J'ai écrit un livre qui vous permet d'apprendre les implémentations et les algorithmes d'apprentissage automatique de manière équilibrée.

J'ai écrit un livre qui enseigne l'implémentation et les algorithmes de l'apprentissage automatique de manière équilibrée en utilisant la bibliothèque scikit-learn.

41u26RsCQPL.SX394_BO1,204,203,200.jpg

[Introduction à l'apprentissage automatique pour ceux qui visent à devenir des ingénieurs en IA. Apprenez le flux des algorithmes lors de la mise en œuvre (Dentsu International Information Service Takuya Shimizu, Yutaro Ogawa, Technical Review)](https://www.amazon.co.jp/ dp / 4297112094 /) https://www.amazon.co.jp/dp/4297112094/

Il est déjà en vente.

Apprentissage automatique ・ Implémentation de divers algorithmes ・ Mécanisme de fonctionnement de chaque algorithme

Je l'ai écrit pour ceux qui veulent les apprendre.

Nous espérons que vous en profiterez.

Livres que j'ai écrits l'année dernière

Apprenez en créant! Développement en profondeur par PyTorch (Yutaro Ogawa, My Navi Publishing)

Il est positionné comme une version d'apprentissage automatique de.

Dans cet article ・ Motivation pour écrire ce livre ・ Aperçu de ce livre ・ Contenu de ce livre Je vais vous présenter.

Motivation pour écrire ce livre

Ce livre est co-écrit par mon collègue M. Shimizu et moi-même (Ogawa).

Nous faisions des affaires telles que "le soutien pédagogique pour l'apprentissage automatique et l'utilisation de l'IA" en interne.

Le mécontentement que j'avais à l'époque était

"Machine learning, implémentation de scicit-learn et explication des principes de fonctionnement de différents algorithmes, Je n'ai pas de livre qui écrit de manière équilibrée. "

C'était ça.

Aussi, "C'est triste qu'il n'y ait pas de livre écrit par des Japonais dans un livre qui couvre dans une certaine mesure le scikit-learn." J'ai aussi pensé.

À ce moment-là

L'apprentissage automatique a commencé avec Python - Bases de l'ingénierie de la quantité de fonctionnalités et l'apprentissage automatique appris avec scikit-learn

A été principalement utilisé.

Le reste est une aide [2nd Edition] Python Machine Learning Programming Theory and Practice by Expert Data Scientists

est.

● Pour les nouveaux diplômés et les recrues en milieu de carrière nouvellement affectées à leur équipe (Département Technologie de l'IA) Écrivez un livre que vous pouvez réussir, "Apprentissage automatique: veuillez d'abord lire ce livre pour apprendre les connaissances et les compétences de scikit-learn"!

● Je souhaite que les personnes qui seront impliquées dans l'apprentissage automatique dans le domaine des affaires gardent cela à l'esprit en tant qu'ingénieur en IA.Je vais écrire un livre qui vous permettra de mettre en œuvre divers algorithmes et de comprendre les principes de fonctionnement!

J'ai écrit ce livre avec la motivation.

Aperçu de ce livre

Les algorithmes d'apprentissage automatique décrits dans ce document sont les suivants.

ssss.PNG

Au chapitre 2, Régression linéaire, régularisation, régression logistique, SVC(Support Vector Machine Classification) Arbre de décision, forêt aléatoire Naive Bayes

Au chapitre 3, Analyse en composantes principales, k-moyennes, modèle mixte de Gauss

Au chapitre 4, Arbre de décision de boosting de gradient, méthode du coude et analyse de la silhouette, t-SNE, Détection d'anomalie Détection de nouveauté, Détection des anomalies Détection des valeurs aberrantes

Et au chapitre 5, Flux de construction du système d'apprentissage automatique et évaluation des performances

Explique sur.

Environ 6 pages de l'image sur le papier sont extraites. L'atmosphère est la suivante.

s1.png

s2.png

図3.png

Pour chaque algorithme, un exemple d'implémentation est montré avec un sujet simple, puis le principe de fonctionnement (sentiments et esprits de l'algorithme) de cet algorithme est expliqué.

Contenu de ce livre

Le contenu et la table des matières de ce manuel sont les suivants.

En gros, pour chaque algorithme

・ Flux de base et aperçu de l'algorithme ・ Mise en œuvre et exécution de programmes ・ Explication détaillée de l'algorithme (●● Le cœur de l'algorithme) · À la fin

C'est une configuration qui se répète.

table des matières

Chapitre 1 Présentation de l'apprentissage automatique et comment procéder avec ce livre 1.1 Objet et aperçu de ce chapitre 1.2 Vue d'ensemble de l'apprentissage automatique et trois catégories Différence entre le système de type d'intelligence artificielle conventionnel et le système d'apprentissage automatique Trois catégories d'apprentissage automatique (apprentissage supervisé, apprentissage non supervisé, apprentissage amélioré) 1.3 Importance de l'apprentissage du principe de fonctionnement (algorithme) de chaque méthode d'apprentissage automatique 1.4 Comment étudier l'apprentissage automatique Connaissances et compétences requises pour l'apprentissage automatique Conseils pour faire avancer efficacement l'étude de l'apprentissage automatique 1.5 Bibliothèque et environnement d'exécution utilisés dans ce manuel Comment configurer un environnement pour implémenter l'apprentissage automatique

Chapitre 2 Le cœur des algorithmes appris lors de la mise en œuvre / apprentissage avec les enseignants 2.1 Objet et aperçu de ce chapitre 2.2 Régression linéaire par la méthode des moindres carrés Flux de base et aperçu de l'algorithme Mise en œuvre et exécution du programme Explication détaillée de l'algorithme (cœur du modèle de régression linéaire) À la fin (Notes sur l'utilisation du modèle de régression linéaire)

Chapitre 3 Le cœur des algorithmes appris lors de la mise en œuvre / apprentissage sans enseignants 3.1 Objet et aperçu de ce chapitre 3.2 Compression dimensionnelle par analyse en composantes principales 3.3 Clustering par k-means et prétraitement des données 3.4 Clustering par modèle mixte gaussien (GMM)

Chapitre 4 Coeur et développement des algorithmes appris lors de la mise en œuvre 4.1 Objet et aperçu de ce chapitre 4.2 Classification par arbre de décision boostant le gradient 4.3 Recherche du nombre de clusters par méthode du coude et analyse de la silhouette 4.4 Compression dimensionnelle par t-SNE (apprentissage de la diversité) 4.5 Détection d'anomalies (détection de nouveauté, détection de valeurs aberrantes)

Chapitre 5 Flux de construction du système d'apprentissage automatique et évaluation des performances du modèle 5.1 Objet et aperçu de ce chapitre 5.2 Compréhension commerciale 5.3 Traitement des données 5.4 Modélisation 5.5 Déploiement et fonctionnement

appendice A.1 Comment utiliser Google Colaboratory A.2 Comment préparer un environnement d'implémentation / d'exécution de machine learning sur un PC local

à la fin

Ce n'est peut-être pas suffisant pour ceux qui pratiquent un apprentissage automatique croquant.

mais, Pour ceux qui veulent apprendre correctement la mise en œuvre et les algorithmes de l'IA / apprentissage automatique à partir de maintenant! Je l'ai écrit avec M. Shimizu pour que je puisse le recommander en toute confiance.

Nous espérons que vous en profiterez.

[Introduction à l'apprentissage automatique pour ceux qui visent à devenir des ingénieurs en IA. Apprenez le flux des algorithmes lors de la mise en œuvre (Dentsu International Information Service Takuya Shimizu, Yutaro Ogawa, Technical Review)](https://www.amazon.co.jp/ dp / 4297112094 /)

https://www.amazon.co.jp/dp/4297112094/

● En fin de compte

Dans mon cas, les livres sont essentiellement écrits en dehors des heures de bureau.

De temps en temps, on me demande: "Comment avez-vous le temps d'écrire un livre?"

J'ai commencé à écrire mon vrai nom dans l'article de Qiita sur mon style de travail.

https://qiita.com/Yutaro_Ogawa

Nous vous serions reconnaissants si vous pouviez lire cet article avec ce livre.

● Ajout

Avec cela seul, ce sera comme une promotion de livre, donc selon ce livre, ** Résumé du savoir-faire en matière de mise en œuvre de Python et des conseils auxquels les ingénieurs en IA veulent faire attention ** Sera ajouté.

L'article sera trop long, je vais donc le diviser et l'afficher ci-dessous. Je vous serais reconnaissant si vous pouviez le voir ensemble.

Qiita: Résumé du savoir-faire en matière de mise en œuvre de Python et des conseils auxquels les ingénieurs en IA veulent faire attention

Merci d'avoir lu ce qui précède.

Recommended Posts

J'ai écrit un livre qui vous permet d'apprendre les implémentations et les algorithmes d'apprentissage automatique de manière équilibrée.
Présentation du livre "Créer une IA rentable avec Python" qui vous permet d'apprendre l'apprentissage automatique dans le cours le plus court
Feuille de route d'apprentissage qui vous permet de développer et de publier des services à partir de zéro avec Python
Notez que je comprends l'algorithme du classificateur Naive Bayes. Et je l'ai écrit en Python.
Un mémo que j'ai écrit un tri rapide en Python
Créez un plugin qui vous permet de rechercher les onglets Sublime Text 3 en Python
J'ai créé un système qui vous permet de tweeter simplement en passant un appel téléphonique
MALSS (introduction), un outil qui prend en charge l'apprentissage automatique en Python
Commande de raccourci Jedi-vim qui vous permet de faire référence à la source de la définition et à la destination de la définition en Python
Comment dessiner de manière interactive un pipeline d'apprentissage automatique avec scikit-learn et l'enregistrer au format HTML
Création d'un outil qui facilite la définition des paramètres des modèles d'apprentissage automatique
J'ai écrit un script pour obtenir un site populaire au Japon
Apprentissage automatique pour apprendre avec Nogisaka 46 et Keyakizaka 46 Partie 1 Introduction
J'ai écrit un script qui divise l'image en deux
[Apprentissage automatique] Comprenez à partir des mathématiques que la normalisation se traduit par une moyenne de 0 et un écart type de 1.
J'ai essayé de comprendre l'apprentissage supervisé de l'apprentissage automatique d'une manière facile à comprendre, même pour les ingénieurs serveurs 1
J'ai essayé de comprendre l'apprentissage supervisé de l'apprentissage automatique d'une manière facile à comprendre, même pour les ingénieurs serveurs 2
Expressions régulières faciles et solides à apprendre en Python
J'ai écrit un script pour vous aider à démarrer avec AtCoder à grande vitesse!
Je viens d'écrire un script pour construire Android sur une autre machine
J'ai écrit une fonction pour charger le script d'extension Git en Python
J'ai écrit un script pour extraire les liens de pages Web en Python
Je veux créer un fichier pip et le refléter dans le menu fixe
Je souhaite créer un service d'apprentissage automatique sans programmation! API Web
Création d'un service qui vous permet de rechercher des données J-League
J'ai écrit un script pour aider goodnotes5 et Anki à travailler ensemble
J'ai écrit un tri-arbre qui peut être utilisé pour l'implémentation de dictionnaire à grande vitesse en langage D et Python
(Apprentissage automatique) J'ai essayé de comprendre attentivement l'algorithme EM dans la distribution gaussienne mixte avec l'implémentation.
Quoi qu'il en soit, nous avons mis en place un site où vous pouvez apprendre Python gratuit et l'apprentissage automatique de base.
J'ai demandé à un ami qui travaille dans l'apprentissage automatique dans une entreprise informatique très connue. Apprentissage automatique (traitement du langage naturel) Ce que je veux apprendre pour l'auto-apprentissage
Classification et régression dans l'apprentissage automatique
J'ai écrit un code pour convertir quaternion en angle de graissage de type z-y-x avec Python
J'ai changé de travail pour devenir ingénieur en apprentissage automatique chez AtCoder Jobs
Notez que l'environnement Python de Pineapple peut être modifié avec pyenv
J'ai essayé de classer les accords de guitare en temps réel en utilisant l'apprentissage automatique
J'ai écrit FizzBuzz en python en utilisant la machine à vecteurs de support (bibliothèque LIVSVM).
Je souhaite créer un service d'apprentissage automatique sans programmation!
Amener l'apprentissage automatique à un niveau pratique en un mois # 1 (édition de départ)