※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。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 チューニングを自動化するブラックボックス最適化について詳説 　本書は，機械学習に欠かせないハイパーパラメータ調整（チューニング）を自動化するブラックボックス最適化について一からわかりやすく，そして，詳しく説明した書籍です．合わせて，Python言語上で動作するフレームワーク“Optuna”によるブラックボックス最適化の実行を，Optunaの開発者ら自ら詳しく説明しており，基礎を理解しながら実践に即した知識を身につけることができます． 　いまや機械学習は多種多様な応用が広く図られており，技術者／研究者，学生全般にとって必修といえるスキルになっていますが，その際に手間を要するのが，ハイパーパラメータ調整です．特に，深層学習（ディープラーニング）では，ハイパーパラメータの数が多い傾向があるうえに，その調整が性能を大きく左右するといわれています．多くの技術者が，これにかなりの時間が費やされてしまっているのが実情です．ブラックボックス最適化は汎用性も高く，機械学習のハイパーパラメータ調整に限らず，工学や日常生活にかかわる多くのことを最適化できます．例えば，本書ではミドルウェアのパフォーマンス調整や，お菓子のレシピ作成にブラックボックス最適化を応用する方法も紹介しています． 　ハイパーパラメータ調整の手間を大幅に削減するブラックボックス最適化とそのPythonベースのフレームワークOptunaについて，応用例からアルゴリズムまでを一からわかりやすく説明した書籍です．機械学習に留まらず，科学技術のあらゆる分野で登場するブラックボックス最適化に入門するにあたって最適な書籍です． CHAPTER 1　ブラックボックス最適化の基礎 1.1　ブラックボックス最適化とは？ 1.2　目的関数と最適化 1.3　グリッドサーチとランダムサーチ 1.4　SMBO 1.5　ブラックボックス最適化の利用対象 CHAPTER 2　はじめてのOptuna 2.1　環境構築 2.2　簡単な数式の最適化 2.3　機械学習のハイパーパラメータのOptunaによる最適化 CHAPTER 3　Optunaを使いこなす 3.1　多目的最適化 3.2　制約付き最適化 3.3　可視化機能を用いた探索空間の調整 3.4　探索点の手動指定 3.5　分散並列最適化 3.6　サンプラーの選択 3.7　枝刈り CHAPTER 4　ブラックボックス最適化の応用例 4.1　機械学習のハイパーパラメータの最適化：音声認識ソフトウェアMozilla DeepSpeech 4.2　パイプラインフレームワークとハイパーパラメータ最適化 4.3　継続的なモデル改善でのOptunaの使い方 4.4　オンライン広告入札システムの実行環境の最適化 4.5　クッキーレシピの最適化 4.6　ニューラルアーキテクチャサーチ CHAPTER 5　Optunaの最適化の仕組み 5.1　Optunaの柔軟なインタフェース 5.2　独立サンプリング 5.3　独立サンプリングの課題 5.4　同時サンプリング 5.5　パラメータ選択の全体像 CHAPTER 6　ブラックボックス最適化のアルゴリズム 6.1　探索点選択における共通の枠組 6.2　単目的最適化における探索点選択のアルゴリズム 6.3　多目的最適化における探索点選択のアルゴリズム 6.4　探索点選択アルゴリズムの使い分け

※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

★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

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

※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。 [本当の力がつくアルゴリズムの本] プログラミングコンテストの問題を通してアルゴリズムのしくみや考え方を楽しく習得。 プログラミングコンテストにて世界トップレベルの成績を誇る著者たちが、コンテストで得た知識やノウハウを難易度別にまとめました。初心者が取り組めるアルゴリズムの基本問題から、世界中のプログラマを悩ませた難問まで。“プログラミング脳”を活性化するための問題を厳選して紹介します。 「プログラミングコンテスト」は上級者だけのものではありません。多くの場合は初級者向けの問題も用意され、幅広い参加者が楽しめるよう配慮されています。良い成績を収められなくてもプログラミング能力を向上させることにつながり、何より、楽しく充実した時間を過ごせます！ 本書を読むにあたって必要なものは「基礎的なプログラミング能力」だけです。掲載したソースコードはC++ですが基本的な機能のみで記述しており、C++での開発経験がなくても読みやすいように配慮しました。 難易度別に分けて構成し、内容の多いトピックは難易度ごとに何度か扱っています。各トピックは説明と例題からなっています。 第2版となる本書では、４つの新しいトピック「平面・空間を扱う“計算幾何”」「工夫を凝らして賢く“探索”」「分けて解いてまとめる！“分割統治法”」「“文字列”を華麗に扱う」を追加した他、より理解を深めるための練習問題の紹介や、さらなる高みを目指す読者のために発展的内容の紹介を行い、より一層充実した内容になっています。 現役プログラマだけでなくプログラマを目指している方にもぜひ読んでいただきたい1冊です！

★この本を買わずして何を買う！！★ 競技プログラミング経験が豊富な著者が、「アルゴリズムを自分の道具としたい」という読者に向けて執筆。入門書を標榜しながら、AtCoderの例題、C++のコードが充実。入門書であり実践書でもある、生涯役立つテキストを目指した。 【推薦の言葉】 プログラムが「書ける」ことと、効率の良い結果を得ることには大分ギャップがある。本書は、どのようにすれば効率のよい結果が得られるか？　すなわちどのようなアルゴリズムを採用すればよいか？　という点に対して、幅広くかつ明快に解説している。 また本書は、アルゴリズム初心者に対して、アルゴリズムへの興味を惹かれるように記述されている。アルゴリズム上級者への初めの一歩には最適であろう。 ――河原林健一（国立情報学研究所副所長） 【全体を通して、アルゴリズムの設計技法を重視した構成】 まず、1、2章でアルゴリズムと計算量について概観します。そして、3～7章が、早くも本書のメインパートといえる部分であり、「アルゴリズムの設計技法」について詳しく解説します。これらの設計技法に関する話題は、多くの書籍では、最後の方で簡単に説明しています。しかし本書は、現実世界の問題を解決するための実践的なアルゴリズム設計技法の鍛錬を目指しています。そこで、アルゴリズム設計技法について前半で詳しく解説する構成としました。そして、これらの設計技法が後半の章でも随所に使われていくことを示していきます。 その後、8～11章では、設計したアルゴリズムを効果的に実現するうえで重要となるデータ構造を解説します。データ構造について学ぶことで、アルゴリズムの計算量を改善したり、また、C++やPythonなどで提供されている標準ライブラリの仕組みを理解して、それらを有効に活用したりすることができるようになります。 そしていったん、12章でソートアルゴリズムについての話題を挟んだ後に、13～16章でグラフアルゴリズムについて解説します。グラフは、非常に強力な数理科学的ツールです。多くの問題は、グラフに関する問題として定式化することで、見通しよく扱うことができるようになります。また、グラフアルゴリズムを設計するとき、3～7章で学ぶ設計技法や、8～11章で学ぶデータ構造が随所で活躍します。 最後に、17章で PとNPに関する話題を解説し、世の中には「効率的に解くアルゴリズムを設計することができそうにない難問」が多数あることを見ます。18章で、これらの難問に取り組むための方法論をまとめます。ここでも、動的計画法 (5章) や貪欲法 (7章) といった設計技法が活躍します。