プライム無料体験をお試しいただけます
プライム無料体験で、この注文から無料配送特典をご利用いただけます。
非会員 | プライム会員 | |
---|---|---|
通常配送 | ¥410 - ¥450* | 無料 |
お急ぎ便 | ¥510 - ¥550 | |
お届け日時指定便 | ¥510 - ¥650 |
*Amazon.co.jp発送商品の注文額 ¥3,500以上は非会員も無料
無料体験はいつでもキャンセルできます。30日のプライム無料体験をぜひお試しください。
¥3,300¥3,300 税込
発送元: Amazon.co.jp 販売者: Amazon.co.jp
¥3,300¥3,300 税込
発送元: Amazon.co.jp
販売者: Amazon.co.jp
¥1,345¥1,345 税込
配送料 ¥350 6月16日-18日にお届け
発送元: ふわふわ王国 販売者: ふわふわ王国
¥1,345¥1,345 税込
配送料 ¥350 6月16日-18日にお届け
発送元: ふわふわ王国
販売者: ふわふわ王国
無料のKindleアプリをダウンロードして、スマートフォン、タブレット、またはコンピューターで今すぐKindle本を読むことができます。Kindleデバイスは必要ありません。
ウェブ版Kindleなら、お使いのブラウザですぐにお読みいただけます。
携帯電話のカメラを使用する - 以下のコードをスキャンし、Kindleアプリをダウンロードしてください。
統計的機械学習の数理100問 with R (with R) (機械学習の数理100問シリーズ 1) 単行本 – 2020/4/9
鈴木 讓
(著)
{"desktop_buybox_group_1":[{"displayPrice":"¥3,300","priceAmount":3300.00,"currencySymbol":"¥","integerValue":"3,300","decimalSeparator":null,"fractionalValue":null,"symbolPosition":"left","hasSpace":false,"showFractionalPartIfEmpty":true,"offerListingId":"rxF02753HOnQz8OnAUZ0eOzMEsQAEn1EaFsjXHwNvqeszoZcT0WDvej06YQRTw%2BFoKcmfAENKtLshHPLBAmeYJvtC7nN%2FxuCWz9BLh%2BqCwGQEDaK6%2BsjeLjfehTOZsWEBu%2B3cGxzYFs%3D","locale":"ja-JP","buyingOptionType":"NEW","aapiBuyingOptionIndex":0}, {"displayPrice":"¥1,345","priceAmount":1345.00,"currencySymbol":"¥","integerValue":"1,345","decimalSeparator":null,"fractionalValue":null,"symbolPosition":"left","hasSpace":false,"showFractionalPartIfEmpty":true,"offerListingId":"rxF02753HOnQz8OnAUZ0eOzMEsQAEn1EpHBu5YLUqyw0lHGspITA8lllZ7rRXL%2FPMAchODkd3j5M1Tus52Y2Ng5t92SArlEeD1Msq4PJ6VF50jjTEvx0iZj3SbJEPgENDMt791fRFHkOIaF8%2FLIaoNzNbIBSHvWIXfh294I7S8u2TCLuwl%2FgUQ%3D%3D","locale":"ja-JP","buyingOptionType":"USED","aapiBuyingOptionIndex":1}]}
購入オプションとあわせ買い
機械学習の書籍としておびただしい数の書籍が出版されているが,ななめ読みで終わる,もしくは難しすぎて読めないものが多く,「身につける」という視点で書かれたものは非常に少ないと言ってよい。本書は,100の問題を解くという演習のスタイルをとりながら,数式を導き,R言語のソースプログラムを追い,具体的に手を動かしてみて,読者が自分のスキルにしていくことを目的としている。
本書は各章で解説のあとに問題を掲載している。解説を読んでから問題を解くこともできるが,まず問題から取り組む読み方もできる。その場合,数学の問題において導出の細部がわからなくても,解説に戻ればわかるようになっている。
「機械学習の数理100問」は,2018年後期と2019年後期の大阪大学基礎工学部情報科学科数理科学コース3年の講義でも使われ,また公開講座「機械学習・データ科学スプリングキャンプ」2018, 2019でも多くの参加者に解かれ,高い評価を得ている。また,その間に改良を重ねている。問題をすべて独力で解くのは,大学院生か学部の上位10%程度,もしくはその分野の研究開発に携わっていないと難しいかもしれないが,解説を読むだけでも十分な意味がある。
なお,本書は"Elements of Statistical Learning"(邦訳は共立出版『統計的学習の基礎』)や"Introduction to Statistical Learning with R"(邦訳は朝倉書店『Rによる統計的学習入門』)といった,統計的機械学習の世界的ベストセラーに準拠していて,レベル的にそれらの中間的なものになっている。前者は事典に近く,読者が何かを身につけるために書かれた書籍ではない。後者は初心者を対象として,感覚的な理解を促してパッケージを使わせることに終始し,本質に近づく視点が欠如していると言わざるを得ない。
本書を読むことで,機械学習に関する知識が得られることはもちろんだが,脳裏に数学的ロジックを構築し,プログラムを構成して具体的に検証していくという,データサイエンス業界で活躍するための資質が得られる。本書は「数理」「情報」「データ」といった人工知能時代を勝ち抜くために必須のスキルを身につけるための,うってつけの書籍である。
本書は各章で解説のあとに問題を掲載している。解説を読んでから問題を解くこともできるが,まず問題から取り組む読み方もできる。その場合,数学の問題において導出の細部がわからなくても,解説に戻ればわかるようになっている。
「機械学習の数理100問」は,2018年後期と2019年後期の大阪大学基礎工学部情報科学科数理科学コース3年の講義でも使われ,また公開講座「機械学習・データ科学スプリングキャンプ」2018, 2019でも多くの参加者に解かれ,高い評価を得ている。また,その間に改良を重ねている。問題をすべて独力で解くのは,大学院生か学部の上位10%程度,もしくはその分野の研究開発に携わっていないと難しいかもしれないが,解説を読むだけでも十分な意味がある。
なお,本書は"Elements of Statistical Learning"(邦訳は共立出版『統計的学習の基礎』)や"Introduction to Statistical Learning with R"(邦訳は朝倉書店『Rによる統計的学習入門』)といった,統計的機械学習の世界的ベストセラーに準拠していて,レベル的にそれらの中間的なものになっている。前者は事典に近く,読者が何かを身につけるために書かれた書籍ではない。後者は初心者を対象として,感覚的な理解を促してパッケージを使わせることに終始し,本質に近づく視点が欠如していると言わざるを得ない。
本書を読むことで,機械学習に関する知識が得られることはもちろんだが,脳裏に数学的ロジックを構築し,プログラムを構成して具体的に検証していくという,データサイエンス業界で活躍するための資質が得られる。本書は「数理」「情報」「データ」といった人工知能時代を勝ち抜くために必須のスキルを身につけるための,うってつけの書籍である。
- 本の長さ209ページ
- 言語日本語
- 出版社共立出版
- 発売日2020/4/9
- 寸法18.6 x 1.3 x 25.9 cm
- ISBN-104320125061
- ISBN-13978-4320125063
よく一緒に購入されている商品
対象商品: 統計的機械学習の数理100問 with R (with R) (機械学習の数理100問シリーズ 1)
¥3,300¥3,300
最短で6月9日 日曜日のお届け予定です
残り3点(入荷予定あり)
¥4,290¥4,290
最短で6月9日 日曜日のお届け予定です
残り4点(入荷予定あり)
¥3,300¥3,300
最短で6月10日 月曜日のお届け予定です
残り1点(入荷予定あり)
総額:
当社の価格を見るには、これら商品をカートに追加してください。
ポイントの合計:
pt
もう一度お試しください
追加されました
一緒に購入する商品を選択してください。
この商品をチェックした人はこんな商品もチェックしています
ページ 1 以下のうち 1 最初から観るページ 1 以下のうち 1
登録情報
- 出版社 : 共立出版 (2020/4/9)
- 発売日 : 2020/4/9
- 言語 : 日本語
- 単行本 : 209ページ
- ISBN-10 : 4320125061
- ISBN-13 : 978-4320125063
- 寸法 : 18.6 x 1.3 x 25.9 cm
- Amazon 売れ筋ランキング: - 193,594位本 (本の売れ筋ランキングを見る)
- - 3,634位数学 (本)
- カスタマーレビュー:
著者について
著者をフォローして、新作のアップデートや改善されたおすすめを入手してください。
著者の本をもっと発見したり、よく似た著者を見つけたり、著者のブログを読んだりしましょう
カスタマーレビュー
星5つ中3.5つ
5つのうち3.5つ
全体的な星の数と星別のパーセンテージの内訳を計算するにあたり、単純平均は使用されていません。当システムでは、レビューがどの程度新しいか、レビュー担当者がAmazonで購入したかどうかなど、特定の要素をより重視しています。 詳細はこちら
21グローバルレーティング
虚偽のレビューは一切容認しません
私たちの目標は、すべてのレビューを信頼性の高い、有益なものにすることです。だからこそ、私たちはテクノロジーと人間の調査員の両方を活用して、お客様が偽のレビューを見る前にブロックしています。 詳細はこちら
コミュニティガイドラインに違反するAmazonアカウントはブロックされます。また、レビューを購入した出品者をブロックし、そのようなレビューを投稿した当事者に対して法的措置を取ります。 報告方法について学ぶ
-
トップレビュー
上位レビュー、対象国: 日本
レビューのフィルタリング中に問題が発生しました。後でもう一度試してください。
2021年11月14日に日本でレビュー済み
Amazonで購入
コーディングは皆様が仰るとおりあまり良いものではないが、統計手法に関しての記述はかなり分かりやすかった。線形代数、統計学を一通り見終えた方におすすめしたい。またコードに関しては鈴木先生の公式ブログに掲載してあり、そちらは大分見やすいものになっている。同ブログにて大阪大学の学部講義ビデオも見ることができる
2020年4月11日に日本でレビュー済み
Amazonで購入
私は企業で働いている統計家です。
さきほどから、予約して届いた本に目を通していますが、コーディングが汚くてすごく読みにくいです。帯に「この100問解けへんなら、プロやないで」って書いてありますが、素人に言われたくないです。続編が出るらしいですが、今後は、出版社でコーディングをやり直すべきです。空欄を埋める問題が出てきますが、空欄の前後の可読性が低いために、最初から書き直した方が良い場合すらあります。学者か学生かどちらが書いたか知りませんが、訓練を受けていない人がコーディングするとこうなるという実例がこの本です。
追記:コメントに書いたことをこちらに書いておきます。
Rに関して言うと「Google の R コーディングスタイル」が世界標準ではないでしょうか。教科書買わなくてもネットで十分です。あと、割り算をするときは、分母、分子別々に計算し、最後に分母がゼロ漸近していないことを確認してから割るとか、常識みたいなことは経験を積むしかありません。
さきほどから、予約して届いた本に目を通していますが、コーディングが汚くてすごく読みにくいです。帯に「この100問解けへんなら、プロやないで」って書いてありますが、素人に言われたくないです。続編が出るらしいですが、今後は、出版社でコーディングをやり直すべきです。空欄を埋める問題が出てきますが、空欄の前後の可読性が低いために、最初から書き直した方が良い場合すらあります。学者か学生かどちらが書いたか知りませんが、訓練を受けていない人がコーディングするとこうなるという実例がこの本です。
追記:コメントに書いたことをこちらに書いておきます。
Rに関して言うと「Google の R コーディングスタイル」が世界標準ではないでしょうか。教科書買わなくてもネットで十分です。あと、割り算をするときは、分母、分子別々に計算し、最後に分母がゼロ漸近していないことを確認してから割るとか、常識みたいなことは経験を積むしかありません。
2020年4月22日に日本でレビュー済み
Amazonで購入
本文がまともにチェックされていない本です。数式を追っていくと、間違いが多々あるのがわかると思います。
買ってしまった方は他の本と合わせて使い、間違いを直しつつ読む事をおすすめします。
買ってしまった方は他の本と合わせて使い、間違いを直しつつ読む事をおすすめします。
2020年5月20日に日本でレビュー済み
Amazonで購入
今まで数学的な部分をある程度ちゃんとやったきた人が復習などに使う立ち位置な気がします。
端的にまとまっているとも言えるが、端的すぎてゼロからだと他の本などで学びながらじゃないと難しい。
端的にまとまっているとも言えるが、端的すぎてゼロからだと他の本などで学びながらじゃないと難しい。
2020年4月24日に日本でレビュー済み
他のレビュー者がおっしゃっているようにコーディングが汚いです
しかし演習問題が範囲も広いので書いて覚えるタイプの人にはおすすめです
参考に目次を載せておきます
また著者のブログに解説動画が掲載されているので試しにそちらの動画を見てみるといいと思います
第1章 線形回帰
1.1 最小二乗法
1.2 重回帰
1.3 bの分布
1.4 RSSの分布
1.5 $\hat{\beta}_j \not= 0$の仮説検定
1.6 決定係数と共線形性の検出
1.7 信頼区間と予測区間
問題1~18
第2章 分類
2.1 ロジスティック回帰
2.2 Newton-Raphson法の適用
2.3 線形判別と二次判別
2.4 K近似法
2.5 ROC曲線
問題19~31
第3章 リサンプリング
3.1 クロスバリデーション
3.2 線形回帰の場合の公式
3.3 ブートストラップ
問題32~39
第4章 情報量基準
4.1 情報量基準
4.2 有効推定量とFisher情報量行列
4.3 Kullback-Leibler情報量
4.4 赤池の情報量基準(AIC)の導出
問題40~48
第5章 正則化
5.1 Ridge
5.2 劣微分
5.3 Lasso
5.4 RidgeとLassoを比較して
5.5 λの値の設定
問題49~56
第6章 非線形回帰
6.1 多項式回帰
6.2 スプライン回帰
6.3 自然なスプライン関数への回帰
6.4 平滑化スプライン
6.5 局所回帰
6.6 一般化加法モデル
問題57~68
第7章 決定木
7.1 回帰の決定木
7.2 分類の決定木
7.3 バギング
7.4 ランダムフォレスト
7.5 ブースティング
問題69~74
第8章 サポートベクトルマシン
8.1 最適な境界
8.2 最適化の理論
8.3 サポートベクトルマシンの解
8.4 カーネルを用いたサポートベクトルマシンの拡張
問題75~87
第9章 教師なし学習
9.1 K-meansクラスタリング
9.2 階層的クラスタリング
9.3 主成分分析
問題88~100
しかし演習問題が範囲も広いので書いて覚えるタイプの人にはおすすめです
参考に目次を載せておきます
また著者のブログに解説動画が掲載されているので試しにそちらの動画を見てみるといいと思います
第1章 線形回帰
1.1 最小二乗法
1.2 重回帰
1.3 bの分布
1.4 RSSの分布
1.5 $\hat{\beta}_j \not= 0$の仮説検定
1.6 決定係数と共線形性の検出
1.7 信頼区間と予測区間
問題1~18
第2章 分類
2.1 ロジスティック回帰
2.2 Newton-Raphson法の適用
2.3 線形判別と二次判別
2.4 K近似法
2.5 ROC曲線
問題19~31
第3章 リサンプリング
3.1 クロスバリデーション
3.2 線形回帰の場合の公式
3.3 ブートストラップ
問題32~39
第4章 情報量基準
4.1 情報量基準
4.2 有効推定量とFisher情報量行列
4.3 Kullback-Leibler情報量
4.4 赤池の情報量基準(AIC)の導出
問題40~48
第5章 正則化
5.1 Ridge
5.2 劣微分
5.3 Lasso
5.4 RidgeとLassoを比較して
5.5 λの値の設定
問題49~56
第6章 非線形回帰
6.1 多項式回帰
6.2 スプライン回帰
6.3 自然なスプライン関数への回帰
6.4 平滑化スプライン
6.5 局所回帰
6.6 一般化加法モデル
問題57~68
第7章 決定木
7.1 回帰の決定木
7.2 分類の決定木
7.3 バギング
7.4 ランダムフォレスト
7.5 ブースティング
問題69~74
第8章 サポートベクトルマシン
8.1 最適な境界
8.2 最適化の理論
8.3 サポートベクトルマシンの解
8.4 カーネルを用いたサポートベクトルマシンの拡張
問題75~87
第9章 教師なし学習
9.1 K-meansクラスタリング
9.2 階層的クラスタリング
9.3 主成分分析
問題88~100
2022年3月11日に日本でレビュー済み
Amazonで購入
コードが汚いとか指摘されている人がいるが、ライブラリを使えばきれいなコードはかけるが、その場合、中身がブラックボックス化されてて、何やってるかよくわからんでしょ。
一般書籍だとライブラリ使って書くところをfor文で書いたりわざわざfunction関数使って定義してるのでコードが汚くなるのは仕方ない。寧ろ理論を学びたい人ならばどのように計算しているかがわかる為、学習には最適だと思う。
理論なんて知らん、とにかく機械学習が使えるようになりたいというタイプの人だと買うべきではない。そういう人はどうぞライブラリ使って、きれいなコードを書いてください。
自分は前者なので満足です。
一般書籍だとライブラリ使って書くところをfor文で書いたりわざわざfunction関数使って定義してるのでコードが汚くなるのは仕方ない。寧ろ理論を学びたい人ならばどのように計算しているかがわかる為、学習には最適だと思う。
理論なんて知らん、とにかく機械学習が使えるようになりたいというタイプの人だと買うべきではない。そういう人はどうぞライブラリ使って、きれいなコードを書いてください。
自分は前者なので満足です。