概要

機械学習・ディープラーニングについて学ぶための，図解形式の解説書です。エンジニア1年生，機械学習関連企業への就職・転職を考えている人が，機械学習・ディープラーニングの基本と関連する技術，しくみ，開発の基礎知識などを一通り学ぶことができます。

こんな方におすすめ

• 機械学習・ディープラーニングの基本を知りたい人

目次

1章　人工知能の基礎知識

• 人工知能とは
• 機械学習（ML）とは
• ディープラーニング（DL）とは
• 人工知能と機械学習が普及するまで

2章　機械学習の基礎知識

• 教師あり学習のしくみ
• 教師なし学習のしくみ
• 強化学習のしくみ
• 統計と機械学習の違い
• 機械学習と特徴量
• 得意な分野，苦手な分野
• 機械学習の活用事例

3章　機械学習のプロセスとコア技術

• 機械学習の基本ワークフロー
• データの収集
• データの整形
• モデルの作成と学習
• バッチ学習とオンライン学習
• テストデータによる予測結果の検証
• 学習結果に対する評価基準
• ハイパーパラメータとモデルのチューニング
• 能動学習
• 相関と因果
• フィードバックループ

4章　機械学習のアルゴリズム

• 回帰分析
• サポートベクターマシン
• 決定木
• アンサンブル学習
• アンサンブル学習の応用
• ロジスティック回帰
• ベイジアンモデル
• 時系列分析と状態空間モデル
• k近傍(k-NN) 法とk平均(k-means)法
• 次元削減と主成分分析
• 最適化と遺伝的アルゴリズム

5章　ディープラーニングの基礎知識

• ニューラルネットワークとその歴史
• ディープラーニングと画像認識
• ディープラーニングと自然言語処理

6章　ディープラーニングのプロセスとコア技術

• 誤差逆伝播法によるニューラルネットワークの学習
• ニューラルネットワークの最適化
• 勾配消失問題
• 転移学習

7章　ディープラーニングのアルゴリズム

• 畳み込みニューラルネットワーク（CNN）
• 再帰型ニューラルネットワーク（RNN）
• 強化学習とディープラーニング
• オートエンコーダ
• GAN（敵対的生成ネットワーク）
• 物体検出

8章　システム開発と開発環境

• 人工知能プログラミングにおける主要言語
• 機械学習用ライブラリとフレームワーク
• ディープラーニングのフレームワーク
• GPUプログラミングと高速化
• 機械学習サービス

サポート

正誤表

本書の以下の部分に誤りがありました。ここに訂正するとともに，ご迷惑をおかけしたことを深くお詫び申し上げます。

以下，6刷で修正済み

P.150「主な活性化関数」図の「ハイボリックタンジェント（tanh）」右上

P.161本文最後の行

以下，4刷で修正済み
P.83本文3，5，6，11行目および図タイトル

P.84本文2行目

P.83「ペン図で見る混同行列」

「FP」と「FN」の位置が逆

P.133図の説明2行目

P.236索引7番目

以下，2刷で修正済み
P.86図の右の「ハイパーパラメータ」内

axの次の「2」が上付きになります。

P.87本文14行目

P.93図左側の吹き出し