夢見る機械学習 回帰・パーセプトロン［Python実装］入門 （単行本）

いま、ディープラーニングや機械学習技術が注目を浴びています。Pythonと便利なライブラリを使えば、たった数行のコードで機械学習のプログラムを組み、結果を出すことができます。あなたはバックグラウンドでどういう処理が行われているか気になりませんか？ 本書は、機械学習の基礎になる回帰、二値分類、パーセプトロンなどの数学を学び、Pythonでの実装まで案内する機械学習入門書です。サンプルプログラムのDLサービス付き。

【サポートはこちら】→https://www.shuwasystem.co.jp/support/7980html/5432.html

Chapter0 機械学習のススメ
01 機械学習、ディープラーニングとは

Chapter1 Python入門
01 なぜ機械学習やディープラーニングにPythonなのか
02 Pythonのインストール
03 計算してみよう（算術演算）
04 Pythonが扱うデータの種類
05 値の出力
06 リスト
07 タプル
08 if文
09 for文、while文
10 関数
11 NumPyのベクトル
12 Matplotlibのインストール
13 ソースファイルにコードを入力して保存する

Chapter2 機械学習に必要な数学的な準備
01 ベクトル
02 和の記号?
03 微分
04 偏微分
05 指数関数と対数関数
06 シグモイド関数
07 行列

Chapter3 回帰問題（回帰分析）
01 回帰分析で未知の値を予測する
02 最小二乗法
03 機械学習における「最適化問題」

Chapter4 勾配法、多項式回帰、確率的勾配降下法
01 数値微分
02 偏微分をPythonで実装する
03 勾配法（勾配降下法）
04 多項式回帰
05 確率的勾配降下法

Chapter5 パーセプトロン
01 分類問題（分類アルゴリズム）
02 パーセプトロン
03 Pythonでパーセプトロンを実装する

Chapter6 ロジスティック回帰
01 シグモイド関数、尤度関数
02 ロジスティック回帰をPythonで実装する
03 非線形な分類問題
04 非線形な分類問題を確率的勾配降下法で解く

Chapter7 オーバーフィッティングの問題
01 過剰適合（オーバーフィッティング）
02 Weightdecacy（過重減衰）
03 正則化項を付加したパラメーター更新式
04 正則化の適用をPythonで実装する