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・発売予定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。
- 2022/03/23発売 「Pythonによるディープラーニング (Compass Booksシリーズ)」
- 2022/04/08発売 「Pythonからはじめるアルゴリズムトレード ―自動売買の基礎と機械学習の本格導入に向けたPythonプログラミング」
- 2022/04/30発売 「Pythonではじめる機械学習 Kaggleで学ぶデータ分析入門講座 : データの可視化（EDA）、特徴量エンジニアリング、前処理から機械学習モデルの構築までの流れをすべて解説！ Kaggleのタイタニックコンペに挑戦！」
- 2022/05/26発売 「Pythonではじめるベイズ機械学習入門 (KS情報科学専門書)」
- 2022/07/19発売 「Pythonで動かして学ぶ!あたらしい機械学習の教科書 第3版」
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。
(2022/08/18 12:06 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シリーズ... 発売日 2020/10/22 Sebastian Raschka, Vahid Mirjalili, 株式会社クイープ, 福島 真太朗 (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 |  | |
6 |  | |
7 |  | |
8 |  | |
9 |  Pythonからはじめるアルゴリズムトレード ―自動売買の基礎と機械学習の本格導入に向けたPythonプログラミング... 発売日 2022/04/08 Yves Hilpisch (オライリージャパン) 総合評価 | |
10 |  | |
11 |  | |
12 |  | |
13 |  | |
14 |  Pythonデータサイエンスハンドブック ―Jupyter、NumPy、pandas、Matplotlib、scikit-learnを使った... 発売日 2018/05/26 Jake VanderPlas (オライリージャパン) 総合評価 | |
15 |  | |
16 |  | |
17 |  | |
18 |  | |
19 |  | |
20 |  | |
21 |  | |
22 |  | |
23 |  | |
24 |  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 | |
25 |  はじめてのディープラーニング -Pythonで学ぶニューラルネットワークとバックプロパゲーション- (Machine Learning)... 発売日 2018/08/28 我妻 幸長 (SBクリエイティブ) 総合評価 | |
26 |  | |
27 |  | |
28 |  | |
29 |  | |
30 |  |
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。
(2022/08/18 12:06 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シリーズ... 発売日 2020/10/22 Sebastian Raschka, Vahid Mirjalili, 株式会社クイープ, 福島 真太朗 (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 gea...」
［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シリーズ
(著)Sebastian Raschka, Vahid Mirjalili, 株式会社クイープ, 福島 真太朗
発売日 2020/10/22
(著)Sebastian Raschka, Vahid Mirjalili, 株式会社クイープ, 福島 真太朗
発売日 2020/10/22
総合評価
（2022/08/18 12:06時点）
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、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。◎本書は『Python Machine Learning: Machine Learning and Deep Learning with Python, 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。［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。●ACM（米国計算機学会）の「21st Annual list of Notable Books and Articles（2016）」にランクイン。［日本語の第1版］●「ITエンジニア本大賞2017」ベスト10にランクイン。
※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
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
目次
第１章 音源分離とは？
第２章 音声処理の基礎
第３章 音源分離で用いる数学的知識の基礎（線形代数、ベクトル・行列の微分）
第４章 「最適化」に関する技法を理解する
第５章 シミュレータで音を作ってみる
第６章 古典的な音源分離方法ービームフォーミング
第７章 音源方向推定に基づく音源分離
第８章 現代的な統計的モデルに基づく音源分離法
第９章 響きのある音を響きのない音に変える残響除去法
第１０章 音源分離と残響除去を統合的に実行する
第１１章 音源分離関連のライブラリ紹介・その他のトピック・参考文献
第２章 音声処理の基礎
第３章 音源分離で用いる数学的知識の基礎（線形代数、ベクトル・行列の微分）
第４章 「最適化」に関する技法を理解する
第５章 シミュレータで音を作ってみる
第６章 古典的な音源分離方法ービームフォーミング
第７章 音源方向推定に基づく音源分離
第８章 現代的な統計的モデルに基づく音源分離法
第９章 響きのある音を響きのない音に変える残響除去法
第１０章 音源分離と残響除去を統合的に実行する
第１１章 音源分離関連のライブラリ紹介・その他のトピック・参考文献
↓全て表示↑少なく表示
Users Voice
内容サンプル
著者略歴
戸上真人（トガミマサヒト）
２０１７年１月～２０１８年５月、スタンフォード大学のＳｔａｎｆｏｒｄ Ｄａｔａ Ｓｃｉｅｎｃｅ Ｉｎｉｔｉａｔｉｖｅ（ＳＤＳＩ） Ｖｉｓｉｔｉｎｇ Ｓｃｈｏｌａｒ。２０１８年６月にＬＩＮＥ株式会社入社。現在、同社のＡＩ研究組織であるＤａｔａ ＬａｂｓのＳｐｅｅｃｈ ＴｅａｍのＭａｎａｇｅｒ兼Ｐｒｉｎｃｉｐａｌ Ｒｅｓｅａｒｃｈｅｒ。（一社）人工知能学会理事。１６年以上に渡り、音声処理の研究開発に従事。東京大学工学系研究科より２０１１年に博士（工学）授与。登録特許２０件以上、査読あり国際会議での採択論文数６０件以上。ＩＥＥＥ Ｓｅｎｉｏｒ Ｍｅｍｂｅｒ（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）
２０１７年１月～２０１８年５月、スタンフォード大学のＳｔａｎｆｏｒｄ Ｄａｔａ Ｓｃｉｅｎｃｅ Ｉｎｉｔｉａｔｉｖｅ（ＳＤＳＩ） Ｖｉｓｉｔｉｎｇ Ｓｃｈｏｌａｒ。２０１８年６月にＬＩＮＥ株式会社入社。現在、同社のＡＩ研究組織であるＤａｔａ ＬａｂｓのＳｐｅｅｃｈ ＴｅａｍのＭａｎａｇｅｒ兼Ｐｒｉｎｃｉｐａｌ Ｒｅｓｅａｒｃｈｅｒ。（一社）人工知能学会理事。１６年以上に渡り、音声処理の研究開発に従事。東京大学工学系研究科より２０１１年に博士（工学）授与。登録特許２０件以上、査読あり国際会議での採択論文数６０件以上。ＩＥＥＥ Ｓｅｎｉｏｒ Ｍｅｍｂｅｒ（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
（2022/08/18 12:06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ではじめるベイズ機械学習入門 (KS情報科学専門書)」
★確率的プログラミング言語がすぐに使える!★
・Pythonでのコーディングを前提に、PyMC3、Pyro、NumPyro、TFP、GPyTorchをカバー。
・回帰モデルの基本から潜在変数モデル・深層学習モデルまでを幅広く解説。
【主な内容】
第1章 ベイジアンモデリングとは
1.1 データ解析とコンピュータ
1.2 ベイジアンモデリングの基礎
1.3 代表的な確率分布
1.4 近似推論手法
第2章 確率的プログラミング言語(PPL)
2.1 ベイジアンモデリングとPPL
2.2 自動微分・最適化アルゴリズム
2.3 PyMC3の概要
2.4 Pyroの概要
2.5 NumPyroの概要
2.6 TensorFlow Probabilityの概要
2.7 GPyTorchの概要
第3章 回帰モデル
3.1 線形回帰モデル:線形単回帰モデル
3.2 線形回帰モデル:線形重回帰モデル
3.3 一般化線形モデル:ポアソン回帰モデル
3.4 一般化線形モデル:ロジスティック回帰モデル
3.5 階層ベイズモデル
3.6 ガウス過程回帰モデル:ガウス尤度
3.7 ガウス過程回帰モデル:尤度の一般化
第4章 潜在変数モデル
4.1 混合ガウスモデル
4.2 行列分解モデル
4.3 状態空間モデル
4.4 隠れマルコフモデル
4.5 トピックモデル
4.6 ガウス過程潜在変数モデル
第5章 深層学習モデル
5.1 ニューラルネットワーク回帰モデル
5.2 変分自己符号化器
5.3 PixelCNN
5.4 深層ガウス過程
5.5 正規化流
・Pythonでのコーディングを前提に、PyMC3、Pyro、NumPyro、TFP、GPyTorchをカバー。
・回帰モデルの基本から潜在変数モデル・深層学習モデルまでを幅広く解説。
【主な内容】
第1章 ベイジアンモデリングとは
1.1 データ解析とコンピュータ
1.2 ベイジアンモデリングの基礎
1.3 代表的な確率分布
1.4 近似推論手法
第2章 確率的プログラミング言語(PPL)
2.1 ベイジアンモデリングとPPL
2.2 自動微分・最適化アルゴリズム
2.3 PyMC3の概要
2.4 Pyroの概要
2.5 NumPyroの概要
2.6 TensorFlow Probabilityの概要
2.7 GPyTorchの概要
第3章 回帰モデル
3.1 線形回帰モデル:線形単回帰モデル
3.2 線形回帰モデル:線形重回帰モデル
3.3 一般化線形モデル:ポアソン回帰モデル
3.4 一般化線形モデル:ロジスティック回帰モデル
3.5 階層ベイズモデル
3.6 ガウス過程回帰モデル:ガウス尤度
3.7 ガウス過程回帰モデル:尤度の一般化
第4章 潜在変数モデル
4.1 混合ガウスモデル
4.2 行列分解モデル
4.3 状態空間モデル
4.4 隠れマルコフモデル
4.5 トピックモデル
4.6 ガウス過程潜在変数モデル
第5章 深層学習モデル
5.1 ニューラルネットワーク回帰モデル
5.2 変分自己符号化器
5.3 PixelCNN
5.4 深層ガウス過程
5.5 正規化流
↓全て表示↑少なく表示
内容サンプル
目次
第1章 ベイジアンモデリングとは
1.1 データ解析とコンピュータ
1.2 ベイジアンモデリングの基礎
1.3 代表的な確率分布
1.4 近似推論手法
第2章 確率的プログラミング言語（PPL）
2.1 ベイジアンモデリングとPPL
2.2 自動微分・最適化アルゴリズム
2.3 PyMC3の概要
2.4 Pyroの概要
2.5 NumPyroの概要
2.6 TensorFlow Probabilityの概要
2.7 GPyTorchの概要
第3章 回帰モデル
3.1 線形回帰モデル：線形単回帰モデル
3.2 線形回帰モデル：線形重回帰モデル
3.3 一般化線形モデル：ポアソン回帰モデル
3.4 一般化線形モデル：ロジスティック回帰モデル
3.5 階層ベイズモデル
3.6 ガウス過程回帰モデル：ガウス尤度
3.7 ガウス過程回帰モデル：尤度の一般化
第4章 潜在変数モデル
4.1 混合ガウスモデル
4.2 行列分解モデル
4.3 状態空間モデル
4.4 隠れマルコフモデル
4.5 トピックモデル
4.6 ガウス過程潜在変数モデル
第5章 深層学習モデル
5.1 ニューラルネットワーク回帰モデル
5.2 変分自己符号化器
5.3 PixelCNN
5.4 深層ガウス過程
5.5 正規化流
1.1 データ解析とコンピュータ
1.2 ベイジアンモデリングの基礎
1.3 代表的な確率分布
1.4 近似推論手法
第2章 確率的プログラミング言語（PPL）
2.1 ベイジアンモデリングとPPL
2.2 自動微分・最適化アルゴリズム
2.3 PyMC3の概要
2.4 Pyroの概要
2.5 NumPyroの概要
2.6 TensorFlow Probabilityの概要
2.7 GPyTorchの概要
第3章 回帰モデル
3.1 線形回帰モデル：線形単回帰モデル
3.2 線形回帰モデル：線形重回帰モデル
3.3 一般化線形モデル：ポアソン回帰モデル
3.4 一般化線形モデル：ロジスティック回帰モデル
3.5 階層ベイズモデル
3.6 ガウス過程回帰モデル：ガウス尤度
3.7 ガウス過程回帰モデル：尤度の一般化
第4章 潜在変数モデル
4.1 混合ガウスモデル
4.2 行列分解モデル
4.3 状態空間モデル
4.4 隠れマルコフモデル
4.5 トピックモデル
4.6 ガウス過程潜在変数モデル
第5章 深層学習モデル
5.1 ニューラルネットワーク回帰モデル
5.2 変分自己符号化器
5.3 PixelCNN
5.4 深層ガウス過程
5.5 正規化流
↓全て表示↑少なく表示
Users Voice
内容サンプル
著者略歴
↓全て表示↑少なく表示
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。
(2022/08/18 12:06 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シリーズ... 発売日 2020/10/22 Sebastian Raschka, Vahid Mirjalili, 株式会社クイープ, 福島 真太朗 (インプレス) 総合評価 | |
3 | | |
4 | | |
5 | |
「Python3年生 機械学習のしくみ 体験してわかる！会話でまなべる！」
ヤギ博士・フタバちゃんと一緒に
機械学習のしくみを学ぼう!
【機械学習をいちから学んでみよう! 】
「最近よく耳にする人工知能と機械学習について知りたい」
「機械学習ってどのようなことをするの?」
と思っている方は多いと思います。
本書はそうした方に向けて「機械学習」について
いちからやさしく解説します。
【Python3年生について】
「Python1年生」「Python2年生」を読み終えた方を対象とした入門書です。
(※「Python3年生」から初めて学ぶ方でもわかるように工夫しています)
【読者対象】
機械学習の初心者
【本書のポイント】
ヤギ博士&フタバちゃんと一緒に、
機械学習のしくみについて、
サンプルを動かしながら、
楽しく学ぶことができます。
【著者プロフィール】
森 巧尚(もり・よしなお)
アプリの開発や、技術書や電子工作マガジンなどでの執筆活動。
関西学院大学非常勤講師、関西学院高等部非常勤講師、
成安造形大学非常勤講師、大阪芸術大学非常勤講師、プログラミングスクールコプリ講師など、
プログラミングに関する幅広い活動を行っている。
近著に『Python1年生』、『Python2年生 スクレイピングのしくみ』、『Python2年生 データ分析のしくみ』、
『Java1年生』、『動かして学ぶ! Vue.js開発入門』(いずれも翔泳社)、
『楽しく学ぶ アルゴリズムとプログラミングの図鑑』(マイナビ出版)などがある。
機械学習のしくみを学ぼう!
【機械学習をいちから学んでみよう! 】
「最近よく耳にする人工知能と機械学習について知りたい」
「機械学習ってどのようなことをするの?」
と思っている方は多いと思います。
本書はそうした方に向けて「機械学習」について
いちからやさしく解説します。
【Python3年生について】
「Python1年生」「Python2年生」を読み終えた方を対象とした入門書です。
(※「Python3年生」から初めて学ぶ方でもわかるように工夫しています)
【読者対象】
機械学習の初心者
【本書のポイント】
ヤギ博士&フタバちゃんと一緒に、
機械学習のしくみについて、
サンプルを動かしながら、
楽しく学ぶことができます。
【著者プロフィール】
森 巧尚(もり・よしなお)
アプリの開発や、技術書や電子工作マガジンなどでの執筆活動。
関西学院大学非常勤講師、関西学院高等部非常勤講師、
成安造形大学非常勤講師、大阪芸術大学非常勤講師、プログラミングスクールコプリ講師など、
プログラミングに関する幅広い活動を行っている。
近著に『Python1年生』、『Python2年生 スクレイピングのしくみ』、『Python2年生 データ分析のしくみ』、
『Java1年生』、『動かして学ぶ! Vue.js開発入門』(いずれも翔泳社)、
『楽しく学ぶ アルゴリズムとプログラミングの図鑑』(マイナビ出版)などがある。
↓全て表示↑少なく表示
内容サンプル
目次
第1章 機械学習の準備
01 機械学習ってなんだろう？
02 分けることは、わかること
03 機械学習の準備をしよう
第2章 サンプルデータを見てみよう
04 scikit-learn のサンプルデータセット
05 サンプルデータセットを自動生成しよう
第3章 機械学習の手順を理解しよう
06 データを用意する
07 データを学習用とテスト用に分ける
08 モデルを選んで、学習する
09 モデルをテストする
10 新しい値を渡して、予測する
11 分類の状態を可視化しよう
第4章 機械学習のいろいろなアルゴリズム
12 回帰：線形回帰
13 分類：ロジスティック回帰
14 分類：SVM（サポートベクターマシン）
15 分類：決定木
16 分類：ランダムフォレスト
17 分類：k-NN（k 近傍法）
18 クラスタリング：k-means（k 平均法）
第5章 チノふたたび！ 画像から数字を予測しよう
19 データを準備する
20 学習データを準備する
21 学習させる
22 予測させる
23 教師なし学習を利用して、データをイメージしよう
24 さらに先へ進もう
01 機械学習ってなんだろう？
02 分けることは、わかること
03 機械学習の準備をしよう
第2章 サンプルデータを見てみよう
04 scikit-learn のサンプルデータセット
05 サンプルデータセットを自動生成しよう
第3章 機械学習の手順を理解しよう
06 データを用意する
07 データを学習用とテスト用に分ける
08 モデルを選んで、学習する
09 モデルをテストする
10 新しい値を渡して、予測する
11 分類の状態を可視化しよう
第4章 機械学習のいろいろなアルゴリズム
12 回帰：線形回帰
13 分類：ロジスティック回帰
14 分類：SVM（サポートベクターマシン）
15 分類：決定木
16 分類：ランダムフォレスト
17 分類：k-NN（k 近傍法）
18 クラスタリング：k-means（k 平均法）
第5章 チノふたたび！ 画像から数字を予測しよう
19 データを準備する
20 学習データを準備する
21 学習させる
22 予測させる
23 教師なし学習を利用して、データをイメージしよう
24 さらに先へ進もう
↓全て表示↑少なく表示
Users Voice
内容サンプル
著者略歴
森巧尚（モリヨシナオ）
『マイコンＢＡＳＩＣマガジン』（電波新聞社）の時代からゲームを作り続けて、現在はコンテンツ制作や執筆活動を行い、関西学院大学非常勤講師、関西学院高等部非常勤講師、成安造形大学非常勤講師、大阪芸術大学非常勤講師、プログラミングスクールコプリ講師などを行っている（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）
『マイコンＢＡＳＩＣマガジン』（電波新聞社）の時代からゲームを作り続けて、現在はコンテンツ制作や執筆活動を行い、関西学院大学非常勤講師、関西学院高等部非常勤講師、成安造形大学非常勤講師、大阪芸術大学非常勤講師、プログラミングスクールコプリ講師などを行っている（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 gea...」
［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シリーズ
(著)Sebastian Raschka, Vahid Mirjalili, 株式会社クイープ, 福島 真太朗
発売日 2020/10/22
(著)Sebastian Raschka, Vahid Mirjalili, 株式会社クイープ, 福島 真太朗
発売日 2020/10/22
総合評価
（2022/08/18 12:06時点）
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、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。◎本書は『Python Machine Learning: Machine Learning and Deep Learning with Python, 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。［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。●ACM（米国計算機学会）の「21st Annual list of Notable Books and Articles（2016）」にランクイン。［日本語の第1版］●「ITエンジニア本大賞2017」ベスト10にランクイン。
※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
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
目次
第１章 音源分離とは？
第２章 音声処理の基礎
第３章 音源分離で用いる数学的知識の基礎（線形代数、ベクトル・行列の微分）
第４章 「最適化」に関する技法を理解する
第５章 シミュレータで音を作ってみる
第６章 古典的な音源分離方法ービームフォーミング
第７章 音源方向推定に基づく音源分離
第８章 現代的な統計的モデルに基づく音源分離法
第９章 響きのある音を響きのない音に変える残響除去法
第１０章 音源分離と残響除去を統合的に実行する
第１１章 音源分離関連のライブラリ紹介・その他のトピック・参考文献
第２章 音声処理の基礎
第３章 音源分離で用いる数学的知識の基礎（線形代数、ベクトル・行列の微分）
第４章 「最適化」に関する技法を理解する
第５章 シミュレータで音を作ってみる
第６章 古典的な音源分離方法ービームフォーミング
第７章 音源方向推定に基づく音源分離
第８章 現代的な統計的モデルに基づく音源分離法
第９章 響きのある音を響きのない音に変える残響除去法
第１０章 音源分離と残響除去を統合的に実行する
第１１章 音源分離関連のライブラリ紹介・その他のトピック・参考文献
↓全て表示↑少なく表示
Users Voice
内容サンプル
著者略歴
戸上真人（トガミマサヒト）
２０１７年１月～２０１８年５月、スタンフォード大学のＳｔａｎｆｏｒｄ Ｄａｔａ Ｓｃｉｅｎｃｅ Ｉｎｉｔｉａｔｉｖｅ（ＳＤＳＩ） Ｖｉｓｉｔｉｎｇ Ｓｃｈｏｌａｒ。２０１８年６月にＬＩＮＥ株式会社入社。現在、同社のＡＩ研究組織であるＤａｔａ ＬａｂｓのＳｐｅｅｃｈ ＴｅａｍのＭａｎａｇｅｒ兼Ｐｒｉｎｃｉｐａｌ Ｒｅｓｅａｒｃｈｅｒ。（一社）人工知能学会理事。１６年以上に渡り、音声処理の研究開発に従事。東京大学工学系研究科より２０１１年に博士（工学）授与。登録特許２０件以上、査読あり国際会議での採択論文数６０件以上。ＩＥＥＥ Ｓｅｎｉｏｒ Ｍｅｍｂｅｒ（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）
２０１７年１月～２０１８年５月、スタンフォード大学のＳｔａｎｆｏｒｄ Ｄａｔａ Ｓｃｉｅｎｃｅ Ｉｎｉｔｉａｔｉｖｅ（ＳＤＳＩ） Ｖｉｓｉｔｉｎｇ Ｓｃｈｏｌａｒ。２０１８年６月にＬＩＮＥ株式会社入社。現在、同社のＡＩ研究組織であるＤａｔａ ＬａｂｓのＳｐｅｅｃｈ ＴｅａｍのＭａｎａｇｅｒ兼Ｐｒｉｎｃｉｐａｌ Ｒｅｓｅａｒｃｈｅｒ。（一社）人工知能学会理事。１６年以上に渡り、音声処理の研究開発に従事。東京大学工学系研究科より２０１１年に博士（工学）授与。登録特許２０件以上、査読あり国際会議での採択論文数６０件以上。ＩＥＥＥ Ｓｅｎｉｏｒ Ｍｅｍｂｅｒ（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 FlaskによるWebアプリ開発入門 物体検出アプリ&機械学習APIの作り方」
Webアプリの作り方からAPI化、デプロイメントまで
エンジニアとデータサイエンティストのためのFlask入門
Pythonのフレームワーク「Flask」によるWebアプリ開発の入門書です。
まずは、最小のアプリの作成から始め、問い合わせフォーム、データベースを使ったアプリ、
認証機能と段階的に作成しながら、Flaskによるアプリ開発の基礎を習得します。
その後、画像データ(写真)から物体を判別する物体検知アプリを作成しながら
実践的なアプリの作り方、その機能をWeb API化する方法について解説します。
また、物体検知機能(手書き文字認識をする分析コード)を題材に、
どのように機械学習をアプリに組み込んでいくかについても詳しく解説します。
【本書の主な内容】
●Flaskと開発の基礎
◯問い合わせフォーム/DBアプリの作成
◯認証機能の作成
◯物体検知アプリの作成
●API化/デプロイメント
◯物体検知アプリのWeb API化
◯Web APIとして外部公開
●機械学習APIの開発
◯分析コードから機械学習APIを開発する工程と方法
【主な対象読者】
●Pythonで簡単にWebアプリ開発を始めたいエンジニア
●機械学習に興味のあるWebエンジニア
●Pythonを分析用途でしか使ったことがない人
●自分でもアプリやWeb APIを作りたいデータサイエンティスト
【章構成】
●第0部 イントロダクション
Flaskの概要と環境構築
●第1部 Flask入門
最小限のアプリを作る――Flaskの基礎
データベースを利用したアプリを作る
認証機能を追加する
●第2部[Flask実践1]物体検知アプリの開発
アプリの仕様と準備
画像一覧画面を作る
サインアップとログインの画面を作る
画像アップロード画面を作る
物体検知機能を作る
検索機能を作る
カスタムエラー画面を作る
ユニットテストを作る
●第3部[Flask実践2]物体検知機能のAPI化/デプロイメント
Web APIの概要
物体検知APIの仕様
物体検知APIの実装
物体検知アプリのデプロイメント
●第4部機械学習APIの開発
機械学習の概要
機械学習APIの開発工程と実践
エンジニアとデータサイエンティストのためのFlask入門
Pythonのフレームワーク「Flask」によるWebアプリ開発の入門書です。
まずは、最小のアプリの作成から始め、問い合わせフォーム、データベースを使ったアプリ、
認証機能と段階的に作成しながら、Flaskによるアプリ開発の基礎を習得します。
その後、画像データ(写真)から物体を判別する物体検知アプリを作成しながら
実践的なアプリの作り方、その機能をWeb API化する方法について解説します。
また、物体検知機能(手書き文字認識をする分析コード)を題材に、
どのように機械学習をアプリに組み込んでいくかについても詳しく解説します。
【本書の主な内容】
●Flaskと開発の基礎
◯問い合わせフォーム/DBアプリの作成
◯認証機能の作成
◯物体検知アプリの作成
●API化/デプロイメント
◯物体検知アプリのWeb API化
◯Web APIとして外部公開
●機械学習APIの開発
◯分析コードから機械学習APIを開発する工程と方法
【主な対象読者】
●Pythonで簡単にWebアプリ開発を始めたいエンジニア
●機械学習に興味のあるWebエンジニア
●Pythonを分析用途でしか使ったことがない人
●自分でもアプリやWeb APIを作りたいデータサイエンティスト
【章構成】
●第0部 イントロダクション
Flaskの概要と環境構築
●第1部 Flask入門
最小限のアプリを作る――Flaskの基礎
データベースを利用したアプリを作る
認証機能を追加する
●第2部[Flask実践1]物体検知アプリの開発
アプリの仕様と準備
画像一覧画面を作る
サインアップとログインの画面を作る
画像アップロード画面を作る
物体検知機能を作る
検索機能を作る
カスタムエラー画面を作る
ユニットテストを作る
●第3部[Flask実践2]物体検知機能のAPI化/デプロイメント
Web APIの概要
物体検知APIの仕様
物体検知APIの実装
物体検知アプリのデプロイメント
●第4部機械学習APIの開発
機械学習の概要
機械学習APIの開発工程と実践
↓全て表示↑少なく表示
内容サンプル
目次
第０部 イントロダクション（Ｆｌａｓｋの概要と環境構築）
第１部 Ｆｌａｓｋ入門（最小限のアプリを作るーＦｌａｓｋ基礎の基礎
データベースを利用したアプリを作る ほか）
第２部 Ｆｌａｓｋ実践１ 物体検知アプリの開発（アプリの仕様と準備
画像一覧画面を作る ほか）
第３部 Ｆｌａｓｋ実践２ 物体検知機能のＡＰＩ化
デプロイメント（Ｗｅｂ ＡＰＩの概要
物体検知ＡＰＩの仕様 ほか）
第４部 機械学習ＡＰＩの開発（機械学習の概要
機械学習ＡＰＩの開発工程と実践）
第１部 Ｆｌａｓｋ入門（最小限のアプリを作るーＦｌａｓｋ基礎の基礎
データベースを利用したアプリを作る ほか）
第２部 Ｆｌａｓｋ実践１ 物体検知アプリの開発（アプリの仕様と準備
画像一覧画面を作る ほか）
第３部 Ｆｌａｓｋ実践２ 物体検知機能のＡＰＩ化
デプロイメント（Ｗｅｂ ＡＰＩの概要
物体検知ＡＰＩの仕様 ほか）
第４部 機械学習ＡＰＩの開発（機械学習の概要
機械学習ＡＰＩの開発工程と実践）
↓全て表示↑少なく表示
Users Voice
内容サンプル
「スッキリわかるPythonによる機械学習入門」
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。
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。
↓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・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。
(2022/08/18 12:06 更新)
| Rank | 製品 | 価格 |
|---|---|---|
1 |  | 500円 |
2 |  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 |
3 |  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 |
4 |  | 480円 |
5 | 499円 | |
6 | 499円 | |
7 | 500円 | |
8 |  Python + LINEで作る人工知能開発入門 - Flask + LINE Messaging APIでの人工知能LINEボットの作り方... 発売日 2019/04/12 ナカノヒトシ Kindle Unlimited対象 総合評価 | 540円 |
9 | 250円 | |
10 |  | 2,750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 9526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 6,690人 通常 24,000円 現在 2,200円 | 総評価数 653件 |
3 |  | 総評価数 1741件 |
4 |  【4日で体験！】 TensorFlow, Keras, Python 3 で学ぶディープラーニング体験講座... 発売日 2016/12/23 受講者 15,391人 通常 14,000円 現在 2,080円 | 総評価数 2274件 |
5 |  【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 15,247人 通常 10,000円 現在 1,960円 | 総評価数 2100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