AI(人工知能)の開発や、ビッグデータ活用など、様々な分野で今後必要とされる技術「機械学習」。その手法の1種で人間の脳にならった「ディープラーニング」はひときわ注目度も高いです。
機械学習は、データ解析や、数学系のライブラリの豊富さから現状Python環境がダントツの人気。
いまPythonが最も人気がある最大の要因がこの機械学習・ディープラーニング・データ解析によるものといえるでしょう。
今後も間違いなく必要とされていく需要の高い技術、「Pythonでの機械学習」に関する本を紹介していきまっす。
発売したての新書をピックアップ
技術書は情報の鮮度も重要、人気ランキングの前に新しい書籍もチェックしておきましょう。
- 2021/06/16発売 「【Pythonでゼロからはじめる】 AI・機械学習のためのデータ前処理[入門編] (エンジニア入門シリーズ)」
- 2021/06/28発売 「Python機械学習(AI)scikit-learn超入門最低限の努力で！: コピペでOK！現役プログラミング講師が書く学習は最短最低限の内容で！ プログラミング超入門 (KAZUYA_M)」
- 2021/07/22発売 「Pythonディープラーニング(AI)Keras超入門最低限の努力で！: コピペでOK！現役プログラミング講師が書く学習は最短最低限の内容で！ プログラミング超入門 (KAZUYA_M)」
- 2021/08/12発売 「Pythonで学ぶ音声合成 機械学習実践シリーズ」
- 2021/09/22発売 「そろそろ常識? マンガでわかる「Python機械学習」」
Contents
Python 機械学習・ディープラーニング本
人気ランキング
さっそく、今売れ筋の「機械学習」「ディープラーニング」系の本を人気ランキング形式で一覧したのが以下。
ランキングはAmazonの売筋ランクに基づいて日々更新されていますので、最新の人気が反映されています。
(2021/09/17 12:05 更新)
以降でおすすめ・注目の本をピックアップしていきまっす。
ちなみに、Kindle版のある本ならサンプル送信で試し読み可能。大概目次まで見れるので、内容の概要もつかめるので、サンプル試読おすすめです。
Python機械学習の本 人気の参考書 5冊
以下が今人気(売れ筋)のPython・機械学習関連の本の5冊の詳細です。
(2021/09/17 12:05 更新)
| Rank | 製品 | 価格 |
|---|---|---|
1 |  | |
2 |  [第3版]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 (impress top gear)... 発売日 2020/10/22 Sebastian Raschka, Vahid Mirjalili (インプレス) 総合評価 | |
3 |  | |
4 |  Pythonではじめる機械学習 ―scikit-learnで学ぶ特徴量エンジニアリングと機械学習の基礎... 発売日 2017/05/25 Andreas C. Muller, Sarah Guido (オライリージャパン) 総合評価 | |
5 |  |
「ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装」
ディープラーニングの本格的な入門書。外部のライブラリに頼らずに、Python 3によってゼロからディープラーニングを作ることで、ディープラーニングの原理を楽しく学びます。
ディープラーニングやニューラルネットワークの基礎だけでなく、誤差逆伝播法や畳み込みニューラルネットワークなども実装レベルで理解できます。
ハイパーパラメータの決め方や重みの初期値といった実践的なテクニック、Batch NormalizationやDropout、Adamといった最近のトレンド、自動運転や画像生成、強化学習などの応用例、さらには、なぜディープラーニングは優れているのか?なぜ層を深くすると認識精度がよくなるのか?といった“Why"に関する問題も取り上げます。
ディープラーニングやニューラルネットワークの基礎だけでなく、誤差逆伝播法や畳み込みニューラルネットワークなども実装レベルで理解できます。
ハイパーパラメータの決め方や重みの初期値といった実践的なテクニック、Batch NormalizationやDropout、Adamといった最近のトレンド、自動運転や画像生成、強化学習などの応用例、さらには、なぜディープラーニングは優れているのか?なぜ層を深くすると認識精度がよくなるのか?といった“Why"に関する問題も取り上げます。
内容サンプル
目次
１章 Ｐｙｔｈｏｎ入門
２章 パーセプトロン
３章 ニューラルネットワーク
４章 ニューラルネットワークの学習
５章 誤差逆伝播法
６章 学習に関するテクニック
７章 畳み込みニューラルネットワーク
８章 ディープラーニング
付録Ａ Ｓｏｆｔｍａｘ-ｗｉｔｈ-Ｌｏｓｓレイヤの計算グラフ
２章 パーセプトロン
３章 ニューラルネットワーク
４章 ニューラルネットワークの学習
５章 誤差逆伝播法
６章 学習に関するテクニック
７章 畳み込みニューラルネットワーク
８章 ディープラーニング
付録Ａ Ｓｏｆｔｍａｘ-ｗｉｔｈ-Ｌｏｓｓレイヤの計算グラフ
↓全て表示↑少なく表示
Users Voice
内容サンプル
著者略歴
斎藤康毅（サイトウコウキ）
１９８４年長崎県対馬生まれ。東京工業大学工学部卒、東京大学大学院学際情報学府修士課程修了。現在、企業にて、コンピュータビジョンや機械学習に関する研究開発に従事（本データはこの書籍が刊行された当時に掲載されていたものです）
１９８４年長崎県対馬生まれ。東京工業大学工学部卒、東京大学大学院学際情報学府修士課程修了。現在、企業にて、コンピュータビジョンや機械学習に関する研究開発に従事（本データはこの書籍が刊行された当時に掲載されていたものです）
「[第3版]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 (impress top ge...」
[第3版]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 (impress top gear)
(著)Sebastian Raschka, Vahid Mirjalili
発売日 2020/10/22
(著)Sebastian Raschka, Vahid Mirjalili
発売日 2020/10/22
総合評価
（2021/09/17 12:05時点）
世界各国で翻訳された
機械学習本ベストセラーの第3版!
分類/回帰問題から、深層学習/強化学習まで、
機械学習コンセプト全般をカバー。
理論的背景とPythonコーディングの実際を解説しています。
第3版で敵対的生成ネットワーク、強化学習の各章を新たに追加し、
scikit-learnやTensorFlowなどなど新規のPython環境に対応。
13~16章の内容をほとんど刷新しています。
著者陣の経験に基づく洞察とより専門的な知識を学ぶことができて
理論と実践を架橋する解説書の決定版!
[原著の第1版]
●ドイツ語、韓国語、中国語、日本語、ロシア語、ポーランド語、イタリア語に翻訳。
●米国計算機学会「21st Annual list of Notable Books and Articles(2016)」にランクイン。
[日本語の第1版]
●「ITエンジニア本大賞2017」ベスト10にランクイン。
【構成(予定)】
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訓練
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―よりよい訓練データセットの構築
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する
第13章 ニューラルネットワークの訓練をTensorFlowで並列化する
第14章 TensorFlowのメカニズム
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
第17章 新しいデータの合成―敵対的生成ネットワーク
第18章 複雑な環境での意思決定―強化学習
◎本書は『Python Machine Learning: Machine Learning and Deep Learning with Python<, br> scikit-learn, and TensorFlow 2,3rd 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。
機械学習本ベストセラーの第3版!
分類/回帰問題から、深層学習/強化学習まで、
機械学習コンセプト全般をカバー。
理論的背景とPythonコーディングの実際を解説しています。
第3版で敵対的生成ネットワーク、強化学習の各章を新たに追加し、
scikit-learnやTensorFlowなどなど新規のPython環境に対応。
13~16章の内容をほとんど刷新しています。
著者陣の経験に基づく洞察とより専門的な知識を学ぶことができて
理論と実践を架橋する解説書の決定版!
[原著の第1版]
●ドイツ語、韓国語、中国語、日本語、ロシア語、ポーランド語、イタリア語に翻訳。
●米国計算機学会「21st Annual list of Notable Books and Articles(2016)」にランクイン。
[日本語の第1版]
●「ITエンジニア本大賞2017」ベスト10にランクイン。
【構成(予定)】
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訓練
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―よりよい訓練データセットの構築
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する
第13章 ニューラルネットワークの訓練をTensorFlowで並列化する
第14章 TensorFlowのメカニズム
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
第17章 新しいデータの合成―敵対的生成ネットワーク
第18章 複雑な環境での意思決定―強化学習
◎本書は『Python Machine Learning: Machine Learning and Deep Learning with Python<, br> scikit-learn, and TensorFlow 2,3rd 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。
↓全て表示↑少なく表示
内容サンプル
目次
「データから学習する能力」をコンピュータに与える
分類問題ー単純な機械学習アルゴリズムの訓練
分類問題ー機械学習ライブラリｓｃｉｋｉｔ-ｌｅａｒｎの活用
データ前処理ーよりよい訓練データセットの構築
次元削減でデータを圧縮する
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
アンサンブル学習ー異なるモデルの組み合わせ
機械学習の適用１-感情分析
機械学習の適用２-Ｗｅｂアプリケーション
回帰分析ー連続値をとる目的変数の予測
クラスタ分析ーラベルなしデータの分析
多層人工ニューラルネットワークを一から実装
ニューラルネットワークの訓練をＴｅｎｓｏｒＦｌｏｗで並列化する
ＴｅｎｓｏｒＦｌｏｗのメカニズム
画像の分類ーディープ畳み込みニューラルネットワーク
系列データのモデル化ーリカレントニューラルネットワーク
新しいデータの合成ー敵対的生成ネットワーク
複雑な環境での意思決定ー強化学習
分類問題ー単純な機械学習アルゴリズムの訓練
分類問題ー機械学習ライブラリｓｃｉｋｉｔ-ｌｅａｒｎの活用
データ前処理ーよりよい訓練データセットの構築
次元削減でデータを圧縮する
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
アンサンブル学習ー異なるモデルの組み合わせ
機械学習の適用１-感情分析
機械学習の適用２-Ｗｅｂアプリケーション
回帰分析ー連続値をとる目的変数の予測
クラスタ分析ーラベルなしデータの分析
多層人工ニューラルネットワークを一から実装
ニューラルネットワークの訓練をＴｅｎｓｏｒＦｌｏｗで並列化する
ＴｅｎｓｏｒＦｌｏｗのメカニズム
画像の分類ーディープ畳み込みニューラルネットワーク
系列データのモデル化ーリカレントニューラルネットワーク
新しいデータの合成ー敵対的生成ネットワーク
複雑な環境での意思決定ー強化学習
↓全て表示↑少なく表示
Users Voice
内容サンプル
著者略歴
ラシュカ，セバスチャン（Raschka,Sebastian）
ミシガン州立大学博士課程で計算生物学と機械学習の複合領域において博士号を取得。現在、ウィスコンシン州立大学マディソン校の統計学助教授で、機械学習と深層学習の研究に焦点を当てている。Ｐｙｔｈｏｎコーディングの経験が長く、データサイエンス、機械学習、ディープラーニングの実践について多数のセミナーの講師も務めている
ミルジャリリ，ヴァヒド（Mirjalili,Vahid）
ミシガン州立大学にて分子構造の大規模計算シミュレーションの新しい手法を開発したことにより機械工学の博士号を取得。ミシガン州立大学のｉＰＲｏＢｅラボに参加し、コンピュータービジョンとバイオメトリクスドメインに機械学習を適用。その後、３Ｍにリサーチサイエンティストとして入社
福島真太朗（フクシマシンタロウ）
現在、企業で機械学習、データマイニングの研究開発、技術開発の業務に従事。東京大学理学部物理学科卒業。東京大学大学院新領域創成科学研究科複雑理工学専攻修士課程修了。東京大学大学院情報理工学系研究科数理情報学専攻博士課程修了。博士（情報理工学）。専攻は機械学習・データマイニング・非線形力学系（本データはこの書籍が刊行された当時に掲載されていたものです）
ミシガン州立大学博士課程で計算生物学と機械学習の複合領域において博士号を取得。現在、ウィスコンシン州立大学マディソン校の統計学助教授で、機械学習と深層学習の研究に焦点を当てている。Ｐｙｔｈｏｎコーディングの経験が長く、データサイエンス、機械学習、ディープラーニングの実践について多数のセミナーの講師も務めている
ミルジャリリ，ヴァヒド（Mirjalili,Vahid）
ミシガン州立大学にて分子構造の大規模計算シミュレーションの新しい手法を開発したことにより機械工学の博士号を取得。ミシガン州立大学のｉＰＲｏＢｅラボに参加し、コンピュータービジョンとバイオメトリクスドメインに機械学習を適用。その後、３Ｍにリサーチサイエンティストとして入社
福島真太朗（フクシマシンタロウ）
現在、企業で機械学習、データマイニングの研究開発、技術開発の業務に従事。東京大学理学部物理学科卒業。東京大学大学院新領域創成科学研究科複雑理工学専攻修士課程修了。東京大学大学院情報理工学系研究科数理情報学専攻博士課程修了。博士（情報理工学）。専攻は機械学習・データマイニング・非線形力学系（本データはこの書籍が刊行された当時に掲載されていたものです）
↓全て表示↑少なく表示
「スッキリわかるPythonによる機械学習入門 スッキリわかるシリーズ」
少しずつ・繰り返し・ていねいに積み上げるスッキリ流解説で
実践的なスキルが必ず身に付く魔法の書
機械学習の世界は、数学理論、モデル、ライブラリ、プログラミングなど、学ぶべき分野が多岐に及びます。
各分野は1つでさえ十分奥深く、初学者にとっては「何を」「どこから」「どのように」「どこまで」学べば、データサイエンティストへの一歩を踏み出せるのかわからず、途方に暮れてしまうことも少なくありません。
本書は、この広大な世界に対して、真正面から、しかしスムーズかつスッキリと学び進めていただくための入門書です。
各工程やツールを個別・独立してバラバラに学ぶのではなく、データ分析の「全体の流れ」を繰り返し体験することで、機械学習の全体像と本質が自然と体に染みこむよう構成されています。
しかも単に繰り返すのではなく、最初はシンプルでやさしい題材からはじめ、以後、さまざまに角度を変えながら、段階的に高度な内容に挑戦するため、最終的には、中級者にステップアップするための応用術も身に付けられるでしょう。
もちろん、シリーズで好評の「エラー解決・虎の巻」も収録していますので、途中でつまずいても安心です。
機械学習の楽しさ、奥深さをじっくり学び、新しい未来への道を拓いてみませんか。
※この商品は固定レイアウトで作成されており、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、文字列のハイライトや検索、辞書の参照、引用などの機能が使用できません。
購入前にお使いの端末で無料サンプルをお試しください。
実践的なスキルが必ず身に付く魔法の書
機械学習の世界は、数学理論、モデル、ライブラリ、プログラミングなど、学ぶべき分野が多岐に及びます。
各分野は1つでさえ十分奥深く、初学者にとっては「何を」「どこから」「どのように」「どこまで」学べば、データサイエンティストへの一歩を踏み出せるのかわからず、途方に暮れてしまうことも少なくありません。
本書は、この広大な世界に対して、真正面から、しかしスムーズかつスッキリと学び進めていただくための入門書です。
各工程やツールを個別・独立してバラバラに学ぶのではなく、データ分析の「全体の流れ」を繰り返し体験することで、機械学習の全体像と本質が自然と体に染みこむよう構成されています。
しかも単に繰り返すのではなく、最初はシンプルでやさしい題材からはじめ、以後、さまざまに角度を変えながら、段階的に高度な内容に挑戦するため、最終的には、中級者にステップアップするための応用術も身に付けられるでしょう。
もちろん、シリーズで好評の「エラー解決・虎の巻」も収録していますので、途中でつまずいても安心です。
機械学習の楽しさ、奥深さをじっくり学び、新しい未来への道を拓いてみませんか。
※この商品は固定レイアウトで作成されており、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、文字列のハイライトや検索、辞書の参照、引用などの機能が使用できません。
購入前にお使いの端末で無料サンプルをお試しください。
↓全て表示↑少なく表示
内容サンプル
目次
Ｐｙｔｈｏｎ基本文法の復習
第１部 ようこそ機械学習の世界へ（ＡＩと機械学習
機械学習に必要な基礎統計学
機械学習によるデータ分析の流れ ほか）
第２部 教師あり学習の理解を深めよう（分類１：アヤメの判別
回帰１：映画の興行収入の予測
分類２：客船沈没事故での生存予測 ほか）
第３部 中級者への最初の１歩を踏み出そう（より実践的な前処理
さまざまな教師あり学習：回帰
さまざまな教師あり学習：分類 ほか）
付録
第１部 ようこそ機械学習の世界へ（ＡＩと機械学習
機械学習に必要な基礎統計学
機械学習によるデータ分析の流れ ほか）
第２部 教師あり学習の理解を深めよう（分類１：アヤメの判別
回帰１：映画の興行収入の予測
分類２：客船沈没事故での生存予測 ほか）
第３部 中級者への最初の１歩を踏み出そう（より実践的な前処理
さまざまな教師あり学習：回帰
さまざまな教師あり学習：分類 ほか）
付録
↓全て表示↑少なく表示
Users Voice
内容サンプル
「Pythonではじめる機械学習 ―scikit-learnで学ぶ特徴量エンジニアリングと機械学習の基礎」
Pythonではじめる機械学習 ―scikit-learnで学ぶ特徴量エンジニアリングと機械学習の基礎
(著)Andreas C. Muller, Sarah Guido
発売日 2017/05/25
(著)Andreas C. Muller, Sarah Guido
発売日 2017/05/25
総合評価
（2021/09/17 12:05時点）
Pythonの機械学習用ライブラリの定番、scikit-learnのリリースマネージャを務めるなど開発に深く関わる著者が、scikit-learnを使った機械学習の方法を、ステップバイステップで解説します。
ニューラルネットを学ぶ前に習得しておきたい機械学習の基礎をおさえるとともに、優れた機械学習システムを実装し精度の高い予測モデルを構築する上で重要となる「特徴量エンジニアリング」と「モデルの評価と改善」について多くのページを割くなど、従来の機械学習の解説書にはない特長を備えています。
ニューラルネットを学ぶ前に習得しておきたい機械学習の基礎をおさえるとともに、優れた機械学習システムを実装し精度の高い予測モデルを構築する上で重要となる「特徴量エンジニアリング」と「モデルの評価と改善」について多くのページを割くなど、従来の機械学習の解説書にはない特長を備えています。
目次
１章 はじめに
２章 教師あり学習
３章 教師なし学習と前処理
４章 データの表現と特徴量エンジニアリング
５章 モデルの評価と改良
６章 アルゴリズムチェーンとパイプライン
７章 テキストデータの処理
８章 おわりに
２章 教師あり学習
３章 教師なし学習と前処理
４章 データの表現と特徴量エンジニアリング
５章 モデルの評価と改良
６章 アルゴリズムチェーンとパイプライン
７章 テキストデータの処理
８章 おわりに
Users Voice
著者略歴
ミュラー，アンドレアス・Ｃ．（M¨uller,Andreas C.）（ミュラー，アンドレアスＣ．）
ボン大学で、機械学習のＰｈＤを取得。コンピュータビジョンアプリの機械学習研究者としてＡｍａｚｏｎに１年間勤務したのち、ニューヨーク大学データサイエンスセンターを経て現在はコロンビア大学の講師。ここ４年間は、産業界および学術界で広く使われている機械学習ライブラリｓｃｉｋｉｔ-ｌｅａｒｎのメンテナ、コアコントリビュータ、リリースマネージャーとして活躍する。広く使われている別の機械学習パッケージの開発者兼コントリビュータでもある
グイド，サラ（Guido,Sarah）
スタートアップで働くデータサイエンティスト。ニューヨーク在住。ミシガン大学大学院修了
中田秀基（ナカダヒデモト）
博士（工学）。産業技術総合研究所において分散並列計算の研究に従事（本データはこの書籍が刊行された当時に掲載されていたものです）
ボン大学で、機械学習のＰｈＤを取得。コンピュータビジョンアプリの機械学習研究者としてＡｍａｚｏｎに１年間勤務したのち、ニューヨーク大学データサイエンスセンターを経て現在はコロンビア大学の講師。ここ４年間は、産業界および学術界で広く使われている機械学習ライブラリｓｃｉｋｉｔ-ｌｅａｒｎのメンテナ、コアコントリビュータ、リリースマネージャーとして活躍する。広く使われている別の機械学習パッケージの開発者兼コントリビュータでもある
グイド，サラ（Guido,Sarah）
スタートアップで働くデータサイエンティスト。ニューヨーク在住。ミシガン大学大学院修了
中田秀基（ナカダヒデモト）
博士（工学）。産業技術総合研究所において分散並列計算の研究に従事（本データはこの書籍が刊行された当時に掲載されていたものです）
↓全て表示↑少なく表示
「Pythonで学ぶ音声合成 機械学習実践シリーズ」
内容サンプル
内容サンプル
Python機械学習の本 最新・高評価のおすすめの5冊
以下が最新(2019年以降発売本)で高評価の、最新おすすめのPython・機械学習関連の本の5冊の詳細です。
(2021/09/17 12:05 更新)
| Rank | 製品 | 価格 |
|---|---|---|
1 | [第3版]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 (impress top gear)... 発売日 2020/10/22 Sebastian Raschka, Vahid Mirjalili (インプレス) 総合評価 | |
2 |  | |
3 |  いちばんやさしいPython機械学習の教本 人気講師が教える業務で役立つ実践ノウハウ... 発売日 2019/06/21 鈴木たかのり, 降籏洋行, 平井孝幸, 株式会社ビープラウド (インプレス) 総合評価 | |
4 |  | |
5 |  |
「[第3版]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 (impress top ge...」
[第3版]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 (impress top gear)
(著)Sebastian Raschka, Vahid Mirjalili
発売日 2020/10/22
(著)Sebastian Raschka, Vahid Mirjalili
発売日 2020/10/22
総合評価
（2021/09/17 12:05時点）
世界各国で翻訳された
機械学習本ベストセラーの第3版!
分類/回帰問題から、深層学習/強化学習まで、
機械学習コンセプト全般をカバー。
理論的背景とPythonコーディングの実際を解説しています。
第3版で敵対的生成ネットワーク、強化学習の各章を新たに追加し、
scikit-learnやTensorFlowなどなど新規のPython環境に対応。
13~16章の内容をほとんど刷新しています。
著者陣の経験に基づく洞察とより専門的な知識を学ぶことができて
理論と実践を架橋する解説書の決定版!
[原著の第1版]
●ドイツ語、韓国語、中国語、日本語、ロシア語、ポーランド語、イタリア語に翻訳。
●米国計算機学会「21st Annual list of Notable Books and Articles(2016)」にランクイン。
[日本語の第1版]
●「ITエンジニア本大賞2017」ベスト10にランクイン。
【構成(予定)】
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訓練
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―よりよい訓練データセットの構築
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する
第13章 ニューラルネットワークの訓練をTensorFlowで並列化する
第14章 TensorFlowのメカニズム
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
第17章 新しいデータの合成―敵対的生成ネットワーク
第18章 複雑な環境での意思決定―強化学習
◎本書は『Python Machine Learning: Machine Learning and Deep Learning with Python<, br> scikit-learn, and TensorFlow 2,3rd 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。
機械学習本ベストセラーの第3版!
分類/回帰問題から、深層学習/強化学習まで、
機械学習コンセプト全般をカバー。
理論的背景とPythonコーディングの実際を解説しています。
第3版で敵対的生成ネットワーク、強化学習の各章を新たに追加し、
scikit-learnやTensorFlowなどなど新規のPython環境に対応。
13~16章の内容をほとんど刷新しています。
著者陣の経験に基づく洞察とより専門的な知識を学ぶことができて
理論と実践を架橋する解説書の決定版!
[原著の第1版]
●ドイツ語、韓国語、中国語、日本語、ロシア語、ポーランド語、イタリア語に翻訳。
●米国計算機学会「21st Annual list of Notable Books and Articles(2016)」にランクイン。
[日本語の第1版]
●「ITエンジニア本大賞2017」ベスト10にランクイン。
【構成(予定)】
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訓練
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―よりよい訓練データセットの構築
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する
第13章 ニューラルネットワークの訓練をTensorFlowで並列化する
第14章 TensorFlowのメカニズム
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
第17章 新しいデータの合成―敵対的生成ネットワーク
第18章 複雑な環境での意思決定―強化学習
◎本書は『Python Machine Learning: Machine Learning and Deep Learning with Python<, br> scikit-learn, and TensorFlow 2,3rd 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。
↓全て表示↑少なく表示
内容サンプル
目次
「データから学習する能力」をコンピュータに与える
分類問題ー単純な機械学習アルゴリズムの訓練
分類問題ー機械学習ライブラリｓｃｉｋｉｔ-ｌｅａｒｎの活用
データ前処理ーよりよい訓練データセットの構築
次元削減でデータを圧縮する
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
アンサンブル学習ー異なるモデルの組み合わせ
機械学習の適用１-感情分析
機械学習の適用２-Ｗｅｂアプリケーション
回帰分析ー連続値をとる目的変数の予測
クラスタ分析ーラベルなしデータの分析
多層人工ニューラルネットワークを一から実装
ニューラルネットワークの訓練をＴｅｎｓｏｒＦｌｏｗで並列化する
ＴｅｎｓｏｒＦｌｏｗのメカニズム
画像の分類ーディープ畳み込みニューラルネットワーク
系列データのモデル化ーリカレントニューラルネットワーク
新しいデータの合成ー敵対的生成ネットワーク
複雑な環境での意思決定ー強化学習
分類問題ー単純な機械学習アルゴリズムの訓練
分類問題ー機械学習ライブラリｓｃｉｋｉｔ-ｌｅａｒｎの活用
データ前処理ーよりよい訓練データセットの構築
次元削減でデータを圧縮する
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
アンサンブル学習ー異なるモデルの組み合わせ
機械学習の適用１-感情分析
機械学習の適用２-Ｗｅｂアプリケーション
回帰分析ー連続値をとる目的変数の予測
クラスタ分析ーラベルなしデータの分析
多層人工ニューラルネットワークを一から実装
ニューラルネットワークの訓練をＴｅｎｓｏｒＦｌｏｗで並列化する
ＴｅｎｓｏｒＦｌｏｗのメカニズム
画像の分類ーディープ畳み込みニューラルネットワーク
系列データのモデル化ーリカレントニューラルネットワーク
新しいデータの合成ー敵対的生成ネットワーク
複雑な環境での意思決定ー強化学習
↓全て表示↑少なく表示
Users Voice
内容サンプル
著者略歴
ラシュカ，セバスチャン（Raschka,Sebastian）
ミシガン州立大学博士課程で計算生物学と機械学習の複合領域において博士号を取得。現在、ウィスコンシン州立大学マディソン校の統計学助教授で、機械学習と深層学習の研究に焦点を当てている。Ｐｙｔｈｏｎコーディングの経験が長く、データサイエンス、機械学習、ディープラーニングの実践について多数のセミナーの講師も務めている
ミルジャリリ，ヴァヒド（Mirjalili,Vahid）
ミシガン州立大学にて分子構造の大規模計算シミュレーションの新しい手法を開発したことにより機械工学の博士号を取得。ミシガン州立大学のｉＰＲｏＢｅラボに参加し、コンピュータービジョンとバイオメトリクスドメインに機械学習を適用。その後、３Ｍにリサーチサイエンティストとして入社
福島真太朗（フクシマシンタロウ）
現在、企業で機械学習、データマイニングの研究開発、技術開発の業務に従事。東京大学理学部物理学科卒業。東京大学大学院新領域創成科学研究科複雑理工学専攻修士課程修了。東京大学大学院情報理工学系研究科数理情報学専攻博士課程修了。博士（情報理工学）。専攻は機械学習・データマイニング・非線形力学系（本データはこの書籍が刊行された当時に掲載されていたものです）
ミシガン州立大学博士課程で計算生物学と機械学習の複合領域において博士号を取得。現在、ウィスコンシン州立大学マディソン校の統計学助教授で、機械学習と深層学習の研究に焦点を当てている。Ｐｙｔｈｏｎコーディングの経験が長く、データサイエンス、機械学習、ディープラーニングの実践について多数のセミナーの講師も務めている
ミルジャリリ，ヴァヒド（Mirjalili,Vahid）
ミシガン州立大学にて分子構造の大規模計算シミュレーションの新しい手法を開発したことにより機械工学の博士号を取得。ミシガン州立大学のｉＰＲｏＢｅラボに参加し、コンピュータービジョンとバイオメトリクスドメインに機械学習を適用。その後、３Ｍにリサーチサイエンティストとして入社
福島真太朗（フクシマシンタロウ）
現在、企業で機械学習、データマイニングの研究開発、技術開発の業務に従事。東京大学理学部物理学科卒業。東京大学大学院新領域創成科学研究科複雑理工学専攻修士課程修了。東京大学大学院情報理工学系研究科数理情報学専攻博士課程修了。博士（情報理工学）。専攻は機械学習・データマイニング・非線形力学系（本データはこの書籍が刊行された当時に掲載されていたものです）
↓全て表示↑少なく表示
「Pythonで学ぶ音源分離 機械学習実践シリーズ」
中級者以上に向けた、特定の技術分野のアルゴリズムの紹介と、そのアルゴリズムを実装したコードを解説する、より技術的・実践的な「機械学習実践シリーズ」の1冊目として、「音源分離」をテーマとしています。近年、AIスピーカをはじめとした、人が話した音声を理解する音声認識システムがさまざまな場面で使われています。一般的に音声認識システムは、1人の人の声を聞き取ることを想定しており、聞きたい人の声以外の音が入ってくると、どうしても聞きたい人の声を正確に聞き取ることが難しくなります。「音源分離」とはこのようにさまざまな音が混ざった中から、欲しい音だけを抽出するという技術です。本書では、音源分離の基礎から、Pythonを用いた実装までを詳しく解説しています。また、音源分離で用いる数学的知識の基礎として、線形代数や行列・ベクトルの微分の方法、確率統計の基礎について示しています。音源分離を理解しコードを書くためには、プログラミングに関する知識はもちろん、線形代数、微分積分、確率・統計といった数学的知識も必要不可欠です。とくに音源分離では複素数の行列・ベクトルを用いるので、複素数の計算方法について重点的に示しています。
※この商品は固定レイアウトで作成されており、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、文字列のハイライトや検索、辞書の参照、引用などの機能が使用できません。
購入前にお使いの端末で無料サンプルをお試しください。
※この商品は固定レイアウトで作成されており、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、文字列のハイライトや検索、辞書の参照、引用などの機能が使用できません。
購入前にお使いの端末で無料サンプルをお試しください。
↓全て表示↑少なく表示
内容サンプル
Users Voice
内容サンプル
「いちばんやさしいPython機械学習の教本 人気講師が教える業務で役立つ実践ノウハウ」
いちばんやさしいPython機械学習の教本 人気講師が教える業務で役立つ実践ノウハウ
(著)鈴木たかのり, 降籏洋行, 平井孝幸, 株式会社ビープラウド
発売日 2019/06/21
(著)鈴木たかのり, 降籏洋行, 平井孝幸, 株式会社ビープラウド
発売日 2019/06/21
総合評価
（2021/09/17 12:05時点）
注目を集めるPython（パイソン）を使った機械学習の、実践的な基礎が学べる解説書です。小さいサンプルプログラム（bot）に機能を追加しながらデータ収集から前処理、学習、予測、評価まで周辺技術も含めた機械学習の全体像が学べます。本書のサンプルプログラムは、すべて本書のサポートページからダウンロードできます。本書はこんな人におすすめです。Pythonの入門書を読み終えた人、Pythonを使った機械学習に触れてみたい人、業務で役立つ実践的なノウハウが知りたい人、など。
※この商品は固定レイアウトで作成されており、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、文字列のハイライトや検索、辞書の参照、引用などの機能が使用できません。
購入前にお使いの端末で無料サンプルをお試しください。
※この商品は固定レイアウトで作成されており、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、文字列のハイライトや検索、辞書の参照、引用などの機能が使用できません。
購入前にお使いの端末で無料サンプルをお試しください。
内容サンプル
内容サンプル
「データサイエンス教本 Pythonで学ぶ統計分析・パターン認識・深層学習・信号処理・時系列データ分析」
データサイエンス教本 Pythonで学ぶ統計分析・パターン認識・深層学習・信号処理・時系列データ分析
(著)橋本洋志, 牧野浩二
発売日 2019/01/18
(著)橋本洋志, 牧野浩二
発売日 2019/01/18
総合評価
（2021/09/17 12:05時点）
※このKindle本はプリント・レプリカ形式で、Kindle Paperwhiteなどの電子書籍リーダーおよびKindle Cloud Readerではご利用いただけません。Fireなどの大きいディスプレイを備えたタブレット端末や、Kindle無料アプリ (Kindle for iOS、Kindle for Android、Kindle for PC、Kindle for Mac) でのみご利用可能です。また、文字列のハイライト、検索、辞書の参照、引用については、一部機能しない場合があります。文字だけを拡大することはできません。
※プリント・レプリカ形式は見開き表示ができません。
※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。
Pythonでデータサイエンスの理論と実践を学ぶ
データサイエンスは、「データを科学的に扱う」学問分野であり、近年、ICTの進展によって、センサやインターネットを通じて取得できるデータ量が爆発的に増加したこと、コンピュータの高性能化に伴ってこれまでできなかった大規模なデータ処理が可能となったことなどから注目されています。
本書は、データサイエンスの意味から金融データの分析、動的システムの分析などの工学応用までを、Pythonを使って実際に分析しながら学ぶものです．データの取り扱い、確率・統計の基礎といった基本的なところから、回帰分析、パターン認識、深層学習といった統計・機械学習手法、金融データなど時々刻々と変化する時系列データの分析、センサデータなどに含まれるノイズや外乱を見極めるスペクトル分析、さらにこのノイズや外乱を除去するためのディジタルフィルタ、そして最後に画像データの分析として画像処理の解説を行い、読者がデータサイエンスの一通りを俯瞰できるようになっています。
Pythonを使った解説によって理論と実践を同時に学ぶことができるので、データサイエンスを学び、自身の分野に応用したい方にピッタリの一冊です。
1章 はじめに
2章 データの扱いと可視化
3章 確率の基礎
4章 統計の基礎
5章 回帰分析
6章 パターン認識
7章 深層学習（ディープラーニング）
8章 時系列データ分析
9章 スペクトル分析
10章 ディジタルフィルタ
11章 画像処理
おわりに
参考文献
※プリント・レプリカ形式は見開き表示ができません。
※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。
Pythonでデータサイエンスの理論と実践を学ぶ
データサイエンスは、「データを科学的に扱う」学問分野であり、近年、ICTの進展によって、センサやインターネットを通じて取得できるデータ量が爆発的に増加したこと、コンピュータの高性能化に伴ってこれまでできなかった大規模なデータ処理が可能となったことなどから注目されています。
本書は、データサイエンスの意味から金融データの分析、動的システムの分析などの工学応用までを、Pythonを使って実際に分析しながら学ぶものです．データの取り扱い、確率・統計の基礎といった基本的なところから、回帰分析、パターン認識、深層学習といった統計・機械学習手法、金融データなど時々刻々と変化する時系列データの分析、センサデータなどに含まれるノイズや外乱を見極めるスペクトル分析、さらにこのノイズや外乱を除去するためのディジタルフィルタ、そして最後に画像データの分析として画像処理の解説を行い、読者がデータサイエンスの一通りを俯瞰できるようになっています。
Pythonを使った解説によって理論と実践を同時に学ぶことができるので、データサイエンスを学び、自身の分野に応用したい方にピッタリの一冊です。
1章 はじめに
2章 データの扱いと可視化
3章 確率の基礎
4章 統計の基礎
5章 回帰分析
6章 パターン認識
7章 深層学習（ディープラーニング）
8章 時系列データ分析
9章 スペクトル分析
10章 ディジタルフィルタ
11章 画像処理
おわりに
参考文献
↓全て表示↑少なく表示
内容サンプル
目次
1章 はじめに
2章 データの扱いと可視化
3章 確率の基礎
4章 統計の基礎
5章 回帰分析
6章 パターン認識
7章 深層学習（ディープラーニング）
8章 時系列データ分析
9章 スペクトル分析
10章 ディジタルフィルタ
11章 画像処理
おわりに
参考文献
2章 データの扱いと可視化
3章 確率の基礎
4章 統計の基礎
5章 回帰分析
6章 パターン認識
7章 深層学習（ディープラーニング）
8章 時系列データ分析
9章 スペクトル分析
10章 ディジタルフィルタ
11章 画像処理
おわりに
参考文献
Users Voice
内容サンプル
「Pythonで動かして学ぶ！あたらしい機械学習の教科書 第2版」
数学の基礎知識とPythonコードを紐づけて機械学習の基本を学べる！
【本書の目的】
現在、人工知能関連のプロダクト・サービスが数多く見受けられるようになりました。
人工知能関連の開発に機械学習の基礎知識は必須です。
本書はそうした機械学習の基礎知識を学びたいエンジニアに向けた書籍です。
【本書の特徴】
本書は機械学習の基本について、数学の知識をもとに、
実際にPythonでプログラムしながら学ぶことができる書籍です。
・最新のPython 3.7に対応
・学習内容を「要点整理」で復習
・数式とコードをつなげたわかりやすい解説
【読者が得られること】
本書を読み終えた後には、機械学習のしくみとプログラミング手法を理解できます。
【対象読者】
機械学習の基礎を学びたい理工学生・エンジニア
【目次】
第1章 機械学習の準備
第2章 Pythonの基本
第3章 グラフの描画
第4章 機械学習に必要な数学の基本
第5章 教師あり学習：回帰
第6章 教師あり学習：分類
第7章 ニューラルネットワーク・ディープラーニング
第8章 ニューラルネットワーク・ディープラーニングの応用（手書き数字の認識）
第9章 教師なし学習
第10章 要点のまとめ
※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。
↓全て表示↑少なく表示
内容サンプル
Users Voice
内容サンプル
Python・機械学習本「Kindle Unlmited 読み放題 人気ランキング」
「Kindle Unlimited」は、Amazonの定額本読み放題サービス。
実はそこにPython・機械学習の本もそこそこあるんです。すなわち、定額で何冊も学習することも可能。
Kindle Unlimitedの主な特徴としては、おおよそ以下の通り。
- 雑誌がかなり充実
- 豊富なKindle個人出版本がほとんど読み放題
- 最近は出版社単行本も対応増加
個人的には雑誌が、IT系(CG WORLD等)、ガジェット系(Get Navi等)、ゲーム(ファミ通等)、など見たい雑誌が幅広く読めるのが大きな魅力。2冊以上読みたいものがあるだけで確実にお得です。
また、30日無料体験も可能なので、体験期間を利用して無料で学習してみるのもお得な学習法です。
以下がKindle Unlimited対応の「Python・機械学習」関係の本人気ランキングです。
(2021/09/17 12:05 更新)
| Rank | 製品 | 価格 |
|---|---|---|
1 |  Python Flask 人工知能API 実践入門 - Python 人工知能 API を使った LINEbot(ラインボット) を作ろう ... 発売日 2020/01/07 Yoshiki Mogi Kindle Unlimited対象 総合評価 | 1,000円 |
2 |  | 500円 |
3 | 500円 | |
4 |  | 480円 |
5 |  | 2,737円 |
6 |  | 350円 |
7 |  | 350円 |
8 |  Python機械学習(AI)scikit-learn超入門最低限の努力で！: コピペでOK！現役プログラミング講師が書く学習は最短最低限の内... 発売日 2021/06/28 KAZUYA_M (KAZUYA_M) Kindle Unlimited対象 | 500円 |
9 | 250円 | |
10 |  | 250円 |
関連：本より高コスパ？「Udemy Python/機械学習のおすすめ講座」
UdemyではPython/機械学習を基礎から応用までトータルで学べる学習講座があります。
こちらが、セール時には2千円程度で購入可能で、講座によっては本よりコスパよく学習が可能です。
講座は、買い切り型ながら更新あり、質問可能、30日間返金も可能、という本以上の手厚いサポートがあるのが魅力。
以下の表が、Python/機械学習の学習講座例。セールの場合、かなりおすすめなのでぜひトライしてみください。
Udemyについては、以下のページでも詳しく紹介しているので覗いてみてください。
| 人気 Rank | 学習コース | 評価 |
|---|---|---|
1 |  | 総評価数 7430件 |
2 |  【世界で74万人が受講】基礎から理解し、Pythonで実装！機械学習26のアルゴリズムを理論と実践を通じてマスターしよう... 発売日 2020/03/09 受講者 3,772人 通常 24,000円 現在 1,840円 | 総評価数 365件 |
3 |  【画像判定AIアプリ開発・パート1】TensorFlow・Python・Flaskで作る画像判定AIアプリ開発入門... 発売日 2017/12/20 受講者 13,640人 通常 9,600円 現在 2,160円 | 総評価数 1946件 |
4 |  | 総評価数 899件 |
5 |  | 総評価数 1595件 |
関連：Pythonの基礎文法・使い方を学ぶ
冒頭でも述べたとおり、「Python x 機械学習」は今もっともホットともいえる技術。日々新しい情報・書籍が発売されています。
本記事のランキングも、新しい書籍含めてアップデートしていくので、ぜひチェックしてみてください。
以下では、Pythonの入門・文法書も紹介しています。合わせて参照ください。
いじょうでっす。
コメント