「機械学習」の検索結果

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(GAN)、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。「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―単純な機械学習アルゴリズムの訓練；分類問題―機械学習ライブラリscikit‐learnの活用；データ前処理―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―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―連続値をとる目的変数の予測；クラスタ分析―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―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―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―敵対的生成ネットワーク；複雑な環境での意思決定―強化学習

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。

数学の知識がなくても読み進められる、理論だけでなく実践面も重視した機械学習の入門書! バックグラウンドに数学的な知識がなくても理解できるように書かれた、Pythonを使った機械学習の入門書。Pythonの機械学習用ライブラリの大定番、scikit-learnの開発に関わる著者が、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。最初に実践について述べて後から理論を補強するスタイルで、理解しやすいように工夫されています。理論面と実践面のバランスが良く、モデルの評価と改善について多くの紙面を割くなど、類書にはない特徴を備えています。

2006年出版以来、amazon.comの人工知能部門で世界的トップセラーとなり、たちまち4刷となった英語版原著Pattern Recognition and Machine Learning、待望の日本語版。5名の監訳者のもと、選りすぐられた日本人研究者達14名によって丁寧に訳出。ベイズ理論に基づいた統一的な視点から、機械学習とパターン認識の様々な理論や手法を解説。

実際に装置を作ることでリンク機構の働きがわかる!

ラズベリー・パイを高度な赤外線学習リモコンにする拡張基板です。 基板上の10個のスイッチを、それぞれ外部赤外線リモコンの動作を基板本体内に記録可能。 メーカーサイトにて、各社2500以上のリモコンコードを公開、リモコンコードを自由に選んでオリジナルの高機能リモコンを作成できます。

「最近よく聞くPythonってなんだろう?」 「プログラミングをやってみたいけど、どこから始めればいいかな?」 そんな風に思っている方にぴったりの1冊です。 本書は、Pythonに興味を持っている方や、これからプログラミングを始めてみたい方、プログラミングに興味のある学生さんに向けて、丁寧に、やさしく解説をした本です。 書籍でプログラミングを学ぶ場合につまづきがちな環境構築はなるべく簡単なものを選び、簡単に始められるようにしています。プログラミングも、簡単なものから少しずつステップアップして、無理なく進めていけるようになっています。 この本の特徴は、「できた!」「動いた!」という感覚を積み重ねていけることです。すぐに動かせるサンプルを使いながら基本文法を学習できるようにし、「動かしながら学べる」ようにしています。 思い通りに動かすことで、学んだことがしっかりと身につきます。 Pythonの入門書は、画面にプログラムの結果を表示させて終わるものが多いですが、本書では、後半の章で、画面に円や四角を描画したり、ゲームを作ったりと、わくわくするような結果が得られるサンプルを用意しています。今話題の機械学習にもチャレンジしています。 たとえば、Chapter 6 ではプレイヤーをゴールまで連れて行く迷路ゲームや、車を操作するドライブゲームを作ります。自分で作ったゲームが動く喜びを、ぜひ味わってみてください。 Chapter 7 では、花の画像の分類や、手書き文字の認識、自分で収集した画像の分類などを行います。機械学習の第1歩を、ぜひここで体験してみてください。 本を読み終えたときにはきっと、「もっといろんなことができるようになりたい」と思ってもらえる、そんな1冊です。 Chapter 1 プログラミングって何だろう? Chapter 2 プログラミングをはじめよう Chapter 3 制御構文を使ってみよう Chapter 4 リストと辞書型を使ってみよう Chapter 5 関数を使ってみよう Chapter 6 ゲームを作ってみよう Chapter 7 機械学習に挑戦してみよう

ギヤを使用して回転や動力伝達がわかる! ベースに挿し込むだけで簡単に歯を噛み合わせられます。

自由な長さに調節でき、任意の位置でケーブルをしっかりロックします(特許取得済み) ケーブルは摩擦や雨に強いビニールコーティング仕様 ロック部分も錆びにくい コンパクトにまとめることができ、持ち運びに便利 パイソン(ヘビ)をイメージしたユニークなデザイン

「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]

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。

機械学習技術を使って異常検知をやってみたい人のための実用ガイド。異常検知に関わる技術の断片をただ羅列せず、実問題を解く上でぶつかる困難に立ち向かうための方法を体系的に解説する。

初学者が一通りのパターン認識と統計的学習の基礎について学ぶことができる。WebでC言語プログラムを公開した。

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

【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。

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

機械学習と人工知能技術を完全マスター!線形回帰からニューラルネットワークまで。機械学習のアルゴリズムをマスター。TensorFlowでの実装を解説! 1機械学習に必要なもの(機械学習の旅；TensorFlowの必需品)； 2主要な学習アルゴリズム(線形回帰とその先；クラス分類の簡単な紹介；自動的にデータをクラスタリングする；隠れマルコフモデル)； 3ニューラルネットワークの実例(自動エンコーダの中身；強化学習；畳み込みニューラルネットワーク)

最新ITキーワード解説書として大人気の「60分でわかる」シリーズ、機械学習の解説書です。難解な技術と思われがちですが、今やすべてのビジネスの効率化に理解が欠かせない機械学習。その基礎から最新知識までを幅広く解説するのが本書です。機械学習の歴史や活用事例をはじめ、機械学習を支える技術、中小企業や個人でも実現できるビジネス活用のヒントなどをわかりやすく解説します。ビジネスパーソンが知っておきたい機械学習のすべてが、この一冊でわかります!

リンク機構のアーム材、軸受け材、構造材などに幅広く使える強度の高いABS製アーム。サイズは幅10mm長さ210mm厚さ 3.5mm。5mm間隔で3mmの穴が設けられ、取り付け個所を自由に選べ、ニッパーやカッターで手軽に好みの長さに切断。色はグレー。3mmプッシュリベットセットと組み合わせて、ロボット工作の動きに必要な様々な構造を作ることができます。

「理論」「実践」の両面から学べる、機械学習入門書の決定版!◆機械学習の理論をわかりやすく解説数式をしっかり扱いつつも、平易なことばで直感的な理解ができるよう工夫されています。また、分析したいデータの種類によってアルゴリズムを分類・整理して解説することで、現実で問題に直面した際に適用できるアルゴリズムが何なのかが理解でき、必要な部分から学んでいけるよう構成されています。◆幅広い手法を網羅「機械学習とは何か」という初歩の初歩から、識別・モデル推定といった基本的な考えかた、ニューラルネットワーク・サポートベクトルマシンといった応用手法、そして深層学習・強化学習といった発展的なトピックまで、様々なアルゴリズムがとりあげられています。◆Python/Wekaでアルゴリズムを実装アルゴリズムの解説だけでなく、Python/Wekaによる実装例も多数掲載されています。理論を学んだあとに、解析例をもとにデータの読み込みから結果の可視化まで1ステップずつ実装していくことで、表面的な理解にとどまらない、「現場で役立つ」知識が身につきます。第2版では、Pythonによる実装例が多数追加されたほか、勾配ブースティング・リカレントニューラルネットワーク・深層強化学習などの近年話題のトピック追加をはじめとして、全面的に最新の解説にアップデートされています。

データの収集・可視化・分析まで自学自習できるよう、基本技術から具体的なコンピュータ環境の構築と分析ツールの実装法までを解説。

大きな設定ダイヤルでパラメータを一発設定! EASYキーで、使用頻度の高いパラメータのみ表示 インバータに電源を入れなくても、パラメータ設定が可能 長寿命設計 RoHS(欧州特定有害物質使用制限)指令に対応 安全機能搭載で、信頼性の高い出力遮断が可能 モータと一緒に、省エネルギーを実現 高トルク負荷を楽々運転 オートチューニングで、モータ定数を簡単設定 ティーチング機能で、昇降機械を簡単調整 RS485通信機能を標準装備 充実のネットワークオプション対応 簡易プログラミング機能＜My機能-S＞搭載

Pythonでデータ分析や機械学習を行うためのリファレンス! Pythonのデータサイエンス用のツールを使いこなし、効率よく仕事を進めるための、実用的な情報が詰め込まれたリファレンスです。IPythonとJupyter、NumPy、pandas、matplotlib、scikit-Learnをカバーします。それぞれのトピックについて、押さえておくべき基本、tips、便利なコマンドなどを紹介します。普段、Pythonで、データの操作、変換、可視化、統計的処理、データモデルの構築、科学計算を行う人にとって必須のリファレンスです。

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。

Raspberry Pi公式の7インチ・タッチパネルディスプレイです。Raspberry Piのディスプレイポート(DSI)とタッチパネルディスプレイ背面のアダプタボードを付属のリボンケーブルで接続して使用します。タッチパネルは静電容量式10点マルチタッチでタブレットなみの性能です。

Python3．8対応!Pythonのセオリーを徹底解説。言語仕様や思想からWebスクレイピングまで幅広い領域を完全網羅。1 Python―overview(Pythonの概要)；2 言語仕様(Pythonの基本；型とリテラル；制御構文；関数；クラス；モジュールとパッケージ；型ヒント；拡張モジュールと組み込み；標準ライブラリ)；3 実践的な開発(コマンドラインユーティリティ；チャットサーバー；アプリケーション/ライブラリの配布；テスト；Webプログラミング)；4 外部ライブラリ(学術/分析系ライブラリ；実践データ収集・分析；マルチメディア；ネットワーク；データストア；運用/監視)

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

機械学習、自然言語処理のプログラミングについて、人狼知能を通じて学びます。 第1章人狼知能とは； 第2章人狼知能エージェントの基礎知識； 第3章人狼知能エージェントプログラミング； 第4章機械学習入門； 第5章機械学習を活用した人狼知能エージェント； 第6章自然言語処理入門； 第7章自然言語処理を利用した人狼知能エージェント； 付録Aコマンドライン利用の基礎； 付録BJavaプログラミングの基礎； 付録Cオブジェクト指向の基礎と効率的なプログラミング； 付録DJava標準ライブラリの利用

機械学習のしくみを知りたいけど、数学は苦手… 専門書を読みたいけど、数式ばかりで挫折した… という人を「機械学習の世界」に導く，おすすめの1冊! 前半部では、機械学習・パターン認識の基礎を学びます。機械学習の理論を学習しようとすると、高度な数学の知識が必要と思われがちですが、本書は「パターン認識ってなに?」といった初歩の初歩からかみくだいて解説しています。もちろん初歩だけでなく、ニューラルネットワーク・サポートベクトルマシンなどの重要トピックの理論的な側面まで、Scilab、Wekaを使ったパターン認識の演習を行いながら学ぶことができます。後半部では、HTK、Julius、MMDなどのフリーソフトを使いながら音声認識システムをつくっていきます。音声やテキストに対してパターン認識を適用する際は、隠れマルコフモデル・N-gramなどの言語モデルに関する難解な知識が必要になりますが、手を動かすと同時に理論面も学習することによって、音声認識にとどまらない「実際の認識に使える」知識が身につきます。 「学びはじめの1冊に最適」と評判の機械学習の定番入門書が、リカレントニューラルネットワーク・畳込みニューラルネットワークなど近年の技術動向を反映した解説を加えて第2版となりました。

MC-1200シリーズ Intel(R) Core(TM) i7プロセッサー搭載、IIoT、AI、機械学習アプリケーション向けに設計された、超コンパクトで堅牢なエッジコンピュータ

高感度CMOSを搭載した500万画素の高画質USBカメラ 高画質(500万画素)、高フレームレート(最大30fps)を補助照明がない環境でも実現しました。 カメラ本体の上下にカメラネジ、4面全てにM4ネジ用の穴があり本体を装置等に直接固定できます。 市販のCマウントのレンズが使えます。 ソフト(HOZAN USB cam software2)で静止画・動画の撮影、静止画の編集、寸法計測が簡単に行えます。

本書は，人工ニューラルネットワークの一つであるボルツマンマシンについて，その基本的な理論から学習方法そして機械学習や強化学習への用い方について直観的に理解できるように解説をした。

高性能コンピューティング (HPC)、ビッグデータの分析と検索、金融コンピューティング、計算用ストレージ、機械学習などのあらゆるワークロードに対応し、最適化したアクセラレーション機能を提供します。

「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。

有限個の状態間遷移を表現するモデルである有限オートマトン。その理論に基づくコンパイラ、機械学習、情報検索、画像圧縮、暗号などへの応用を「応用オートマトン工学」と呼び、その理論と応用の一部を解説する。

WindowsでPython開発が手軽にできるツールを使い、AIプログラミングを体験する本です。 人工知能の学習テーマとして、再帰処理、ゲームAI、推論エンジン、機械学習、ディープラーニングなど、バラエティに富んだ内容とプログラミング・ノウハウを解説します。

Rを使うことで手を動かしながら解析の基礎が身につく!豊富なグラフで視覚的に理解できる!統計の基本から機械学習まで幅広く網羅した1冊．Rのサンプルコード付き!

なぜMATLABか?；MATLABとは；データビジュアライゼーションツールとしてのMATLAB；信号処理ツールとしてのMATLAB；Simulinkとは；プログラミング処理言語としてのMATLAB；機械学習ツールとしてのMATLAB；深層学習ツールとしてのMATLAB；MATLABプログラミング応用例

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