通常1-5営業日で発送：機械学習本ベストセラーの第2版!
著者陣の経験に基づく洞察とより専門的な知識を学べる

機械学習の各コンセプトについて、理論や数学的背景、Pythonコーディングの実際を解説。
初期の機械学習アルゴリズムから、ニューラルネットワーク(CNN/RNN)までの手法を取り上げます。

Python関連ライブラリとしてはscikit-learnやTensorFlowなどを使用。
本書は、機械学習を本格的に理解・実践するのに不可欠な一冊となっています。

第2版では、第1版への読者のフィードバックを随所に反映し、ライブラリの更新に対応。
13章以降はほとんど新規の書き下ろしです。

●原著の第1版はACM(米国計算機学会)の
「21st Annual list of Notable Books and Articles(2016)」にランクイン
●日本語版の第1版は「ITエンジニア本大賞2017」ベスト10にランクイン

第1章 「データから学習する能力」をコンピュータに与える
第2章 分類問題―単純な機械学習アルゴリズムのトレーニング
第3章 分類問題―機械学習ライブラリscikit-learnの活用
第4章 データ前処理―よりよいトレーニングセットの構築
第5章 次元削減でデータを圧縮する
第6章 モデルの評価とハイパーパラメータのチューニングのベストプラクティス
第7章 アンサンブル学習―異なるモデルの組み合わせ
第8章 機械学習の適用1―感情分析
第9章 機械学習の適用2―Webアプリケーション
第10章 回帰分析―連続値をとる目的変数の予測
第11章 クラスタ分析―ラベルなしデータの分析
第12章 多層人工ニューラルネットワークを一から実装
第13章 ニューラルネットワークのトレーニングをTensorFlowで並列化
第14章 TensorFlowのメカニズムと機能
第15章 画像の分類―ディープ畳み込みニューラルネットワーク
第16章 系列データのモデル化―リカレントニューラルネットワーク

◎本書は『Python Machine Learning: Machine Learning and Deep Learning
with Python, scikit-learn, and TensorFlow, 2nd Edition』の翻訳書です。

◎微積分/線形代数、Pythonの文法、データ分析用ライブラリについて
ある程度理解している必要があります。

■「はじめに」より抜粋
機械学習の実践的なサンプルコードを調べて試してみるのは、
この分野に飛び込むのにうってつけの方法である。幅広い概念が明確になるからだ。
本書では、Python言語と機械学習ライブラリを使って機械学習の実装を体験してみるほか、
アルゴリズムの背後にある数学的な概念を紹介する。それらの概念は、機械学習をうまく
利用するために欠かせないものである。したがって、本書は単なる実用書ではない。
本書では、機械学習の概念を必要に応じて詳しく説明する。そして、アルゴリズムの仕組み、
アルゴリズムの使用方法、さらに重要な、最も一般的な落とし穴を避ける方法を直観的に説明する。