Ｋａｇｇｌｅ Ｇｒａｎｄｍａｓｔｅｒに学ぶ機械学習実践アプローチ
発売日：2021年8月
- ページ数
- ３０３ｐ
- ISBN
- 978-4-8399-7498-5
- 著者情報
- タクール，アビシェーク（タクール，アビシェーク）（Ｔｈａｋｕｒ，Ａｂｈｉｓｈｅｋ）
世界的な機械学習のコンテストプラットフォーム「Ｋａｇｇｌｅ」で、史上初めて全４カテゴリで最高位の称号「Ｇｒａｎｄｍａｓｔｅｒ」を獲得したデータサイエンティスト。機械学習の自動化や自然言語処理に関心を持つ。機械学習の応用やデータサイエンスに関して、チュートリアルや動画を積極的に公開している
石原 祥太郎（イシハラ ショウタロウ）
２０１７年より株式会社日本経済新聞社でデータ分析・サービス開発に従事し、２０２１年からは研究開発部署で上級研究員を務める。「Ｋａｇｇｌｅ」では２０１９年にチームで参加した「ＰｅｔＦｉｎｄｅｒ． ｍｙ Ａｄｏｐｔｉｏｎ Ｐｒｅｄｉｃｔｉｏｎ」で優勝し、２０２０年に共著で『ＰｙｔｈｏｎではじめるＫａｇｇｌｅスタートブック』（講談社）を出版。２０２０年に国際ニュースメデイア協会「３０ Ｕｎｄｅｒ ３０ Ａｗａｒｄｓ」でアジア太平洋部門の最優秀賞を受賞した
セブン-イレブン受取り(送料無料)
発送目安
発売日（発売日以降は当日）～2日で発送
宅配（送料¥550税込）
発送目安
発売日（発売日以降は当日）～2日で発送
交通状況・天候の影響や注文が集中した場合等、お届けにお時間をいただく場合がございます。
商品説明
機械学習モデル改善のためにいつ、何を使うのか？さまざまな機械学習問題に対する解決手法を豊富なコードと共に取り上げます。
本書は世界各国で出版・公開された書籍 ”Approaching (Almost) Any Machine Learning Problem” の翻訳書です。豊富なコード例と機械学習にまつわる基礎的な内容を取り上げていきます。
交差検証や特徴量エンジニアリングなどモデル作成以前の重要な要素にも紙面が割かれ、コードの再現性やモデルのデプロイといった話題にも踏み込みます。 モデル作成では、表形式のデータセットだけでなく、画像認識や自然言語処理に関する内容が具体的な実装と共に示されます。
本書の節々から、性能を追求するだけではなく実運用にも重きを置いた著者の姿勢が垣間見えるでしょう。
”KaggleのGrandmasterが書いた本”と聞くと高尚な話題が展開される印象を受ける方もいるかもしれませんが、実態は実践的なプログラミング解説書です。Kaggleコミュニティに限らず機械学習に興味を持つ多くの方に手に取っていただきたいと考えています。
この本ではコードが非常に重要です。何が起こっているのかを理解したければ、コードを注意深く見て、”自分で” 実装しなければなりません。
If you didn't code， you didn't learn.（コードを書かねば、何も学べない。）
ぜひ自らの手でコードを実装し、学びを深めてください。
第0章 実行環境の準備
第1章 教師あり学習と教師なし学習
第2章 交差検証
第3章 評価指標
第4章 機械学習プロジェクトの構築
第5章 質的変数へのアプローチ
第6章 特徴量エンジニアリング
第7章 特徴量選択
第8章 ハイパーパラメータの最適化
第9章 画像分類・セグメンテーションへのアプローチ
第10章 テキストの分類・回帰へのアプローチ
第11章 アンサンブルとスタッキングへのアプローチ
第12章 コードの再現性やモデルのデプロイへのアプローチ
商品詳細
- シリーズ名
- Ｃｏｍｐａｓｓ Ｄａｔａ Ｓｃｉｅｎｃｅ
- 出版社名
- マイナビ出版
- サイズ
- ２４ｃｍ
- 対象年齢
- 一般
- フォーマット
- 単行本
- 原題
- 原タイトル：Ａｐｐｒｏａｃｈｉｎｇ（Ａｌｍｏｓｔ）Ａｎｙ Ｍａｃｈｉｎｅ Ｌｅａｒｎｉｎｇ Ｐｒｏｂｌｅｍ
注意事項
- 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。
