機械学習本ベストセラーの第2版！ 著者陣の経験に基づく洞察とより専門的な知識を学べる 機械学習の各コンセプトについて、理論や数学的背景、Pythonコーディングの実際を網羅的に解説。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。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。 ◎本書は『Python Machine Learning: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow, 2nd Edition』の翻訳書です。 ◎微積分/線形代数、Pythonの文法、データ分析用ライブラリについてある程度理解している必要があります。 ■「はじめに」より抜粋 機械学習の実践的なサンプルコードを調べて試してみるのは、この分野に飛び込むのにうってつけの方法である。幅広い概念が明確になるからだ。本書では、Python言語と機械学習ライブラリを使って機械学習の実装を体験してみるほか、アルゴリズムの背後にある数学的な概念を紹介する。それらの概念は、機械学習をうまく利用するために欠かせないものである。したがって、本書は単なる実用書ではない。本書では、機械学習の概念を必要に応じて詳しく説明する。 ※この商品は固定レイアウトで作成されており、タブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字列のハイライトや検索、辞書の参照、引用などの機能が使用できません。 購入前にお使いの端末で無料サンプルをお試しください。

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

【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

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

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

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

機械学習初心者の私に告ぐ「4つの忠告」

【Kaggle Master】になるまでとその後

2020年に読むべきデータサイエンスに関する書籍

Scikit-learn でロジスティック回帰（クラス分類編）

Scikit-learn で線形回帰

機械学習の実装とアルゴリズムをバランス良く学べる書籍を執筆しました

[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

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

Pythonを使った機械学習の勉強にはJupyter NotebookをHerokuの無料枠で立ててスマホからでも実行できるようにして共有しよう

Scikit-learn でロジスティック回帰（確率予測編）

【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

10分間で画像認識モデル構築byKeras~機械学習への第一歩~

KaggleのTitanicで学習してみた（kaggle②）

scikit-learnでバギングとブースティングをやってみる

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

年寄りなりにこの１年で学んできたこと（年齢不相応に）

機械学習を始めたい人のための入門書

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

scikit-learnを使用して乳癌データの混同行列とROC曲線を出力する

学生で参考になった本やサイト(備忘録)

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〜

KaggleのTitanicでモデルを選別する（kaggle④）

Lesson12: Feature Selection まとめ Intro to Machine learning@Udacity 

Python機械学習プログラミング 第6章 まとめ

分類アルゴリズムいろいろ　（２）

[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 (impress top gear)