「機械学習」の検索結果

機械学習は、人工知能を支える技術の1つです。本書では、RaspberryPiを使いサポートベクトルマシンや多層ニューラルネットワークを体験し、機械学習の概念の理解を目指します。最後はディープラーニングの演習も行います。演習用のプログラムはダウンロードできるので、プログラミング経験なしでも、すぐはじめられます。機械学習にはScikit-learn、ディープラーニングにはkeras、画像処理にはOpenCVを使用します。●本書で行う主な演習・アヤメのデータを種類別に分類する・0～9の手書き数字を分類する・マウスで描いた数字を認識する・カメラで映した手の形(グー、チョキ、パー)を認識する・じゃんけんで人間が次に出す手を予測する・コンピュータと勝負!じゃんけんシステムを構築する・上記の演習のディープラーニングによる性能向上【本書の演習を行ううえで推奨する機器やシステム】・RaspberryPi……RaspberryPi2ModelBまたはRaspberryPi3ModelB・OS……Raspbian(NOOBS2．4．4以降。「Stretch」というバージョン以降のもの)【注】本書の演習は、RaspberryPiとRaspbian以外の環境には対応しておりません。また、本書は、パソコンやインターネットの一般的な操作をひと通りできる方を対象にしているため、基本操作などは解説しておりません。本書に掲載される情報は、2018年2月下旬時点のものです。刊行後の最新情報はサポートサイトに掲載します。【本書のサポートサイト】(本書刊行後よりご利用いただけます)http：//bluebacks．kodansha．co．jp/special/ml．htmlサポートサイトがメンテナンス中の場合の対処法は、https：//twitter．com/bluebacks_pubにて発信します。

機械学習の手法を紹介する入門書。数式だけではなく、イラストや図が豊富だから直感的でわかりやすい。MATLABのサンプルプログラムでらくらく実践。黄色本よりさきに読もう。

最短経路で平易に理解できる、今までにない入門書! ベイズ主義機械学習(ベイズ学習)の基本原理にのっとり、「モデルの構築→推論の導出」という一貫した手順でアルゴリズムの作り方を解説。どこまでも分かりやすい! 【主な内容】 1 機械学習とベイズ学習 2 基本的な確率分布 3 ベイズ推論による学習と予測 4 混合モデルと近似推論 5 応用モデルの構築と推論 【機械学習スタートアップシリーズ】 本シリーズは、「機械学習ブーム」の先駆けとして2015年から刊行されている『機械学習プロフェッショナルシリーズ』の弟分的な存在を目指す、注目の新シリーズです。 「機械学習をもっと身近に、機械学習をもっとわかりやすく!」を合言葉に、より丁寧な記述で、基本的なテーマを解説していきます。 まず、以下の2点を同時に刊行いたします(^o^)/ 『これならわかる深層学習入門』瀧 雅人・著 『ベイズ推論による機械学習入門』須山 敦志・著/杉山 将・監修

大好評『OpenCVによる画像処理入門』の続編がついに誕生! 運動復元、物体追跡、画像レジストレーション、三次元再構成、機械学習をOpenCVで学ぼう!汎用性の高いアルゴリズムのプログラム例を多数掲載した。OpenCV3系に対応。多彩な内容で、欲張りな一冊! 【「まえがき」より】 本書は『OpenCVによる画像処理入門』の続編である．本書は，工業高等専門学校生，大学学部生，大学院生などを主な対象として構成し，基本的かつ汎用性の高いコンピュータビジョン・機械学習アルゴリズムを選定して掲載した． 前著と同様に，各章では，まず各技術の理論について解説し，その後，その技術をOpenCVを用いて実装する方法について紹介している．実装については，各技術について1つ 1つ実行できるようなプログラム例を掲載しているので，実行することで理論の理解を深めることができる． 学生だけでなく，CVの新しいアプリケーションを開発しようとしている技術者が，自身の課題に簡単に応用できるように配慮している．CVの各種の実装方法については，そのエッセンスのみから構成されるようなコーディング法で実装することを心がけている． 【おもな内容】 Chapter0 コンピュータビジョンとは? Chapter1 特徴検出 Chapter2 特徴量記述 Chapter3 運動復元 Chapter4 物体追跡 Chapter5 画像レジストレーション Chapter6 カメラモデル Chapter7 エピポーラ幾何 Chapter8 カメラキャリブレーション Chapter9 3次元再構成 Chapter10 機械学習とは? Chapter11 人工的なデータの生成 Chapter12 主成分分析 Chapter13 クラスタリング Chapter14 k最近傍法 Chapter15 ベイズ識別 Chapter16 サポートベクトルマシン Chapter17 決定木 Chapter18 ニューラルネットワーク Chapter19 ブースティング Chapter20 識別器の性能評価

機械学習の予備知識がない読者を、研究の最前線までしっかり連れて行く、ひとりでも学べる入門書! 深層学習の理論を初めて学ぶ人はもちろん、今度こそ理解したい人のために。 【甘利俊一先生推薦】 「世の中に人工知能の解説書は多いが、基礎から始め、その仕組みを理論的に明快に説明したのは本書が初めてといってよい」 【主な内容】 1 はじめに 2 機械学習と深層学習 3 ニューラルネット 4 勾配降下法による学習 5 深層学習の正則化 6 誤差逆伝播法 7 自己符号化器 8 畳み込みニューラルネット 9 再帰型ニューラルネット 10 ボルツマンマシン 11 深層強化学習 【機械学習スタートアップシリーズ】 本シリーズは、「機械学習ブーム」の先駆けとして2015年から刊行されている『機械学習プロフェッショナルシリーズ』の弟分的な存在を目指す、注目の新シリーズです。 「機械学習をもっと身近に、機械学習をもっとわかりやすく!」を合言葉に、より丁寧な記述で、基本的なテーマを解説していきます。 まず、以下の2点を同時に刊行いたします(^o^)/ 『これならわかる深層学習入門』瀧 雅人・著 『ベイズ推論による機械学習入門』須山 敦志・著/杉山 将・監修

道具として「測度」が必要な人のための一冊。情報科学・工学・自然科学に「使う」のに十分な内容をコンパクトにまとめ、ルベーグ積分のチェックポイントもわかりやすく示した。データサイエンス、機械学習の理解にも好適。

機械の設計や材料の開発に必要な基礎的学問である固体力学の入門書。材料力学を学習した後、進んだ内容を学習する人に向けて、弾性力学、塑性力学、粘弾性力学、連続体力学についてわかりやすく解説する。