［第 3 版］ Python 機械学習プログラミング 達人データサイエンティストによる理論と実践(ダイサンパンパイソンキカイガクシュウプログラミングタツジンデータサイエンティストニヨルリロントジッセン)

本書は、機械学習コンセプト全般をカバーし、理論的背景と Python コーディングの実際を解説しています。初歩的な線形回帰から始め、ディープラーニング (CNN ／ RNN) 、敵対的生成ネットワーク、強化学習などを取り上げ、 scikit-learn や TensorFlow など Python ライブラリの新版を使ってプログラミング。第 3 版では 13 〜 16 章の内容をほとんど刷新したほか、敵対的生成ネットワークと強化学習の章を新たに追加。機械学習プログラミングの本格的な理解と実践に向けて大きく飛躍できる一冊です。

機械学習を学ぶための Python 書籍は数多くありますが、理論的な裏付けと実装コードの両方を一冊で体系的にカバーしている本は限られます。 Sebastian Raschka による本書は、パーセプトロンから始まりロジスティック回帰、 SVM 、決定木、アンサンブル、次元削減、そして深層学習まで、機械学習の主要手法を一本の線で通して解説します。第 3 版では TensorFlow 2 / Keras を用いた深層学習の章が拡充され、古典的手法からニューラルネットワークへの橋渡しがよりスムーズになりました。

各章は数式による理論的背景の説明のあとに scikit-learn や TensorFlow での実装が続く構成で、「なぜその手法が有効なのか」を数学的に納得したうえでコードに落とし込めます。大学の講義ノートに近い密度があるため、線形代数と微積分の基礎を持つ読者に最もフィットします。純粋な入門書というよりは、手法を正確に理解して使い分けたいエンジニアや大学院生向けの教科書です。

一方、数式を丁寧に追う分だけ一章あたりの情報量は多く、通読にはそれなりの時間を要します。最初から順に読む必要はなく、業務で使う手法の章をリファレンス的に引くという読み方も有効です。「手を動かしながら、しかし理屈も飛ばさない」という学習スタイルに噛み合う一冊です。