Pythonで動かして学ぶ！あたらしい機械学習の教科書 第2版

第1章　機械学習の準備
　1.1　機械学習について
　1.2　Pythonのインストール
　1.3　Jupyter Notebook
　1.4　KerasとTensorFlowのインストール

第2章　Pythonの基本
　2.1　四則演算
　2.2　変数
　2.3　型
　2.4　print文
　2.5　list（リスト、配列変数）
　2.6　tuple（タプル）
　2.7　if文
　2.8　for文
　2.9　ベクトル
　2.10　行列
　2.11　行列（ndarray）の四則演算
　2.12　スライシング
　2.13　条件を満たすデータの書き換え
　2.14　Help
　2.15　関数
　2.16　ファイル保存

第3章　グラフの描画
　3.1　2次元のグラフを描く
　3.2　3次元のグラフを描く

第4章　機械学習に必要な数学の基本
　4.1　ベクトル
　4.2　和の記号
　4.3　積の記号
　4.4　微分
　4.5　偏微分
　4.6　行列
　4.7　指数関数と対数関数

第5章　教師あり学習：回帰
　5.1　1次元入力の直線モデル
　5.2　2次元入力の面モデル
　5.3　D次元線形回帰モデル
　5.4　線形基底関数モデル
　5.5　オーバーフィッティングの問題
　5.6　新しいモデルの生成
　5.7　モデルの選択
　5.8　まとめ

第6章　教師あり学習：分類
　6.1　1次元入力2クラス分類
　6.2　2次元入力2クラス分類
　6.3　2次元入力3クラス分類

第7章　ニューラルネットワーク・ディープラーニング
　7.1　ニューロンモデル
　7.2　ニューラルネットワークモデル
　7.3　Kerasでニューラルネットワークモデル

第8章　ニューラルネットワーク・ディープラーニングの応用（手書き数字の認識）
　8.1　MNISTデータベース
　8.2　2層フィードフォワードネットワークモデル
　8.3　ReLU活性化関数
　8.4　空間フィルター
　8.5　畳み込みニューラルネットワーク
　8.6　プーリング
　8.7　ドロップアウト
　8.8　集大成のMNIST認識ネットワークモデル

第9章　教師なし学習
　9.1　2次元入力データ
　9.2　K-means法
　9.3　混合ガウスモデル

第10章　要点のまとめ
　要点のまとめ

付属データはこちら

会員特典はこちら

お問い合わせ

内容についてのお問い合わせは、正誤表、追加情報をご確認後に、お送りいただくようお願いいたします。

正誤表、追加情報に掲載されていない書籍内容へのお問い合わせや
その他書籍に関するお問い合わせは、書籍のお問い合わせフォームからお送りください。

利用許諾に関するお問い合わせ

本書の書影（表紙画像）をご利用になりたい場合は書影許諾申請フォームから申請をお願いいたします。
書影（表紙画像）以外のご利用については、こちらからお問い合わせください。

• よくあるご質問

  Q：Anacondaの最新バージョンでエラーになる箇所がある
  A：本誌で指定しているAnacondaのバージョン（Anaconda3-2019.03-Windows-x86_64.exe、https://repo.anaconda.com/archive/）（以下本バージョン）であれば 以下のリスト（ リスト4-5-(3) 、 リスト7-1-(10) 、 リスト7-1-(14) 、 リスト7-2-(4) 、リスト9-2-(6) ）は問題なく動作しますが、新しい Anacondaの バージョン （以下新バージョン） だとエラーが出ます。
  もしエラーがでる場合は以下のように修正してください。
  
  Chapter4.jpynb
  ----------------------------------
  リスト4-5-(3)
  11行目
  本バージョン： x = np.c_[np.reshape(xx0, xn * xn, 1), np.reshape(xx1, xn * xn, 1)]
  新バージョン： x = np.c_[xx0.reshape(xn * xn), xx1.reshape(xn * xn)]
  
  リスト4-5-(3)
  14行目
  本バージョン：f = f.T
  新バージョン：上記削除
  
  リスト4-5-(3)
  24行目
  本バージョン： x = np.c_[np.reshape(xx0, xn * xn, 1), np.reshape(xx1, xn * xn, 1)]
  新バージョン： x = np.c_[xx0.reshape(xn * xn), xx1.reshape(xn * xn)]
  
  リスト4-5-(3)
  27行目
  本バージョン：f = f.T
  新バージョン：上記削除
  
  Chapter7.jpynb
  ----------------------------------
  リスト7-1-(10)
  8行目
  本バージョン： x = np.c_[np.reshape(xx0, xn * xn, 1), np.reshape(xx1, xn * xn, 1)]
  新バージョン： x = np.c_[xx0.reshape(xn * xn), xx1.reshape(xn * xn)]
  
  リスト7-1-(10)
  14行目
  本バージョン： f = f.T
  新バージョン： 上記削除
  
  リスト7-1-(14)
  22行目
  本バージョン： x = np.c_[np.reshape(xx0, xn * xn, 1), np.reshape(xx1, xn * xn, 1)]
  新バージョン： x = np.c_[xx0.T.reshape(xn * xn), xx1.T.reshape(xn * xn)]
  
  リスト7-2-(4)
  24行目
  本バージョン： x = np.c_[np.reshape(xx0, xn * xn, 1), np.reshape(xx1, xn * xn, 1)]
  新バージョン： x = np.c_[xx0.reshape(xn * xn), xx1.reshape(xn * xn)]
  
  リスト7-2-(4)
  30行目
  本バージョン： f = f.T
  新バージョン： 削除
  
  Chapter9.jpynb
  ----------------------------------
  リスト 9-2-(6)
  12行目
  本バージョン： x = np.c_[np.reshape(xx0, xn * xn, 1), np.reshape(xx1, xn * xn, 1)]
  新バージョン： x = np.c_[xx0.reshape(xn * xn), xx1.reshape(xn * xn)]
  
  リスト 9-2-(6)
  15行目
  本バージョン： f = f.T
  新バージョン： 削除
  
  リスト 9-2-(6)
  24行目
  本バージョン： x = np.c_[np.reshape(xx0, xn * xn, 1), np.reshape(xx1, xn * xn, 1)]
  新バージョン： x = np.c_[xx0.reshape(xn * xn), xx1.reshape(xn * xn)]
  
  リスト 9-2-(6)
  27行目
  本バージョン： f = f.T
  新バージョン： 削除
  ---------------------------------