通常配送無料 詳細
残り2点(入荷予定あり) 在庫状況について
この商品は、Amazon.co.jp が販売、発送します。 ギフトラッピングを利用できます。
オンライン機械学習 (機械学習プロフェッショナルシ... がカートに入りました

お届け先住所
アドレス帳を使用するにはサインインしてください
または
-
正しい郵便番号を入力してください。
または
+ ¥ 257 関東への配送料
コンディション: 中古品: 非常に良い
コメント: 使用感殆どなく綺麗な本です。クリアPP袋、クラフト封筒で梱包して発送いたします。 本の状態は、コンディションガイドラインに沿って判断しております。版によってカバーや帯のデザインが異なる場合などがございます、あらかじめご了承ください。禁煙環境保管。
この商品をお持ちですか? マーケットプレイスに出品する
裏表紙を表示 表紙を表示
サンプルを聴く 再生中... 一時停止   Audible オーディオエディションのサンプルをお聴きいただいています。
3点すべてのイメージを見る

オンライン機械学習 (機械学習プロフェッショナルシリーズ) 単行本(ソフトカバー) – 2015/4/8

5つ星のうち 3.0 3件のカスタマーレビュー

その他(2)の形式およびエディションを表示する 他のフォーマットおよびエディションを非表示にする
Amazon 価格
新品 中古品
Kindle版
"もう一度試してください。"
単行本(ソフトカバー)
"もう一度試してください。"
¥ 3,024
¥ 2,400 ¥ 2,399
この商品の特別キャンペーン 本とのまとめ買いで対象商品が10%OFF 1 件


AmazonStudent

Amazon Student会員なら、この商品は+10%Amazonポイント還元(Amazonマーケットプレイスでのご注文は対象外)。

click to open popover

キャンペーンおよび追加情報


よく一緒に購入されている商品

  • オンライン機械学習 (機械学習プロフェッショナルシリーズ)
  • +
  • 深層学習 (機械学習プロフェッショナルシリーズ)
総額: ¥6,048
ポイントの合計: 182pt (3%)
選択された商品をまとめて購入

Kindle 端末は必要ありません。無料 Kindle アプリのいずれかをダウンロードすると、スマートフォン、タブレットPCで Kindle 本をお読みいただけます。

  • Apple
  • Android
  • Android

無料アプリを入手するには、Eメールアドレスを入力してください。



【Amazon Global】OTAKU Store
Figures, Video Games, Blu-ray, DVD and Music of Japanese Anime, Games and Pop Culture Shop now

商品の説明

内容紹介

誰でもすぐにオンライン機械学習を実践できる即戦力の入門書!オンライン機械学習の基礎から理論、実装、応用、最新手法までをすべて網羅し、明快に解説した。この1冊で、面白いほどよくわかる!

【機械学習プロフェッショナルシリーズ】
本シリーズでは、発展著しい機械学習技術の数学的な基礎理論、実用的なアルゴリズム、それらの活用法を、全29巻にわたって刊行する。
ビッグデータ時代を牽引している若手・中堅の現役研究者が、入門的な内容から最先端の研究成果までをわかりやすく解説。
これからデータサイエンス分野で研究を始めようとしている大学生・大学院生、および、機械学習技術を基礎科学や産業に応用しようとしている研究者・技術者に向けた注目のシリーズである。

全29巻のうち第1期として、以下の4点を同時刊行!

『機械学習のための確率と統計』杉山 将・著
『深層学習』岡谷 貴之・著
『オンライン機械学習』海野 裕也/岡野原 大輔/得居 誠也/徳永 拓之・著
『トピックモデル』岩田 具治・著

第2期の刊行は2015年8月、第3期の刊行は2015年12月の予定(^o^)/

【シリーズ編者】
杉山 将 東京大学大学院新領域創成科学研究科 教授

内容(「BOOK」データベースより)

だれでも、すぐに実践できる。ライバルに差をつけろ!基礎から理論、実装、最新手法までをすべて網羅した。数学的な準備も記載され、初学者にうれしい親切設計。

商品の説明をすべて表示する

登録情報

  • 単行本(ソフトカバー): 172ページ
  • 出版社: 講談社 (2015/4/8)
  • 言語: 日本語
  • ISBN-10: 406152903X
  • ISBN-13: 978-4061529038
  • 発売日: 2015/4/8
  • 梱包サイズ: 20.8 x 14.8 x 1.8 cm
  • おすすめ度: 5つ星のうち 3.0 3件のカスタマーレビュー
  • Amazon 売れ筋ランキング: 本 - 214,722位 (本の売れ筋ランキングを見る)
  • さらに安い価格について知らせる
    この商品を出品する場合、出品者サポートを通じて更新を提案したいですか?

  • 目次を見る

カスタマーレビュー

5つ星のうち 3.0
あなたのご意見やご感想を教えてください

トップカスタマーレビュー

形式: 単行本(ソフトカバー)
ある程度機械学習について知見があり、オンライン機械学習についても学んでみたい、という人に適した本だと思います。
記載されている数式/証明を読み進めていくにはある程度の前提知識が必要なので、初めての機械学習、という方にはあまりお勧めできません。2章で若干初学者向けの補完がありますが、肝となる4章を読んでいくにはここだけの知識ではきついと思います。
また、実装についての章がありますが、実際にオンライン機械学習システムを構築する方法が書かれているわけではありません(後述します)。そのため、その点を期待されている方は注意してください。

肝となるのは1・4・5章と思います。
オンライン機械学習の概要を1章で、具体的に利用される手法とその理論的な背景を4章で、そして性能評価を行うための手法が5章で解説されています。ここでは、これからオンライン機械学習を使いたい、という人がその理論的な知識を学ぶために必要な情報がコンパクトにまとまっていると思います。

2章は前述の通り数学的な基礎知識、3章は機械学習の主に分類問題における基本的な手法の解説になっています・・・が、このページ数の書籍でそこをカバーするのはやはり難しかったと思います。2章で説明される内容は簡潔過ぎて以降の章の理解に役立つことはほぼないので、いっそ2章を切り捨てて
...続きを読む ›
コメント 24人のお客様がこれが役に立ったと考えています. このレビューは参考になりましたか? はい いいえ 評価を送る...
フィードバックありがとうございました。
申し訳ありませんが、お客様の投票の記録に失敗しました。もう一度試してください。
違反を報告
投稿者 そそ 投稿日 2015/4/29
形式: 単行本(ソフトカバー)
オンラインとあるが時系列データは出てこない。大量のデータがある時にひとつづつ見て最適化する,という意味。

全体的に,本としてまとまってない。高校数学程度の公式の説明があったり,研究者にしか興味なさそうな誤差解析があったり,数値計算の工夫の章があったり,ばらばらで,それぞれ不完全。著者がそれぞれ知っていることを全部,別々に書いた,という感じ。著者も達成感はあまりないのではないか。読者はさらに後味が悪い。

1章は重厚でよいが浮いている。
2章??
3章?
4章,特にオンライン最適化の手法をまとめた4.1節は分かりやすい。
5章の内容はよいが浮いている印象。

章立ても(情報量が薄い章タイトルも),Adaptive Regularization of Weight Vectors ,State Synchronous Parallelとか,原論文の用語をそのまま原語で書くやり方も,本としての仕事が雑という印象を抱かせる。テーマ自体は重要で,類書もないので,不要な章を削って,まとまりある本に書き直すのがよい。
コメント 36人のお客様がこれが役に立ったと考えています. このレビューは参考になりましたか? はい いいえ 評価を送る...
フィードバックありがとうございました。
申し訳ありませんが、お客様の投票の記録に失敗しました。もう一度試してください。
違反を報告
形式: 単行本(ソフトカバー)
3章では、機械学習の基本となる

二値分類
線形分類器
パーセプトロン
確率的勾配降下法
サポートベクトルマシン
ロジスティック回帰
多クラス分類

が丁寧に解説されている。
特に、確率的勾配降下法(SGD)については詳しく、
SGDでの問題の解き方が非常にわかりやすい!

4章では、少し高度な

高精度なオンライン学習
オンライン分散並列学習
深層学習で使われるオンライン学習

が解説されていて、勉強になった。
また、学習アルゴリズムが書いてあり、
アルゴリズムの中身が知れるので、とても助かる。

あるブログ「機械学習の有益な書籍情報を共有します。」には、
初学者が最初に読むべき3冊の1冊として紹介されている。

この本には、サポートページやtwitter公式アカウントがある。
コメント 8人のお客様がこれが役に立ったと考えています. このレビューは参考になりましたか? はい いいえ 評価を送る...
フィードバックありがとうございました。
申し訳ありませんが、お客様の投票の記録に失敗しました。もう一度試してください。
違反を報告