭に置いておくべき内容と思う。数学的議論も含めてきっちり積み上げて説明してくれるところは非常に好感が持てる。機械学習入門者に必読の書となるのではないだろうか？。

[ブクログ · ★★★★★]

最初の最小二乗法で久しく接していない世界に浸り結構苦しみましたが、ここがある程度理解できると、最尤推定法、パーセプトロン、ロジスティック回帰、k平均法、EMアルゴリズム、ペイズ推定法と読み進むことができた。まだまだおぼろげな理解なので、Pythonのサンプルコードを動かしつつもう一度しっかり勉強しようと思います。この分野を数式なしに説明するのはそもそも無理があるので、適度に数式がありその説明がしっかりしていて、Pythonのサンプルコードが付属している本書は機械学習の入門書としてはとても良いと思われます。

[ブクログ · ★★★★☆]

教師あり学習(回帰、分類)と教師なし学習(クラスタリング)の概要をつかめる。学習モデルの評価法(クロスバリデーション、ROC曲線)などにも言及あり。広く浅く機械学習を知るには良い。
しかし、作為的な説明方法が少し気になる。(正規分布に属する前提など)

[ブクログ · ★★★★☆]

ディープラーニングを始めるにあたり読んだが、全く的ハズレだった。もちろん自分の勘違いで。いわゆるディープラーニング以前の機械学習の理論について書いてある。勿論半分くらい理解できない。ディープラーニングだけやりたい人は読まなくていいかも。でもその後他の手法にも手を出したので、自分としては読んでおいて損は無かった。

[ブクログ · ★★★★☆]

ロジスティック回帰やベイズ推定などをわかりやすく解説していると思います。多少数学を追う必要はありますが、言語処理のための機会学習入門とかを読んでいれば追えると思われます。

[ブクログ · ★★★☆☆]

5,6年前の人工知能マイブームで購入した1冊。
この本はディープラーニング等は無く、機械学習の本。
この手の本は、プログラム例を載せて、「この通りにやってみろ」というものか、数式を並べて理論に偏ったものかの軸があると考える。その点に於いては、本書は比較的バランス良く、理論を学びつつPythonのサンプルコードが掲載されていたりする。

個人的な解釈としては、「機械学習とは、結局統計学である」と感じた。