Items related to Pythonによるはじめ̆...

Pythonによるはじめての機械学習プログラミング[現場で必要な基礎知識がわかる] - Softcover

島田 達朗

 
9784297105259: Pythonによるはじめての機械学習プログラミング[現場で必要な基礎知識がわかる]
Softcover
ISBN 10: 429710525X ISBN 13: 9784297105259

Synopsis

（概要）人工知能（AI)・機械学習と言ったバズワードを見ることは多くなりましたが、まだまだデータ解析のハードルは高いと考えられています。特に機械学習の入門書には高度な理論や前提知識を必要とされることも多く、学習する過程で挫折しまうことが多いようです。エンジニアのみなさんにとっては、Pythonの便利なツールを用いてデータに実際にふれて、機械学習の面白さや便利さを体験することも良い学習方法の1つです。 誤解をおそれずに言えば、目の前のデータをどう扱えば役に立つのか？ を理解してからでも理論を学ぶのは遅くはありません。本書では「勉強になった」で終わることなく現場のアプリーケーションを使うための機械学習の基礎を解説します。（こんな方におすすめ）・機械学習に興味のあるエンジニア・これから機械学習を試してみたいエンジニア（目次）第1章　Pythonによる機械学習プログラミングの準備1.1 本書で扱う重要なPythonパッケージPandasscikit-learnFlaskGensimPyTorch1.2 本書の読み方コードおよびコマンドの表示importの決まりごとサンプルデータとサンプルコード1.3 Pythonのセットアップ本書で用いるPython環境とバージョンmacOSへのPythonのインストールUbuntuへのPythonのインストールWindowsへのPythonのインストールMeCabのインストールGraphvizのインストールPipenvによる仮想環境作成Pythonを記述する環境1.4 Visual Studio CodeによるPythonの実行Visual Studio CodeのインストールVisual Studio Codeの設定Visual Studio Code上でのPythonファイルの実行方法Visual Studio Codeを用いたPythonのデバッグ方法1.5 JupyterLabの基本JupyterLabの概要セットアップJupyterLabの画面構成Notebookの基本的な使い方第2章　Pandasによる前処理とデータの分析2.1 前処理とはデータ分析プロセスのフレームワークCRISP-DM2.2 irisデータの操作データの読み込みデータへのアクセス1次元データ：Seriesデータの型事例：型の変換2.3 データフレームへの変換とデータフレームからの変換データフレームの作り方CSVファイルへの書き出しデータフレームをリストや辞書型に変換2.4 データフレームを用いた計算や集計カテゴリーデータの種類や頻度ランキングデータの並び替え基本的な集計グループごとの集計複数の集計を計算2.5 その他のデータ形式の操作TSV形式のデータExcel形式のデータhtmlのテーブルを読むメモリに乗らないデータを逐次的に読み込む2.6 データベースからのデータ取得データベースとはSQLite形式のデータを作るSQLの実行集計と結合2.7 Pandasによるデータ分析の例ライブラリとデータの読み込みカテゴリカルな列を特定データの整形1 - 複数回答を異なる列へ展開データの整形2 - 4種類の回答を3種類にまとめるデータの整形3 - 条件に一致する行を抽出データの整形4 - 縦方向のデータを横方向のデータに変換Plotlyによる可視化1連の前処理を連続して記述するメソッドチェーン正規化と正則化外れ値データのサンプリング欠損を含むデータの削除欠損値の補完第3章　scikit-learnではじめる機械学習3.1 機械学習に取り組むための準備機械学習とは機械学習を使うメリット機械学習を使うデメリット機械学習を用いるかの判断3.2 scikit-learnによる機械学習の基本scikit-learnとは教師あり学習と教師なし学習教師あり学習における課題の取り組み方データの準備機械学習でデータを分類するどんな特徴量が分類に貢献しているのか？別のアルゴリズムを試してみる機械学習での予測結果に関する評価方法ここまでのまとめ3.3 Flaskとscikit-learnでAPIを構築するマイクロサービスの考え方機械学習のアプリケーションをつくるステップ学習と予測を分けると得られるメリット学習結果を保存し、読み込む学習結果を用いて予測APIを構築するFlaskを起動してみる学習結果をFlaskから読み込み、予測結果をAPIで返すまとめ第4章　GensimとPyTorchを使った自然言語処理4.1 自然言語処理とは分布仮説とWord2vecWord2vecの学習単語の意味ベクトルの応用4.2 Gensimで単語の意味ベクトルを学習するWord2vecのモデル学習データの生成Gensimによる学習学習時に指定できる主要なパラメータ意味ベクトルの視覚化4.3 類語を検索する類語検索のアルゴリズム類語検索の実装4.4 アナロジーの推論をするアナロジー推論のアルゴリズムアナロジー推論の実装4.5 PyTorchで日本語ニュース記事を分類するデータセットの準備学習済み意味ベクトルのテキスト形式への変換データセットの読み込みと語彙の作成モデルの定義モデルの訓練とテスト4.6 本章のまとめと次のステップ

"synopsis" may belong to another edition of this title.

Language
Japanese
ISBN 10 
429710525X
ISBN 13 
9784297105259
Binding
Tankobon Softcover