機械学習の考え方とPython実装法がわかる! 分類/回帰問題や深層学習の導入を解説。 ◎絶妙なバランスで「理論と実践」を展開 ◎Pythonライブラリを使いこなす ◎数式・図・Pythonコードを理解する 本書は、機械学習の理論とPython実践法を網羅的に解説した技術書です。機械学習とは、データから学習した結果をもとに判定や予測を行うことです。すでにさまざまな機械学習の方法が開発されています。本書では、それらの方法について背景にある理論や特徴を解説した上で、Pythonによる実装法を説明します。初期の機械学習アルゴリズムから取り上げ、前処理や次元削減、Webへの展開のほか、終盤ではディープラーニングについても見ていきます。機械学習の理論と実践についてバランスよく解説してあり、AIプログラミングの第一歩を踏み出すための格好の一冊です。 ※本書は『Python Machine Learning』の翻訳書です。 ※付録では、本書を読み進めるにあたっての前提知識として、Python ライブラリや数学について補足説明をしています。必要に応じて、他の書籍などもご参照ください。

機械学習のパラメータチューニングを「これでもか！」というくらい丁寧に解説

【データ分析の必読10冊+差をつける10冊＋100冊超】データサイエンス、データ分析、機械学習関連の本

k-meansの最適なクラスター数を調べる方法

【人工知能初心者向け】機械学習・Deep Learningプログラミング学習の道筋と参考書籍

【随時更新】マシンラーニングエンジニアが機械学習、統計学のおすすめ本を紹介する

機械学習とディープラーニングの入門者向けコンテンツまとめ

『データサイエンティストとマシンラーニングエンジニアはKaggleやれ』というのは何故なのか

機械学習ことはじめ（オススメ教材・情報）

MNIST手書き数字データをnumpyで書いたロジスティック回帰で学習して結果を分析する

「Python 機械学習プログラミング」まとめノート(Jupyter)

Python3を使った日本語自然言語処理(4)ロジスティック回帰による感情分析

Machine Learning 勉強リソースメモ帳

新卒一年目までに読んで良かったと思う本の備忘録など

46歳から機械学習を学習する (1)

機械学習独習ロードマップ（自分用）

numpyで決定木とランダムフォレストを実装する

学生で参考になった本やサイト(備忘録)

初めてのAnacondaとTensorflowのインストールとGCPでの実行

AWS Certified Machine Learning – Specialtyに合格しました、一回もAI作ったことないけど

機械学習学び始めて1ヶ月で取り組んだこと

BoW ✕ ロジスティック回帰で誰がツイートしたかを当てる

ロジスティック回帰で気を付けるべきこと

【Pythonではじめる機械学習】の個人的解釈 ①序章

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 (impress top gear)