【感想・ネタバレ】Pythonで儲かるAIをつくるのレビュー

赤石雅典

※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。

見込み客、土日の需要、商品リコメンド…
営業、マーケティングが劇的に変わる
業務に本当に役立つ“儲かるAI”を自分で作る！

業務に本当に役立つ“儲かるAI”を作るには、「業務目線」と「技術目線」の両方が必要です。業務の課題を認識し、どう改善するかという「業務目線」が必要なのは従来システムと同じですが、AIの構築ではさらに業務の課題が本当に AIで解決できるのか、AIのどの処理方式なら適用できそうかという「技術目線」が不可欠なのです。
本書のPython実習で学ぶことで、「AIの目利きができる技術目線」を獲得し、自分でもAIを作れるようになります。

◆数学なしでアルゴリズム選びもチューニングもわかる
◆現場目線でAIの最適化までできる
◆ブラウザだけで試せるPython実習（Google Colab）
◆XGBoost、Prophetなど話題のAI技術を活用
◆全PythonコードをGoogle Colab用のNotebook形式で用意
＜機械学習のための Python入門講座＞つき！

1章 業務と機械学習プロジェクト
2章 機械学習モデルの処理パターン
3章 機械学習モデルの開発手順
4章 機械学習モデル開発の重要ポイント
5章 業務要件と処理パターン
6章 AIプロジェクトを成功させる上流工程のツボ

[ブクログ · ★★★★★]

「4.1 データ確認」は、プロットしてデータセットの特徴を視覚的に掴む上で、pythonのseabornの使いこなし方を紹介。

「5 業務要件と処理パターン」は、いくつかの業務要件の処理パターンで実習できる.。モデルの選択方法からチューニング方法まで具体的で明解な説明がある。

[ブクログ · ★★★★★]

「scikit-learnを使えば機械学習は一般人にも使えるかも」とか「scikit-learnをまずは使ってみよう」と思わせてくれる本。
3章で機械学習における開発ステップの全体像を述べた後、4章ではそのうち特に重要なデータ確認、データ前処理、アルゴリズム選択、評価、チューニングについて程よい粒度で説明している。Accuracy, precision, recall, true positive/false positive/true negative/false negative, PR曲線/ROC曲線、交差検定法やグリッドサーチを用いたアルゴリズム選択とハイパーパラメータ最適化について、数学の詳細に踏み込むことなく、利用時に必要な知識を提供している。また、一貫してscikit-learnを用いてこれらを説明しているため、読者にとって分かりやすく、実際に試したり業務に適用したりする際のハードルも低いと感じた。

知識を得るには4章まで読むだけでも価値はある。5章の実例に基づく解説は、実際に業務で必要性が生じたら改めて読みたい。

[ブクログ · ★★★★★]

説明内容、コーディングともに難し過ぎず、かといって省略され過ぎてフワッとし過ぎているわけでもない。非常にバランスに優れており、機械学習の入門書としてはとても良書だと感じた。

[ブクログ · ★★★★☆]

データ分析や機械学習における理論説明と実装・実践説明のバランスが取れている。
著者はプログラミングに明るくない人を対象としているが、これからデータ分析や機械学習を学ぶエンジニアにとっても有用だと感じた。