フリーソフトではじめる機械学習入門 (第 2 版)(フリーソフトデハジメルキカイガクシュウニュウモンダイニハン)

「理論」「実践」の両面から学べる、機械学習入門書の決定版!

◆機械学習の理論をわかりやすく解説
数式をしっかり扱いつつも、平易なことばで直感的な理解ができるよう工夫されています。
また、分析したいデータの種類によってアルゴリズムを分類・整理して解説することで、現実で問題に直面した際に適用できるアルゴリズムが何なのかが理解でき、必要な部分から学んでいけるよう構成されています。

◆幅広い手法を網羅
「機械学習とは何か」という初歩の初歩から、識別・モデル推定といった基本的な考えかた、ニューラルネットワーク・サポートベクトルマシンといった応用手法、そして深層学習・強化学習といった発展的なトピックまで、様々なアルゴリズムがとりあげられています。

◆ Python/Weka でアルゴリズムを実装
アルゴリズムの解説だけでなく、 Python/Weka による実装例も多数掲載されています。理論を学んだあとに、解析例をもとにデータの読み込みから結果の可視化まで 1 ステップずつ実装していくことで、表面的な理解にとどまらない、「現場で役立つ」知識が身につきます。

第 2 版では、 Python による実装例が多数追加されたほか、勾配ブースティング・リカレントニューラルネットワーク・深層強化学習などの近年話題のトピック追加をはじめとして、全面的に最新の解説にアップデートされています。
第 1 章 はじめに
第 2 章 機械学習の基本的な手順
第 3 章 識別 -概念学習ー
第 4 章 識別 -統計的手法ー
第 5 章 識別 -生成モデルと識別モデルー
第 6 章 回帰
第 7 章 サポートベクトルマシン
第 8 章 ニューラルネットワーク
第 9 章 深層学習
第 10 章 アンサンブル学習
第 11 章 モデル推定
第 12 章 パターンマイニング
第 13 章 系列データの識別
第 14 章 半教師あり学習
第 15 章 強化学習

付録 A 演習問題解答
付録 B Weka
付録 C Python

機械学習の入門書は「数式中心の理論書」と「ライブラリを叩くだけの実践書」に二極化しがちです。荒木雅弘氏の『フリーソフトではじめる機械学習入門 (第 2 版) 』は、その中間を狙って理論と実装を往復させる作りの一冊で、森北出版から 2018 年に刊行されました。書名のとおり、無償で使える Python と Weka を実装環境に据えているため、環境費ゼロで理論の検証まで進められます。

特徴的なのは、扱うデータがどんな種類かを起点にアルゴリズムを整理していく章立てです。識別、回帰、サポートベクトルマシン、ニューラルネットワークといった基本から、深層学習、アンサンブル学習、系列データの識別、半教師あり学習、強化学習まで幅広く扱い、「いま直面している問題にどの手法が適用できるか」という逆引きの視点で読めます。第 2 版では Python による実装例が大幅に追加され、勾配ブースティングやリカレントニューラルネットワーク、深層強化学習といったトピックが加わりました。

数式はしっかり出てきますが、平易な言葉による直感的な説明が併走するため、大学初年級の数学を思い出しながらなら独習できる水準です。理論を素通りせずに機械学習を使えるようになりたい学生や開発者の、最初の本格的な一冊に据えられます。