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
内容紹介
+ もっとみる
おすすめの本
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 |
関連シリーズ
-
イラストで学ぶ ヒューマンインタフェース
-
教養としてのデータサイエンス
-
ことばの意味を計算するしくみ
-
データサイエンスはじめの一歩
-
転移学習
-
応用基礎としてのデータサイエンス
-
詳解 3次元点群処理
-
入門講義 量子コンピュータ
-
現場で活用するための機械学習エンジニアリング
-
Juliaで作って学ぶベイズ統計学
-
はじめての機械学習
-
ディープラーニング 学習する機械
-
Pythonで学ぶ実験計画法入門 ベイズ最適化によるデータ解析
-
絵でわかるネットワーク
-
絵でわかるサイバーセキュリティ
-
Pythonで学ぶ強化学習
-
統計モデルと推測
-
スタンフォード ベクトル・行列からはじめる最適化数学
-
データサイエンスの基礎
-
イラストで学ぶディープラーニング
-
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
-
ベイズ深層学習
-
コンパクトデータ構造
-
しっかり学ぶ数理最適化
-
Raspberry Piではじめる機械学習
-
マスターアルゴリズム 世界を再構築する「究極の機械学習」
-
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
-
ベイズ推論による機械学習入門
-
これならわかる深層学習入門
-
情報メディア論
-
イラストで学ぶ 音声認識
-
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