関連サイト
本書の関連ページが用意されています。
内容紹介
簡単な機械学習モデルの構築からアプリでの活用まで、「使える」スキルを身につける
Pythonによる機械学習の入門書。簡単な機械学習モデルを作るところから、システムの洗練まで、サンプルプログラムを試しながら習得することができます。
本書は、手を動かし実際に動くものを作ることで、機械学習を利用したシステムの全体像を身につけてもらうことを目標としています。
業務で機械学習を利用したサービスか何かを開発しようとすると、様々な課題に直面してしまい戸惑う方は多いのではないでしょうか。サーバ環境やアプリケーションの構築といった、機械学習に直接関係ない複数の領域についても知っていないと開発が実際には進みません。また、継続的に機械学習を行うための学習データの収集も、一つの大きな壁となるでしょう。
本書では、こういった壁をなるべく早く乗り越え、機械学習を用いたサービス作りのスタートラインに立ってもらうことを想定して、カリキュラムを組み立てています。そのため、本書籍は機械学習サービスを作るためのベストプラクティス集やアンチパターン集ではありません。
また、機械学習の詳細な理論の解説や機械学習モデルの実装を行うことも主題ではないため、これらの解説も基本的に行なっていません。データの収集や整形から機械学習モデルを構築するまでのパイプライン開発、それらモデルのWebサービスへの導入開発まで、様々な幅広いトピックを取り扱っています。これらのトピックを一つ一つ進めていくことで、機械学習を用いたWebサービスの開発での基礎が習得できるはずです。
本書の構成はこのようになっています。
Chapter01 開発・実行環境を整える
Amazon SageMakerを使った開発・実行環境を構築します。
Chatper02 機械学習を試してみる
基本的な機械学習の流れを、データの前処理から評価まで一通り体験します。
Chapter03 機械学習モデルを使うWebサイトを作る
Webブラウザ上での入力からサーバサイドの処理まで、機械学習モデルを使ったWebサイトの構築を一通り学びます。
Chapter04 より大規模にデータを集めていく
クローリングやスクレイピングといった、データ収集の方法を学習します。
Chapter05 ユーザの反応を集める仕組みを作る
ユーザログを集める仕組みを構築していきます。
Chapter06 推薦システムを作る
総仕上げとして、推薦システムのWebアプリケーションを構築していきます。
Chapter07 工夫してシステムを洗練していく
AWS Lambdaを使い、サーバレスで機械学習をデプロイします。
Chapter08 Appendix
開発が円滑に進むLinuxコマンドやSSH、エディタの解説を行います。
サンプルコードはダウンロード可能です。
書誌情報
- 著者: 竹野峻輔, 髙橋寛治
- 発行日: 2019-04-23 (紙書籍版発行日: 2019-04-23)
- 最終更新日: 2019-04-23
- バージョン: 1.0.0
- ページ数: 280ページ(PDF版換算)
- 対応フォーマット: PDF
- 出版社: マイナビ出版
対象読者
著者について
竹野峻輔
Retty ソフトウェアエンジニア
長岡技術科学大学 自然言語処理研究室にて機械学習を利用した自然言語処理の研究に従事。大手企業との共同研究を経て構文解析・機械翻訳の研究に携わり、成果の一部は主要国際会議に採択。Rettyにおいてはテキスト分析基盤の構築に取り組む。
髙橋寛治
Sansan株式会社、Data Strategy & Operation Center, R&D Group, 研究員
2013-2015年 長岡技術科学大学、ソリマチベトナムおよびホーチミン市工科大学での長期実務訓練。2015-2017年 長岡技術科学大学大学院、自然言語処理の研究に従事。2017年 Sansan株式会社入社、Data Strategy & Operation Center, R&D Group 研究員として、自然言語処理などの研究開発に従事。
目次
Chapter01 開発・実行環境を整える
- 1-1 Amazon Web Services（AWS）によるクラウド環境のセットアップ
- 1-2 Amazon SageMakerによる開発・実行環境
- 1-3 Jupyter Labを使った文芸的プロラグラミングをはじめよう
Chatper02 機械学習を試してみる
- 2-1 本の著者を予測するモデルを作る
- 2-2 環境の準備
- 2-3 対象とするデータセットと整形
- 2-4 実際にモデルを作成する
- 2-5 モデルを評価する
Chapter03 機械学習モデルを使うWebサイトを作る
- 3-1 学習モデルを使うWebサイトとは
- 3-2 アプリケーションサーバを立てる
- 3-3 APIサーバを立てる
Chapter04 より大規模にデータを集めていく
- 4-1 クローリングとスクレイピングに関して
- 4-2 クローリングとスクレイピング環境の構築
- 4-3 クローリングとスクレイピングを行ってみる
- 4-4 Scrapy入門
- 4-5 Scrapyでクローリング＆スクレイピング
- 4-6 MongoDBにデータを格納する
- 4-7 クローリングの注意事項
Chapter05 ユーザの反応を集める仕組みを作る
- 5-1 機械学習とユーザログ
- 5-2 ユーザの反応を踏まえたサービスの開発サイクルを設計する
- 5-3 作成したWebサービス上でユーザログを取得できるようにする
Chapter06 推薦システムを作る
- 6-1 推薦システムとは何か？
- 6-2 ベースとなるWebシステムの構築
- 6-3 Webサービスの推薦サービスの基本の実装を行う
- 6-4 推薦サービスのためのロジックを実装していく
- 6-5 機械学習手法を利用したロジックの実装
Chapter07 工夫してシステムを洗練していく
- 7-1 Lambdaの概要
- 7-2 Lambdaで動作するモデルを作る
- 7-3 Serverless Frameworkによるデプロイ
Chapter08 Appendix
- 8-1 ターミナル
- 8-2 Docker
- 8-3 ターミナル上でエディタを使う