Excel でわかる機械学習 超入門 -AI のモデルとアルゴリズムがわかる(エクセルデワカルキガイガクシュウチョウニュウモンエーアイノモデルトアルゴリズムガワカル)

機械学習とは、コンピュータに学習させる技術を指します。 AI の発展とともに、さまざまな手法が登場してきました。この AI のモデルとそのアルゴリズムは種類が多く、 AI に関心のある人が学習を始めたとき、困惑する原因となっています。本書では、それらを整理し、わかりやすく解説します。具体例には Excel を利用するため、難しい前提知識なしで、機械学習のさまざまな手法を体験することができます。どのような手法で AI が実現しているのか知りたい人に最適です。
1 章 機械学習の基本
§ 1.機械学習と AI 、そして深層学習
§ 2.教師あり学習と教師なし学習

2 章 機械学習のための基本アルゴリズム
§ 1.モデルの最適化と最小 2 乗法
§ 2.最適化計算の基本となる勾配降下法
§ 3.ラグランジュの緩和法と双対問題
§ 4.モンテカルロ法の基本
§ 5.遺伝的アルゴリズム
§ 6.ベイズの定理

3 章 回帰分析
§ 1.重回帰分析
§ 2.重回帰分析を Excel で体験

4 章 サポートベクターマシン (SVM)
§ 1.サポートベクターマシン (SVM) のアルゴリズム
§ 2.サポートベクターマシン (SVM) を Excel で体験

5 章 ニューラルネットワークとディープラーニング
§ 1.ニューラルネットワークの基本単位のユニット
§ 2.ユニットを層状に並べたニューラルネットワーク
§ 3.誤差逆伝播法 (バックプロパゲーション法)
§ 4.誤差逆伝播法を Excel で体験

6 章 RNN と BPTT
§ 1.リカレントニューラルネットワーク (RNN) の仕組み
§ 2.バックプロパゲーションスルータイム (BPTT)
§ 3.BPTT を Excel で体験

7 章 Q 学習
§ 1.強化学習と Q 学習
§ 2.Q 学習のアルゴリズム
§ 3.Q 学習を Excel で体験

8 章 DQN
§ 1.DQN の考え方
§ 2.DQN のアルゴリズム
§ 3.DQN を Excel で体験

9 章 ナイーブベイズ分類
§ 1.ナイーブベイズ分類のアルゴリズム
§ 2.ナイーブベイズ分類を Excel で体験

付録 A.ニューラルネットワークの訓練データ
付録 B.ソルバーのインストール法
付録 C.機械学習のためのベクトルの基礎知識
付録 D.機械学習のための行列の基礎知識
付録 E.機械学習のための微分の基礎知識
付録 F.多変数関数の近似公式
付録 G.NN におけるユニットの誤差と勾配の関係
付録 H.NN におけるユニットの誤差の「逆」漸化式
付録 I.RNN におけるユニットの誤差と勾配の関係
付録 J.BP 、 BPTT で役立つ漸化式の復習
付録 K.RNN におけるユニットの誤差の「逆」漸化式
付録 L.重回帰方程式の求め方

機械学習に興味はあるが、 Python の環境構築やライブラリの使い方で挫折した経験を持つ人は少なくありません。本書はその入口のハードルを極限まで下げるために、 Excel のセルとグラフだけで機械学習アルゴリズムの仕組みを追体験させるという独自のアプローチを採っています。回帰、分類、クラスタリングといった基本手法が、スプレッドシート上の数値操作として目の前で動きます。

強みは「ブラックボックス感」の排除です。ライブラリを呼べば結果は出るが中身が分からない、という状態を避け、損失関数の値がセルの再計算で減っていく様子を観察することで、最適化の直感を得られます。数式を一から導出する数学書ほどの厳密さはありませんが、「なぜこの計算で予測ができるのか」を感覚的に理解するには十分な深さがあります。

もちろん実務で Excel のまま機械学習を行う場面は限られます。本書はあくまで原理の理解に特化しており、読了後は Python や R を使った実装書へ進むことが前提です。プログラミングなしで機械学習の地図を手に入れたい人にとって、回り道のようで着実な入口になります。