【2022年】Python 機械学習・ディープラーニング本の人気ランキング・おすすめ紹介【読み放題も】

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。

 

 

 

Kindle Unlimited 1ヶ月無料

kindle_unlimited_sale
 
  • 1ヶ月無料で読み放題
  • 1ヶ月以内でも解約可能
  • 解約後も1ヶ月まで利用可


 

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
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...
発売日 2016/09/24
斎藤 康毅 (オライリージャパン)
総合評価
(4.4)
3,740円
(+432pt)
3,740円
3,740円
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
(4.4)
4,400円
(+132pt)
3,960円
4,400円
4,400円
3
Pythonで学ぶ音源分離 機械学習実践シリーズ
発売日 2020/08/24
戸上 真人 (インプレス)
総合評価
(4.3)
3,850円
(+116pt)
3,465円
3,850円
3,850円
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
(4.4)
3,740円
(+370pt)
3,740円
3,740円
5
Pythonではじめるベイズ機械学習入門 (KS情報科学専門書)
発売日 2022/05/26
森賀 新, 木田 悠歩, 須山 敦志 (講談社)
総合評価
(4.7)
3,080円
3,080円
2,470円
6
スッキリわかるPythonによる機械学習入門
発売日 2020/10/16
須藤秋良 (インプレス)
総合評価
(4.3)
3,300円
2,970円
3,300円
3,300円
7
そろそろ常識? マンガでわかる「Python機械学習」
発売日 2021/09/22
田中賢一郎, 澤田千代子, リブロワークス (シーアンドアール研究所)
総合評価
(5)
2,574円
2,317円
2,317円
2,574円
8
Pythonで動かして学ぶ 自然言語処理入門
発売日 2019/01/23
柳井 孝介, 庄司 美沙 (翔泳社)
総合評価
(3.8)
3,520円
(+350pt)
1,760円
3,520円
3,520円
9
3,960円
(+119pt)
3,960円
3,960円
10
機械学習のエッセンス -実装しながら学ぶPython,数学,アルゴリズム- (Machine Learning)...
発売日 2018/09/21
加藤 公一 (SBクリエイティブ)
総合評価
(4)
3,080円
(+300pt)
2,772円
3,080円
3,080円
11
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!...
発売日 2021/12/06
森 巧尚 (翔泳社)
総合評価
(4.5)
2,420円
(+120pt)
2,178円
2,420円
2,420円
12
Pythonで動かして学ぶ!あたらしい機械学習の教科書 第2版
発売日 2019/07/18
伊藤 真 (翔泳社)
総合評価
(4.2)
2,948円
1,474円
2,948円
2,948円
13
現場で使える!Python深層強化学習入門 強化学習と深層学習による探索と制御...
発売日 2019/08/07
伊藤 多一, 今津 義充, 須藤 広大, 仁ノ平 将人 (翔泳社)
総合評価
(3.8)
3,740円
(+112pt)
1,870円
3,740円
3,740円
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
(4.6)
4,620円
(+460pt)
4,620円
4,620円
15
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...
発売日 2022/01/24
佐藤 昌基, 平田 哲也 (翔泳社)
総合評価
(4.3)
3,740円
(+112pt)
3,366円
3,740円
3,740円
16
試して学ぶ 機械学習入門
発売日 2019/04/23
竹野 峻輔, 髙橋 寛治 (マイナビ出版)
総合評価
(2.6)
3,289円
(+320pt)
2,960円
3,289円
3,289円
17
3,080円
3,080円
(+934pt)
3,080円
3,080円
18
Pythonによるディープラーニング (Compass Booksシリーズ)
発売日 2022/03/23
François Chollet (マイナビ出版)
4,378円
(+131pt)
3,940円
4,378円
4,378円
19
直感 Deep Learning ―Python×Kerasでアイデアを形にするレシピ
発売日 2018/08/17
Antonio Gulli, Sujit Pal (オライリージャパン)
総合評価
(4.5)
3,740円
(+370pt)
3,740円
3,740円
20
Python実践機械学習システム100本ノック
発売日 2020/12/01
下山 輝昌, 下山 輝昌, 三木 孝行, 伊藤 淳二 (秀和システム)
総合評価
(3.9)
2,640円
2,376円
2,640円
21
Pythonで学ぶ音声認識 機械学習実践シリーズ
発売日 2021/05/20
高島 遼一 (インプレス)
3,850円
(+116pt)
3,465円
3,850円
3,850円
22
2,948円
2,653円
2,948円
2,948円
23
現場で使える!Python自然言語処理入門
発売日 2020/01/20
赤石 雅典, 江澤 美保 (翔泳社)
総合評価
(3.1)
3,520円
(+106pt)
1,760円
3,520円
3,520円
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
(4)
2,860円
売り切れ
2,860円
2,860円
25
2,948円
2,653円
2,948円
1,996円
26
2,728円
2,455円
2,728円
2,728円
27
化学のための Pythonによるデータ解析・機械学習入門
発売日 2019/11/15
金子弘昌 (オーム社)
総合評価
(3.9)
3,520円
(+350pt)
3,168円
3,520円
3,520円
28
現場で使える!Python機械学習入門 機械学習アルゴリズムの理論と実践...
発売日 2019/05/24
大曽根 圭輔, 関 喜史, 米田 武 (翔泳社)
総合評価
(3.9)
3,520円
(+106pt)
1,760円
3,520円
3,520円
29
2,970円
2,822円
2,970円
2,970円
30
2,970円
2,673円
2,970円
2,970円

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
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...
発売日 2016/09/24
斎藤 康毅 (オライリージャパン)
総合評価
(4.4)
3,740円
(+432pt)
3,740円
3,740円
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
(4.4)
4,400円
(+132pt)
3,960円
4,400円
4,400円
3
Pythonで学ぶ音源分離 機械学習実践シリーズ
発売日 2020/08/24
戸上 真人 (インプレス)
総合評価
(4.3)
3,850円
(+116pt)
3,465円
3,850円
3,850円
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
(4.4)
3,740円
(+370pt)
3,740円
3,740円
5
Pythonではじめるベイズ機械学習入門 (KS情報科学専門書)
発売日 2022/05/26
森賀 新, 木田 悠歩, 須山 敦志 (講談社)
総合評価
(4.7)
3,080円
3,080円
2,470円

 

「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。
 
内容サンプル

(引用元Amazon)

 
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

↓全て表示↑少なく表示
Users Voice
最近仕事でpythonを使い始めまして、買ってみました。 ブックカバーまでつけていただき、大変丁寧な対応でした。 最初に読むには良い入門編かなぁと思いますが、この様なジャンルの本高額ですので、なかなか他の本との比較はできません。これが1番かどうかは分かりません。 (参考:YahooShopping)

↓全て表示 ↑少なく表示
E資格を取るために購入しました。とてもわかり易く記載されており、実装も記載されております。最初から始める人には、オススメと思います。 (参考:YahooShopping)

↓全て表示 ↑少なく表示
非常に分かり易いです。今まで、断片的に持っていた知識が、この本で繋がった感じがしました。買って良かったです。 (参考:YahooShopping)

↓全て表示 ↑少なく表示
内容サンプル

(引用元Amazon)

 
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)

  

「[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
総合評価
(4.4)
(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。

↓全て表示↑少なく表示
 
内容サンプル

(引用元楽天Books)

 
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

↓全て表示↑少なく表示
Users Voice
統計的学習の基礎やPRMLで、機械学習の基本的なところを学んだので、コードにどうやってしていくのかを学びたく購入しました。このタイミングで読む本(2冊目ぐらいで読む本)としてはドンピシャだと思います。 理論に深く突っ込んだ本ではないので、理論的な話を勉強したい方には、マッチしないと思うので注意した方がいいかもしれません。 matplotlib, numpy, pandas,scikit-learnを使いまくるので、これらの入門書としても適していると思います。TensorFlowも2.0に対応しており、これもありがたいです。 目次をみるとすごい盛りだくさんで、何冊も何冊も買わなくて済むのもありがたいです。 敵対的生成ネットワークや強化学習も入っているという、、、 コードにコメントがたくさん書いてあるので、それぞれのコードが何をしているのかすぐにわかります。また、あまり癖ない書き方なので、非常に読みやすいです。Githubからデータやコードをゲットできるのも嬉しいですね。 (参考:YahooShopping)

↓全て表示 ↑少なく表示
AIの基本を学ぶには大変良い本です。サンプルプログラムも充実であり、すぐ動かして動作を確認できるので、星5つをつけさせてもらいました。 (参考:YahooShopping)

↓全て表示 ↑少なく表示
事前に参考にしていた口コミ通りだった。機械学習について基礎から応用まで載っていてとても参考になるし数式もあるので理解が深まる。 (参考:YahooShopping)

↓全て表示 ↑少なく表示
内容サンプル

(引用元楽天Books)

 
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)

↓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」

Pythonで学ぶ音源分離 機械学習実践シリーズ
(著)戸上 真人
発売日 2020/08/24
総合評価
(4.3)
(2022/08/18 12:06時点)
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。

↓全て表示↑少なく表示
 
内容サンプル

(引用元楽天Books)

 
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

↓全て表示↑少なく表示
Users Voice
読みやすく、取りかかりやすい本になっていると思います。読み解くには、少々難易度高いですが、ソースコードも掲載されているし、やれなくはない印象です。 (参考:YahooShopping)

↓全て表示 ↑少なく表示
python コードが実際に試せるのですごい良かった。
中身の数式は途中から白目でした笑
いままではプログラムとか便利な関数を使うことにフォーカス当ててたけどやっぱもう一歩深く踏み込むなら数式の理解が必要だなと、そして数式に自分なりの工夫を入れてみるのも面白いかなと思った。
しかし音源分離系の数式はむずい、、、線形代数苦手だわ (参考:honto)

↓全て表示 ↑少なく表示
python コードが実際に試せるのですごい良かった。
中身の数式は途中から白目でした笑

いままではプログラムとか便利な関数を使うことにフォーカス当ててたけどやっぱもう一歩深く踏み込むなら数式の理解が必要だなと、そして数式に自分なりの工夫を入れてみるのも面白いかなと思った。

しかし音源分離系の数式はむずい、、、線形代数苦手だわ (参考:楽天)

↓全て表示 ↑少なく表示
内容サンプル

(引用元楽天Books)

 
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)

↓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。
 
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
Users Voice
Pythonの基礎的なことを学習した次のステップとして本書を購入しました。数学的な背景についてのイメージにも触れられており、自分が何をやっているのかが分からいやすかったです。しかし、サンプルコードに関する説明がないので、初心者は一度他のもので勉強してから取り組むのが良いかと思います。 (参考:YahooShopping)

↓全て表示 ↑少なく表示
中古本なので状態を心配しました。お店に問い合わせたところ、きちんとした品しか取り扱わないとのことで、その言葉を信じて購入しましたが、本当に良かったです。 (参考:YahooShopping)

↓全て表示 ↑少なく表示
息子に頼まれて買いました。大学での勉強の補助教材として欲しかったようです。小さな本屋さんでは置いていないのでネットで買えて便利でした。 (参考:YahooShopping)

↓全て表示 ↑少なく表示
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)

↓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)」

Pythonではじめるベイズ機械学習入門 (KS情報科学専門書)
(著)森賀 新, 木田 悠歩, 須山 敦志
発売日 2022/05/26
総合評価
(4.7)
(2022/08/18 12:06時点)
★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

↓全て表示↑少なく表示
 
内容サンプル

(引用元Amazon)

 
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

↓全て表示↑少なく表示
Users Voice
須山さんが書いたと言うことで予約していて、忘れた頃に届いたので早速読んでみた。理論は最小限で実装ベースで解説するスタイルで、MCMCだけでなく変分推論もカバーしているのが大きな特徴。コードも冗長なところは別途確認となっているが、解説部分はきっちり載っていて、流れも分かりやすく、私の様なコードがダメなタイプでも流れが追えるようになっている。また、階層ベイズだけでなく、潜在変数モデルも実装レベルで解説されているので大変ありがたい。またガウス過程回帰をカバーしているのもありがたい。さらにVAEを変分推論の観点か (参考:honto)

↓全て表示 ↑少なく表示
内容サンプル

(引用元Amazon)

 
著者略歴

著:森賀 新
現 在 アクセンチュア株式会社ビジネスコンサルティング本部所属
著:木田 悠歩
現 在 アクセンチュア株式会社ビジネスコンサルティング本部所属

著:須山 敦志
現 在 アクセンチュア株式会社ビジネスコンサルティング本部所属
講演会やSNS、ブログなどを通して人工知能やデータサイエンスの理論、実応用に関する情報を発信中。
著書に、『ベイズ推論による機械学習入門』『ベイズ深層学習』『Juliaで作って学ぶベイズ統計学』(いずれも講談社)がある。


↓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
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!...
発売日 2021/12/06
森 巧尚 (翔泳社)
総合評価
(4.5)
2,420円
(+120pt)
2,178円
2,420円
2,420円
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
(4.4)
4,400円
(+132pt)
3,960円
4,400円
4,400円
3
Pythonで学ぶ音源分離 機械学習実践シリーズ
発売日 2020/08/24
戸上 真人 (インプレス)
総合評価
(4.3)
3,850円
(+116pt)
3,465円
3,850円
3,850円
4
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...
発売日 2022/01/24
佐藤 昌基, 平田 哲也 (翔泳社)
総合評価
(4.3)
3,740円
(+112pt)
3,366円
3,740円
3,740円
5
スッキリわかるPythonによる機械学習入門
発売日 2020/10/16
須藤秋良 (インプレス)
総合評価
(4.3)
3,300円
2,970円
3,300円
3,300円

 

「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。


↓全て表示↑少なく表示
 
内容サンプル

(引用元楽天Books)

 
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

↓全て表示↑少なく表示
Users Voice
全くのPython初心者です。若宮正子に刺激を受けて60歳にしてPythonに手を出して見ました。1年生1冊、2年生2冊、3年生1冊をあっという間に読むことができました。Pythonでどんなことができるのかイメージするのに大変役立つ本日でした。実践では実際に業務の自動化にチャレンジしていますが、事例本とか、やりたい動作からの逆引きの本とか、ネット検索が有効かなあと感じてます。半歩づつですが、初プログラミングを進めています。 (参考:YahooShopping)

↓全て表示 ↑少なく表示
1年生のタイトルの本から購入しています。まだ、2年生の本を終えていませんが、とても分かりやすいので3年生のこの本で知識を深めたいと思います。 (参考:YahooShopping)

↓全て表示 ↑少なく表示
注文後、すぐに発送ご対応いただきありがとうございました。イメージ通りの商品が届きました。また利用したいと思います。 (参考:YahooShopping)

↓全て表示 ↑少なく表示
内容サンプル

(引用元楽天Books)

 
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)

  

「[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
総合評価
(4.4)
(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。

↓全て表示↑少なく表示
 
内容サンプル

(引用元楽天Books)

 
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

↓全て表示↑少なく表示
Users Voice
統計的学習の基礎やPRMLで、機械学習の基本的なところを学んだので、コードにどうやってしていくのかを学びたく購入しました。このタイミングで読む本(2冊目ぐらいで読む本)としてはドンピシャだと思います。 理論に深く突っ込んだ本ではないので、理論的な話を勉強したい方には、マッチしないと思うので注意した方がいいかもしれません。 matplotlib, numpy, pandas,scikit-learnを使いまくるので、これらの入門書としても適していると思います。TensorFlowも2.0に対応しており、これもありがたいです。 目次をみるとすごい盛りだくさんで、何冊も何冊も買わなくて済むのもありがたいです。 敵対的生成ネットワークや強化学習も入っているという、、、 コードにコメントがたくさん書いてあるので、それぞれのコードが何をしているのかすぐにわかります。また、あまり癖ない書き方なので、非常に読みやすいです。Githubからデータやコードをゲットできるのも嬉しいですね。 (参考:YahooShopping)

↓全て表示 ↑少なく表示
AIの基本を学ぶには大変良い本です。サンプルプログラムも充実であり、すぐ動かして動作を確認できるので、星5つをつけさせてもらいました。 (参考:YahooShopping)

↓全て表示 ↑少なく表示
事前に参考にしていた口コミ通りだった。機械学習について基礎から応用まで載っていてとても参考になるし数式もあるので理解が深まる。 (参考:YahooShopping)

↓全て表示 ↑少なく表示
内容サンプル

(引用元楽天Books)

 
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)

↓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」

Pythonで学ぶ音源分離 機械学習実践シリーズ
(著)戸上 真人
発売日 2020/08/24
総合評価
(4.3)
(2022/08/18 12:06時点)
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。

↓全て表示↑少なく表示
 
内容サンプル

(引用元楽天Books)

 
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

↓全て表示↑少なく表示
Users Voice
読みやすく、取りかかりやすい本になっていると思います。読み解くには、少々難易度高いですが、ソースコードも掲載されているし、やれなくはない印象です。 (参考:YahooShopping)

↓全て表示 ↑少なく表示
python コードが実際に試せるのですごい良かった。
中身の数式は途中から白目でした笑
いままではプログラムとか便利な関数を使うことにフォーカス当ててたけどやっぱもう一歩深く踏み込むなら数式の理解が必要だなと、そして数式に自分なりの工夫を入れてみるのも面白いかなと思った。
しかし音源分離系の数式はむずい、、、線形代数苦手だわ (参考:honto)

↓全て表示 ↑少なく表示
python コードが実際に試せるのですごい良かった。
中身の数式は途中から白目でした笑

いままではプログラムとか便利な関数を使うことにフォーカス当ててたけどやっぱもう一歩深く踏み込むなら数式の理解が必要だなと、そして数式に自分なりの工夫を入れてみるのも面白いかなと思った。

しかし音源分離系の数式はむずい、、、線形代数苦手だわ (参考:楽天)

↓全て表示 ↑少なく表示
内容サンプル

(引用元楽天Books)

 
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)

↓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


↓全て表示↑少なく表示
 
内容サンプル

(引用元Amazon)

 
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)

↓全て表示↑少なく表示
Users Voice
Python flaskでwebアプリを開発してみたいと思い購入しました。入門編ということで初心者の私にも分かりやすい本です。 (参考:YahooShopping)

↓全て表示 ↑少なく表示
基本的な知識がないと難しい。入門書としてはハードルが結構高い。
サンプルはありますが、章ごとではなく最終のため、どこまでが本当に必要なのかが判断が難しい。 (参考:楽天)

↓全て表示 ↑少なく表示
内容サンプル

(引用元Amazon)

 
  

「スッキリわかるPythonによる機械学習入門」

スッキリわかるPythonによる機械学習入門
(著)須藤秋良
発売日 2020/10/16
総合評価
(4.3)
(2022/08/18 12:06時点)
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。

↓全て表示↑少なく表示
 
内容サンプル

(引用元楽天Books)

 
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

↓全て表示↑少なく表示
Users Voice
とにかくわかりやすい。 ページ数はかなり多くて辞書みたいな本ですが、とにかくわかりやすです。 今まで様々な本で機械学習について勉強しようとして挫折をしていましたが、基礎の基礎からかんたんなコードを繰り返し学べるのでいつの間にかできるようになっています (参考:YahooShopping)

↓全て表示 ↑少なく表示
まだ読み始めですが、初歩から進めていける構成になっていそうです。途中に練習問題が設定されていますが、飛ばさずに行えば定着に役立つでしょう。 (参考:YahooShopping)

↓全て表示 ↑少なく表示
本書はpythonでデータ分析を行うための入門書である。基本の基本が丁寧に書かれており、かつ機械学習についても初学者でも概念がなんとなくでも理解できるように書いてあるため、データサイエンスをやってみたい、という人が1冊目に読む本としてはとても適していると感じた。
一方で、網羅性と言う観点で言うと、やはり入門書ということで不十分なところがいくつかあるので(たとえばnumpyについての解説が全くない、pandasやsklearnについての説明も限定的)、これを足がかりにオライリーなど他の本にあたって知識を補充していく必要があると感じた。
余談だが、この本は全くの初学者がデータサイエンスを一旦やりきれるところまで書かれているのだが、どうやったら機械学習の概念を簡単に説明できるのか等、相当検討の上書かれたのだと思う。そういう意味ではすごい力作なのではないかと個人的には思っている。 (参考:honto)

↓全て表示 ↑少なく表示
内容サンプル

(引用元楽天Books)

 
  

 

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
500円
3
1,000円
4
480円
5
499円
6
499円
7
500円
8
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
みんなのAI講座 ゼロからPythonで学ぶ人工知能と機械学習 【2022年最新版】...
発売日 2016/11/17
受講者 54,422人
通常 15,000円
現在 2,440円
(4.3)
総評価数 9526件
2
(4.3)
総評価数 653件
3
Pythonで機械学習:scikit-learnで学ぶ識別入門
発売日 2016/10/17
受講者 13,664人
通常 2,440円
現在 1,840円
(4.3)
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
(4)
総評価数 2274件
5
(4.5)
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

タイトルとURLをコピーしました