各分析モデルについて充実した説明
分析モデルの全体像を把握するために良かった
Kindle 価格: | ¥3,000 (税込) |
獲得ポイント: | 30ポイント (1%) |
を購読しました。 続刊の配信が可能になってから24時間以内に予約注文します。最新刊がリリースされると、予約注文期間中に利用可能な最低価格がデフォルトで設定している支払い方法に請求されます。
「メンバーシップおよび購読」で、支払い方法や端末の更新、続刊のスキップやキャンセルができます。
エラーが発生しました。 エラーのため、お客様の定期購読を処理できませんでした。更新してもう一度やり直してください。
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。
本質を捉えたデータ分析のための分析モデル入門 統計モデル、深層学習、強化学習等 用途・特徴から原理まで一気通貫! Kindle版
※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。
そのモデル、本質を理解して使っていますか?
本当にデータの全てを活用しきれていますか?
回帰分析、ResNet、方策勾配法、因子分析・主成分分析、階層ベイズモデリング、正準相関分析、カーネル回帰分析・・・実戦で頻出するデータ形式への対応に必須の分析モデル群を完全網羅!
【強化学習はいつ使うべきなのか?】
【なぜ、勾配決定木や畳み込みは強いのか?】
【結局、ベイスの定理は何に使えるのか?】
すべての疑問が間違いなく解消されます!
そのモデル、本質を理解して使っていますか?
本当にデータの全てを活用しきれていますか?
回帰分析、ResNet、方策勾配法、因子分析・主成分分析、階層ベイズモデリング、正準相関分析、カーネル回帰分析・・・実戦で頻出するデータ形式への対応に必須の分析モデル群を完全網羅!
【強化学習はいつ使うべきなのか?】
【なぜ、勾配決定木や畳み込みは強いのか?】
【結局、ベイスの定理は何に使えるのか?】
すべての疑問が間違いなく解消されます!
- 言語日本語
- 出版社ソシム
- 発売日2022/8/5
- ファイルサイズ196127 KB
この本はファイルサイズが大きいため、ダウンロードに時間がかかる場合があります。Kindle端末では、この本を3G接続でダウンロードすることができませんので、Wi-Fiネットワークをご利用ください。
Amazon スマイルSALE 開催中
期間限定!人気商品がお買い得。ポイントアップキャンペーン実施中
Amazon スマイルSALE を今すぐチェック
Amazon スマイルSALE を今すぐチェック
この本を読んだ購入者はこれも読んでいます
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
商品の説明
出版社からのコメント
そのモデル、本質を理解して使っていますか?
本当にデータの全てを活用しきれていますか?
回帰分析、ResNet、方策勾配法、因子分析・主成分分析、階層ベイズモデリング、正準相関分析、カーネル回帰分析・・・実戦で頻出するデータ形式への対応に必須の分析モデル群を完全網羅!
【強化学習はいつ使うべきなのか?】
【なぜ、勾配決定木や畳み込みは強いのか?】
【結局、ベイスの定理は何に使えるのか?】
すべての疑問が間違いなく解消されます!
◎目次
序章 分析モデルを学ぶための準備
第1部 定型データの扱い
第1章 回帰分析
第2章 回帰分析の結果の評価と解釈
第3章 ロジスティック回帰分析
第4章 機械学習を用いた回帰・分類
第2部 非定型データの扱い
第5章 深層学習入門
第6章 画像の分類
第7章 物体検出とセマンティックセグメンテーション
第8章 基本的な自然言語処理手法
第9章 深層学習を用いた自然言語処理モデル(前半)
第10章 深層学習を用いた自然言語処理(後半)
第11章 統計的言語モデル
第12章 付加構造があるデータの扱い
第3部 強化学習
第13章 強化学習とは
第14章 強化学習の技法
第15章 深層強化学習の技法
第4部 データから知見を得る方法
第16章 クラスタリング
第17章 因子分析・主成分分析
第18章 データの関連を調べる分析
第19章 データの背後の構造を用いる分析
第5部 線形回帰分析の深い世界
第20章 多重共線性
第21章 発展的な回帰分析
本当にデータの全てを活用しきれていますか?
回帰分析、ResNet、方策勾配法、因子分析・主成分分析、階層ベイズモデリング、正準相関分析、カーネル回帰分析・・・実戦で頻出するデータ形式への対応に必須の分析モデル群を完全網羅!
【強化学習はいつ使うべきなのか?】
【なぜ、勾配決定木や畳み込みは強いのか?】
【結局、ベイスの定理は何に使えるのか?】
すべての疑問が間違いなく解消されます!
◎目次
序章 分析モデルを学ぶための準備
第1部 定型データの扱い
第1章 回帰分析
第2章 回帰分析の結果の評価と解釈
第3章 ロジスティック回帰分析
第4章 機械学習を用いた回帰・分類
第2部 非定型データの扱い
第5章 深層学習入門
第6章 画像の分類
第7章 物体検出とセマンティックセグメンテーション
第8章 基本的な自然言語処理手法
第9章 深層学習を用いた自然言語処理モデル(前半)
第10章 深層学習を用いた自然言語処理(後半)
第11章 統計的言語モデル
第12章 付加構造があるデータの扱い
第3部 強化学習
第13章 強化学習とは
第14章 強化学習の技法
第15章 深層強化学習の技法
第4部 データから知見を得る方法
第16章 クラスタリング
第17章 因子分析・主成分分析
第18章 データの関連を調べる分析
第19章 データの背後の構造を用いる分析
第5部 線形回帰分析の深い世界
第20章 多重共線性
第21章 発展的な回帰分析
登録情報
- ASIN : B0B7NBX66Z
- 出版社 : ソシム (2022/8/5)
- 発売日 : 2022/8/5
- 言語 : 日本語
- ファイルサイズ : 196127 KB
- Text-to-Speech(テキスト読み上げ機能) : 有効になっていません。
- X-Ray : 有効にされていません
- Word Wise : 有効にされていません
- 付箋メモ : 有効になっていません
- Amazon 売れ筋ランキング: - 22,010位Kindleストア (Kindleストアの売れ筋ランキングを見る)
- - 50位数学 (Kindleストア)
- 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。
博士(数理科学 / 東京大学大学院)を2017年に取得。
2016年10月から株式会社アトラエに新卒入社。
転職サイト「Green(グリーン)」のマーケティングに従事したのち、
社内初の Data Scientist に転向し、Data Science teamを立ち上げ。
現在はエンゲージメント解析ツール「Wevox(ウィボックス)」にてデータ分析機能の開発に従事。
業務のかたわら、SFC上席所員として慶應義塾大学 総合政策学部 島津明人研究室に所属しワーク・エンゲイジメントの研究活動も行っている。
データサイエンスVTuberの AIcia Solid Projectを運営し、統計や機械学習など幅広いトピックの動画を投稿。38,000人のチャンネル登録者を数える。
https://youtube.com/@AIcia_Solid
著書に『本質を捉えたデータ分析のための分析モデル入門』 (ソシム、2022)
-
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。
2024年4月18日に日本でレビュー済み
Amazonで購入
これで全て原理などが数学的に理解できるようなものではなくて、どういう時にどんなのが必要でどんな感じで動いていますよみたいなカタログ的な情報がまとまったやつです。一言でいうと、APIリファレンスの概要と簡単な使用事例が乗ってるみたいな。私は単にAIにおねがいして書いてもらうだけなので、CursorとかGitHub Copilotにコード書かせたけど、あれ、動かんやん?てかこれどういう意味?他に手法はあるの?とかザックリ調べるのには重宝します。AIたまに嘘つくし。数学つよつよの人は他の書籍を見ましょう。因みにオジサン数学苦手です。
2023年2月18日に日本でレビュー済み
Amazonで購入
内容が濃すぎて説明が素晴らしすぎて、この本の貢献に感謝してもしきれない。少しで良いから頭脳を分けて欲しい。
2022年8月20日に日本でレビュー済み
Amazonで購入
最近、機械学習にお世話になり出したサラリーマンです。
第4部の、分析についてぶっちゃけつつ、とは言え、真面目に纏めて下さっている特に参考になりました。(逆?ですかね。)
正直数式はちんぷんかんぷんでしたが、そこを読み飛ばしたとしてもかなりのボリュームで、すごく有用、かつ楽しめると思います。
次はぜひ、分析部分だけを更に更に企業の実務寄りで突っ込んだ本をお願いしたいです。
第4部の、分析についてぶっちゃけつつ、とは言え、真面目に纏めて下さっている特に参考になりました。(逆?ですかね。)
正直数式はちんぷんかんぷんでしたが、そこを読み飛ばしたとしてもかなりのボリュームで、すごく有用、かつ楽しめると思います。
次はぜひ、分析部分だけを更に更に企業の実務寄りで突っ込んだ本をお願いしたいです。
2023年3月24日に日本でレビュー済み
著者を気に入っているため本書を読んでみましたが、とても高い評価を得ていることにやや驚きました。全体的に日本語の記述が荒く、そのため初学者にとって解読しやすい本であるとは思えませんでした。また、読めば理解できるように記述されているところと、さらっと用語を紹介しているに過ぎず読んでも完全な理解がえられないところが混在していて、そのことが本書を読み進める際にストレスを感じる原因となります。
どういう人に本書を薦められるか?
他書で分析モデルを学んだことがある人のうち、数式の解釈に困難を感じている人は、この本の中にヒントを見出すことができるでしょう。著者は数式の行間を丁寧に説明してくれます。具体的な分析モデルが念頭にある人には、記述の荒さも気にならないはずです。
どういう人に本書を薦められるか?
他書で分析モデルを学んだことがある人のうち、数式の解釈に困難を感じている人は、この本の中にヒントを見出すことができるでしょう。著者は数式の行間を丁寧に説明してくれます。具体的な分析モデルが念頭にある人には、記述の荒さも気にならないはずです。
2022年8月25日に日本でレビュー済み
Amazonで購入
データ分析に登場する数式を丁寧に説明してくれる。
読みやすい本になっているが、理解するべき数式を飛ばさない充実しており、良い入門書。
また、類書には強化学習の説明がないことが多いが、本書はそこまで扱っていることも魅力。
読みやすい本になっているが、理解するべき数式を飛ばさない充実しており、良い入門書。
また、類書には強化学習の説明がないことが多いが、本書はそこまで扱っていることも魅力。
2022年11月9日に日本でレビュー済み
入門という言葉の意味をどう捉えるかですが、本書は広範な技術について浅くまとめたものという感じです。
初歩的な内容から深層強化学習まで、非常に広い範囲をカバーしていますが、各項目に関しての説明はわりとお粗末な部分が多いです。
機械学習というジャンルについて、そもそもどういった住み分けがされているのか等、詳細でなくていいので体系的にまとまった本が欲しいという方は買っても良いと思います。
ただ、例えば強化学習について理解を深めたい初学者がこの本を手に取ると期待外れに感じてしまうはずです。そういった方はこの本よりもゼロから作るシリーズなどを選ぶと良いです。
著者の意図としては、この本を出発点にして各々別の詳細な専門書に進んでいってほしいということかな?と思います。
初歩的な内容から深層強化学習まで、非常に広い範囲をカバーしていますが、各項目に関しての説明はわりとお粗末な部分が多いです。
機械学習というジャンルについて、そもそもどういった住み分けがされているのか等、詳細でなくていいので体系的にまとまった本が欲しいという方は買っても良いと思います。
ただ、例えば強化学習について理解を深めたい初学者がこの本を手に取ると期待外れに感じてしまうはずです。そういった方はこの本よりもゼロから作るシリーズなどを選ぶと良いです。
著者の意図としては、この本を出発点にして各々別の詳細な専門書に進んでいってほしいということかな?と思います。
2022年7月31日に日本でレビュー済み
Amazonで購入
網羅的かつ易しく書かれているので、初心者にとっても非常にためになる良書でした。
また各種モデルの歴史なども書かれており、きちんと理解して使えるようになると思います。
ただ単に大量の分析モデルを記載した本はありますが、「こういうときにはコレ」のように実務をベースにおいた本はなかなかないので、データ分析を行うデータサイエンティストやエンジニアにとっては必須の一冊です。
また各種モデルの歴史なども書かれており、きちんと理解して使えるようになると思います。
ただ単に大量の分析モデルを記載した本はありますが、「こういうときにはコレ」のように実務をベースにおいた本はなかなかないので、データ分析を行うデータサイエンティストやエンジニアにとっては必須の一冊です。