概要
機械学習とは，コンピュータに学習させる技術を指します。AIの発展とともに，さまざまな手法が登場してきました。このAIのモデルとそのアルゴリズムは種類が多く，AIに関心のある人が学習を始めたとき，困惑する原因となっています。本書では，それらを整理し，わかりやすく解説します。具体例にはExcelを利用するため，難しい前提知識なしで，機械学習のさまざまな手法を体験することができます。どのような手法でAIが実現しているのか知りたい人に最適です。
こんな方におすすめ
- AI（人工知能）や機械学習に関心のある学生，ビジネスマン，教育者
目次
1章 機械学習の基本
- 1．機械学習とAI，そして深層学習
- 2．教師あり学習と教師なし学習
2章 機械学習のための基本アルゴリズム
- 1．モデルの最適化と最小2乗法
- 2．最適化計算の基本となる勾配降下法
- 3．ラグランジュの緩和法と双対問題
- 4．モンテカルロ法の基本
- 5．遺伝的アルゴリズム
- 6．ベイズの定理
3章 回帰分析
4章 サポートベクターマシン（SVM）
- 1．サポートベクターマシン（SVM）のアルゴリズム
- 2．サポートベクターマシン（SVM）をExcelで体験
5章 ニューラルネットワークとディープラーニング
- 1．ニューラルネットワークの基本単位のユニット
- 2．ユニットを層状に並べたニューラルネットワーク
- 3．誤差逆伝播法（バックプロパゲーション法）
- 4．誤差逆伝播法をExcelで体験
6章 RNNとBPTT
- 1．リカレントニューラルネットワーク（RNN）の仕組み
- 2．バックプロパゲーションスルータイム（BPTT）
- 3．BPTTをExcelで体験
7章 Q学習
- 1．強化学習とQ学習
- 2．Q学習のアルゴリズム
- 3．Q学習をExcelで体験
8章 DQN
- 1．DQNの考え方
- 2．DQNのアルゴリズム
- 3．DQNをExcelで体験
9章 ナイーブベイズ分類
- 1．ナイーブベイズ分類のアルゴリズム
- 2．ナイーブベイズ分類をExcelで体験
- 付録A．ニューラルネットワークの訓練データ
- 付録B．ソルバーのインストール法
- 付録C．機械学習のためのベクトルの基礎知識
- 付録D．機械学習のための行列の基礎知識
- 付録E．機械学習のための微分の基礎知識
- 付録F．多変数関数の近似公式
- 付録G．NNにおけるユニットの誤差と勾配の関係
- 付録H．NNにおけるユニットの誤差の「逆」漸化式
- 付録I．RNNにおけるユニットの誤差と勾配の関係
- 付録J．BP，BPTTで役立つ漸化式の復習
- 付録K．RNNにおけるユニットの誤差の「逆」漸化式
- 付録L．重回帰方程式の求め方
サポート
ダウンロード
本書で利用するExcelのサンプルファイルのダウンロードは，以下をクリックしてください。
- ダウンロード
- excel_kikai_sample.zip
サンプルはZIP形式で圧縮されています。ZIP形式の圧縮ファイルは，XP以降のWindowsでは，通常のフォルダと同じように操作できます。ZIP形式の圧縮ファイルの操作方法については，Windowsの解説書などを参照してください。
ダウンロードした「excel_kikai_sample.zip」をダブルクリックすると，中を見ることができます。
右クリックして「すべて展開」を選び，任意のフォルダに展開してお使いください。
ExcelのサンプルファイルはExcel2013，2016で動作を確認しています。他のバージョンでの検証は行っておりません。あらかじめご了承ください。
また，ダウンロードファイルの内容は予告なく変更することがあります。
著作権は著者及び技術評論社に帰属します。ファイル内容の変更や改良は自由ですが，サポートは致しておりません。
