大変素晴らしい。最初からこの本を勉強すればよかった。
自分はこの本を読む前に、下記数冊を読んでみました。
(1)
Pythonデータサイエンスハンドブック ―Jupyter、NumPy、pandas、Matplotlib、scikit-learnを使ったデータ分析、機械学習
(2)
機械学習のための特徴量エンジニアリング ―その原理とPythonによる実践
(3)
Python機械学習ライブラリ scikit-learn活用レシピ80+
いずれもサンプルコードの動作を確認しながら、理解しようとしました。
上記(1)も結構いいのですが、こと機械学習でscikit-learn部分に関して言えば、やはり本書ほどではない。
自分はソフトウェアシステム設計者とプログラマとして20年以上の経験をしてきたが、
上記(1),(2),(3)に関して言えば、特に(2)と(3)は中途半端だなと感じていました。説明不足か?翻訳の問題か?
更に悪く言えば訳わからない記述やコードが多くて、読み進めなくなる箇所は結構多かった。
しかし、本書では、読者の立場に立って、テーマごとに丁寧に説明しきれるように努めていると自分は深く感じました。
深入りしたくない議論や課題についてはヒントや参考資料を示してくれているのでとても有難い。
特に機械学習の初心者には非常にお薦めしたい。
著者をフォローする
何か問題が発生しました。後で再度リクエストしてください。
OK
Pythonではじめる機械学習 ―scikit-learnで学ぶ特徴量エンジニアリングと機械学習の基礎 (日本語) 単行本(ソフトカバー) – 2017/5/25
Andreas C. Muller
(著)
著者の作品一覧、著者略歴や口コミなどをご覧いただけます
この著者の 検索結果 を表示
あなたは著者ですか?
著者セントラルはこちら
|
中田 秀基
(翻訳)
著者の作品一覧、著者略歴や口コミなどをご覧いただけます
この著者の 検索結果 を表示
あなたは著者ですか?
著者セントラルはこちら
|
-
本の長さ392ページ
-
言語日本語
-
出版社オライリージャパン
-
発売日2017/5/25
-
寸法24 x 19 x 2.5 cm
-
ISBN-104873117984
-
ISBN-13978-4873117980
よく一緒に購入されている商品
この商品をチェックした人はこんな商品もチェックしています
ページ: 1 / 1 最初に戻るページ: 1 / 1
- ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装単行本(ソフトカバー)
- 独学プログラマー Python言語の基本から仕事のやり方までコーリー・アルソフ単行本
- スッキリわかるPython入門 (スッキリシリーズ)単行本(ソフトカバー)
- ゼロから作るDeep Learning ❸ ―フレームワーク編単行本(ソフトカバー)
- 人工知能は人間を超えるか ディープラーニングの先にあるもの (角川EPUB選書)松尾 豊単行本
- ゼロから作るDeep Learning ❷ ―自然言語処理編単行本(ソフトカバー)
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。
Kindle化リクエスト
このタイトルのKindle化をご希望の場合、こちらをクリックしてください。
Kindle をお持ちでない場合、こちらから購入いただけます。 Kindle 無料アプリのダウンロードはこちら。
このタイトルのKindle化をご希望の場合、こちらをクリックしてください。
Kindle をお持ちでない場合、こちらから購入いただけます。 Kindle 無料アプリのダウンロードはこちら。
商品の説明
内容(「BOOK」データベースより)
Pythonの機械学習用ライブラリの定番、scikit‐learnのリリースマネージャを務めるなど開発に深く関わる著者が、scikit‐learnを使った機械学習の方法を、ステップバイステップで解説します。ニューラルネットを学ぶ前に習得しておきたい機械学習の基礎をおさえるとともに、優れた機械学習システムを実装し精度の高い予測モデルを構築する上で重要となる「特徴量エンジニアリング」と「モデルの評価と改善」について多くのページを割くなど、従来の機械学習の解説書にはない特長を備えています。
著者略歴 (「BOOK著者紹介情報」より)
ミュラー,アンドレアス・C.
ボン大学で、機械学習のPhDを取得。コンピュータビジョンアプリの機械学習研究者としてAmazonに1年間勤務したのち、ニューヨーク大学データサイエンスセンターを経て現在はコロンビア大学の講師。ここ4年間は、産業界および学術界で広く使われている機械学習ライブラリscikit‐learnのメンテナ、コアコントリビュータ、リリースマネージャーとして活躍する。広く使われている別の機械学習パッケージの開発者兼コントリビュータでもある
グイド,サラ
スタートアップで働くデータサイエンティスト。ニューヨーク在住。ミシガン大学大学院修了
中田/秀基
博士(工学)。産業技術総合研究所において分散並列計算の研究に従事(本データはこの書籍が刊行された当時に掲載されていたものです)
ボン大学で、機械学習のPhDを取得。コンピュータビジョンアプリの機械学習研究者としてAmazonに1年間勤務したのち、ニューヨーク大学データサイエンスセンターを経て現在はコロンビア大学の講師。ここ4年間は、産業界および学術界で広く使われている機械学習ライブラリscikit‐learnのメンテナ、コアコントリビュータ、リリースマネージャーとして活躍する。広く使われている別の機械学習パッケージの開発者兼コントリビュータでもある
グイド,サラ
スタートアップで働くデータサイエンティスト。ニューヨーク在住。ミシガン大学大学院修了
中田/秀基
博士(工学)。産業技術総合研究所において分散並列計算の研究に従事(本データはこの書籍が刊行された当時に掲載されていたものです)
登録情報
- 出版社 : オライリージャパン (2017/5/25)
- 発売日 : 2017/5/25
- 言語 : 日本語
- 単行本(ソフトカバー) : 392ページ
- ISBN-10 : 4873117984
- ISBN-13 : 978-4873117980
- 寸法 : 24 x 19 x 2.5 cm
-
Amazon 売れ筋ランキング:
- 5,271位本 (の売れ筋ランキングを見る本)
- - 17位プログラミング入門書
- - 37位ソフトウェア開発・言語
- カスタマーレビュー:
この商品を買った人はこんな商品も買っています
ページ: 1 / 1 最初に戻るページ: 1 / 1
カスタマーレビュー
5つ星のうち4.4
星5つ中の4.4
105 件のグローバル評価
評価はどのように計算されますか?
全体的な星の評価と星ごとの割合の内訳を計算するために、単純な平均は使用されません。その代わり、レビューの日時がどれだけ新しいかや、レビューアーがAmazonで商品を購入したかどうかなどが考慮されます。また、レビューを分析して信頼性が検証されます。
トップレビュー
上位レビュー、対象国: 日本
レビューのフィルタリング中に問題が発生しました。後でもう一度試してください。
2019年4月24日に日本でレビュー済み
違反を報告
Amazonで購入
54人のお客様がこれが役に立ったと考えています
役に立った
2018年6月11日に日本でレビュー済み
Amazonで購入
人工知能の勉強を始めて半年の初心者ですが、本書は自分にとって2冊目に勉強した本です。1冊目はpythonの超初心者向けの本で、本書は2冊目。結論から言うと大変勉強になったし、本書をバイブルとしてこれからも何度も見返すことになると思います。本書は機械学習の手法の一般的な内容を網羅的に扱っており、本書を繰り返し読み、コードを写経することで機械学習(ディープラーニングを除く)を実際に自分で使うことができるようになると感じました。本書に出会えて本当に良かった。
2020年5月9日に日本でレビュー済み
Amazonで購入
仕事でscikit-learnを使うことになり、インターネットでいろいろ調べたのですが要領を得なかったので本書を購入しました。
結論から言うと、大満足です。
というか、この本が無ければ、scikit-learnの使い方のHow toを身につけることはできなかったでしょう。
以下、各章ごとに簡単に良かった点をお話します。
1章 はじめに
導入部としては可もなく不可もなく、といった感じです。
ただ、本書で使用するライブラリ群について、概要が説明されているので、知らないライブラリがあっても抵抗なく2章以降を読み進めることができます。
2章 教師あり学習
ここが、この本の山場のひとつです。
機械学習でよく使用される手法について、実際にscikit-learnを使ったpythonコードを交えながら説明してくれます。私は他の書籍で教師あり学習については前知識があったので、内容がすんなり入ってきました。
また、「このモデルは、scikit-learnではこんな風に書くのか」といった、使えるサンプルコードがたくさんあり、とても勉強になりました。
3章 教師なし学習と前処理
個人的には教師なし学習は使わないので、流し読みしました。
内容的にも、教師なし学習の初学者がいきなり理解できるレベルではないと思います。
別の本で、教師なし学習の基本を身につけ、それから本章を読んで、「scikit-learnではこんな風に書くんだ」と再認識するのが良いと思います。
4章 データの表現と特徴量エンジニアリング
この章は、あまりピンときませんでした。
仕事上で必要に迫られたときに、また読み返そうと思います。
5章 モデルの評価と改良
この本最大の山場だと思います。個人的には、この章だけで、この本を買ってよかったと思いました。
実際にモデルを作るときに、それをどう評価して、どう改良すればよいのか、scikit-learnを使った具体的なテクニックが満載です。
モデルの評価に悩んでいる人には、オススメです。
理論はわかっているけど、実践でどうやればいいんだろう?みたいな悩みを解決してくれます。
6章 アルゴリズムチェーンとパイプライン
この章も、実用的で良い章でした。
scikit-learnのパイプラインという機能の使い方の説明なのですが、これがすごく有用です。
知らないと損するレベルのテクニックで、大満足でした。
7章 テキストデータの処理
文章をscikit-learnで処理する方法について詳細に解説されています。
が、個人的にはいまひとつでした。
そもそも、文章を機械学習させるなら、RNNを使うかな、と思いますし、この分野にscikit-learnを使うシチュエーションを思いつきません。
しかし、そういう機会があれば、きっと役に立つ内容だと思います。
8章 おわりに
この本を読み終えたあと、深堀りしたければこの本がオススメ、とか、こういう勉強をしたらいいよ、といったことが書かれています。内容としてはまずまずです。
日本語化された書籍もいくつか紹介されていますし、このオススメに乗っかるのも手かと思います。
以上、非常に満足のいく内容でしたが、少しだけ不満点を。
説明を簡単にするため、著者がこの本用に作ったmglearnというライブラリが、サンプルコードの中に頻出します。1章で、このライブラリのことはあまり気にするな、と書いてますが、このライブラリがブラックボックス過ぎて、サンプルソースを追うのが辛い場面がちょこちょこありました。
できれば、こうしたブラックボックスなオリジナルライブラリは無しでサンプルソースを書いてほしかったです。
また、本書のサンプルコードには随所にmatplotlibが登場します。
このライブラリの知識がないと、ハテナマークが付きまくる箇所が結構あります。
できれば、1章割いて(またはコラムでもいいので)使用しているmatplotlibのメソッドの説明をしてほしかったと思います。とてもきれいなグラフが書けるサンプルなだけに、理解が難しいのは残念でした。
この書籍は、pythonで「はじめる」とありますが、完全初学者用の入門書ではありません。
まったく機械学習を知らない場合は、別の、もっと簡単な書籍で勉強してから読むことをお勧めします。
とはいえ、良書であることには間違いありません。
scikit-learnを使うなら、携帯必須の書籍だと思います。
誤訳もなく、非常に読みやすい訳文だったのもプラスです。
結論から言うと、大満足です。
というか、この本が無ければ、scikit-learnの使い方のHow toを身につけることはできなかったでしょう。
以下、各章ごとに簡単に良かった点をお話します。
1章 はじめに
導入部としては可もなく不可もなく、といった感じです。
ただ、本書で使用するライブラリ群について、概要が説明されているので、知らないライブラリがあっても抵抗なく2章以降を読み進めることができます。
2章 教師あり学習
ここが、この本の山場のひとつです。
機械学習でよく使用される手法について、実際にscikit-learnを使ったpythonコードを交えながら説明してくれます。私は他の書籍で教師あり学習については前知識があったので、内容がすんなり入ってきました。
また、「このモデルは、scikit-learnではこんな風に書くのか」といった、使えるサンプルコードがたくさんあり、とても勉強になりました。
3章 教師なし学習と前処理
個人的には教師なし学習は使わないので、流し読みしました。
内容的にも、教師なし学習の初学者がいきなり理解できるレベルではないと思います。
別の本で、教師なし学習の基本を身につけ、それから本章を読んで、「scikit-learnではこんな風に書くんだ」と再認識するのが良いと思います。
4章 データの表現と特徴量エンジニアリング
この章は、あまりピンときませんでした。
仕事上で必要に迫られたときに、また読み返そうと思います。
5章 モデルの評価と改良
この本最大の山場だと思います。個人的には、この章だけで、この本を買ってよかったと思いました。
実際にモデルを作るときに、それをどう評価して、どう改良すればよいのか、scikit-learnを使った具体的なテクニックが満載です。
モデルの評価に悩んでいる人には、オススメです。
理論はわかっているけど、実践でどうやればいいんだろう?みたいな悩みを解決してくれます。
6章 アルゴリズムチェーンとパイプライン
この章も、実用的で良い章でした。
scikit-learnのパイプラインという機能の使い方の説明なのですが、これがすごく有用です。
知らないと損するレベルのテクニックで、大満足でした。
7章 テキストデータの処理
文章をscikit-learnで処理する方法について詳細に解説されています。
が、個人的にはいまひとつでした。
そもそも、文章を機械学習させるなら、RNNを使うかな、と思いますし、この分野にscikit-learnを使うシチュエーションを思いつきません。
しかし、そういう機会があれば、きっと役に立つ内容だと思います。
8章 おわりに
この本を読み終えたあと、深堀りしたければこの本がオススメ、とか、こういう勉強をしたらいいよ、といったことが書かれています。内容としてはまずまずです。
日本語化された書籍もいくつか紹介されていますし、このオススメに乗っかるのも手かと思います。
以上、非常に満足のいく内容でしたが、少しだけ不満点を。
説明を簡単にするため、著者がこの本用に作ったmglearnというライブラリが、サンプルコードの中に頻出します。1章で、このライブラリのことはあまり気にするな、と書いてますが、このライブラリがブラックボックス過ぎて、サンプルソースを追うのが辛い場面がちょこちょこありました。
できれば、こうしたブラックボックスなオリジナルライブラリは無しでサンプルソースを書いてほしかったです。
また、本書のサンプルコードには随所にmatplotlibが登場します。
このライブラリの知識がないと、ハテナマークが付きまくる箇所が結構あります。
できれば、1章割いて(またはコラムでもいいので)使用しているmatplotlibのメソッドの説明をしてほしかったと思います。とてもきれいなグラフが書けるサンプルなだけに、理解が難しいのは残念でした。
この書籍は、pythonで「はじめる」とありますが、完全初学者用の入門書ではありません。
まったく機械学習を知らない場合は、別の、もっと簡単な書籍で勉強してから読むことをお勧めします。
とはいえ、良書であることには間違いありません。
scikit-learnを使うなら、携帯必須の書籍だと思います。
誤訳もなく、非常に読みやすい訳文だったのもプラスです。
2020年4月14日に日本でレビュー済み
Amazonで購入
機械学習について、理論は一通り学んだけど実際に動かしたことはなく、これから動かしたいという人には最適な本。
代表的なアルゴリズムを解説しており、本文中のPythonコードはgitから持ってこれるので、自分で動かすことで理解が深まる。
個人ブログで見る機械学習系の記事も、元ネタはこの本だったということが多い。それだけ本書は分かりやすい例が豊富である。
内容はベーシックながら、より複雑なモデルを構築する上での欠かせない知識が書かれていると思う。
代表的なアルゴリズムを解説しており、本文中のPythonコードはgitから持ってこれるので、自分で動かすことで理解が深まる。
個人ブログで見る機械学習系の記事も、元ネタはこの本だったということが多い。それだけ本書は分かりやすい例が豊富である。
内容はベーシックながら、より複雑なモデルを構築する上での欠かせない知識が書かれていると思う。