ギフトで購入

機械学習

周志華(著), 大和田勇人, 玄光男, 下川朝有, 郝新厂, 張聞強

~~8,800円~~ 4,400円 (4,000円+税) 《特価》

原著は中国の数多くの大学や高専で使われている機械学習の標準教科書にして、2016年の刊行以来2020年11月までの発行数が54万部を超えるベストセラー書籍。本書は大まかに基礎，具体的手法、先進的理論からなり、少ない数学的知識で読めて各章が短いという教科書的配慮がなされている。

【注意】本書のEPUB版は固定レイアウト型になっております。文字の大きさの変更や検索、引用などはお使いいただけません。画面の大きい端末でご利用ください。

内容紹介

原著は中国の数多くの大学や高専で使われている機械学習の標準教科書にして、2016年の刊行以来2020年11月までの発行数が54万部を超えるベストセラー書籍。

本書は大まかに基礎，具体的手法、先進的理論からなり、少ない数学的知識で読めて各章が短いという教科書的配慮がなされている。「スイカを切らずにその良し悪しを機械学習でどう判断するか？」が本書の骨子になっており、書影に描かれたスイカは本書のトレードマークとなっている。

中国はいかにして機械学習の分野をリードするに至ったか、そのエッセンスを紐解く一冊。

書誌情報

著者: 周志華(著), 大和田勇人, 玄光男, 下川朝有, 郝新厂, 張聞強
発行日: 2022-10-22 (紙書籍版発行日: 2022-10-22)
最終更新日: 2022-10-22
バージョン: 1.0.0
ページ数: 454ページ(PDF版換算)
対応フォーマット: PDF, EPUB
出版社: 近代科学社

対象読者

AI,機械学習,ディープラーニング,回帰分析,決定木,ニューラルネットワーク,サポートベクターマシン,ベイズ分類器,アンサンブル学習,クラスタリング,次元削減,距離学習,特徴選択,スパースモデリング,半教師あり学習,確率的グラフィカルモデル,規則学習,強化学習に興味がある人

著者について

周志華

大和田勇人

1983年　東京理科大学理工学部経営工学科卒業
1988年　東京理科大学大学院博士課程理工学研究科経営工学専攻修了工学博士
1988−現在　東京理科大学理工学部経営工学科助手、講師、助教授、教授
専門分野　人工知能、機械学習、帰納論理プログラミング

玄光男

1969−1974年　工学院大学電子工学科卒業、同大院博士課程電気工学専攻修了工学博士(1975)
2006 年　京都大学大学院博士後期課程情報学研究科博士（情報学）
1975−2003年　足利工業大学経営システム工学科講師、助教授、教授
1999.8−2000.3　University of California、Berkeley、大学院IEOR Seminar 298-4 担当客員教授
2003−2010年　早稲田大学大学院情報生産システム研究科教授
2004−現在　一般財団法人ファジィシステム研究所評議員（2004−2010）、客員研究員（2010−2011）、特別研究員（2011−現在）
2010−2014 年　韓国：UNIST 大学院、漢陽大学大学院、台湾：国立清華大学大学院客員教授
2014−現在　東京理科大学特命教授（2014−2015）、客員教授
専門分野　進化計算、強化学習、生産物流スケジューリング

下川朝有

2010年　東京理科大学理学部第二部数学科卒業
2015年　東京理科大学大学院博士後期課程理学研究科数学専攻修了博士（理学）
2015−現在　東京理科大学理学部第二部数学科助教、講師
2018.4−2018.8　Columbia University, 統計学科訪問研究員
専門分野　生存時間解析、アンサンブル学習、木構造モデル

郝新厂

1999年　鄭州大学コンピュータ科学科卒業
2016年　早稲田大学大学院博士後期課程情報生産システム研究科修了博士（工学）
2007−2008 年　株式会社NTT データシステムエンジニア
2018−現在　常州工学院アート・デザイン科学部デジタルメディア芸術学科助教授
専門分野　企業プロセス最適化、デジタルツイン、進化計算

張聞強

1999年　鄭州大学コンピュータ科学科卒業
2011年　早稲田大学大学院博士後期課程情報生産システム研究科修了博士（工学）
2004−2006 年　株式会社JANA ソリューションシステムエンジニア
2012−現在　河南工業大学情報科学・工程学院ユビキタスネットワーク工学科副教授
専門分野　進化計算、強化学習、生産スケジューリング

5.1 ニューロンモデル
5.2 パーセプトロンと多層ネットワーク
5.3 誤差逆伝播法
5.4 大域的最小値と局所的最小値
5.5 その他の一般的なニューラルネットワーク
5.6 ディープラーニング
5.7 文献ノート
演習問題 / 参考文献 / 休憩コラム

第6章　サポートベクターマシン

6.1 マージンとサポートベクターマシン
6.2 双対問題
6.3 カーネル関数
6.4 ソフトマージンと正則化
6.5 サポートベクター回帰
6.6 カーネル法
6.7 文献ノート
演習問題 / 参考文献 / 休憩コラム

第7章　ベイズ分類器

7.1 ベイズ決定理論
7.2 最尤推定
7.3 単純ベイズ分類器
7.4 半単純ベイズ分類器
7.5 ベイジアンネットワーク
7.6 EM アルゴリズム
7.7 文献ノート
演習問題 / 参考文献 / 休憩コラム

第8章　アンサンブル学習

8.1 個別学習とアンサンブル学習
8.2 ブースティング
8.3 バギングとランダムフォレスト
8.4 結合法
8.5 多様性
8.6 文献ノート
演習問題 / 参考文献 / 休憩コラム

第9章　クラスタリング

9.1 クラスタリング問題
9.2 性能尺度
9.3 距離計算
9.4 プロトタイプクラスタリング
9.5 密度クラスタリング
9.6 階層的クラスタリング
9.7 文献ノート
演習問題 / 参考文献 / 休憩コラム

第10章　次元削減と距離学習

10.1 k 近傍法
10.2 低次元埋め込み
10.3 主成分分析
10.4 カーネル主成分分析
10.5 多様体学習
10.6 距離学習
10.7 文献ノート
演習問題 / 参考文献 / 休憩コラム

第11章　特徴選択とスパースモデリング

11.1 特徴サブセットの選択と評価
11.2 フィルター法
11.3 ラッパー法
11.4 埋め込み法とL1 正則化
11.5 スパース表現と辞書学習
11.6 圧縮センシング
11.7 文献ノート
演習問題 / 参考文献 / 休憩コラム

第12章　計算論的学習理論

12.1 基本知識
12.2 PAC 学習
12.3 有限仮説空間
12.4 VC 次元
12.5 Rademacher 複雑さ
12.6 安定性
12.7 文献ノート
演習問題 / 参考文献 / 休憩コラム

第13章　半教師あり学習

13.1 ラベルなしサンプル
13.2 生成法
13.3 半教師ありSVM
13.4 グラフに基づく半教師あり学習
13.5 相違に基づく方法
13.6 半教師ありクラスタリング
13.7 文献ノート
演習問題 / 参考文献 / 休憩コラム

第14章　確率的グラフィカルモデル

14.1 隠れマルコフモデル
14.2 マルコフ確率場
14.3 条件付き確率場
14.4 学習と推論
14.5 近似推論
14.6 トピックモデル
14.7 文献ノート
演習問題 / 参考文献 / 休憩コラム

第15章　ルール学習

15.1 基本概念
15.2 逐次カバーリング
15.3 枝刈り最適化
15.4 一階ルール学習
15.5 帰納論理プログラミング
15.6 文献ノート
演習問題 / 参考文献 / 休憩コラム

第16章　強化学習

16.1 タスクと報酬
16.2 K-アームバンディット
16.3 モデルベース学習
16.4 モデルなし学習
16.5 価値関数近似
16.6 模倣学習
16.7 文献ノート
演習問題 / 参考文献 / 休憩コラム

付録A　行列

付録B　最適化

付録C　確率分布

Home 〉書籍一覧〉機械学習 ▲ ページトップへ戻る

機械学習

関連サイト

内容紹介

書誌情報