Python で動かして学ぶ! あたらしい機械学習の教科書 第 3 版

数式をプログラムに実装して機械学習の基礎をしっかり学べる。教師あり学習・教師なし学習の考え方と実装方法を丁寧に解説。

『Python で動かして学ぶ! あたらしい機械学習の教科書 第 3 版』 (伊藤 真 著、翔泳社、2022 年 7 月刊) は、機械学習の原理を数式でしっかり理解し、その理解を Python のプログラムで深めていく構成の教科書です。版元の紹介文は対象読者を、機械学習の基礎を数学的な原理からプログラム実装までしっかり学びたい理工学生とエンジニアとし、数式とコードを連携させた解説と、学習内容を「要点整理」で復習できる仕立てを特徴に挙げています。第 3 版は Python 3.9 と TensorFlow 2.7 への対応をうたっており、NDL の書誌には Jupyter Notebook 対応とサンプルの Web ダウンロードの注記があります。

準備から教師なし学習まで、全 10 章の構成

本書は全 10 章です。第 1 章「機械学習の準備」、第 2 章「Python の基本」、第 3 章「グラフの描画」で道具をそろえ、第 4 章「機械学習に必要な数学の基本」で数学の土台を固めます。そのうえで第 5 章「教師あり学習: 回帰」と第 6 章「教師あり学習: 分類」、第 7 章「ニューラルネットワーク・ディープラーニング」と第 8 章「ニューラルネットワーク・ディープラーニングの応用 (手書き数字の認識)」、第 9 章「教師なし学習」と手法へ進み、第 10 章「要点のまとめ」で締めくくります。前半の 4 章を道具と数学の準備に充て、後半で個々の手法へ進む並びは、数式で原理を押さえてからプログラムで確かめるという版元の示す方針に沿った章立てと読めます。書誌の紹介文によると、教師あり学習と教師なし学習のそれぞれについて、考え方と実装方法を丁寧に解説しています。

数式とコードをつなぐ意味、回帰と分類からニューラルネットワークへ

機械学習の手法を使うだけなら、ライブラリの関数を呼べば済みます。しかし学習がうまく進まないときに原因を切り分けたり、問題に合わせて手法を選んだりするには、モデルが何を最小化しているのか、パラメーターがどう更新されるのかを理解している必要があります。回帰では予測と正解のずれを表す誤差の関数を定め、その勾配に沿ってパラメーターを少しずつ動かすか、式を解いて最適な値を直接求めます。分類では出力を確率として解釈できる形に変換し、観測されたデータのもっともらしさを最大にする考え方が中心になります。ニューラルネットワークはこの考え方を層として積み重ねたもので、誤差逆伝播法によって各層の勾配を効率よく計算します。こうした仕組みは数式で書くと短い反面、行列の形や微分の連鎖を頭の中だけで追うのは難しく、数式とコードを対応させて実際に動かし、グラフで結果を確かめる学び方が効く領域です。

理工学生とエンジニア向け、数式から逃げずに学ぶための前提

版元が想定するのは、数学的な原理からしっかり学びたい読者です。第 4 章で機械学習に必要な数学の基本を扱い、第 2 章に Python の基本も置かれていますが、数式を追うこと自体を避けたい人には負担が大きくなります。数式に慣れる段階から始めたい場合は、機械学習に必要な数学の本の選び方 を先に見ておくと、自分に合う入口が見つかります。また目次に並ぶのは基礎となる手法までで、業務のデータで成果を出すまでの工程や、作ったモデルを運用する方法を学ぶ目的には別の本が向きます。分野全体を見渡して次の一冊を選ぶときは、機械学習とディープラーニングの本の選び方 が参考になります。

ライブラリの使い方は覚えたものの、出てくる結果の理由を自分で説明できないことに物足りなさを感じているエンジニアや、講義で習う数式と実際のプログラムを結びつけたい理工系の学生にとって、本書は原理と実装の両方を一冊の中で往復できる教科書です。数式から逃げずに機械学習の基礎を固めたい人が、手元で動かしながら腰を据えて取り組むのに向いています。