【レビュー】トピックモデル

日々生成されるデータを「意味」のある情報としてとらえるための基礎技術を、その牽引役の1人が丁寧に解説した。離散確率分布の基礎から各種モデル、テキストデータにとどまらない応用事例までが1冊にまとまり、学びやすい。書籍初収録の例も豊富に含まれている。コンパクトでありながら、親切な記述なので、ついていける、読み通せる。


離散確率分布の基本から、各種モデル、応用事例、今後の展開までが1冊で見通せる。日々生成されるデータはそのままでは意味を成さない。機械がデータの意味を発見できる背景、理論、応用がわかる。

【機械学習プロフェッショナルシリーズ】
本シリーズでは、発展著しい機械学習技術の数学的な基礎理論、実用的なアルゴリズム、それらの活用法を、全29巻にわたって刊行する。
ビッグデータ時代を牽引している若手・中堅の現役研究者が、入門的な内容から最先端の研究成果までをわかりやすく解説。
これからデータサイエンス分野で研究を始めようとしている大学生・大学院生、および、機械学習技術を基礎科学や産業に応用しようとしている研究者・技術者に向けた注目のシリーズである。

全29巻のうち第1期として、以下の4点を同時刊行！

『機械学習のための確率と統計』杉山 将･著
『深層学習』岡谷 貴之･著
『オンライン機械学習』海野 裕也／岡野原 大輔／得居 誠也／徳永 拓之･著
『トピックモデル』岩田 具治･著

第2期の刊行は2015年8月、第3期の刊行は2015年12月の予定(＾o＾)/

【シリーズ編者】
杉山 将　東京大学大学院新領域創成科学研究科 教授

データを「意味」のある情報としてとらえるための基礎技術。必要な確率論から応用事例までをコンパクトにまとめた。

　・[R] トピックモデル(LDA)を用いた大量文書の教師なし分類[2019-02-19に投稿]

　・HDP-LDAでトピックモデルを作成する際の式の導出をLDAからしてみる[2018-09-25に投稿]

　・pythonでトピックモデルの変分ベイズ推定実装[2017-09-15に投稿]

　・pythonでトピックモデルの最尤推定実装[2017-08-06に投稿]

　・自然言語処理による文書分類の基礎の基礎、トピックモデルを学ぶ[2017-04-28に投稿]

　・LDAによるトピックモデル with gensim ~ Qiitaのタグからユーザーの嗜好を考える ~[2016-09-07に投稿]