スッキリわかるPythonによる機械学習入門

スッキリわかるPythonによる機械学習入門

3,300円(本体 3,000円+税10%)

品種名
書籍
発売日
2020/10/16
ページ数
664
サイズ
A5判
著者
須藤秋良 著/株式会社フレアリンク 監修
ISBN
9784295009948

機械学習の実践力が必ず身に付く

機械学習の世界は、学ぶべき分野が多岐に及びます。本書は、広大な学習範囲に対して、真正面から取り組み、しかしスムーズかつスッキリと学びきることができる入門書です。データ分析の「全体の流れ」を繰り返し追いかけることで、機械学習の全体像と本質が自然に染み込む仕掛けとなっています。しかも単に繰り返すのではなく、段階的に高度な内容に挑戦し、最終的には応用術も身に付けられます。シリーズで好評の「エラー解決・虎の巻」も収録! 本書で機械学習の楽しさ、奥深さをじっくり学び、新しい未来への道を拓いてみませんか。

「読者アンケートに答える」「読者プレゼントに応募」の場合もこちらをご利用ください。

アンケートに答える

書籍の内容に関するお問い合わせはこちら。お答えできるのは本書に記載の内容に関することに限ります。

学校・法人一括購入に関するお問い合わせはこちらへ。

一括購入窓口

詳細

メディア掲載情報

2021/06/18:コムウェアプラス『デジタル人材のためのブックレビュー』にて紹介されました。

著者紹介

■著者
須藤秋良(すとう・あきよし)
株式会社フレアリンクCDSO(chief data science officer)。教育業界のデータ解析や医学研究の統計解析コンサルティングなどを行い、最近ではDjango やRailsを利用した機械学習Webアプリの開発といったエンジニア業務も務める。また、これら業務の知見を活かし、データサイエンス系セミナーの研修講師も務め、これまで担当した研修受講者は総数3000名を超える。著書は『スッキリわかるPython入門』。

■監修・執筆協力
中山清喬(なかやま・きよたか)
株式会社フレアリンク代表取締役。IBM内の先進技術部隊に所属しシステム構築現場を数多く支援。退職後も研究開発・技術適用支援・教育研修・執筆講演・コンサルティング等を通じ、「技術を味方につける経営」を支援。現役プログラマ。講義スタイルは「ふんわりスパルタ」。著書は『スッキリわかるJava入門』ほか多数。


飯田理恵子(いいだ・りえこ)
経営学部 情報管理学科卒。長年、大手金融グループの基幹系システムの開発と保守にSEとして携わる。現在は株式会社フレアリンクにて、ソフトウェア開発、コンテンツ制作、経営企画などを通して技術の伝達を支援中。著書は『スッキリわかるSQL入門』。

目次

第0章 Python基本文法の復習

●第Ⅰ部 ようこそ機械学習の世界へ
第1章 AIと機械学習
第2章 機械学習に必要な基礎統計学
第3章 機械学習によるデータ分析の流れ
第4章 機械学習の体験

●第Ⅱ部 教師あり学習の理解を深めよう
第5章 分類1:アヤメの判別
第6章 回帰1:映画の興行収入の予測
第7章 分類2:客船沈没事故での生存予測
第8章 回帰2:住宅の平均価格の予測
第9章 教師あり学習の総合演習

●第Ⅲ部 中級者への最初の1歩を踏み出そう
第10章 より実践的な前処理
第11章 さまざまな教師あり学習:回帰
第12章 さまざまな教師あり学習:分類
第13章 さまざまな予測性能評価
第14章 教師なし学習1:次元の削減
第15章 教師なし学習2:クラスタリング
第16章 まだまだ広がる機械学習の世界

付録A sukkiri.jpについて
付録B エラー解決・虎の巻
付録C Pandas虎の巻
付録D 機械学習の数学(基礎編)
付録E 最小2乗法の数学理論に挑戦

関連書籍

好評発売中

Pythonで学ぶ音声合成 機械学習実践シリーズ

音声合成の基礎から実践までを一冊に凝縮

好評発売中

スラスラ読める Pythonふりがなプログラミング 増補改訂版

プログラムが「読めない」を解決する入門書

好評発売中

Pythonで学ぶ音声認識 機械学習実践シリーズ

音声認識の基礎から最新手法までを解説

好評発売中

Pythonで学ぶアルゴリズムの教科書 一生モノの知識と技術を身につける

ダウンロード

  • 著者サイト「スッキリjp」にて、本書で利用する「ツールの導入方法・使用方法」や、「掲載コード / CSVファイルのダウンロード」などの情報を掲載しています。
    本書とあわせてご活用ください。

    https://sukkiri.jp/books/sukkiri_ml

お詫びと訂正

誤記のためにご迷惑をおかけし、誠に申し訳ございません。

  • 0ページ 【特記】
    • [誤]
      ※誤記ではありません
    • [正]
      著者サイト「スッキリjp」で提供しているダウンロードデータに、15章で利用する「Wholesale.csv」を追加しました(2020年11月9日。ZIPファイル名:code-sml_2.zip)。URLは、上にある「ダウンロード」コーナーをご確認ください。
  • 115ページ コード4-18 5行目
    • [誤]
      model.predict(new)
    • [正]
      model.predict(new_data)
    • 【 第2刷にて修正 】
  • 124ページ 「モデルの保存と読み込み」のopen関数の引数が保存と読み込みで逆
    • [誤]
      保存 →'rb' , 読み込み → 'wb'
    • [正]
      保存 →'wb' , 読み込み → 'rb'
    • 【 第2刷にて修正 】
  • 162ページ 「モデルの学習と正解率計算の落とし穴」の節番号
    • [誤]
      5-3-3
    • [正]
      5-3-4
    • 【 第2刷にて修正 】
  • 171ページ 図5-15 右 [tree_.featureの結果]の要素
    • [誤]
      3, -2, 2, -2, -2
    • [正]
      3, -2, 3, -2, -2
    • 【 第2刷にて修正 】
  • 245ページ コード7-5の4行目の右辺
    • [誤]
      df['Embarked'].fillna(df['Embarked'].mode())
    • [正]
      df['Embarked'].fillna(df['Embarked'].mode()[0])
    • 【 第2刷にて修正 】
  • 255ページ コード7-12の2行目と3行目の変数名
    • [誤]
      2 print(df ['Age'].mean()) # 平均値の計算
      3 print(df ['Age'].median()) # 中央値の計算
    • [正]
      2 print(df2['Age'].mean()) # 平均値の計算
      3 print(df2['Age'].median()) # 中央値の計算
    • 【 第2刷にて修正 】
  • 321ページ 図8-11 3行目の「RM列の2乗」列
    • [誤]
      9(9の2乗)
    • [正]
      9(3の2乗)
    • 【 第2刷にて修正 】
  • 340ページ 本文1行目
    • [誤]
      スッキリ銀行の顧客データ「bank_new.csv」
    • [正]
      スッキリ銀行の顧客データ「Bank.csv」
    • 【 第2刷にて修正 】
  • 368ページ コード10-16の3行目の右辺
    • [誤]
      df['atemp'].interpolate()
    • [正]
      df3['atemp'].interpolate()
    • 【 第2刷にて修正 】
  • 412ページ 工藤さん下本文4行目
    • [誤]
      未知データ「Eさん、150,50」のデータを当てはめた場合、
    • [正]
      未知データ「Eさん、172,50」のデータを当てはめた場合、
  • 417ページ 練習11-2の解答
    • [誤]
      正解:1、2、3
    • [正]
      正解:2、3
    • 【 第2刷にて修正 】
  • 515ページ コード14-15 実行結果
    • [誤]
      (97, 15)
    • [正]
      (100, 15)
  • 560ページ 練習15-5の解答 3行目
    • [誤]
      mcd = MinCovDet()
    • [正]
      mcd = MinCovDet(random_state=0)
  • 606ページ C.3.6項のコード 3-6行目
    • [誤]
      工藤:[90, 70],
      浅木:[70, 80],
      松田:[70, 80],
      瀬川:[85, np.nan]
    • [正]
      '工藤':[90, 70],
      '浅木':[70, 80],
      '松田':[70, 80],
      '瀬川':[85, np.nan]
  • 607ページ C.3.7項のコード
    • [誤]
      df2.dropna(axis = 1) # df2の欠損値のある列の削除
    • [正]
      df2.dropna(axis = 0) # df2の欠損値のある行の削除

お問い合わせ

書籍の内容に関するお問い合わせはこちら。お答えできるのは本書に記載の内容に関することに限ります。

お問い合わせフォーム