close
1.

図書

図書
Brett Lantz著 ; 長尾高弘訳
出版情報: [東京] : 翔泳社, 2017.3  x, 380p ; 23cm
シリーズ名: Programmer's selection
所蔵情報: loading…
目次情報: 続きを見る
第1章 : 機械学習入門
第2章 : データの管理と把握
第3章 : 遅延学習—最近傍法を使った分類
第4章 : 確率的学習—単純ベイズを使った分類
第5章 : 分割統治—決定木と分類ルールを使った分類
第6章 : 数値データの予測—回帰法
第7章 : ブラックボックス的な手法—ニューラルネットワークとサポートベクトルマシン
第8章 : パターンの検出—相関ルールを使った買い物かご分析
第9章 : データのグループの検出—k平均によるクラスタリング
第10章 : モデルの性能の評価
第11章 : モデルの性能の改善
第12章 : 機械学習の専門的なテーマ
第1章 : 機械学習入門
第2章 : データの管理と把握
第3章 : 遅延学習—最近傍法を使った分類
2.

図書

図書
堅田洋資 [ほか] 著
出版情報: 東京 : 秀和システム, 2017.3  vi, 345p ; 24cm
所蔵情報: loading…
目次情報: 続きを見る
第1章 : 機械学習の理解
第2章 : 予測モデルを作ってみよう
第3章 : クラスタリング入門
第4章 : トピックモデル入門—潜在ディリクレ分配法
第5章 : レコメンデーション入門
第6章 : 評判分析入門
第7章 : 画像認識入門
第8章 : ディープラーニング理論編
第9章 : ディープラーニング実践編
第1章 : 機械学習の理解
第2章 : 予測モデルを作ってみよう
第3章 : クラスタリング入門
概要: 機械学習の本当がわかる“動かして学ぶ体験入門書”。人工知能、AI、評判分析、画像認識、価格分析と売り上げ、顧客分類、レコメンデーションなどで大活躍する機械学習やディープラーニングを、Scikit‐learn、Kerasなどで学ぶ。
3.

図書

図書
金森敬文 [ほか] 著
出版情報: 東京 : 講談社, 2016.12  x, 341p ; 21cm
シリーズ名: MLP機械学習プロフェッショナルシリーズ
所蔵情報: loading…
目次情報: 続きを見る
第1部 導入
第2部 制約なし最適化 : 最適性条件とアルゴリズムの停止条件
勾配法の基礎
ニュートン法
共役勾配法
準ニュートン法
信頼領域法
第3部 制約付き最適化 : 等式制約付き最適化の最適性条件
不等式制約付き最適化の最適性条件
主問題に対する最適化法
ラグランジュ関数を用いる最適化法
第4部 学習アルゴリズムとしての最適化 : 上界最小化アルゴリズム
サポートベクトルマシンと最適化
スパース学習
行列空間上の最適化
第1部 導入
第2部 制約なし最適化 : 最適性条件とアルゴリズムの停止条件
勾配法の基礎
概要: 境界分野が面白い!基礎から最先端まで、骨太の一冊!機械学習に不可欠な基礎知識が身につく。
4.

図書

図書
武藤佳恭著
出版情報: 東京 : 近代科学社, 2016.12  xi, 115p ; 24cm
所蔵情報: loading…
目次情報: 続きを見る
第0章 機械学習の基礎と環境設定
第1章 ビッグデータ解析と機械学習 : ビッグデータ解析とは
重回帰分析とは
第2章 機械学習 : サポートベクトル回帰SVR
カーネルリッジ回帰KRR
ナイーブ・ベイズsklearn.naive_bayes機械学習
決定木分類器DecisionTreeClassifier
近傍法
確率的勾配降下法SGDClassifier
ディープラーニングニューラルネットワークkeras
第3章 アンサンブル機械学習 : アダブースト / Adaboost
ランダムフォーレスト / RandomForest
エキストラツリー / ExtraTree
エキストラツリーズ / ExtraTrees
グラディエントブースティング / GradientBoosting
バッギング / Bagging
多数決分類器 / VotingClassfier
第4章 アンサンブル機械学習の応用事例 : クレジットカードのデフォルトの学習
赤ワインの品質を判別できる人工ソムリエ
第5章 OpenCVと畳み込みニューラルネットワーク : OpenCVと人工知能
畳み込みニューラルネットワークで絵画を生成
第0章 機械学習の基礎と環境設定
第1章 ビッグデータ解析と機械学習 : ビッグデータ解析とは
重回帰分析とは
概要: Python言語プログラム多数掲載。機械学習の次のトレンドを体感!!
5.

図書

図書
本多淳也, 中村篤祥著
出版情報: 東京 : 講談社, 2016.8  x, 206p ; 21cm
シリーズ名: MLP機械学習プロフェッショナルシリーズ
所蔵情報: loading…
目次情報: 続きを見る
第1章 : バンディット問題とは
第2章 : 確率的バンディット問題の基礎知識
第3章 : 確率的バンディット問題の方策
第4章 : 確率的バンディット問題のリグレット解析
第5章 : 敵対的バンディット問題
第6章 : 最適腕識別とA/Bテスト
第7章 : 線形モデル上のバンディット問題
第8章 : 連続腕バンディットとベイズ最適化
第9章 : バンディット問題の拡張
第10章 : バンディット手法の応用
第1章 : バンディット問題とは
第2章 : 確率的バンディット問題の基礎知識
第3章 : 確率的バンディット問題の方策
概要: さまざまな方策が、定量的かつ直感的に理解できる。モンテカルロ木探索やインターネット広告などのより具体的な状況への対応も紹介。
6.

図書

図書
巣籠悠輔著訳
出版情報: 東京 : インプレス, 2016.10  xii, 249p ; 24cm
シリーズ名: Impress top gear
所蔵情報: loading…
7.

図書

図書
河原吉伸, 永野清仁著
出版情報: 東京 : 講談社, 2015.12  ix, 174p ; 21cm
シリーズ名: MLP機械学習プロフェッショナルシリーズ
所蔵情報: loading…
目次情報: 続きを見る
第1章 学習における劣モジュラ性 : 劣モジュラ性への導入
機械学習における劣モジュラ性 ほか
第2章 劣モジュラ最適化の基礎 : 劣モジュラ関数の定義と具体例
劣モジュラ関数の基本性質 ほか
第3章 劣モジュラ関数の最大化と貪欲法の適用 : 劣モジュラ最大化と貪欲法
適用例1:文書要約への適用 ほか
第4章 最大流とグラフカット : カット関数最小化と最大流アルゴリズム
マルコフ確率場における推論とグラフカット ほか
第5章 劣モジュラ最適化を用いた構造正則化学習 : 正則化による疎性モデル推定
劣モジュラ関数から得られる構造的疎性 ほか
第1章 学習における劣モジュラ性 : 劣モジュラ性への導入
機械学習における劣モジュラ性 ほか
第2章 劣モジュラ最適化の基礎 : 劣モジュラ関数の定義と具体例
概要: 深淵な基礎理論が丁寧な展開ですっきりわかる。実用的なアルゴリズムを中心に紹介。構造正則化学習への道も具体的手順とともに解説。
8.

図書

図書
瀬々潤, 浜田道昭著
出版情報: 東京 : 講談社, 2015.12  xii, 178p ; 21cm
シリーズ名: MLP機械学習プロフェッショナルシリーズ
所蔵情報: loading…
目次情報: 続きを見る
第1章 計算機科学者のための生命科学入門 : 生命に流れる情報
親から子へと受け継がれる情報 ほか
第2章 多重検定と無限次数多重検定法 : 仮説検定
多重検定 ほか
第3章 推定量設計の理論と方法 : バイオインフォマティクスにおける推定問題
記法、記号 ほか
付録A 進んだ話題についての補足説明 : 任意のギャップコストの場合の動的計画法
局所アラインメント ほか
第1章 計算機科学者のための生命科学入門 : 生命に流れる情報
親から子へと受け継がれる情報 ほか
第2章 多重検定と無限次数多重検定法 : 仮説検定
概要: 創薬や医療、農業、環境問題に情報科学が果たす役割と実際の手法がわかる。生命科学の基礎のキソからスタートする親切な設計。検定の多重度に対する新しい対応法を紹介した。配列解析における推定量設計を古典的方法から最新情報まで解説する。
9.

図書

図書
冨岡亮太著
出版情報: 東京 : 講談社, 2015.12  xi, 179p ; 21cm
シリーズ名: MLP機械学習プロフェッショナルシリーズ
所蔵情報: loading…
目次情報: 続きを見る
第1章 : はじめに
第2章 : データからの学習
第3章 : スパース性の導入
第4章 : ノイズなしL1ノルム最小化の理論
第5章 : ノイズありL1ノルム最小化の理論
第6章 : L1ノルム正則化のための最適化法
第7章 : グループL1ノルム正則化に基づく機械学習
第8章 : トレースノルム正則化に基づく機械学習
第9章 : 重複型スパース正則化
第10章 : アトミックノルム
第11章 : おわりに
第1章 : はじめに
第2章 : データからの学習
第3章 : スパース性の導入
概要: スパースは絶対読まなきゃ!L1ノルム正則化の理論・モデリング・最適化法を丁寧に解説。「トレースノルム正則化」「アトミックノルム」などの発展的な内容も詳しい。
10.

図書

図書
中井悦司著
出版情報: 東京 : 技術評論社, 2015.11  255p ; 21cm
所蔵情報: loading…
目次情報: 続きを見る
第1章 : データサイエンスと機械学習
第2章 : 最小二乗法:機械学習理論の第一歩
第3章 : 最尤推定法:確率を用いた推定理論
第4章 : パーセプトロン:分類アルゴリズムの基礎
第5章 : ロジスティック回帰とROC曲線:学習モデルの評価方法
第6章 : k平均法:教師なし学習モデルの基礎
第7章 : EMアルゴリズム:最尤推定法による教師なし学習
第8章 : ベイズ推定:データを元に「確信」を高める手法
第1章 : データサイエンスと機械学習
第2章 : 最小二乗法:機械学習理論の第一歩
第3章 : 最尤推定法:確率を用いた推定理論
概要: 機械学習のしくみを学ぶデータサイエンスの本質を理解する。
文献の複写および貸借の依頼を行う
 文献複写・貸借依頼