これならわかる機械学習入門

コレナラワカルキカイガクシュウニュウモン
  • 電子あり
これならわかる機械学習入門
自分メモ
気になった本やコミックの情報を自分に送れます

内容紹介

【道具として使いこなす!】
膨大な観測データから普遍的な法則を抽出する手法とは? 高校数学レベルから始まり、Python入門、TensorFlowによる実装、最新の論文まで踏み込む入門書。

【著者サポートページ】
https://github.com/akio-tomiya/intro_ml_in_physics

【目次】
第1章 データとサイエンス
1.1 物理学とデータサイエンス/1.2 最小2乗法とオーバーフィット/1.3 テイラー展開と振り子の等時性/コラム:武谷の三段階論
第2章 行列と線形変換
2.1 ベクトル、行列と線形変換/2.2 変換としての行列/2.3 行列に関する色々/コラム:計算量のオーダー
第3章 確率論と機械学習
3.1 確率の基礎事項/3.2 教師あり学習と教師なし学習、強化学習/3.3 確率変数と経験的確率、大数の法則/3.4 大数の弱法則の証明/3.5 カルバックライブラーダイバージェンス/3.6 尤度と赤池情報量基準、汎化/3.7 ロジスティック回帰
第4章 ニューラルネットワーク
4.1 ニューラルネットワークの概論/4.2 万能近似定理/コラム:新しい道具と新理論
第5章 トレーニングとデータ
5.1 ニューラルネットワークの入出力と学習/5.2 誤差関数と汎化、過学習/5.3 誤差関数の最適化・学習/コラム:次元の呪い
第6章 Python入門
6.1 Pythonによるプログラミング入門/6.2 Pythonと他言語の比較/6.3 NumPyとMatplotlib/6.4 Pythonでのクラス
第7章 TensorFlowによる実装
7.1 TensorFlow/Kerasとは/7.2 データやライブラリのロード/7.3 データの分割とニューラルネットワークの設計/7.4 学習/7.5 結果の評価/コラム:量子化という用語
第8章 最適化、正則化、深層化
8.1 最適化法の改良/8.2 過学習を防ぐ/8.3 多層化にむけて
第9章 畳み込みニューラルネットワーク
9.1 フィルター/9.2 畳み込みニューラルネット/コラム:知能と飛行機
第10章 イジング模型の統計力学
10.1 イジング模型/10.2 イジング模型のモンテカルロ法/10.3 熱浴法のPythonコードとデータの準備/コラム:統計力学と場の量子論
第11章 Nature Physicsの論文を再現しよう
11.1 論文について/11.2 データの前処理/11.3 実験

目次

  • ■第1章 データとサイエンス■
  • 1.1 物理学とデータサイエンス
  • 1.2 最小2乗法とオーバーフィット
  • 1.3 テイラー展開と振り子の等時性
  • コラム:武谷の三段階論
  • ■第2章 行列と線形変換■
  • 2.1 ベクトル、行列と線形変換
  • 2.2 変換としての行列
  • 2.3 行列に関する色々
  • コラム:計算量のオーダー
  • ■第3章 確率論と機械学習■
  • 3.1 確率の基礎事項
  • 3.2 教師あり学習と教師なし学習、強化学習
  • 3.3 確率変数と経験的確率、大数の法則
  • 3.4 大数の弱法則の証明
  • 3.5 カルバックライブラーダイバージェンス
  • 3.6 尤度と赤池情報量基準、汎化
  • 3.7 ロジスティック回帰
  • ■第4章 ニューラルネットワーク■
  • 4.1 ニューラルネットワークの概論
  • 4.2 万能近似定理
  • コラム:新しい道具と新理論
  • ■第5章 トレーニングとデータ■
  • 5.1 ニューラルネットワークの入出力と学習
  • 5.2 誤差関数と汎化、過学習
  • 5.3 誤差関数の最適化・学習
  • コラム:次元の呪い
  • ■第6章 Python入門■
  • 6.1 Pythonによるプログラミング入門
  • 6.2 Pythonと他言語の比較
  • 6.3 NumPyとMatplotlib
  • 6.4 Pythonでのクラス
  • ■第7章 TensorFlowによる実装■
  • 7.1 TensorFlow/Kerasとは
  • 7.2 データやライブラリのロード
  • 7.3 データの分割とニューラルネットワークの設計
  • 7.4 学習
  • 7.5 結果の評価
  • コラム:量子化という用語
  • ■第8章 最適化、正則化、深層化■
  • 8.1 最適化法の改良
  • 8.2 過学習を防ぐ
  • 8.3 多層化にむけて
  • ■第9章 畳み込みニューラルネットワーク■
  • 9.1 フィルター
  • 9.2 畳み込みニューラルネット
  • コラム:知能と飛行機
  • ■第10章 イジング模型の統計力学■
  • 10.1 イジング模型
  • 10.2 イジング模型のモンテカルロ法
  • 10.3 熱浴法のPython コードとデータの準備
  • コラム:統計力学と場の量子論
  • ■第11章 Nature Physicsの論文を再現しよう■
  • 11.1 論文について
  • 11.2 データの前処理
  • 11.3 実験

製品情報

製品名 これならわかる機械学習入門
著者名 著:富谷 昭夫
発売日 2021年03月29日
価格 定価:2,640円(本体2,400円)
ISBN 978-4-06-522549-3
判型 A5
ページ数 256ページ

著者紹介

著:富谷 昭夫(トミヤ アキオ)

2015年、大阪大学大学院理学研究科物理学専攻博士課程修了。博士(理学)。2015年、大阪大学大学院物理学専攻特任研究員。2015年~2018年、中国・華中師範大学博士研究員。2018年より、理化学研究所基礎科学特別研究員(理研BNL研究センター計算物理研究グループ)。主な研究分野は素粒子理論、特に格子ゲージ理論。著書に『ディープラーニングと物理学――原理がわかる、応用ができる』(共著、講談社)がある。Twitterアカウントは @TomiyaAkio 。

書店在庫を見る

オンライン書店で見る