［改訂新版］ITエンジニアのための機械学習理論入門

機械学習を基礎から理論的に学びたい、そんなITエンジニアに向けて執筆された本です。初版から約5年が経過し、全面カラー化して「改訂新版」としました。Pythonのコーディング環境もGoogle Colaboratoryに刷新、これまで5回にわたる重版で修正した内容に加え、最新の書き下ろし修正でアップデートしました。初版から内容は古びておらず、逆に、機械学習を学ぶうえで重要な理論がほぼカバーされていますので、まさに入門の定番書になりました。カラー化によりグラフも見やすくなり、理解が進むのもお勧めするポイントです。 ■第1章　データサイエンスと機械学習 1.1 ビジネスにおけるデータサイエンスの役割 1.2 機械学習アルゴリズムの分類 1.3 本書で使用する例題 1.4 サンプルコード実行環境の準備 ■第2章　最小二乗法：機械学習理論の第一歩 2.1 多項式近似と最小二乗法による推定 2.2 オーバーフィッティングの検出 2.3 付録 - ヘッセ行列の性質 ■第3章　最尤推定法：確率を用いた推定理論 3.1 確率モデルの利用 3.2 単純化した例による解説 3.3 付録 - 標本平均／標本分散の一致性と不偏性 ■第4章　パーセプトロン：分類アルゴリズムの基礎 4.1 確率的勾配降下法のアルゴリズム 4.2 パーセプトロンの幾何学的な解釈 ■第5章　ロジスティック回帰とROC 曲線：分類アルゴリズムの 評価方法 5.1 分類問題への最尤推定法の応用 5.2 ROC 曲線による分類アルゴリズムの評価 5.3 付録 - IRLS法の導出 ■第6章　k平均法：教師なし学習モデルの基礎 6.1 k平均法によるクラスタリングと応用例 6.2 怠惰学習モデルとしてのk近傍法 ■第7章　EMアルゴリズム：最尤推定法による教師なし学習 7.1 ベルヌーイ分布を用いた最尤推定法 7.2 混合分布を用いた最尤推定法 ■第8章　ベイズ推定：データを元に「確信」を高める手法 8.1 ベイズ推定モデルとベイズの定理 8.2 ベイズ推定の回帰分析への応用