機械学習スタートアップシリーズ ベイズ推論による機械学習入門
キカイガクシュウスタートアップシリーズベイズスイロンニヨルキカイガクシュウニュウモン
- 電子あり

内容紹介
最短経路で平易に理解できる、今までにない入門書!
ベイズ主義機械学習(ベイズ学習)の基本原理にのっとり、「モデルの構築→推論の導出」という一貫した手順でアルゴリズムの作り方を解説。どこまでも分かりやすい!
【主な内容】
1 機械学習とベイズ学習
2 基本的な確率分布
3 ベイズ推論による学習と予測
4 混合モデルと近似推論
5 応用モデルの構築と推論
【機械学習スタートアップシリーズ】
本シリーズは、「機械学習ブーム」の先駆けとして2015年から刊行されている『機械学習プロフェッショナルシリーズ』の弟分的な存在を目指す、注目の新シリーズです。
「機械学習をもっと身近に、機械学習をもっとわかりやすく!」を合言葉に、より丁寧な記述で、基本的なテーマを解説していきます。
まず、以下の2点を同時に刊行いたします(^o^)/
『これならわかる深層学習入門』瀧 雅人・著
『ベイズ推論による機械学習入門』須山 敦志・著/杉山 将・監修
目次
- 第1章 機械学習とベイズ学習
- 機械学習とは/機械学習の代表的なタスク/機械学習の 2 つのアプローチ/確率の基本計算/グラフィカルモデル/ベイズ学習のアプローチ
- 第2章 基本的な確率分布
- 期待値/離散確率分布/連続確率分布
- 第3章 ベイズ推論による学習と予測
- 学習と予測/離散確率分布の学習と予測/1次元ガウス分布の学習と予測/多次元ガウス分布の学習と予測/線形回帰の例
- 第4章 混合モデルと近似推論
- 混合モデルと事後分布の推論/確率分布の近似手法/ポアソン混合モデルにおける推論/ガウス混合モデルにおける推論
- 第5章 応用モデルの構築と推論
- 線形次元削減/非負値行列因子分解/隠れマルコフモデル/トピックモデル/テンソル分解/ロジスティック回帰/ニューラルネットワーク
関連シリーズ
-
スタンフォード ベクトル・行列からはじめる最適化数学
-
これならわかる深層学習入門
-
しっかり学ぶ数理最適化
-
イラストで学ぶ 機械学習 最小二乗法による識別モデル学習
-
テキスト・画像・音声データ分析
-
データサイエンスのためのデータベース
-
絵でわかるサイバーセキュリティ
-
絵でわかるネットワーク
-
統計モデルと推測
-
Pythonで学ぶ強化学習
-
データサイエンスの基礎
-
ベイズ深層学習
-
イラストで学ぶディープラーニング
-
イラストで学ぶ ヒューマンインタフェース
-
Raspberry Piではじめる機械学習
-
今度こそわかる量子コンピューター
-
絵でわかるスーパーコンピュータ
-
イラストで学ぶ 音声認識
-
情報メディア論