※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

★まさにバイブル！★ 転移学習は、従来の機械学習の方法では解決することが困難な要請や課題をうまく取り扱うための方法です。深層学習の登場以降、事前学習済みモデルの利用が容易になり、転移学習が広く用いられるようになってきた。 本書では、転移学習の基本概念から、ドメイン適応、事前学習済みモデル、知識蒸留、マルチタスク学習、メタ学習、継続学習などをていねいに解説。この一冊から始めよう！ 【主な内容】 第1部　転移学習への導入 第1章　機械学習から転移学習へ 第2章　転移学習の基本概念 第2部　転移学習の基礎 第3章　ドメイン適応の理論 第4章　データに基づくドメイン適応の基礎 第5章　モデルに基づくドメイン適応の展開 第6章　事前学習済みモデル 第3部　転移学習の展開 第7章　知識蒸留 第8章　マルチタスク学習 第9章　メタ学習 第10章　少数ショット学習 第11章　ドメイン汎化 第12章　継続学習 第13章　強化学習における転移学習 付録A　深層ニューラルネットワークと生成モデルの基礎

※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。 科学研究において実験計画は必須になりますが、近年ではデータを使って仮説の生成と検証を繰り返す「適応的実験計画」が取り入れられ、その方法の一つである「ベイズ最適化」に注目が集まっています。 　本書ではこのベイズ最適化の理論・アルゴリズムを基礎から応用まで詳細に説明しています。またブラックボックス最適化ソフトウェア「Optuna」を利用したアルゴリズムの実装方法も紹介。本書を読むことで、ベイズ最適化という強大なフレームワークの全貌を理解し、理論と実装を習得することができます。