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。
- 2023/11/09発売 「Python時系列分析クックブック II: モデル・機械学習」
- 2023/11/16発売 「実務で役立つPython機械学習入門 課題解決のためのデータ分析の基礎」
- 2023/11/28発売 「データサイエンス教本(第2版) ―Pythonで学ぶ統計分析・パターン認識・時系列データ分析・深層学習―」
- 2023/12/11発売 「創る副業 理想的な画像を創る5つのポイント: 初心者が月50万円稼ぐDALL-E3最強の副業術/使い方/稼ぐ方法/chatgpt/始め方/会社員/プログラミング/入門/人工知能/マンガ/画像生成ai/python/本/複業/プロンプトの質で9割決まる！副業の新時代/画像で稼ぎたい人必見」
- 2024/02/17発売 「Pythonデータサイエンスハンドブック 第2版 ―Jupyter、NumPy、pandas、Matplotlib、scikit-learnを使ったデータ分析、機械学習」
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。
(2025/01/22 12:10 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。
(2025/01/22 12:10 更新)
| Rank | 製品 | 価格 |
|---|---|---|
1 |  | |
2 |  | |
3 |  | |
4 |  | |
5 |  |
「機械学習スタートアップシリーズ Ｐｙｔｈｏｎで学ぶ強化学習 ［改訂第２版］ 入門から実践まで (ＫＳ情報科学専門書)」
機械学習スタートアップシリーズ Ｐｙｔｈｏｎで学ぶ強化学習 ［改訂第２版］ 入門から実践まで (ＫＳ情報科学専門書)
(著)久保隆宏
発売日 2019/12/13
(著)久保隆宏
発売日 2019/12/13
総合評価
（2025/01/22 12:10時点）
「Ｐｙｔｈｏｎで強化学習が実装できる！」と好評を得た入門書の改訂版。読者からの要望・指摘を反映させた。主に、Ｐｏｌｉｃｙ ＧｒａｄｉｅｎｔとＡ２Ｃの記述・実装を見直した。・Pythonプログラミングとともに、ゼロからていねいに解説。・コードが公開されているから、すぐ実践できる。・実用でのネックとなる強化学習の弱点と、その克服方法まで紹介。【おもな内容】Day1 強化学習の位置づけを知る 強化学習とさまざまなキーワードの関係 強化学習のメリット・デメリット 強化学習における問題設定：Markov Decision Process Day2 強化学習の解法(1): 環境から計画を立てる 価値の定義と算出: Bellman Equation 動的計画法による状態評価の学習: Value Iteration 動的計画法による戦略の学習: Policy Iteration モデルベースとモデルフリーとの違いDay3 強化学習の解法(2): 経験から計画を立てる 経験の蓄積と活用のバランス: Epsilon-Greedy法 計画の修正を実績から行うか、予測で行うか: Monte Carlo vs Temporal Difference 経験を価値評価、戦略どちらの更新に利用するか：Valueベース vs PolicyベースDay4 強化学習に対するニューラルネットワークの適用 強化学習にニューラルネットワークを適用する 価値評価を、パラメーターを持った関数で実装する：Value Function Approximation 価値評価に深層学習を適用する：Deep Q-Network 戦略を、パラメーターを持った関数で実装する：Policy Gradient 戦略に深層学習を適用する：Advantage Actor Critic (A2C) 価値評価か、戦略かDay5 強化学習の弱点 サンプル効率が悪い 局所最適な行動に陥る、過学習をすることが多い 再現性が低い 弱点を前提とした対応策Day6 強化学習の弱点を克服するための手法 サンプル効率の悪さへの対応: モデルベースとの併用/表現学習 再現性の低さへの対応: 進化戦略 局所最適な行動/過学習への対応: 模倣学習/逆強化学習Day7 強化学習の活用領域 行動の最適化 学習の最適化
↓全て表示↑少なく表示
内容サンプル
目次
Day1 強化学習の位置づけを知る
強化学習とさまざまなキーワードの関係
強化学習のメリット・デメリット
強化学習における問題設定：Markov Decision Process
Day2 強化学習の解法(1): 環境から計画を立てる
価値の定義と算出: Bellman Equation
動的計画法による状態評価の学習: Value Iteration
動的計画法による戦略の学習: Policy Iteration
モデルベースとモデルフリーとの違い
Day3 強化学習の解法(2): 経験から計画を立てる
経験の蓄積と活用のバランス: Epsilon-Greedy法
計画の修正を実績から行うか、予測で行うか: Monte Carlo vs Temporal Difference
経験を価値評価、戦略どちらの更新に利用するか：Valueベース vs Policyベース
Day4 強化学習に対するニューラルネットワークの適用
強化学習にニューラルネットワークを適用する
価値評価を、パラメーターを持った関数で実装する：Value Function Approximation
価値評価に深層学習を適用する：Deep Q-Network
戦略を、パラメーターを持った関数で実装する：Policy Gradient
戦略に深層学習を適用する：Advantage Actor Critic (A2C)
価値評価か、戦略か
Day5 強化学習の弱点
サンプル効率が悪い
局所最適な行動に陥る、過学習をすることが多い
再現性が低い
弱点を前提とした対応策
Day6 強化学習の弱点を克服するための手法
サンプル効率の悪さへの対応: モデルベースとの併用/表現学習
再現性の低さへの対応: 進化戦略
局所最適な行動/過学習への対応: 模倣学習/逆強化学習
Day7 強化学習の活用領域
行動の最適化
学習の最適化
↓全て表示↑少なく表示
Users Voice
著者略歴
「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）
「そろそろ常識？ マンガでわかる「Python機械学習」」
近ごろ話題の機械学習、「気になるけどなんだか難しそう……」と思っていませんか？ 実は、機械学習の基本はとてもシンプルで、プログラミング初心者にも最 適なんです。本書は、プログラミングやPython、機械学習の初心者向けに、マン ガでPython機械学習を解説します。機械学習の代表的な手法である単回帰をはじめ、重回帰やk近傍法、k平均法などの考え方を、「ペットのウサギの理想体重は？」「予算内の引っ越し先は？」といった身近な問題を通じて解説するので、やさしく楽しく学べます。Pythonの開発環境もブラウザさえあれば無料で使えるGoogle Colaboratoryを用いるので、面倒な環境構築は一切不要。インターネットに接続できるパソコンがあればすぐに学習を開始できます。ほかの機械学習の 書籍だと難しかったという方へも、オススメの一冊です。「そろそろ常識知っておこう!」シリーズは、会話形式の解説をマンガテイストに進化させ、マンガ、会話、チュートリアルをシームレスに組み合わせたニュースタイルの解説書。常識とされながらも覚えにくいテーマをピックアップし、要点をマンガでわかりやすく解説します。
※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。
※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。
↓全て表示↑少なく表示
内容サンプル
目次
第1章 Pythonを触ってみよう
第2章 Pythonの基礎
第3章 機械学習を体験してみよう
第4章 機械学習を実践しよう
第5章 データを集めるには
第2章 Pythonの基礎
第3章 機械学習を体験してみよう
第4章 機械学習を実践しよう
第5章 データを集めるには
Users Voice
内容サンプル
著者略歴
田中賢一郎（タナカケンイチロウ）
慶應義塾大学理工学部修了。キヤノン株式会社でデジタル放送局の起ち上げに従事。単独でデータ放送ブラウザを実装し、マイクロソフト（Ｕ．Ｓ．）へソースライセンス。Ｍｅｄｉａ Ｃｅｎｔｅｒ ＴＶチームの開発者としてマイクロソフトへ。Ｗｉｎｄｏｗｓ、Ｘｂｏｘ、Ｏｆｆｉｃｅ ３６５の開発・マネージ・サポートに携わる。２０１６年に中小企業診断士登録後、２０１７年にプログラミングスクール「Ｆｕｔｕｒｅ Ｃｏｄｅｒｓ」を設立。２０１７年からキヤノン電子株式会社顧問とＰＬＥＸＵＲＥ株式会社テクニカルコンサルタントを兼務
澤田千代子（サワダチヨコ）
Ｗｅｂアプリケーション開発や独自ＡＩベースのリコメンデーションエンジンのエンジニアなど、長年ＳＥ・研究開発などに従事。その後、フリーに転身。現在はプログラミングスクール「Ｆｕｔｕｒｅ Ｃｏｄｅｒｓ」のキッズ部門を主催するなど、主にプログラミングやデータサイエンスの講師を務める。登録特許５件。湘南工科大学講師（非常勤）、慶応義塾大学ＳＦＣ研究所所員
ｍｏｒｉｍａｉｋｏ（ＭＯＲＩＭＡＩＫＯ）
ゲーム会社勤務のイラストレータ兼デザイナー。女の子のオリジナルイラストやＳＤキャラを得意としている（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）
慶應義塾大学理工学部修了。キヤノン株式会社でデジタル放送局の起ち上げに従事。単独でデータ放送ブラウザを実装し、マイクロソフト（Ｕ．Ｓ．）へソースライセンス。Ｍｅｄｉａ Ｃｅｎｔｅｒ ＴＶチームの開発者としてマイクロソフトへ。Ｗｉｎｄｏｗｓ、Ｘｂｏｘ、Ｏｆｆｉｃｅ ３６５の開発・マネージ・サポートに携わる。２０１６年に中小企業診断士登録後、２０１７年にプログラミングスクール「Ｆｕｔｕｒｅ Ｃｏｄｅｒｓ」を設立。２０１７年からキヤノン電子株式会社顧問とＰＬＥＸＵＲＥ株式会社テクニカルコンサルタントを兼務
澤田千代子（サワダチヨコ）
Ｗｅｂアプリケーション開発や独自ＡＩベースのリコメンデーションエンジンのエンジニアなど、長年ＳＥ・研究開発などに従事。その後、フリーに転身。現在はプログラミングスクール「Ｆｕｔｕｒｅ Ｃｏｄｅｒｓ」のキッズ部門を主催するなど、主にプログラミングやデータサイエンスの講師を務める。登録特許５件。湘南工科大学講師（非常勤）、慶応義塾大学ＳＦＣ研究所所員
ｍｏｒｉｍａｉｋｏ（ＭＯＲＩＭＡＩＫＯ）
ゲーム会社勤務のイラストレータ兼デザイナー。女の子のオリジナルイラストやＳＤキャラを得意としている（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）
↓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」
音声合成の基礎から実践までを一冊に凝縮
「音声合成」とは、人間の音声を人工的に作り出す、音声情報処理の一分野です。深層学習の発展に従い、画像認識・音声認識などの分野と同様に、音声合成においてもパラダイムシフトが起きています。本書では、従来の統計的音声合成システムの基礎について解説した上で、深層学習技術による近年の音声合成の発展について詳説しています。また、実際に公開されているデータセットを用いて、深層学習を用いた音声合成システムを作るための実装の解説も行っています。
本書は、2020年8月24日刊の『Pythonで学ぶ音源分離』、2021年5月20日刊の『Pythonで学ぶ音声認識』に続く、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3冊目です。中級者以上向け。
〈本書の章立て〉
序章
第1章 音声合成とは?
第2章 音声の情報と物理
第3章 統計的音声合成
第4章 Pythonによる音声信号処理
第5章 深層学習に基づく統計的パラメトリック音声合成
第6章 日本語DNN音声合成システムの実装
第7章 WaveNet:深層学習に基づく音声波形の生成モデル
第8章 日本語WaveNet音声合成システムの実装
第9章 Tacotron 2:一貫学習を狙った音声合成
第10章 日本語Tacotronに基づく音声合成システムの実装
第11章 音声合成システムを新たに作るときに
〈本書はこんな人におすすめです〉
・音声処理のエンジニア、研究者
・理系の大学生
・Pythonで音声合成を実装したい人
「音声合成」とは、人間の音声を人工的に作り出す、音声情報処理の一分野です。深層学習の発展に従い、画像認識・音声認識などの分野と同様に、音声合成においてもパラダイムシフトが起きています。本書では、従来の統計的音声合成システムの基礎について解説した上で、深層学習技術による近年の音声合成の発展について詳説しています。また、実際に公開されているデータセットを用いて、深層学習を用いた音声合成システムを作るための実装の解説も行っています。
本書は、2020年8月24日刊の『Pythonで学ぶ音源分離』、2021年5月20日刊の『Pythonで学ぶ音声認識』に続く、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3冊目です。中級者以上向け。
〈本書の章立て〉
序章
第1章 音声合成とは?
第2章 音声の情報と物理
第3章 統計的音声合成
第4章 Pythonによる音声信号処理
第5章 深層学習に基づく統計的パラメトリック音声合成
第6章 日本語DNN音声合成システムの実装
第7章 WaveNet:深層学習に基づく音声波形の生成モデル
第8章 日本語WaveNet音声合成システムの実装
第9章 Tacotron 2:一貫学習を狙った音声合成
第10章 日本語Tacotronに基づく音声合成システムの実装
第11章 音声合成システムを新たに作るときに
〈本書はこんな人におすすめです〉
・音声処理のエンジニア、研究者
・理系の大学生
・Pythonで音声合成を実装したい人
↓全て表示↑少なく表示
内容サンプル
目次
第１章 音声合成とは？
第２章 音声の情報と物理
第３章 統計的音声合成
第４章 Ｐｙｔｈｏｎによる音声信号処理
第５章 深層学習に基づく統計的パラメトリック音声合成
第６章 日本語ＤＮＮ音声合成システムの実装
第７章 ＷａｖｅＮｅｔ：深層学習に基づく音声波形の生成モデル
第８章 日本語ＷａｖｅＮｅｔ音声合成システムの実装
第９章 Ｔａｃｏｔｒｏｎ ２：一貫学習を狙った音声合成
第１０章 日本語Ｔａｃｏｔｒｏｎに基づく音声合成システムの実装
第１１章 音声合成システムを新たに作るときに
第２章 音声の情報と物理
第３章 統計的音声合成
第４章 Ｐｙｔｈｏｎによる音声信号処理
第５章 深層学習に基づく統計的パラメトリック音声合成
第６章 日本語ＤＮＮ音声合成システムの実装
第７章 ＷａｖｅＮｅｔ：深層学習に基づく音声波形の生成モデル
第８章 日本語ＷａｖｅＮｅｔ音声合成システムの実装
第９章 Ｔａｃｏｔｒｏｎ ２：一貫学習を狙った音声合成
第１０章 日本語Ｔａｃｏｔｒｏｎに基づく音声合成システムの実装
第１１章 音声合成システムを新たに作るときに
↓全て表示↑少なく表示
Users Voice
内容サンプル
著者略歴
山本龍一（ヤマモトリュウイチ）
ＬＩＮＥ株式会社Ｖｏｉｃｅチーム、音声処理開発者・研究者。２０１３年に名古屋工業大学大学院博士前期課程修了。チームラボ株式会社を経て、２０１８年２月にＬＩＮＥ株式会社に入社（現職）。２０１８年９月から２０１９年７月までＮＡＶＥＲ Ｃｏｒｐ．Ｃｌｏｖａ Ｖｏｉｃｅチームにて音声研究を行う。音声合成の研究開発に従事。ＷａｖｅＮｅｔやＴａｃｏｔｒｏｎに代表される音声合成に関するオープンソースソフトウェアを多数公開
高道慎之介（タカミチシンノスケ）
東京大学大学院情報理工学系研究科助教。２０１１年に長岡技術科学大学を卒業。２０１３年・２０１６年それぞれに奈良先端科学技術大学院大学博士前期・後期課程を修了。２０１８年より東京大学助教（現職）。博士（工学）。音声合成変換、音声信号処理の研究に従事（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）
ＬＩＮＥ株式会社Ｖｏｉｃｅチーム、音声処理開発者・研究者。２０１３年に名古屋工業大学大学院博士前期課程修了。チームラボ株式会社を経て、２０１８年２月にＬＩＮＥ株式会社に入社（現職）。２０１８年９月から２０１９年７月までＮＡＶＥＲ Ｃｏｒｐ．Ｃｌｏｖａ Ｖｏｉｃｅチームにて音声研究を行う。音声合成の研究開発に従事。ＷａｖｅＮｅｔやＴａｃｏｔｒｏｎに代表される音声合成に関するオープンソースソフトウェアを多数公開
高道慎之介（タカミチシンノスケ）
東京大学大学院情報理工学系研究科助教。２０１１年に長岡技術科学大学を卒業。２０１３年・２０１６年それぞれに奈良先端科学技術大学院大学博士前期・後期課程を修了。２０１８年より東京大学助教（現職）。博士（工学）。音声合成変換、音声信号処理の研究に従事（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で動かして学ぶ!あたらしい機械学習の教科書 第3版」
Pythonプログラムを動かしながら機械学習の基礎をしっかり学べる！
【本書の目的】
人工知能関連サービスや商品開発において
機械学習の基礎知識が必要となります。
本書では数式とPythonプログラムをつなげて
機械学習の基礎をしっかり学ぶことができます。
【本書の特徴】
本書は、機械学習の原理を数式でしっかり理解し、
Pythonプログラムによってその理解を深めていくことができる書籍です。
・数式とコードを連携して解説
・学習内容を「要点整理」で復習
・TensorFlow 2.7に対応
・Python 3.9に対応
【読者が得られること】
機械学習のしくみとPythonプログラムを
つなげて理解できます。
【対象読者】
機械学習の基礎を数学的な原理からプログラム実装までしっかり学びたい理工学生・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
【本書の目的】
人工知能関連サービスや商品開発において
機械学習の基礎知識が必要となります。
本書では数式とPythonプログラムをつなげて
機械学習の基礎をしっかり学ぶことができます。
【本書の特徴】
本書は、機械学習の原理を数式でしっかり理解し、
Pythonプログラムによってその理解を深めていくことができる書籍です。
・数式とコードを連携して解説
・学習内容を「要点整理」で復習
・TensorFlow 2.7に対応
・Python 3.9に対応
【読者が得られること】
機械学習のしくみとPythonプログラムを
つなげて理解できます。
【対象読者】
機械学習の基礎を数学的な原理からプログラム実装までしっかり学びたい理工学生・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
↓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
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
↓全て表示↑少なく表示
Users Voice
内容サンプル
著者略歴
伊藤真（イトウマコト）
２０００年、東北大学大学院にて動物のナビゲーション行動の数理モデルの研究で情報科学博士取得。２００４～２０１６年、沖縄科学技術大学院大学神経計算ユニットの実験グループのリーダーを務め、脳活動のデータ収集とその解析に従事。動物の脳活動を強化学習モデルで説明する研究を行う。現在は、民間企業にて機械学習やコンピュータービジョンの産業利用に従事（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）
２０００年、東北大学大学院にて動物のナビゲーション行動の数理モデルの研究で情報科学博士取得。２００４～２０１６年、沖縄科学技術大学院大学神経計算ユニットの実験グループのリーダーを務め、脳活動のデータ収集とその解析に従事。動物の脳活動を強化学習モデルで説明する研究を行う。現在は、民間企業にて機械学習やコンピュータービジョンの産業利用に従事（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。
(2025/01/22 12:10 更新)
| Rank | 製品 | 価格 |
|---|---|---|
1 |  | |
2 |  | |
3 |  | |
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 gear)... 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 |
「そろそろ常識? マンガでわかる「Python機械学習」」
Pythonを使った機械学習の入門に最適な1冊!
近ごろ話題の機械学習、「気になるけどなんだか難しそう……」と思っていませんか?
実は、機械学習の基本はとてもシンプルで、プログラミング初心者にも最適なんです。
本書は、プログラミングやPython、機械学習の初心者向けに、マンガでPython機械学習を解説します。機械学習の代表的な手法である単回帰をはじめ、重回帰やk近傍法、k平均法などの考え方を、「ペットのウサギの理想体重は?」「予算内の引っ越し先は?」といった身近な問題を通じて解説するので、やさしく楽しく学べます。
Pythonの開発環境もブラウザさえあれば無料で使えるGoogle Colaboratoryを用いるので、面倒な環境構築は一切不要。インターネットに接続できるパソコンがあればすぐに学習を開始できます。ほかの機械学習の書籍だと難しかったという方へも、オススメの一冊です。
「そろそろ常識知っておこう!」シリーズは、会話形式の解説をマンガテイストに進化させ、マンガ、会話、チュートリアルをシームレスに組み合わせたニュースタイルの解説書。常識とされながらも覚えにくいテーマをピックアップし、要点をマンガでわかりやすく解説します。
■目次
第1章 Pythonを触ってみよう
第2章 Pythonの基礎
第3章 機械学習を体験してみよう
第4章 機械学習を実践しよう
第5章 データを集めるには
近ごろ話題の機械学習、「気になるけどなんだか難しそう……」と思っていませんか?
実は、機械学習の基本はとてもシンプルで、プログラミング初心者にも最適なんです。
本書は、プログラミングやPython、機械学習の初心者向けに、マンガでPython機械学習を解説します。機械学習の代表的な手法である単回帰をはじめ、重回帰やk近傍法、k平均法などの考え方を、「ペットのウサギの理想体重は?」「予算内の引っ越し先は?」といった身近な問題を通じて解説するので、やさしく楽しく学べます。
Pythonの開発環境もブラウザさえあれば無料で使えるGoogle Colaboratoryを用いるので、面倒な環境構築は一切不要。インターネットに接続できるパソコンがあればすぐに学習を開始できます。ほかの機械学習の書籍だと難しかったという方へも、オススメの一冊です。
「そろそろ常識知っておこう!」シリーズは、会話形式の解説をマンガテイストに進化させ、マンガ、会話、チュートリアルをシームレスに組み合わせたニュースタイルの解説書。常識とされながらも覚えにくいテーマをピックアップし、要点をマンガでわかりやすく解説します。
■目次
第1章 Pythonを触ってみよう
第2章 Pythonの基礎
第3章 機械学習を体験してみよう
第4章 機械学習を実践しよう
第5章 データを集めるには
↓全て表示↑少なく表示
内容サンプル
目次
第1章 Pythonを触ってみよう
第2章 Pythonの基礎
第3章 機械学習を体験してみよう
第4章 機械学習を実践しよう
第5章 データを集めるには
第2章 Pythonの基礎
第3章 機械学習を体験してみよう
第4章 機械学習を実践しよう
第5章 データを集めるには
Users Voice
内容サンプル
著者略歴
田中賢一郎（タナカケンイチロウ）
慶應義塾大学理工学部修了。キヤノン株式会社でデジタル放送局の起ち上げに従事。単独でデータ放送ブラウザを実装し、マイクロソフト（Ｕ．Ｓ．）へソースライセンス。Ｍｅｄｉａ Ｃｅｎｔｅｒ ＴＶチームの開発者としてマイクロソフトへ。Ｗｉｎｄｏｗｓ、Ｘｂｏｘ、Ｏｆｆｉｃｅ ３６５の開発・マネージ・サポートに携わる。２０１６年に中小企業診断士登録後、２０１７年にプログラミングスクール「Ｆｕｔｕｒｅ Ｃｏｄｅｒｓ」を設立。２０１７年からキヤノン電子株式会社顧問とＰＬＥＸＵＲＥ株式会社テクニカルコンサルタントを兼務
澤田千代子（サワダチヨコ）
Ｗｅｂアプリケーション開発や独自ＡＩベースのリコメンデーションエンジンのエンジニアなど、長年ＳＥ・研究開発などに従事。その後、フリーに転身。現在はプログラミングスクール「Ｆｕｔｕｒｅ Ｃｏｄｅｒｓ」のキッズ部門を主催するなど、主にプログラミングやデータサイエンスの講師を務める。登録特許５件。湘南工科大学講師（非常勤）、慶応義塾大学ＳＦＣ研究所所員
ｍｏｒｉｍａｉｋｏ（ＭＯＲＩＭＡＩＫＯ）
ゲーム会社勤務のイラストレータ兼デザイナー。女の子のオリジナルイラストやＳＤキャラを得意としている（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）
慶應義塾大学理工学部修了。キヤノン株式会社でデジタル放送局の起ち上げに従事。単独でデータ放送ブラウザを実装し、マイクロソフト（Ｕ．Ｓ．）へソースライセンス。Ｍｅｄｉａ Ｃｅｎｔｅｒ ＴＶチームの開発者としてマイクロソフトへ。Ｗｉｎｄｏｗｓ、Ｘｂｏｘ、Ｏｆｆｉｃｅ ３６５の開発・マネージ・サポートに携わる。２０１６年に中小企業診断士登録後、２０１７年にプログラミングスクール「Ｆｕｔｕｒｅ Ｃｏｄｅｒｓ」を設立。２０１７年からキヤノン電子株式会社顧問とＰＬＥＸＵＲＥ株式会社テクニカルコンサルタントを兼務
澤田千代子（サワダチヨコ）
Ｗｅｂアプリケーション開発や独自ＡＩベースのリコメンデーションエンジンのエンジニアなど、長年ＳＥ・研究開発などに従事。その後、フリーに転身。現在はプログラミングスクール「Ｆｕｔｕｒｅ Ｃｏｄｅｒｓ」のキッズ部門を主催するなど、主にプログラミングやデータサイエンスの講師を務める。登録特許５件。湘南工科大学講師（非常勤）、慶応義塾大学ＳＦＣ研究所所員
ｍｏｒｉｍａｉｋｏ（ＭＯＲＩＭＡＩＫＯ）
ゲーム会社勤務のイラストレータ兼デザイナー。女の子のオリジナルイラストやＳＤキャラを得意としている（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）
↓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」
音声合成の基礎から実践までを一冊に凝縮
「音声合成」とは、人間の音声を人工的に作り出す、音声情報処理の一分野です。深層学習の発展に従い、画像認識・音声認識などの分野と同様に、音声合成においてもパラダイムシフトが起きています。本書では、従来の統計的音声合成システムの基礎について解説した上で、深層学習技術による近年の音声合成の発展について詳説しています。また、実際に公開されているデータセットを用いて、深層学習を用いた音声合成システムを作るための実装の解説も行っています。
本書は、2020年8月24日刊の『Pythonで学ぶ音源分離』、2021年5月20日刊の『Pythonで学ぶ音声認識』に続く、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3冊目です。中級者以上向け。
〈本書の章立て〉
序章
第1章 音声合成とは?
第2章 音声の情報と物理
第3章 統計的音声合成
第4章 Pythonによる音声信号処理
第5章 深層学習に基づく統計的パラメトリック音声合成
第6章 日本語DNN音声合成システムの実装
第7章 WaveNet:深層学習に基づく音声波形の生成モデル
第8章 日本語WaveNet音声合成システムの実装
第9章 Tacotron 2:一貫学習を狙った音声合成
第10章 日本語Tacotronに基づく音声合成システムの実装
第11章 音声合成システムを新たに作るときに
〈本書はこんな人におすすめです〉
・音声処理のエンジニア、研究者
・理系の大学生
・Pythonで音声合成を実装したい人
「音声合成」とは、人間の音声を人工的に作り出す、音声情報処理の一分野です。深層学習の発展に従い、画像認識・音声認識などの分野と同様に、音声合成においてもパラダイムシフトが起きています。本書では、従来の統計的音声合成システムの基礎について解説した上で、深層学習技術による近年の音声合成の発展について詳説しています。また、実際に公開されているデータセットを用いて、深層学習を用いた音声合成システムを作るための実装の解説も行っています。
本書は、2020年8月24日刊の『Pythonで学ぶ音源分離』、2021年5月20日刊の『Pythonで学ぶ音声認識』に続く、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3冊目です。中級者以上向け。
〈本書の章立て〉
序章
第1章 音声合成とは?
第2章 音声の情報と物理
第3章 統計的音声合成
第4章 Pythonによる音声信号処理
第5章 深層学習に基づく統計的パラメトリック音声合成
第6章 日本語DNN音声合成システムの実装
第7章 WaveNet:深層学習に基づく音声波形の生成モデル
第8章 日本語WaveNet音声合成システムの実装
第9章 Tacotron 2:一貫学習を狙った音声合成
第10章 日本語Tacotronに基づく音声合成システムの実装
第11章 音声合成システムを新たに作るときに
〈本書はこんな人におすすめです〉
・音声処理のエンジニア、研究者
・理系の大学生
・Pythonで音声合成を実装したい人
↓全て表示↑少なく表示
内容サンプル
目次
第１章 音声合成とは？
第２章 音声の情報と物理
第３章 統計的音声合成
第４章 Ｐｙｔｈｏｎによる音声信号処理
第５章 深層学習に基づく統計的パラメトリック音声合成
第６章 日本語ＤＮＮ音声合成システムの実装
第７章 ＷａｖｅＮｅｔ：深層学習に基づく音声波形の生成モデル
第８章 日本語ＷａｖｅＮｅｔ音声合成システムの実装
第９章 Ｔａｃｏｔｒｏｎ ２：一貫学習を狙った音声合成
第１０章 日本語Ｔａｃｏｔｒｏｎに基づく音声合成システムの実装
第１１章 音声合成システムを新たに作るときに
第２章 音声の情報と物理
第３章 統計的音声合成
第４章 Ｐｙｔｈｏｎによる音声信号処理
第５章 深層学習に基づく統計的パラメトリック音声合成
第６章 日本語ＤＮＮ音声合成システムの実装
第７章 ＷａｖｅＮｅｔ：深層学習に基づく音声波形の生成モデル
第８章 日本語ＷａｖｅＮｅｔ音声合成システムの実装
第９章 Ｔａｃｏｔｒｏｎ ２：一貫学習を狙った音声合成
第１０章 日本語Ｔａｃｏｔｒｏｎに基づく音声合成システムの実装
第１１章 音声合成システムを新たに作るときに
↓全て表示↑少なく表示
Users Voice
内容サンプル
著者略歴
山本龍一（ヤマモトリュウイチ）
ＬＩＮＥ株式会社Ｖｏｉｃｅチーム、音声処理開発者・研究者。２０１３年に名古屋工業大学大学院博士前期課程修了。チームラボ株式会社を経て、２０１８年２月にＬＩＮＥ株式会社に入社（現職）。２０１８年９月から２０１９年７月までＮＡＶＥＲ Ｃｏｒｐ．Ｃｌｏｖａ Ｖｏｉｃｅチームにて音声研究を行う。音声合成の研究開発に従事。ＷａｖｅＮｅｔやＴａｃｏｔｒｏｎに代表される音声合成に関するオープンソースソフトウェアを多数公開
高道慎之介（タカミチシンノスケ）
東京大学大学院情報理工学系研究科助教。２０１１年に長岡技術科学大学を卒業。２０１３年・２０１６年それぞれに奈良先端科学技術大学院大学博士前期・後期課程を修了。２０１８年より東京大学助教（現職）。博士（工学）。音声合成変換、音声信号処理の研究に従事（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）
ＬＩＮＥ株式会社Ｖｏｉｃｅチーム、音声処理開発者・研究者。２０１３年に名古屋工業大学大学院博士前期課程修了。チームラボ株式会社を経て、２０１８年２月にＬＩＮＥ株式会社に入社（現職）。２０１８年９月から２０１９年７月までＮＡＶＥＲ Ｃｏｒｐ．Ｃｌｏｖａ Ｖｏｉｃｅチームにて音声研究を行う。音声合成の研究開発に従事。ＷａｖｅＮｅｔやＴａｃｏｔｒｏｎに代表される音声合成に関するオープンソースソフトウェアを多数公開
高道慎之介（タカミチシンノスケ）
東京大学大学院情報理工学系研究科助教。２０１１年に長岡技術科学大学を卒業。２０１３年・２０１６年それぞれに奈良先端科学技術大学院大学博士前期・後期課程を修了。２０１８年より東京大学助教（現職）。博士（工学）。音声合成変換、音声信号処理の研究に従事（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
「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！」
【本電子書籍は固定レイアウトのため7インチ以上の端末での利用を推奨しております。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。ご購入前に、無料サンプル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】
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。
※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。
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。
※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
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）
「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プログラムを動かしながら機械学習の基礎をしっかり学べる！
【本書の目的】
人工知能関連サービスや商品開発において
機械学習の基礎知識が必要となります。
本書では数式とPythonプログラムをつなげて
機械学習の基礎をしっかり学ぶことができます。
【本書の特徴】
本書は、機械学習の原理を数式でしっかり理解し、
Pythonプログラムによってその理解を深めていくことができる書籍です。
・数式とコードを連携して解説
・学習内容を「要点整理」で復習
・TensorFlow 2.7に対応
・Python 3.9に対応
【読者が得られること】
機械学習のしくみとPythonプログラムを
つなげて理解できます。
【対象読者】
機械学習の基礎を数学的な原理からプログラム実装までしっかり学びたい理工学生・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
【本書の目的】
人工知能関連サービスや商品開発において
機械学習の基礎知識が必要となります。
本書では数式とPythonプログラムをつなげて
機械学習の基礎をしっかり学ぶことができます。
【本書の特徴】
本書は、機械学習の原理を数式でしっかり理解し、
Pythonプログラムによってその理解を深めていくことができる書籍です。
・数式とコードを連携して解説
・学習内容を「要点整理」で復習
・TensorFlow 2.7に対応
・Python 3.9に対応
【読者が得られること】
機械学習のしくみとPythonプログラムを
つなげて理解できます。
【対象読者】
機械学習の基礎を数学的な原理からプログラム実装までしっかり学びたい理工学生・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
↓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
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
↓全て表示↑少なく表示
Users Voice
内容サンプル
著者略歴
伊藤真（イトウマコト）
２０００年、東北大学大学院にて動物のナビゲーション行動の数理モデルの研究で情報科学博士取得。２００４～２０１６年、沖縄科学技術大学院大学神経計算ユニットの実験グループのリーダーを務め、脳活動のデータ収集とその解析に従事。動物の脳活動を強化学習モデルで説明する研究を行う。現在は、民間企業にて機械学習やコンピュータービジョンの産業利用に従事（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）
２０００年、東北大学大学院にて動物のナビゲーション行動の数理モデルの研究で情報科学博士取得。２００４～２０１６年、沖縄科学技術大学院大学神経計算ユニットの実験グループのリーダーを務め、脳活動のデータ収集とその解析に従事。動物の脳活動を強化学習モデルで説明する研究を行う。現在は、民間企業にて機械学習やコンピュータービジョンの産業利用に従事（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
「[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, 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
（2025/01/22 12:10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
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。
(2025/01/06 12:32 更新)
| Rank | 製品 | 価格 |
|---|---|---|
1 |  | 450円 |
2 |  | 480円 |
3 |  | 250円 |
4 |  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 |
5 | 250円 | |
6 | 500円 | |
7 |  | 500円 |
8 |  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 |
9 |  | 350円 |
10 |  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 |
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 14721件 |
2 |  GPTを自作して大規模言語モデルを理解する：PythonでTransformerとAttentionを学ぶLLM機械学習... 発売日 2023/12/14 受講者 1,156人 通常 24,800円 現在 1,500円 | 総評価数 82件 |
3 |  | 総評価数 355件 |
4 |  【世界で91万人が受講】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 15,381人 通常 27,800円 現在 1,500円 | 総評価数 1337件 |
5 |  | 総評価数 693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