ビッグデータ分析をきっかけとして「機械学習」に注目が集まり，ビジネス利用への検討がはじまっています。しかし，実際に「機械学習」を理解しているエンジニアや分析担当者は少なく，うまく活用できていないのが現実です。「機械学習」を利用するにはアルゴリズムの理解，プログラミング技術，ビジネス知識などが必要になってきます。本書では，第1部で機械学習のアルゴリズムやビジネスへの応用方法，流行の深層学習などに触れ，第2部ではPythonを用いた機械学習，画像認識，推薦エンジンなど，サンプルコードをもとに手を動かして試すことができます。機械学習分野で先頭を走る著者陣が，面白く，わかりやすい解説でお届けします。

※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。 機械学習アルゴリズムの違いが見てわかる！ 「機械学習アルゴリズムは種類が多く、複雑で何をしているのかわかりにくい」と思ったこと、ありませんか？本書は、そのような機械学習アルゴリズムをオールカラーの図を用いながら解説をした機械学習の入門書です。 いままで複雑でわかりにくかった機械学習アルゴリズムが図を通してわかりやすく解説をしています。アルゴリズムごとに項目を立てているので、どのアルゴリズムがどのような仕組みで動いているのか比較をしやすくしています。 これから機械学習を勉強する方だけでなく、実際に機械学習を業務で使用している方にも新しい気付きを得られるのでお勧めの1冊です。 【本書の特徴】 ・複雑な機械学習アルゴリズムの仕組みを1冊で学べる ・オールカラーで機械学習の図をたくさん掲載 ・各アルゴリズム毎にScikit-Learnを使用したコードを記載しているので、見るだけでなく試すこともできる ・仕組みだけでなく、実際の使い方や注意点もわかる 【本書で紹介するアルゴリズム】 01 線形回帰 02 正則化 03 ロジスティック回帰 04 サポートベクトルマシン 05 サポートベクトルマシン（カーネル法） 06 ナイーブベイズ 07 ランダムフォレスト 08 ニューラルネットワーク 09 kNN 10 PCA 11 LSA 12 NMF 13 LDA 14 k-means 15 混合ガウス 16 LLE 17 t-SNE ※本電子書籍は同名出版物を底本として作成しました。記載内容は印刷出版当時のものです。 ※印刷出版再現のため電子書籍としては不要な情報を含んでいる場合があります。 ※印刷出版とは異なる表記・表現の場合があります。予めご了承ください。 ※プレビューにてお手持ちの電子端末での表示状態をご確認の上、商品をお買い求めください。

※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。 ◆プログラミングの力を使って直感的に理解できる◆ 本書は、線形代数をPythonを用いて学習し、実世界の問題に応用する力を身につけることを目標としています。線形代数の基礎概念と計算方法を学び、Pythonで実装することで理解を深めます。Pythonを用いた学習には二つの意味があります。一つは、線形代数の計算を実装することで、具体的な問題や数式からPythonコードを作成する応用力を養うこと。もう一つは、Pythonを抽象的な線形代数の理解を助ける道具として利用することです。応用を目指しつつも、初期段階では紙とペンを使った手計算も重要視しており、手計算の方法を示すことで数学的な理解を深め、Pythonでの応用をスムーズにすることを狙っています。練習問題も手計算とPython計算の両方を用意しています。線形代数の定理の証明についても、通常の計算の延長線上にあると考え、多く取り上げています。証明を通じて、概念と計算方法のより深い理解を目指します。 ■こんな方におすすめ ・線形代数をプログラミングしながら学び直したい方 ・手計算・証明も含めて線形代数を理解したいPythonユーザ ■目次 第1章 Pythonの基本 ・1.1 Pythonのインストール ・1.2 Pythonの実行 ・1.3 Pythonのモジュールについて ・1.4 外部モジュールの利用と仮想環境 ・1.5 本書で使う外部モジュール ・1.6 数値誤差について ・1.7 NumPyの配列 第2章 平面と空間のベクトル ・2.1 ベクトルの定義と計算 ・2.2 ベクトルの成分と位置ベクトル ・2.3 内積 ・2.4 ベクトルによる直線の表現 ・2.5 外積 ・2.6 ベクトルによる平面の表現 第3章 ベクトルと行列 ・3.1 ベクトル・行列とその表記 ・3.2 行列の和とスカラー倍 ・3.3 ベクトルのノルムと内積 ・3.4 転置 ・3.5 行列の積 ・3.6 単位行列、逆行列 ・3.7 ブロック分割 ・3.8 行列と連立一次方程式 ・3.9 ランクと逆行列 第4章 行列式 ・4.1 置換 ・4.2 行列式 第5章 線形空間 ・5.1 線形独立と線形従属 ・5.2 線形空間と線形部分空間 ・5.3 基底 ・5.4 線形変換 ・5.5 正規直交基底 ・5.6 基底の変換 ・5.7 基底変換と線形変換の幾何的解釈 第6章 固有値と固有ベクトル ・6.1 固有値と固有ベクトル ・6.2 固有値・固有ベクトルの幾何的解釈 第7章 行列と数値計算 ・7.1 コンピュータで数値を扱うときの注意点 ・7.2 上三角行列と下三角行列 ・7.3 LU分解 ・7.4 既存ライブラリによるLU分解 ・7.5 数値計算と逆行列 ・7.6 行列と数値誤差 第8章 応用例 ・8.1 図形と画像の変形 ・8.2 三次元グラフィックスの処理 ・8.3 最小二乗法 ・8.4 主成分分析 ■著者プロフィール 加藤公一（かとうきみかず）：現在、みずほ証券でデータ分析にかかわる業務に従事。東京大学大学院情報理工学系研究。科コンピュータ科学専攻博士課程終了。博士（情報理工学博士）。主な著書に「機械学習のエッセンス」（SB クリエイティブ）がある。

※この電子書籍は固定レイアウト型で配信されております。固定レイアウト型は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。 本書は具体的なデータ分析の手法を説明する意図で書かれたものではありません。 実用的な目的ならscikit-learnやChainerなどの既存のフレームワークを使うべきですが、本書では機械学習のいくつかの有名なアルゴリズムを、自分でゼロから実装することを目標としています。こうすることにより、とかくブラックボックスになりがちな機械学習の仕組みを理解し、さらなる応用力と問題解決力を身につけることができるようになります。 また、処理系にはデファクトスタンダードであるPythonを使い、機械学習に必要な数学の知識もわかりやすく解説しています。 これから機械学習を始める学生さんや、いきなりプロジェクトに放り込まれていまいち理解できないままデータ分析の仕事をしているエンジニアの方にも最適です。