scikit-learn、Keras、TensorFlowによる実践機械学習 第3版の表紙

scikit-learn、Keras、TensorFlowによる実践機械学習 第3版

Aurélien Géron, 下田 倫大, 牧 允皓, 長尾 高弘オライリー・ジャパン796ページISBN 9784814400935

機械学習タグで同率13位（87冊中）。Zenn・Qiitaなどの2記事で紹介（時点）。

紹介記事
2件
媒体別
Qiita 2
初めての紹介
最新の紹介

この本を選ぶ前に

難易度
中級（実務経験者向け）ピックアップガイドの分類
出版年
・第3版（約2年前）
タグ内の順位
機械学習タグで同率13位（87冊中・紹介記事数の順）
注意点

対象読者・難易度・注意点は、紹介記事の内容をもとにAIがまとめたものです（根拠記事へのリンクつき）。出版年・順位・代わりの本は書誌と集計データから出しています。

紹介している記事（2件）

記事ごとの説明は、記事本文のうちこの本に触れた部分をAIが要約したもので、筆者の原文ではありません。

この本について

scikit-learn、Keras、TensorFlowを用いて、機械学習の基礎からモデルの構築、評価、運用までを学ぶ本である。機械学習の種類やデータの課題、プロジェクトの進め方を説明した後、分類、回帰、勾配降下法、正則化、サポートベクターマシン、決定木、アンサンブル学習、次元削減、クラスタリングなどの手法を扱う。大規模言語モデルや拡散モデルを含む生成AIの基礎にも触れ、実際のデータを使った問題解決を取り上げる。コード例はノートブック形式で提供され、手を動かしながら機械学習の手順と各手法を学べる構成である。

出版社の内容紹介・目次と紹介記事をもとにAIが要約したものです。原文の転載ではありません。

目次（主な章）

出典: 出版社の書籍ページ （章の見出しのみ）

  1. 第Ⅰ部 機械学習の基礎
  2. 1章 機械学習の現状
  3. 2章 機械学習プロジェクトの全体像
  4. 3章 分類
  5. 4章 モデルの学習
  6. 5章 サポートベクターマシン（SVM）
  7. 6章 決定木
  8. 7章 アンサンブル学習とランダムフォレスト
  9. 8章 次元削減
  10. 9章 教師なし学習のテクニック
  11. 第Ⅱ部 ニューラルネットと深層学習
  12. 10章 人工ニューラルネットワークとKerasの初歩
  13. 11章 深層ニューラルネットワークの学習
  14. 12章 TensorFlowで作るカスタムモデルとその学習
  15. 13章 TensorFlowによるデータのロードと前処理
  16. 14章 畳み込みニューラルネットワークを使った深層コンピュータビジョン
  17. 15章 RNNとCNNを使ったシーケンスの処理
  18. 16章 RNNとアテンションメカニズムによる自然言語処理
  19. 17章 オートエンコーダ、GAN、拡散モデル
  20. 18章 強化学習
  21. 19章 大規模なTensorFlowモデルの学習とデプロイ
  22. 付録A 機械学習プロジェクトチェックリスト
  23. 付録B 自動微分
  24. 付録C 特殊なデータ型
  25. 付録D TensorFlowグラフ