【レビュー】Python機械学習プログラミング : 達人データサイエンティストによる理論と実践


  • 出版情報
  • ・著者:クイープ/翻訳 MirjaliliVahid/著 ミルジャリリヴァヒド/著 ラシュカセバスチャン/著
  • ・出版日:2018-3-21
  • ・ページ数:584P
  • レビュー数
  • ・週間:0記事
  • ・月間:0記事
  • ・年間:2記事
  • ・全期間:40記事

ジャンルTop10選

目次

「データから学習する能力」をコンピュータに与える
分類問題-単純な機械学習アルゴリズムのトレーニング
分類問題-機械学習ライブラリscikit‐learnの活用
データ前処理-よりよいトレーニングセットの構築
次元削減でデータを圧縮する
モデルの評価とハイパーパラメータのチューニングのベストプラクティス
アンサンブル学習-異なるモデルの組み合わせ
機械学習の適用1-感情分析
機械学習の適用2-Webアプリケーション
回帰分析-連続値をとる目的変数の予測〔ほか〕

概要

本書では、機械学習の各コンセプトについて、理論的背景とPythonコーディングの実際を解説。初期の機械学習アルゴリズムから、ニューラルネットワーク(CNN/RNN)までの手法を取り上げます。Python関連ライブラリとしてはscikit‐learnやTensorFlowなどを使用。第2版では、第1版への読者のフィードバックを随所に反映し、ライブラリの更新に対応しました。13章以降はほとんど新規の書き下ろしです。本書は、機械学習を本格的に理解・実践するのに不可欠な一冊となっています。

レビューの一覧

 ・第0章 [第2版]Python機械学習プログラミング 達人データサイエンティストによる理論と実践[2022-01-02に投稿]

 ・時系列性を持つデータに対するLightGBM予測モデルをhyperoptでパラメータチューニングした:結果の再現とn_estimatorsを整数型にするのにハマった件[2021-04-20に投稿]

 ・不均衡データの取り扱い:Python機械学習の説明がさらっとしていたので、ちょっと深掘りした[2021-04-12に投稿]

 ・【Webエンジニアど素人】が【3〜4年生】くらいになったら読むといい本を目的別にまとめた[2020-12-19に投稿]

 ・機械学習の教材を一通り読んだ感想[2020-07-17に投稿]

 ・機械学習について一回挫折してしまったエンジニアが何とかお仕事で機械学習を使えるようになるまで[2020-06-25に投稿]

 ・Google Cloud APIを使ってお手軽に感情分析入門[2020-03-30に投稿]

 ・10分間で画像認識モデル構築byKeras~機械学習への第一歩~[2020-03-24に投稿]

 ・エンジニアのインターンが技術書を30冊くらい読んでみたので、ゆるくまとめてみた[2020-03-18に投稿]

 ・2020年に読むべきデータサイエンスに関する書籍[2020-01-13に投稿]

 ・KaggleのTitanicでモデルを選別する(kaggle④)[2019-12-29に投稿]

 ・KaggleのTitanicで学習してみた(kaggle②)[2019-12-10に投稿]

 ・TwitterAPI登録を記入時間30分で超簡単にパスする裏技(日本語訳付き)[2019-11-25に投稿]

 ・PythonでTwitterスクレイピング&データフレーム化[2019-11-24に投稿]

 ・クラスタリング(シルエット分析によるk-measn法のk設定)[2019-09-24に投稿]

 ・【書籍まとめ】データサイエンス初心者が1年間で読んだ本[2019-08-21に投稿]

 ・機械学習を始めたい人のための入門書[2019-08-15に投稿]

 ・KAGGLEでどこから手を付けていいか分からず学ぶことが多すぎてまとめてみた[2019-08-04に投稿]

 ・機械学習初心者の私に告ぐ「4つの忠告」[2019-06-04に投稿]

 ・30歳を過ぎて機械学習エンジニアに転身して半年になったのでこれまでやってきた勉強についてまとめる[2019-06-01に投稿]

 ・今度こそわかるぞRNN, LSTM編[2019-05-05に投稿]

 ・scikit-learnでロジスティック回帰とSVM[2019-04-24に投稿]

 ・scikit-learnでパーセプトロン[2019-04-20に投稿]

 ・ADALINEのまとめ[2019-04-17に投稿]

 ・パーセプトロンのまとめ[2019-04-14に投稿]

 ・Python機械学習プログラミング 第6章 まとめ[2019-03-18に投稿]

 ・初心者から data scientist・AI engineer になるための勉強法&おすすめサイト・本を一つの記事にまとめたかった[2018-12-11に投稿]

 ・最低限知っておくべきデータの前処理[2018-11-27に投稿]

 ・過学習を防ごう(機械学習)[2018-11-23に投稿]

 ・【機械学習アルゴリズム】ロジスティック回帰によるモデル構築[2018-11-09に投稿]

 ・分類アルゴリズムいろいろ (2)[2018-11-06に投稿]

 ・PythonでやるML Cycle3: 線形識別関数で自動分類機を作る[2018-10-28に投稿]

 ・scikit-learnの使用例[2018-10-23に投稿]

 ・教師あり学習 線形分類器 [2018-10-20に投稿]

 ・ロジスティック回帰で分類する〜パーセプトロン、ADALINEからの発展〜[2018-09-25に投稿]

 ・機械学習事始め【概念編】[2018-09-05に投稿]

 ・人工ニューロンとパーセプトロン【機械学習再勉強】コード追記[2018-09-05に投稿]

 ・学生で参考になった本やサイト(備忘録)[2018-07-05に投稿]

 ・一目で分かるRANSAC[2018-05-25に投稿]

 ・[Python]不均衡データ分類問題に対する定番アプローチ:under sampling + baggingを実装したよ[2018-04-15に投稿]


amazonで確認