あらすじ
「最適化」を使うことを目指して、さまざまな最適化モデルを解説した。理論は必要最低限にとどめ、具体的な例とＰｙｔｈｏｎコードを多く掲載している。東京大学のＵＴｏｋｙｏＯＣＷの講義映像「数理手法３」とも連携！
【データサイエンス入門シリーズ】
第1期として、以下の3点を同時刊行!
・データサイエンスのための数学：椎名 洋・姫野哲人・保科架風（著）清水昌平（編）
・データサイエンスの基礎：浜田悦生（著）狩野 裕（編）
・最適化手法入門：寒野善博（著）駒木文保（編）
第2期の刊行は2019年11月の予定(^o^)/
【「巻頭言」より抜粋】
データサイエンス分野の遅れを取り戻すべく、日本でも文系・理系を問わず多くの学生がデータサイエンスを学ぶことが望まれます。
文部科学省も「数理及びデータサイエンスに係る教育強化拠点」6 大学（北海道大学、東京大学、滋賀大学、京都大学、大阪大学、九州大学）を選定し、拠点校は「数理・データサイエンス教育強化拠点コンソーシアム」を設立して、全国の大学に向けたデータサイエンス教育の指針や教育コンテンツの作成をおこなっています。
本シリーズは、コンソーシアムのカリキュラム分科会が作成したデータサイエンスに関するスキルセットに準拠した標準的な教科書シリーズを目指して編集されました。またコンソーシアムの教材分科会委員の先生方には各巻の原稿を読んでいただき、貴重なコメントをいただきました。
データサイエンスは、従来からの統計学とデータサイエンスに必要な情報学の二つの分野を基礎としますが、データサイエンスの教育のためには、データという共通点からこれらの二つの分野を融合的に扱うことが必要です。この点で本シリーズは、これまでの統計学やコンピュータ科学の個々の教科書とは性格を異にしており、ビッグデータの時代にふさわしい内容を提供します。本シリーズが全国の大学で活用されることを期待いたします。
――編集委員長 竹村彰通（滋賀大学データサイエンス学部学部長、教授）
【推薦の言葉】
データサイエンスの教育の場や実践の場で利用されることを強く意識して、動機付け、題材選び、説明の仕方、例題選びが工夫されており、従来の教科書とは異なりデータサイエンス向けの入門書となっている。
――北川源四郎(東京大学特任教授、元統計数理研究所所長)
国を挙げて先端IT人材の育成を迅速に進める必要があり、本シリーズはまさにこの目的に合致しています。本シリーズが、初学者にとって信頼できる案内人となることを期待します。
――杉山将(理化学研究所革新知能統合研究センターセンター長、東京大学教授)
感情タグBEST3
Posted by ブクログ
線形計画（ＬＰ）を数式とグラフを用いて丁寧に説明した本。
Ｐ１８ 基底追跡
Ｐ２３ 双対問題・・・ラグランジュ乗数
Ｐ３３ 2次計画問題と正則化・・・リッジ正則化やＬＡＳＳＯ
Ｐ４１ サポートベクターマシン
Ｐ５６ 勾配法と加速法
P57 アルミホ直線探索(バックトラック法による直線探索)・・・ステップ幅「α」の最適化
P59 最急降下法
P61 ネステロフの加速法と、再スタート法・・・凸関数なら最強
P63 ニュートン法・・・テイラー展開のヘッセ行列が最小となるｄを探索する手法。
※ただし、ヘッセ行列が正定値以外は降下方向とならないので収束するとは限らない。
P64 準ニュートン法・・・ニュートン法の探索方向を下降方向へ修正した方法。
P70 KKT条件・・・制約付き最適化において最適値が満たすべき条件。
Ｐ５０ 勾配とヘッセ行列
最適性条件としてヘッセ行列を用いる。
ヘッセ行列が半正定値であれば、停留点のｘが最適解であることをテイラー展開を用いて説明してる。
