「機械学習」の検索結果

【概要】人工知能関連のプロダクト・サービスの開発において、機械学習は最初の学習領域です。本書は、機械学習の基本と実践手法について解説した書籍です。機械学習の開発環境の準備、実際の現場での利用方法、そしてブラックボックス化しがちな理論部分もしっかりフォローしています。データ集計・整形と組み合わせた機械学習モデルの利用方法も解説しています。【読者対象】人工知能関連の開発に携わる開発者、研究者【著者】大曽根圭輔(おおそね・けいすけ)筑波大学大学院システム情報工学研究科博士後期課程修了。博士(工学)。2012年に株式会社サイバードに入社し、データ分析部門立ち上げ等を担当。2015年に株式会社Gunosyに入社、アルゴリズム開発やユーザ行動分析、グノシー事業の責任者を担当。データ可視化が好きで、業務外の活動で「STATDASHグランプリ2016」総務大臣賞、第14回日本統計学会統計教育賞などを受賞。関喜史(せき・よしふみ)富山商船を卒業後、東京大学工学部に編入学。同大学院工学系研究科博士課程修了。博士(工学)。2011年度未踏OB。未踏ジュニアPM。大学院在籍中にGunosy(グノシー)を共同開発し、2012年にメーカー創業。創業期からニュース配信ロジックの開発を担当し、現在は研究開発に従事。2017年度言語処理学会論文賞受賞。推薦システム、ユーザ行動分析が専門。米田武(よねだ・たけし)1992年生まれ。2015年3月筑波大学理工学群数学類卒業、2017年3月大阪大学大学院理学研究科数学専攻修了。修士(理学)。CertifiedKubernetesApplicationDeveloper(CKAD)。AWSSummitTokyo2018登壇。2017年4月に株式会社Gunosyにデータ分析エンジニアとして新卒入社後、現在は推薦システムの設計からアルゴリズムのデザインのみならず、インフラ構築を含めたサーバーサイド全般に従事。

数式でもない実装でもない、 半径3メートルの身近なアルゴリズムはこんなにわかりやすい! プログラミングにおいて、アルゴリズムは欠かせません。 それは「Hello World」から昨今のAIやIoTに代表される機械学習や ディープラーニングに至るまで変わりません。プログラミングとは、 裏を返せば、アルゴリズムをいかにして見通しよく実装するかにあるからです。 けれども、アルゴリズムの学習というと、七面倒臭い理屈の山と数式の谷間で 迷子になるのが、これまでの一般的な在り方でした。 そこで本書は、イラストを多用し、デファクトと言われるアルゴリズムが なぜデファクトなのか。けれども場合によってはデファクトたりえないのは なぜなのか。その差を分ける基準は何なのかを平易に解説してくれます。 アルゴリズムと聞くとアレルギー反応をおこす方でも、安心して その奥深い世界の扉から漏れてくる、豊かさの一端に触れることが出来るはずです。 【目次】 第1章 あれもこれもアルゴリズム 第2章 並べたり差し込んだり選んだり：ソート 第3章 同じ手順で何度でも：再帰 第4章 ちっちゃくしてから考えよう：クイックソート 第5章 関連付ければ話も早い：ハッシュテーブル 第6章 グラフを作れば見えてくる：幅優先探索 第7章 本からピアノへ物々交換大作戦：ダイクストラ法 第8章 問題は続くよどこまでも：貪欲法 第9章 ドロボーは計画的に：動的計画法 第10章 分類したら予測して：k近傍法 第11章 この先にはなにがあるの? 第12章 答え合わせ 【著者紹介】 Aditya Bhargava(アディティア・バーガバ) シカゴ大学でコンピューターサイエンスの修士号を取得したAditya Bhargavaは、 ハンドメイド商品のオンラインショップ、etsy．comのソフトウェアエンジニアです。

昨今の機械学習ブームの中、IT業界を中心とするエンジニアの方々から、「機械学習に必要な数学をもう一度しっかりと勉強したい」、そんな声を耳にすることが増えました。本書は、そのような読者を念頭におき、理工系の大学1、2年生が学ぶレベルの解析学(微積分)を基礎から解説した書籍です。大学生向けの教科書であれば、すでに多数の書籍がありますが、本書の特徴は、「定義と定理をもとに、厳密に展開される議論をとにかく丁寧に説明する」という点にあります。数式の変形についても、途中の計算をできるだけ省略せずに記載して、議論の展開を見失うことがないようにと配慮しました。大学生のころに勉強した、あの「厳密な数学」の世界をもう一度、がっつりと堪能していただけることでしょう。 「機械学習に必要な数学」というと、数学をただの道具と割り切って、公式の使い方、あるいは、数式が表わす意味だけを直感的に理解できれば十分と考える方もいるかもしれません。たしかに、道具として機械学習を使うだけであれば、数学の深い知識は必要ないかもしれません。しかしながら、機械学習のために数学が必要と考える方の多くは、数式を含んだ高度な書籍や論文を読みこなしてみたいという方ではないでしょうか。そのためには、やはり、定理や公式の内容、あるいは、数式の変形を根本から理解する必要があります。そして、そのための最短経路は「証明の内容を理解する」ことにあります。――ある定理・公式がなぜ成り立つのか、どのようにしてそれが証明されるのか、そこをおさえることで数式の背後に隠れた本質が理解できます。その結果として、どのような場面でそれが役に立つのか、なぜここでこの数式が必要なのか、そういった点が自然に理解できるようになるのです。 機械学習に関連する数学には、大きく、解析学、線形代数学、確率・統計学の3つの分野があります。本書は、これらの中で最も基礎となる、解析学、とくに、微積分の理論を中心に解説しています。残念ながら、本書一冊で機械学習に必要な数学がすべて学べるというわけではありませんが、もう一度、本格的な数学の世界に触れ、自信を持って「機械学習の本質が理解できた」と言えるための第一歩は、必ずここにあるはずです。受験勉強から解放されて、あこがれの大学数学の教科書を開いたあの時の興奮をわずかなりとも思い出していただければ、筆者にとってこの上ない喜びです。 ■本書の特徴 ・機械学習に関連する数学の最も基礎となる解析学・微積分を順序立てて学習できる ・定義と定理をもとに、厳密に展開される議論を丁寧に説明している(再入門者に理解しやすい) ・各章の最後に理解を深めるための演習問題を用意 ■対象読者 ・大学1、2年のころに学んだ数学をもう一度、基礎から勉強したいエンジニア ※理系の高校数学の知識が前提となります。理工系の大学

Apache Sparkは多数のコンピュータを並列で動かして高速処理を実現する技術です。大量データのバッチ処理や機械学習など、ビッグデータの分野での活用が期待されるOSS(Open Source Software)です。 Apache SparkはUCバークレイで提唱されたRDD(Resilient Distributed Dataset)というデータモデルを採用し、メモリを上手に活用した効率的な処理を実現します。これにより、並列分散処理において高いパフォーマンスが期待できます。また、分散処理フレームワークHadoopとの高い親和性を有しており、YARNやHDFSなどのHadoopシステムの枠組が利用できます。 本書はApache Sparkの概要からRDDによる処理の仕組み、導入やアプリケーション開発までを解説します。また、「SQLインターフェイス」「機械学習」「ストリーム処理」「グラフ」などApache Spark周辺のライブラリの活用についても説明します。 話題のApache Sparkの仕組みとその利用方法を理解することにより、データ処理の新しい潮流を知ることができます。

ビッグデータ分析、統計学、AI、機械学習の基礎理解と「使いこなし」を 世界的総合コンサルティング企業のアクセンチュアのプロフェッショナルが徹底解説! 本書は世界的なコンサルティング会社「アクセンチュア」のデータサイエンティスト工藤卓哉氏、保科学世氏を中心に、同社の専門チーム「アクセンチュア アナリティクス」のメンバーが、企業の実務家向けにデータ分析の考え方と具体的な実践手法を解説した本です。 第一部の「データアナリティクスの基礎」編ではアナリティクのビジネス背景を業種向けに解説し、必要となる統計学の基礎的な考え方課題の定義や立案の方法を紹介。第二部の「データアナリティクスの実践」では、機械学習や人工知能、ディープラーニングの動向とアナリティクスの関係を掘り下げ、ビジネス上必要となる、それぞれの分析手法を、無料ソフトウェアの「R」のパッケージやWebによる分析サービスなどを用いて、手を動かして実践するところまでを解説しています。 データアナリティクスの基礎から実践までを、専門家だけではなくビジネスパーソンが体系的に理解し、実践するための格好の定番書です。 内容(抜粋) 【第一部】 ・データサイエンスが作り出すビジネス革新 ・分析で必須となる一般的な統計知識 ・課題の定義、仮説立案 ・データ収集・加工 ・システム処理基盤 【第二部】 ・機械学習とは ・アソシエーション分析 ・クラスタ分析 ・決定木分析 ・経路探索、R言語と地図データによる実行 ・協調フィルタリング ・H2Oでディープラーニング こんな方にお勧め ・データ分析などで課題解決をおこないたいビジネスパーソン ・データを収集 ・分析から事業立案をおこなおうとする事業開発部門、戦略部門の方 ・データ分析基盤や分析フローをつくるIT担当、情報システム関連の方 ・データ分析を普及したい教育担当の方 ・データ分析の基礎を習得したい学生の方

”【本書の概要】 本書は株式会社アイデミーで大人気の講座『ディープラーニングで画像認識モデルを作ってみよう!』を書籍化したものです。 機械学習の基本からはじまり、Pythonの基礎、データの処理、深層学習の基本から応用ついて、 サンプルを元に実際に動かしながら、わかりやすく解説します。 各項には練習問題がありますので、学習効果を確かめながら読む進めることができます。 本書を読めば、機械学習から深層学習の基本を一気通貫で学習できます。 これから深層学習をはじめたい、初学者の方におすすめの1冊です。 【本書の対象】 人工知能関連の開発に携わる初学者(開発者、研究者、理工系学生) 【本書の構成】 第1章から第3章で機械学習の基本を、 第4章から第6章ではPythonの基礎知識を、 第7章から第9章ではNumPyやPandasの基礎知識を、 第10章から第13章では可視化の基礎知識を、 第14章から第15章ではデータの扱い方の基本を、 第16章から第18章では教師あり学習やハイパーパラメータとチューニングを、 第19章から第22章では深層学習について基本か応用まで、 丁寧に解説します。 【著者プロフィール】 石川 聡彦(いしかわ・あきひこ) 株式会社アイデミー 代表取締役社長 CEO。 東京大学工学部卒。株式会社アイデミーは2014年に創業されたベンチャー企業で、 10秒で始める先端テクノロジー特化型のプログラミング学習サービス「Aidemy」を提供。 様々な企業のアプリケーション制作・データ解析を行った。現在の主力サービス「Aidemy」は AIやブロックチェーンなどの先端テクノロジーに特化したプログラミング学習サービスで、 リリース100日で会員数10，000名以上、演習回数100万回以上を記録。 早稲田大学主催のリーディング理工学博士プログラムでは、AIプログラミング実践授業の講師も担当した。 著書に『人工知能プログラミングのための数学がわかる本』(KADOKAWA/2018年)などがある。 ”

【本書の特徴】 2015年11月にGoogleがオープンソース化したソフトウェアライブラリ「TensorFlow(テンソルフロー)」は、 多くの開発者に支持され、多企業で採用されています。 本書は、TensorFlowの導入から、高レベルAPIであるKerasを利用した実践的な深層学習モデルまで解説した、 エンジニア向けの入門書です。 第1部の基本編では、深層学習とTensorFlow、Kerasの基礎について解説し、 第2部の応用編では画像処理における応用的なモデルのKerasを使った実装方法を解説します。 特に、第2部では、「ノイズ除去」「自動着色」「超解像」「画風変換」「画像生成」を取り上げています。 TensorFlowやKerasの機能面を押さえつつ、現場で使用できるような実践的な深層学習モデルまでフォローしています。 【対象読者】 深層学習に入門したいエンジニア 第1部 基本編 第1章 機械学習ライブラリTensorFlowとKeras 第2章 開発環境を構築するる 第3章 簡単なサンプルで学ぶTensorFlowの基本 第4章 ニューラルネットワークとKeras 第5章KerasによるCNNの実装 第6章 学習済みモデルの活用 第7章 よく使うKerasの機能 第2部 応用編 第8章 CAEを使ったノイズ除去 第9章 自動着色 第10章 超解像 第11章 画風変換 第12章 画像生成

【本書の概要】 本書は学術論文(NatureやGoogleのサイト)などで提供されている難解なアルファ碁およびアルファ碁ゼロの仕組みについて、 著者がとりまとめ、実際の囲碁の画面を見ながら、 アルファ碁およびアルファ碁ゼロで利用されている深層学習や強化学習の仕組みについてわかりやすく解説した書籍です。 特にデュアルネットワークはまったく新しい深層学習の手法で国内外の技術者の関心を集めています。 本書を読むことで、最新AIの深層学習、強化学習の仕組みを知ることができ、 自身の研究開発の参考にできます。また著者の開発したDeltaGoを元に実際に囲碁AIを体験できます。 【増補改訂のポイント】 Chapter1から5の部分は、よりわかりやすく内容を加筆修正しています。 またChapter6はアルファ碁ゼロに対応しています。 改訂にあたり、色数も2Cに変更。よりわかりやすいビジュアルになっています。 【対象読者】 人工知能関連の開発者、研究者 【著者プロフィール】 大槻知史(おおつき・ともし) 2001年東京大学工学部計数工学科卒業。2003年同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。 以降、機械学習・最適化などの研究開発に取り組む。ゲームAIプログラマとしては、2001年より、囲碁・将棋プログラムの開発に従事。 著者の開発した将棋プログラム「大槻将棋」は、2009年世界コンピュータ将棋選手権にて第2位。博士(情報理工学)。 【監修者プロフィール】 三宅陽一郎(みやけ・よういちろう) デジタルゲームの人工知能の開発者。京都大学で数学を専攻、大阪大学大学院物理学修士課程、 東京大学大学院工学系研究科博士課程を経て、人工知能研究の道へ。 ゲームAI開発者としてデジタルゲームにおける人工知能技術の発展に従事。 国際ゲーム開発者協会日本ゲームAI専門部会設立(チェア)、日本デジタルゲーム学会理事、芸術科学会理事、人工知能学会編集委員。 共著『デジタルゲームの教科書』『デジタルゲームの技術』『絵でわかる人工知能』(SBクリエイティブ)、 著書『人工知能のための哲学塾』(BNN新社)、『人工知能の作り方』(技術評論社)、 『ゲーム、人工知能、環世界』(現代思想、青土社、2015年12月)、 最新の論文は『デジタルゲームにおける人工知能技術の応用の現在』(人工知能学会誌 2015年、学会Webにて公開)。