Customers who viewed this item also viewed

  1. [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)
    [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)
    4.3192
    USD28.26
  2. Python機械学習プログラミング［PyTorch＆scikit-learn編］ (impress top gear)
    Python機械学習プログラミング［PyTorch＆scikit-learn編］ (impress top gear)
    4.244
    USD29.67
  3. 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
    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
    4.4907
    USD24.02
Similar items shipping to United States
US
United States
See All Buying Options
Added to

Sorry, there was a problem.

There was an error retrieving your Wish Lists. Please try again.

Sorry, there was a problem.

List unavailable.
Kindle app logo image

Download the free Kindle app and start reading Kindle books instantly on your smartphone, tablet, or computer - no Kindle device required.

Read instantly on your browser with Kindle for Web.

Using your mobile phone camera - scan the code below and download the Kindle app.

QR code to download the Kindle App

  • 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)

Follow the authors

Get new release updates & improved recommendations
Sebastian Raschka
Follow
福島 真太朗
Follow
Something went wrong. Please try your request again later.

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) Tankobon Softcover – June 30, 2016

by Sebastian Raschka (Author), 株式会社クイープ (Translator), 福島真太朗 (Translator)
3.9 out of 5 stars (52)
機械学習の考え方とPython実装法がわかる!
分類/回帰問題や深層学習の導入を解説

◎絶妙なバランスで「理論と実践」を展開
◎Pythonライブラリを使いこなす
◎数式・図・Pythonコードを理解する

機械学習の各理論を説明し、Pythonプログラミングによる実装を解説。
初期の機械学習アルゴリズムから、深層学習の導入までを見ていきます。

原著『Python Machine Learning』は米国Amazon.comでベストセラー!
3つのカテゴリーで首位(2016/5/24時点)
Data Modeling & Design/Data Processing/Neural Networks

1章 「データから学習する能力」をコンピュータに与える
2章 分類問題 —機械学習アルゴリズムのトレーニング
3章 分類問題 —機械学習ライブラリscikit-learnの活用
4章 データ前処理 —よりよいトレーニングセットの構築
5章 次元削減でデータを圧縮する
6章 モデル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
7章 アンサンブル学習 —異なるモデルの組み合わせ
8章 機械学習の適用1 —感情分析
9章 機械学習の適用2 —Webアプリケーション
10章 回帰分析 —連続値をとる目的変数の予測
11章 クラスタ分析 —ラベルなしデータの分析
12章 ニューラルネットワーク —画像認識トレーニング
13章 ニューラルネットワーク —数値計算ライブラリTheanoによるトレーニングの並列化
付録 Jupyter Notebookの基本/matplotlibによる可視化/行列の固有分解

■「はじめに」より抜粋
機械学習の実務家になりたい、問題をもっとうまく解決したい、機械学習の研究者になりたい場合、
本書はそのためにある。ただし、初心者は機械学習の理論に圧倒されてしまうかもしれない。筆者が思うに、
実践的なサンプルコードを使用することは重要である。実際に試してみることで、概念が明確になるからだ。
筆者の使命は、これまでとは違う本を提供することである。それは機械学習の概念に不可欠な内容を取り上げ、
機械学習のアルゴリズムの仕組み、それらを使用する方法、そして(最も重要な)一般的な落とし穴を
避ける方法を直観的かつ有益な方法で説明する本である。

【本書の解説記事を技術解説サイト(Think IT)に掲載】
◎記事タイトル:「ブック・インサイド―『Python機械学習プログラミング』学び方ガイド」
本書に必要な前提知識(Python/ライブラリ/数学)、本書の構成と読み方のプラン等について説明し、
本書を通してより効果的に機械学習を学ぶための解説となっています。
Read more
Previous slide of product details
  1. Print length
    456 pages
  2. Language
    Japanese
  3. Publisher
    インプレス
  4. Publication date
    June 30, 2016
  5. Dimensions
    7.24 x 0.79 x 9.13 inches
  6. ISBN-10
    4844380605
  7. ISBN-13
    978-4844380603
Next slide of product details

There is a newer edition of this item:

[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)
[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)
USD 28.26
(192)
Only 15 left in stock (more on the way).

Product description

About the Author

■著者プロフィール
◎Sebastian Raschka(セバスチャン・ラシュカ)
ミシガン大学博士課程に在籍。計算生物学の分野で新しいコンピュータ手法の開発に取り組む。データ分析や機械学習の愛好家でもあり、データ分析の関連情報サイト「Analytics Vidhya」の記事では、GitHub上で影響力のあるデータサイエンティストの第1位にランクイン(2015/7/21)。また、オープンソースソフトウェアの機械学習ライブラリ開発にも貢献している。

■翻訳者プロフィール
◎株式会社クイープ
1995年、米国サンフランシスコに設立。コンピュータシステムの開発、ローカライズ、コンサルティングを手がけている。2001年に日本法人を設立。主な訳書に、『Scala 関数型デザイン & プログラミング --Scalaz コントリビューターによる関数型徹底ガイド』『CUDA C プロフェッショナル プログラミング』『Cisco ACI ポリシーベースのデータセンター アーキテクチャ/コンセプト/メソドロジー』などがある(いずれもインプレス発行)。http://www.quipu.co.jp

■監修者プロフィール
◎福島真太朗
1981年生まれ。株式会社トヨタIT開発センターのリサーチャー。2004年に東京大学理学部物理学科卒業。2006年東京大学大学院新領域創成科学研究科修士課程修了。専攻は物理学・応用数学。

Product Details

  • Publisher ‏ : ‎ インプレス
  • Publication date ‏ : ‎ June 30, 2016
  • Language ‏ : ‎ Japanese
  • Print length ‏ : ‎ 456 pages
  • ISBN-10 ‏ : ‎ 4844380605
  • ISBN-13 ‏ : ‎ 978-4844380603
  • Item Weight ‏ : ‎ 630 g
  • Dimensions ‏ : ‎ 7.24 x 0.79 x 9.13 inches
  • Amazon Bestseller: #512,340 in Japanese Books (See Top 100 in Japanese Books)
  • Customer Reviews:
    3.9 out of 5 stars (52)

About the authors

Follow authors to get new release updates, plus improved recommendations.
Previous page
  1. Sebastian Raschka

    Sebastian Raschka

    Brief content visible, double tap to read full content.
    Full content visible, double tap to read brief content.

    Sebastian Raschka, PhD is an LLM Research Engineer with over a decade of experience in artificial intelligence. His work bridges academia and industry, including roles as senior engineering staff at an AI company and a statistics professor.

    As an independent researcher and industry expert, Sebastian collaborates with companies on AI solutions and serves on the Open Source Advisory Board at University of Wisconsin–Madison.

    Sebastian specializes in LLMs and the development of high-performance AI systems, with a deep focus on practical, code-driven implementations.

    See more on the author's page
  2. 福島 真太朗

    福島 真太朗

    Brief content visible, double tap to read full content.
    Full content visible, double tap to read brief content.

    Shintaro Fukushima is a principal researcher and project general manager in Toyota Motor Corporation. He has been engaged in mathematical science across many industrial fields, including artificial intelligence (AI), machine learning, data mining, financial engineering, and knowledge representation. His fields ranges from automobile, manufacturing, service, finance, to medicine, for more than 15 years. He also has rich experience in research and development management.

    See more on the author's page
Next page

Customer reviews

3.9 out of 5 stars
52 global ratings

Top reviews from Japan

Translate all reviews to English
  • 奥村　秀嗣
    5.0 out of 5 stars 素晴らしい本
    Reviewed in Japan on November 9, 2018
    Format: Tankobon SoftcoverVerified Purchase
    本当にきめ細かく解説されていて素晴らしい本です。
    One person found this helpful
    Helpful
     Report
  • aiueo
    4.0 out of 5 stars 日本語翻訳はあまりよくない
    Reviewed in Japan on July 10, 2016
    Format: Tankobon SoftcoverVerified Purchase
    私は原本であるPython Machine Learningを読み、素晴らしい本だったため、日本語訳でも読みたいと思い購入しました
    しかし、中身を見てみると注釈だらけ!
    ひどいときは本文より注釈の方が多いページもあります
    原本では、そのまま訳せばすっきりと理解でき、ページに注釈などほとんど入ってなくて非常に読みやすかったです
    内容が非常に良い本であるため、もっと上手くし、読みやすいものにしてほしかった
    英語が得意であるなら、原本の方で読むことをおススメします
    34 people found this helpful
    Helpful
     Report
  • 白山
    5.0 out of 5 stars 非常に読みやすい
    Reviewed in Japan on July 1, 2016
    Format: Tankobon SoftcoverVerified Purchase
    私はＩＴの専門ではないですが、Ｐｙｔｈｏｎでプログラムを書くことが多く、機械学習を研究したいので購入しました。

    情報が専門の方なら、すらすら読めると思います。
    そうでなくても、ページごとに専門用語の注釈が詳しく書いてあるので、私でも理解できます。

    本の序盤に、機械学習の基本的な理論について説明していますが、初心者には物足りないと思います。
    ちなみに、私はあらかじめ人工知能に関する文献を少し読みました。
    あくまでも、機械学習をプログラミングして、実装することが目的なので、
    人工知能に関する知識（教師あり学習、強化学習、教師なし学習）が全くない状態で、読むとよくわからないと思います。

    その他に、必要な知識として、当然ですが、確率統計、行列、微分。

    プログラミングを実装すると言っても、
    あくまでも機械学習に重点を置いていて、、多くはライブラリに依存しています。

    この本の位置づけとしては、以下３つの流れの②でないでしょうか。
    ① 人工知能の概念を理解
    ② Ｐｙｔｈｏｎで、機械学習を用いて基本的なプログラムを実装しながら、人工知能について更に深く理解。
    ③ ①、②をもって、さらに深く研究する。

    おそらく、みなさんが想像しているような非常に難しい専門書ではないと思います。
    これは、「機械学習をＰｙｔｈｏｎでプログラムを書きながら学習したい」と思ってる人に向けた本であることは断言できます。
    よって、すでに機械学習をすでに知ってる人からすると、「そんなことしってるわ」で終わると思います。

    ”あきお”さんが「線形代数を学習した」と言っているように、大学レベルの数学（特に確率統計、線形代数（行列））の教養は必須です。

    以上は、２０ページくらい読んで全体をパラパラ見た感想なので、当てにならないかもしれませんが。参考程度に。
    41 people found this helpful
    Helpful
     Report
  • とある適合者
    3.0 out of 5 stars 初心者にはハードな内容
    Reviewed in Japan on December 25, 2017
    Verified Purchase
    とりあえず機械学習をしてみたいなら有りだが、これだけを読んで内容がわかる人は初学者にはありえない。
    他の文献も参考にするのを推奨します。
    2 people found this helpful
    Helpful
     Report
  • Amazon カスタマー
    2.0 out of 5 stars わかりづらい
    Reviewed in Japan on December 2, 2025
    Format: Tankobon SoftcoverVerified Purchase
    わかりづらい
    Helpful
     Report
  • 明日は億万長者
    5.0 out of 5 stars 機械学習が一般常識になる日
    Reviewed in Japan on November 15, 2016
    Format: Tankobon SoftcoverVerified Purchase
    多くの場合、人工知能とか、深層学習は間違って理解されていると思う。最初に人間の脳の活動をそっくり真似をする何か得体のしれないものを作っているのかと勘違いしてしまう。将来的には新しい生物が生まれてしまうのではないかとも思えてしまう。しかし、この本を読むと決してそうは思えない。ＡＩと深層学習もアルゴリズムの組み合わせに過ぎないのだ。その意味では、一般の統計学と大きな違いがない。もちろんニュートン力学とも同じものだ。しかし、それよりももっと大きな特徴があるのではと思えてならない。結構、熱力学的な考え方に近いのだ。不安定な中から安定を見出す新しい方法になるかもしれない。本書はそんな考え方を与えてくれた名著であると思う。この本の題名とすでにレビューを呼んでいる人たちにとってはこの本は最適な本だと思う。なぜならそのような人は初心者だとは思えないからだ。それに私はこの本を読む前に数冊ディープラーニングの本を買っている。それらの本は買ったはいいがまだ読んでいない。本書は結構読めている。
    26 people found this helpful
    Helpful
     Report
  • haroharo
    1.0 out of 5 stars この本をkindleで購入してはいけない
    Reviewed in Japan on September 21, 2017
    Verified Purchase
    この本をkindleで購入してはいけない．

    kindle上では，pythonソースコードが最適化されていないため，非常に読みづらい．
    例えば，一ページに数行程度のソースコード，ソースコード内にある漢字の文字化け等がある．

    プログラミング本において，ソースコードとその解説文は，最も大切な要素の一つであるが，
    このkindle本では，それらをちっとも理解できない仕様となっている．
    26 people found this helpful
    Helpful
     Report
  • むちむち豆柴大豆
    4.0 out of 5 stars 機械学習を網羅的に学ぶためには良書。コードレベルは難
    Reviewed in Japan on August 14, 2017
    Format: Tankobon SoftcoverVerified Purchase
    わたしは私大の理工学部（機械や数学を主）出身です。エンジニアとして仕事をしています。

    最近流行りの機械学習を学ぼうと思い、米国Amazon.comでランキング一位という評判みて、本書を購入しました。

    個人的に本書を読み終えての率直な感想は、
    「Python初学者です」や「数学（特に線形代数）を知りません 」という方にとって本書はかなり難しい印象を持ちました。
    ですのでこういった方は、まずは「入門 Python 3」や「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」をまず初めに学習しある程度基礎知識を身につけてから本書を手に取ってみる方がいいのではないかと思います。

    これらの本は私も所持しており比較的簡単で入門書としてかなりおすすめです。
    特に「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」は機械学習の中でもニューラルネットワークという分野に絞って話を進めているため実際に機械学習をやってみた感が得れることと思います。

    本書についてまとめますと、理論ベースであれば網羅的に機械学習をある程度まとめた１冊のように感じますので、
    機械学習の全体概要を知ってみたいという目的では最適ではないでしょうか。（コードはある程度無視）

    コードレベルではかなり難しく感じるので、上述した本を読破したあとに本書に戻ってくる方が良いと感じました。

    最後に、割と数式が多いので数学が苦手ですという方には向かないかもしれません。
    機械学習でここまで数学が多用されていることを知り、学生時代に数学を学んでおいてよかったと思った次第です。

    追記。
    割と大きいサイズの本なのでkindleは読みづらいかもしれません。
    16 people found this helpful
    Helpful
     Report