概要

機械学習はAI（人工知能）の基礎技術です。今後AIの利活用が進むにつれて、機械学習をコンピュータシステムに組み込んでビジネスに活用できる人材（本書ではAIエンジニアと呼称します）がますます求められます。
機械学習には目的に応じたいくつかの手法が存在します。それらの手法を正しく使えるようになるために、本書はAIエンジニアが理解しておきたいレベルの深さで、各手法のアルゴリズム（動作原理）を丁寧に解説します。とくにアルゴリズムの目的や意味を理解できることをめざします。（アルゴリズムの背景にある高度な数学・統計学の理論についての説明は必要最小限にとどめ、）まずはプログラムを書いて動かし、その結果を見ながらアルゴリズムの長所・短所や、性能をチューニングするためのコツを学びます。
機械学習プログラムの作成には、プログラミング言語「Python」と機械学習ライブラリ「scikit-learn」を使用します。作成したプログラムは、クラウドサービス「Google Colaboratory」や手元のパソコンに構築する「Jupyter Notebook」の環境で簡単に動かせます。

こんな方におすすめ

• 機械学習・AI（人工知能）技術を学ぶエンジニアや学生
• これから機械学習システムの開発に携わる人

サンプル

目次

第1章　機械学習の概要と本書の進め方

• 1.1　本章の目的と概要
• 1.2　機械学習の概要と3つの分類
  • 従来の人工知能型システムと機械学習システムの違い
  • 機械学習の3つの分類（教師あり学習，教師なし学習，強化学習）
• 1.3　機械学習の各手法の動作原理（アルゴリズム）を学ぶ意義
• 1.4　機械学習の勉強方法
  • 機械学習に必要な知識・スキル
  • 機械学習の勉強を効率的に進めるコツ
• 1.5　本書で使用するライブラリと実行環境
  • 機械学習を実装する環境を整える方法

第2章　実装しながら学ぶアルゴリズムのこころ・教師あり学習編

• 2.1　本章の目的と概要
• 2.2　最小二乗法による線形回帰
  • アルゴリズムの基本的な流れ，概要
  • プログラムの実装と実行
  • アルゴリズムの詳細な解説（線形回帰モデルのこころ）
  • 終わりに（線形回帰モデルの使用上の注意）
• 2.3　L1正則化，L2正則化による過学習の抑制
  • アルゴリズムの基本的な流れ，概要
  • プログラムの実装と実行
  • アルゴリズムの詳細な解説（正則化モデルのこころ）
  • 終わりに（L1正則化とL2正則化の使い分け）
• 2.4　ロジスティック回帰によるクラス分類
  • アルゴリズムの基本的な流れ，概要
  • プログラムの実装と実行
  • アルゴリズムの詳細な解説（ロジスティック回帰のこころ）
  • 終わりに
• 2.5　SVCによるクラス分類
  • アルゴリズムの基本的な流れ，概要
  • プログラムの実装と実行
  • アルゴリズムの詳細な解説（LinearSVCのこころ）
  • 終わりに
• 2.6　決定木によるクラス分類
  • アルゴリズムの基本的な流れ，概要
  • プログラムの実装と実行
  • アルゴリズムの詳細な解説（決定木のこころ）
  • 終わりに
• 2.7　ランダムフォレストによるクラス分類
  • アルゴリズムの基本的な流れ，概要
  • プログラムの実装と実行
  • アルゴリズムの詳細な解説（ランダムフォレストのこころ）
  • 終わりに（ランダムフォレストの使用上の注意）
• 2.8　Naive Bayesによるテキストデータの分類
  • アルゴリズムの基本的な流れ，概要
  • プログラムの実装と実行
  • アルゴリズムの詳細な解説（Naive Bayesのこころ）
  • 終わりに

第3章　実装しながら学ぶアルゴリズムのこころ・教師なし学習編

• 3.1　本章の目的と概要
• 3.2　主成分分析による次元圧縮
  • アルゴリズムの基本的な流れ，概要
  • プログラムの実装と実行
  • アルゴリズムの詳細な解説（主成分分析のこころ）
  • 終わりに
• 3.3　k-meansによるクラスタリングとデータ前処理
  • アルゴリズムの基本的な流れ，概要
  • プログラムの実装と実行
  • アルゴリズムの詳細な解説（k-meansのこころ）
  • 終わりに
• 3.4　ガウス混合モデル（GMM）によるクラスタリング
  • アルゴリズムの基本的な流れ，概要
  • プログラムの実装と実行
  • アルゴリズムの詳細な解説（ガウス混合モデルのこころ）
  • 終わりに

第4章　実装しながら学ぶアルゴリズムのこころ・発展編

• 4.1　本章の目的と概要
• 4.2　勾配ブースティング決定木によるクラス分類
  • アルゴリズムの基本的な流れ，概要
  • プログラムの実装と実行
  • アルゴリズムの詳細な解説（勾配ブースティング決定木のこころ）
  • 終わりに
• 4.3　エルボー法とシルエット分析によるクラスタ数の探索
  • アルゴリズムの基本的な流れ，概要
  • プログラムの実装と実行（エルボー法）
  • アルゴリズムの詳細な解説（エルボー法のこころ）
  • プログラムの実装と実行（シルエット分析）
  • アルゴリズムの詳細な解説（シルエット分析のこころ）
  • 終わりに
• 4.4　t-SNEによる次元圧縮（多様体学習）
  • アルゴリズムの基本的な流れ，概要
  • プログラムの実装と実行
  • アルゴリズムの詳細な解説（t-SNEのこころ）
  • 終わりに
• 4.5　異常検知（Novelty Detection，Outlier Detection）
  • アルゴリズムの基本的な流れ，概要
  • プログラムの実装と実行（Novelty Detection：特異点検知）
  • プログラムの実装と実行（Outlier Detection：外れ値検知）
  • 終わりに

第5章　機械学習システムの構築フローとモデルの性能評価

• 5.1　本章の目的と概要
• 5.2　ビジネス理解
  • 目的の明確化
  • 業務フローの作成
  • データの検討
  • 目標設定
• 5.3　データ加工
  • データチェック
  • データクリーニング
  • データ前処理
• 5.4　モデリング
  • アルゴリズム策定
  • 特徴量エンジニアリング
  • データ分割
  • 学習と評価
• 5.5　デプロイと運用
  • システムへの組み込み
  • システム性能の検証
  • ハンドオフ
  • 運用・保守
  • 終わりに

付録

• A.1　Google Colaboratoryの利用方法
  • サンプルコード（既存のipynbファイル）の利用
• A.2　ローカルPCに機械学習の実装・実行環境を整える方法
  • Python実行環境Anacondaのインストール
  • 機械学習に必要なライブラリのインストール
  • Jupyter Notebookのインストールと起動
  • サンプルコード（既存のipynbファイル）の利用
  • ノートブックの保存とシャットダウン

サポート

ダウンロード

本書内に掲載しているサンプルコードを以下からダウンロードできます。「SampleCode.zip」は圧縮ファイルです。解凍したうえでご利用ください。

サンプルコードの詳細については，圧縮ファイル内の「Readme.txt」を参照してください。

ダウンロード

サンプルコード（SampleCode.zip）

免責：本サンプルを使用することによって，使用者が受けたあらゆる不利益に対して，原著者および技術評論社はその責任を負いません。