「機械学習」の検索結果

「ビッグデータ」，「データサイエンティスト」，「AI」といった言葉がよく聞かれ，日々蓄積されるさまざまなデータの利活用が推進されている昨今，「機械学習」は，これらの言葉と切っても切れない存在となっている。本書は，さまざまなデータから未来を予測する”回帰問題”や”分類問題”に焦点を当て，多くのPythonのコードとともに，機械学習の効率的なアルゴリズムを取り上げていく。アルゴリズムがどのように振る舞うかをプログラムから理解し，結果を適切に解釈できるよう，動作を理解するためのコードと，実践で利用する最適化されたコードの2種類を用意し，また無償で入手可能なデータセットに対してアルゴリズムを適用し，その実行結果から解釈の仕方に至るまでを丁寧に解説している。実際に手を動かしながら読み進めていくことで，データ解析に必要な考え方を一通り身につけることができる，データ解析の入門書として格好の1冊となろう。[原著名：MachineLearninginPython：EssentialTechniquesforPredictiveAnalysis]

「学習とはできるだけデータを圧縮できるような構造を見つけ出すことである」という指針の下、統一的に学習アルゴリズムを設計し、解析することを試みる。機械学習を貫くひとつの視点を提示する書。

スパース表現を用いたモデル化は，2000年以降急速に発展した基礎分野であり，その応用分野は幅広く，信号処理・画像処理のみならず，機械学習，画像認識，コンピュータビジョン，自然言語処理など，多岐に渡っている。 本書は学生向けの講義を念頭に書かれているため，理論的基礎や研究背景を詳細なアルゴリズムを交えて丁寧に解説している。また，画像処理を応用例として豊富に説明しているため，本書があれば基礎から応用までを理解することができる。

本書では，確率的グラフィカルモデルの統計的機械学習理論について，画像処理とパターン認識に応用例を絞りつつ概説することから始める。特にパターン認識では，クラス分類問題という視点において，多値ロジスティック回帰モデルと制約ボルツマンマシンという2つの確率的グラフィカルモデルを通し，深層学習の基礎となる数理を紹介する。その上で，グラフ構造の疎(Sparse)性という深層学習とは真逆の性質を元に急速に展開しつつあるスパースモデリングという新しい研究領域の最近の理論的基盤の深化の様子を，連続最適化問題という視点から解説する。

機械加工法における種々の加工方法や生産・製造に関する技術を、系統的に学習する入門書。そして、読者自身が機械加工法の全容を把握し、合理的な加工法を企画し、実施する能力を養う。図・表を豊富に収録。