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

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