本/雑誌
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 / 原タイトル:Python Machine Learning 原著第3版の翻訳 (impress top gear)
SebastianRaschka/著 VahidMirjalili/著 クイープ/訳 福島真太朗/監訳
4400円
ポイント | 1% (44p) |
---|---|
発売日 | 2020年10月発売 |
出荷目安 | メーカー在庫あり:1-3日
※出荷目安について |
追跡可能メール便利用不可商品です
著者・出版社・関連アーティスト
商品説明
本書は、機械学習コンセプト全般をカバーし、理論的背景とPythonコーディングの実際を解説しています。初歩的な線形回帰から始め、ディープラーニング(CNN/RNN)、敵対的生成ネットワーク(GAN)、強化学習などを取り上げ、scikit‐learnやTensorFlowなどPythonライブラリの新版を使ってプログラミング。第3版では13~16章の内容をほとんど刷新したほか、敵対的生成ネットワークと強化学習の章を新たに追加。機械学習プログラミングの本格的な理解と実践に向けて大きく飛躍できる一冊です。
関連記事
収録内容
1 | 「データから学習する能力」をコンピュータに与える |
2 | 分類問題―単純な機械学習アルゴリズムの訓練 |
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―よりよい訓練データセットの構築 |
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 | 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 |
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 |