目次
[第2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
- Sebastian Raschka / Vahid Mirjalili / 株式会社クイープ / 福島真太朗
-
表紙
商標・サンプルコード・正誤表
口絵
謝辞
著者/レビュー担当者紹介
はじめに
第1章 「データから学習する能力」をコンピュータに与える/1.1 データを知識に変える「知能機械」
第2章 分類問題―単純な機械学習アルゴリズムのトレーニング/2.1 人工ニューロン―機械学習の前史
第3章 分類問題―機械学習ライブラリscikit-learnの活用
第4章 データ前処理―よりよいトレーニングセットの構築/4.1 欠測データへの対処
第5章 次元削減でデータを圧縮する/5.1 主成分分析による教師なし次元削減
第6章 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
第7章 アンサンブル学習―異なるモデルの組み合わせ/7.1 アンサンブルによる学習
第8章 機械学習の適用1―感情分析
第9章 機械学習の適用2―Webアプリケーション/9.1 学習済みのscikit-learn推定器をシリアライズする
第10章 回帰分析―連続値をとる目的変数の予測/10.1 線形回帰
第11章 クラスタ分析―ラベルなしデータの分析/11.1 k-means法を使った類似度によるオブジェクトのグループ化
第12章 多層人工ニューラルネットワークを一から実装/12.1 人工ニューラルネットワークによる複雑な関数のモデル化
第13章 ニューラルネットワークのトレーニングをTensorFlowで並列化
第14章 TensorFlowのメカニズムと機能
第15章 画像の分類―ディープ畳み込みニューラルネットワーク/15.1 畳み込みニューラルネットワークの構成要素
第16章 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
本章と本書のまとめ
付録A Jupyter Notebookの基本的な使用方法/A.1 インストールと起動
A.2 ノートブックの作成と保存
A.3 セルの入力と実行
A.4 他のフォーマットへの変換
A.5 拡張機能
A.6 参考文献
付録B matplotlibによる可視化の基礎/B.1 pyplotを用いた可視化
B.2 描画対象のFigureの明示
B.3 複数の図のプロット
B.4 アニメーションの作成
B.5 日本語フォントの設定
付録C 行列の固有分解の基礎/C.1 行列によるベクトルの回転
C.2 固有ベクトル:行列を掛けても向きが変化しないベクトル
C.3 行列の階数(ランク)
C.4 参考文献
索引
プロフィール/STAFF LIST
奥付
プログラミング言語 ランキング
前へ戻る
-
1位
-
2位
-
3位
-
4位
-
5位
-
6位
-
7位
-
8位
-
9位
-
10位
次に進む