Ｐｙｔｈｏｎではじめる教師なし学習　機械学習の可能性を広げるラベルなしデータの利用

教師なし学習はラベル付けされていないデータから学習する機械学習の一種です。現在の機械学習では大量のラベル付きのデータを用いる教師あり学習が主流ですが、ラベルを付けるには膨大なコストがかかります。現実世界に機械学習を適用していくためには、ラベル付けを必要としない教師なし学習の重要性が増してくると考えられます。本書は実践的な視点から、データにある隠れたパターンを特定し、異常検出や特徴量抽出・選択を行う方法を紹介します。ラベルなしデータを有効に利用することで、機械学習の可能性を各段に広げる教師なし学習の本質に迫ります。さらに、変分オートエンコーダ（ＶＡＥ）や敵対的生成ネットワーク（ＧＡＮ）、制限付きボルツマンマシン（ＲＢＭ）などの生成モデルも紹介します。

目次

１部　教師なし学習の基礎（機械学習エコシステムにおける教師なし学習の立ち位置
機械学習プロジェクトのはじめから終わりまで）
２部　ｓｃｉｋｉｔ‐ｌｅａｒｎを用いた教師なし学習（次元削減
異常検出　ほか）
３部　ＴｅｎｓｏｒＦｌｏｗとＫｅｒａｓを用いた教師なし学習（オートエンコーダ
オートエンコーダハンズオン　ほか）
４部　ＴｅｎｓｏｒＦｌｏｗとＫｅｒａｓを用いた深層教師なし学習（制限付きボルツマンマシンを用いた推薦システム
深層信念ネットワークを用いた特徴量検出　ほか）

本の帯に関して

帯つきでの出荷はお約束しておりません。
商品ページに、帯のみに付与される特典物等の表記がある場合でも、確実に帯つきでの出荷はお約束しておりません。
また、帯は商品の一部ではなく「広告扱い」のため、帯の有無・破損による交換や返品は承っておりません。

版・表紙について

版・表紙（カバー）のご指定は承っておりません。ご注文いただくタイミングによっては、お届けする商品の版や表紙が商品ページ上のものとは異なる場合がございます。
また、初版にのみにお付けしている特典（初回特典、初回仕様特典）がある商品は、商品ページに特典の表記がされている場合でも、無くなり次第終了となります。