書籍：Python機械学習プログラミング

Python機械学習プログラミング

※ 前回記事：文系でも必ずわかる中学数学×Python
※ 書籍一覧

タイトル	Python機械学習プログラミング 達人データサイエンティストによる理論と実践
著者	Sebastian Raschka／著 Vahid Mirjalili／著 クイープ／訳 福島真太朗／監訳
版	第3版
出版者	東京 インプレス
出版年	2020.10
形態事項	38,648p 24cm
シリーズ名	impress top gear ｲﾝﾌﾟﾚｽ ﾄｯﾌﾟ ｷﾞｱ
ISBN	978-4-295-01007-4
価格	(本体価格 \4000)
NDC10(NDC9)	007.13 (007.13)
予約日	2021.02.28(日)
入手日	2021.05.28(金)

＊正誤表：https://book.impress.co.jp/books/1120101017

1. 「データから学習する能力」をコンピュータに与える

1-1. データを知識に変える「知能機械」

1-2. ３種類の機械学習

・「教師あり学習」による未来予測
・強化学習による対話問題の解決
・「教師なし学習」による隠れた構造の発見

1-3. 基本用語と表記法

・本書の表記と規約
・機械学習の用語

1-4. 機械学習システムを構築するためのロードマップ

・前処理：データ整形
・予測モデルの訓練と選択
・モデルの評価と未知のインスタンスの予測

1-5. 機械学習にPythonを使う

・PythonとPython Package Indexのパッケージのインストール
・Anacondaとパッケージマネージャの使用
・科学計算、データサイエンス、機械学習のパッケージ

2. 分類問題 - 単純な機械学習アルゴリズムの訓練

2-1. 人工ニューロン

・人工ニューロンの正式な定義
・パーセプトロンの学習規則

2-2. パーセプトロンの学習アルゴリズムをPythonで実装する

・オブジェクト指向のパーセプトロンAPI

2-3. Irisデータセットでのパーセプトロンモデルの訓練

2-4. ADALINEと学習の収束

2-5. 勾配降下法によるコスト関数の最小化

・ADALINEをPythonで実装する
・特徴量のスケーリングを通じて勾配降下法を改善する

2-6. 大規模な機械学習と確率的勾配降下方

3. 分類問題 - 機械学習ライブラリ scikit-learnの活用

4. データ前処理 - よりよいトレーニングセットの構築

5. 次元削減でデータを圧縮する

6. 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

7. アンサンブル学習 - 異なるモデルの組み合わせ

8. 機械学習の適用1 - 感情分析

9. 機械学習の適用2 - Webアプリケーション

10. 回帰分析 - 連続値をとる目的変数の予測

11. クラスタ分析 - ラベルなしデータの分析

12. 多層人工ニューラルネットワークを一から実装

13. ニューラルネットワークの訓練をTensorFlowで並列化する

14. TensorFlowのメカニズム

15. 画像の分類 -　ディープ畳み込みニューラルネットワーク

16. 並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

17. 新しいデータの合成 - 敵対的生成ネットワーク

18. 複雑な環境での意思決定 - 強化学習

次回記事：スッキリわかるPythonによる機械学習入門

---

書籍