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)

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
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