【2020年中盤】機械学習の入門本ランキング21選【Python・R】

目次

【2020年中盤】機械学習の入門本ランキング21選【Python・R】

機械学習の入門本を22個まとめていきますー!

1.[第2版]Python機械学習プログラミング 達人データサイエンティストによる理論と実践 impress top gearシリーズ

内容
機械学習本ベストセラーの第2版!
著者陣の経験に基づく洞察とより専門的な知識を学べる

機械学習の各コンセプトについて、理論や数学的背景、Pythonコーディングの実際を網羅的に解説。初期の機械学習アルゴリズムから、ニューラルネットワーク(CNN/RNN)までの手法を取り上げます。Python関連ライブラリとしてはscikit-learnやTensorFlowなどを使用。第2版では、第1版への読者のフィードバックを随所に反映し、ライブラリの更新に対応。13章以降はほとんど新規の書き下ろしです。本書は、機械学習を本格的に理解・実践するのに不可欠な一冊となっています。

◎本書は『Python Machine Learning: Machine Learning and Deep Learning
with Python, scikit-learn, and TensorFlow, 2nd Edition』の翻訳書です。
◎微積分/線形代数、Pythonの文法、データ分析用ライブラリについてある程度理解している必要があります。

■「はじめに」より抜粋
機械学習の実践的なサンプルコードを調べて試してみるのは、この分野に飛び込むのにうってつけの方法である。幅広い概念が明確になるからだ。本書では、Python言語と機械学習ライブラリを使って機械学習の実装を体験してみるほか、アルゴリズムの背後にある数学的な概念を紹介する。それらの概念は、機械学習をうまく利用するために欠かせないものである。したがって、本書は単なる実用書ではない。本書では、機械学習の概念を必要に応じて詳しく説明する。

◆Amazon:[第2版]Python機械学習プログラミング 達人データサイエンティストによる理論と実践 impress top gearシリーズ

2. 機械学習スタートアップシリーズ ゼロからつくるPython機械学習プログラミング入門


内容
★★理論と実装のバランスがよい、「機械学習 with Python」の決定版★★

■機械学習モジュールが普及することにより、かえって学びづらくなった機械学習アルゴリズムの基本を徹底マスター!

■scikit-learnを使わない、numpyとpandasのみのコーディングで、実装力がスキルアップ!

■ブラックボックスの中身を理解し、一生モノの知識を身につけよう!

【本書のサポートページ】すぐに実践できるコードがWeb公開!
https://github.com/hhachiya/MLBook

【機械学習スタートアップシリーズ】
https://www.kspub.co.jp/book/series/S042.html

【主な内容】
第1章 機械学習とは何か
第2章 Python入門
第3章 数学のおさらい(線形代数、最適化、確率、統計)
第4章 回帰分析(線形回帰分析、ロジスティック回帰分析)
第5章 分類(線形判別分析、サポートベクトルマシン、ナイーブベイズ法、決定木)
第6章 カーネルモデル
第7章 ニューラルネットワーク
第8章 強化学習
第9章 教師なし学習(主成分分析、因子分析、クラスター分析)

◆Amazon: 機械学習スタートアップシリーズ ゼロからつくるPython機械学習プログラミング入門 (KS情報科学専門書)

3. RとPythonで学ぶ[実践的]データサイエンス&機械学習


内容
ビジネスの現場で活用するための最短コースです!

本書は野村総合研究所のシステムコンサルティング事業本部で実施している
「アナリティクス研修」をベースにした書籍で、
「統計的なモデリングとは何か?」
「モデルに基づく要因の分析と予測の違いとは?」
「具体的なモデルの作り方」
「結果を解釈する際の落とし穴の見分け方」
など、ビジネスの現場感を重視した構成です。
実務で遭遇するデータ品質や加工のポイント、さらにRとPythonを利用し、
データからモデルを作成して結果を得るという基本的な手順を体験できます。
これからデータ分析や統計解析、機械学習を学び、現場でそれらを活用したい方に最短学習コースでお届けします。

◆Amazon: RとPythonで学ぶ[実践的]データサイエンス&機械学習

4. Pythonではじめる機械学習 ―scikit-learnで学ぶ特徴量エンジニアリングと機械学習の基礎

内容
Pythonの機械学習用ライブラリの定番、scikit-learnのリリースマネージャを務めるなど開発に深く関わる著者が、scikit-learnを使った機械学習の方法を、ステップバイステップで解説します。
ニューラルネットを学ぶ前に習得しておきたい機械学習の基礎をおさえるとともに、優れた機械学習システムを実装し精度の高い予測モデルを構築する上で重要となる「特徴量エンジニアリング」と「モデルの評価と改善」について多くのページを割くなど、従来の機械学習の解説書にはない特長を備えています。

◆Amazon: Pythonではじめる機械学習 ―scikit-learnで学ぶ特徴量エンジニアリングと機械学習の基礎

5. 見て試してわかる機械学習アルゴリズムの仕組み 機械学習図鑑

内容
機械学習アルゴリズムの違いが見てわかる!

「機械学習アルゴリズムは種類が多く、複雑で何をしているのかわかりにくい」と思ったこと、ありませんか?本書は、そのような機械学習アルゴリズムをオールカラーの図を用いて解説した機械学習の入門書です。
いままで複雑でわかりにくかった機械学習アルゴリズムを、図解によりわかりやすく解説しています。アルゴリズムごとに項目を立てているので、どのアルゴリズムがどのような仕組みで動いているのか比較をしやすくしています。
これから機械学習を勉強する方だけでなく、実際に機械学習を業務で使用している方にも新しい気付きを得られるのでお勧めの1冊です。

【本書の特徴】
・複雑な機械学習アルゴリズムの仕組みを1冊で学べる
・オールカラーの図をたくさん掲載
・各アルゴリズム毎にScikit-Learnを使用したコードを記載しているので、見るだけでなく試すこともできる
・仕組みだけでなく、実際の使い方や注意点もわかる

【本書で紹介するアルゴリズム】
01 線形回帰
02 正則化
03 ロジスティック回帰
04 サポートベクトルマシン
05 サポートベクトルマシン(カーネル法)
06 ナイーブベイズ
07 ランダムフォレスト
08 ニューラルネットワーク
09 kNN
10 PCA
11 LSA
12 NMF
13 LDA
14 k-means
15 混合ガウス
16 LLE
17 t-SNE

◆Amazon: 見て試してわかる機械学習アルゴリズムの仕組み 機械学習図鑑

6. ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装

内容
ディープラーニングの本格的な入門書。外部のライブラリに頼らずに、Python 3によってゼロからディープラーニングを作ることで、ディープラーニングの原理を楽しく学びます。
ディープラーニングやニューラルネットワークの基礎だけでなく、誤差逆伝播法や畳み込みニューラルネットワークなども実装レベルで理解できます。
ハイパーパラメータの決め方や重みの初期値といった実践的なテクニック、Batch NormalizationやDropout、Adamといった最近のトレンド、自動運転や画像生成、強化学習などの応用例、さらには、なぜディープラーニングは優れているのか?なぜ層を深くすると認識精度がよくなるのか?といった“Why”に関する問題も取り上げます。

◆Amazon: ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装

7. 知識ゼロからの機械学習入門

内容
2020年4月15日から2021年4月15日まで期間限定で,本書についての疑問点をTechAcademyの講師に質問できるサービスを提供! プログラミングや機械学習がはじめての方に特化した,Pythonによる機械学習の入門書が登場です。Pythonによるプログラミングの基本から,実務で必須のデータ処理の方法,そして実際の機械学習へのチャレンジまでを扱います。わからないことをそのままにせず,今こそ機械学習に入門しましょう。

(こんな方におすすめ)

・これからPythonによる機械学習を学びたい方/学び直したい方

(目次)

第1章:はじめてのPythonプログラミを書いてみよう

  ・Pythonとは

  ・Pythonを書く準備をしよう

  ・Google ドライブとの連携

  ・最初のプログラムを書いてみよう

第2章:Pythonの基本を学ぼう

  ・データと変数を理解しよう

  ・シーケンスを使ってみよう —— 複数の要素をまとめて使う仕組み

  ・処理の流れを変えてみよう

  ・便利なツール集「関数」を使ってみよう

第3章:機械学習の概要を理解しよう

  ・機械学習とは何か

  ・機械学習とディープラーニング

  ・機械学習を業務に取り入れる流れを理解しよう

第4章:データの前処理にチャレンジしよう

  ・データの前処理(1):データの読み込みと確認を行う

  ・データの前処理(2):機械学習に適したデータに加工する

  ・CSVファイルを読み込む

  ・データを可視化する

第5章:機械学習にチャレンジしよう

  ・分類問題にチャレンジする(1):モデルの学習から評価まで

  ・分類問題にチャレンジする(2):モデルの変更と選定基準

  ・回帰問題にチャレンジする

  ・説明変数選択の重要性

  ・機械学習モデル ミニ辞典

◆Amazon: 知識ゼロからの機械学習入門

8. 仕事ではじめる機械学習

内容
ソフトウェアエンジニアの間でも一般的な言葉になった「機械学習」。
本書では、その機械学習やデータ分析の道具をどのようにビジネスに生かしていけば良いのか、また不確実性の高い機械学習プロジェクトの進め方などを「仕事で使う」という観点から整理します。
プロジェクトのはじめ方や、システム構成、学習のためのリソースの収集方法など、読者が「実際どうするの?」と気になるであろう点を中心にまとめています。
上司に「人工知能でいい感じの成果を出してくれ」とあいまいな指示をされたとき、本書で学んだことが活きてくるに違いありません。

◆Amazon: 仕事ではじめる機械学習

9. 図解即戦力 機械学習&ディープラーニングのしくみと技術がこれ1冊でしっかりわかる教科書

内容
機械学習・ディープラーニングについて学ぶための、図解形式の解説書です。エンジニア1年生、機械学習関連企業への就職・転職を考えている人が、機械学習・ディープラーニングの基本と関連する技術、しくみ、開発の基礎知識などを一通り学ぶことができます。

(こんな方におすすめ)

・機械学習・ディープラーニングの基本を知りたい人

(目次)

1章 人工知能の基礎知識

人工知能とは

機械学習(ML)とは

ディープラーニング(DL)とは

人工知能と機械学習が普及するまで

2章 機械学習の基礎知識

教師あり学習のしくみ

教師なし学習のしくみ

強化学習のしくみ

統計と機械学習の違い

機械学習と特徴量

得意な分野、苦手な分野

機械学習の活用事例

3章 機械学習のプロセスとコア技術

機械学習の基本ワークフロー

データの収集

データの整形

モデルの作成と学習

バッチ学習とオンライン学習

テストデータによる予測結果の検証

学習結果に対する評価基準

ハイパーパラメータとモデルのチューニング

能動学習

相関と因果

フィードバックループ

4章 機械学習のアルゴリズム

回帰分析

サポートベクターマシン

決定木

アンサンブル学習

アンサンブル学習の応用

ロジスティック回帰

ベイジアンモデル

時系列分析と状態空間モデル

k近傍(k-NN) 法とk平均(k-means)法

次元削減と主成分分析

最適化と遺伝的アルゴリズム

5章 ディープラーニングの基礎知識

ニューラルネットワークとその歴史

ディープラーニングと画像認識

ディープラーニングと自然言語処理

6章 ディープラーニングのプロセスとコア技術

誤差逆伝播法によるニューラルネットワークの学習

ニューラルネットワークの最適化

勾配消失問題

転移学習

7章 ディープラーニングのアルゴリズム

畳み込みニューラルネットワーク(CNN)

再帰型ニューラルネットワーク(RNN)

強化学習とディープラーニング

オートエンコーダ

GAN(敵対的生成ネットワーク)

物体検出

8章 システム開発と開発環境

人工知能プログラミングにおける主要言語

機械学習用ライブラリとフレームワーク

ディープラーニングのフレームワーク

GPUプログラミングと高速化

機械学習サービス

◆Amazon: 図解即戦力 機械学習&ディープラーニングのしくみと技術がこれ1冊でしっかりわかる教科書

10. 機械学習のエッセンス 実装しながら学ぶPython、数学、アルゴリズム

内容
機械学習の原理を知るための、初めての入門

※この電子書籍は、「固定レイアウト型」で配信されております。説明文の最後の「固定レイアウト型に関する注意事項」を必ずお読みください。

本書は具体的なデータ分析の手法を説明する意図で書かれたものではありません。
実用的な目的ならscikit-learnやChainerなどの既存のフレームワークを使うべきですが、本書では機械学習のいくつかの有名なアルゴリズムを、自分でゼロから実装することを目標としています。こうすることにより、とかくブラックボックスになりがちな機械学習の仕組みを理解し、さらなる応用力と問題解決力を身につけることができるようになります。
また、処理系にはデファクトスタンダードであるPythonを使い、機械学習に必要な数学の知識もわかりやすく解説しています。
これから機械学習を始める学生さんや、いきなりプロジェクトに放り込まれていまいち理解できないままデータ分析の仕事をしているエンジニアの方にも最適です。

●目次
はじめに
第01章 学習を始める前に
 01 本書の目的
 02 本書は何を含まないか
 03 機械学習の初歩
 04 実行環境の準備
第02章 Pythonの基本
 01 プログラムの実行方法
 02 基本的な文法
 03 数値と文字列
 04 複数行処理
 05 制御構造
 06 リスト、辞書、集合
 07 関数定義
 08 オブジェクト指向
 09 モジュール
 10 ファイル操作
 11 例外処理
第03章 機械学習に必要な数学
 01 基本事項の確認
 02 線形代数
 03 微積分
第04章 Pythonによる数値計算
 01 数値計算の基本
 02 NumPyの基本
 03 配列の基本計算
 04 疎行列
 05 NumPy/SciPyによる線形代数
 06 乱数
 07 データの可視化
 08 数理最適化
 09 統計
第05章 機械学習アルゴリズム
 01 準備
 02 回帰
 03 リッジ回帰
 04 汎化と過学習
 05 ラッソ回帰
 06 ロジスティック回帰
 07 サポートベクタマシン
 08 k-Means法
 09 主成分分析(PCA)
INDEX

固定レイアウト型に関する注意事項(必ずお読みください)
この電子書籍は、全ページ画像の「固定レイアウト型」で配信されております。以下の点にご注意し、購入前にプレビュー表示をご確認の上、ご購入ください。

■使用できない機能
・文字拡大(ピンチイン・ピンチアウトは可能ですが、画面におさまらない場合は画面をスワイプ)/文字のコピー/マーク/ハイライト/文字列検索/辞書の参照/Web検索/引用

■推奨環境
・タブレットなど大きいディスプレイを備えた端末
・Wi-Fiネットワーク経由でのダウンロード(Kindle端末の場合)

◆Amazon: 機械学習のエッセンス 実装しながら学ぶPython、数学、アルゴリズム

11. やさしく学ぶ 機械学習を理解するための数学のきほん アヤノ&ミオと一緒に学ぶ 機械学習の理論と数学、実装まで

内容
数学がニガテでも大丈夫! 機械学習をやさしく学ぼう

「機械学習に興味があるけど、どの本を見ても数式が出てきて、分からない・・・」

本書は、そんな方にぴったりの本です。
機械学習を勉強中のプログラマ「アヤノ」と、友達の「ミオ」の会話を通じて、楽しく学んでいきます。

本書では、

・そもそも機械学習がどうして注目を集めているのか?
・機械学習でできることにはどんなことがあるのか?
・どんな時に、回帰や分類を使うと有効なのか?

といった基本的なところから始まり、

・回帰や分類の具体的な題材に対して、どのように解決方法を考えていくのかをステップバイステップで解説
・その解決方法を数式の形で表すとどうなるのかも、丁寧に説明
・実際にプログラムの形にした場合の例

まで、丁寧に、じっくりと説明していきます。

とくに、数式については、高校で習った数学を忘れている方でも分かるように、つまづきやすいところや理解しにくいところを重点的に解説します。

機械学習の数式に対するモヤモヤを、一掃したいエンジニアの方に最適な1冊です。

【各章の概要】
● Chapter1 ふたりの旅のはじまり

機械学習がどうして注目を集めるようになってきているのか、また機械学習を使うと、どういうことができるのか、といった概要について説明しています。
また、回帰、分類、クラスタリングといったアルゴリズムについて簡単に解説しています。

● Chapter2 回帰について学ぼう ~ 広告費からクリック数を予測する

「広告にかける費用から、クリック数を予測する」を題材として、回帰について学びます。まずは予測するためにどんな式を導けばよいかをシンプルな例で考えて、それが求める結果に近づくようにするための方法を考えていきます。

● Chapter3 分類について学ぼう ~ 画像サイズに基づいて分類する

「画像のサイズから、縦長と横長に分類する」を題材として、分類について学びます。Chapter2 と同様に、分類のためにどんな式を導けばよいかをまず考え、それを最適な結果に近づけるための方法を考えていきます。

● Chapter4 評価してみよう ~ 作ったモデルを評価する

Chapter4 では、Chapter2とChapter3 で考えたモデルがどのくらい正しいかの精度を確認していきます。どのようにモデルを評価するのか、また、評価するための指標にはどんなものがあるのかについて学習します。

● Chapter5 実装してみよう ~ Pythonでプログラミングする

Chapter5では、Chapter2 からChapter4 までで学んだ内容を元に、Python でプログラミングをしていきます。ここまで数式で考えてきたことを、どのようにプログラミングしていけばいいかが分かります。
※プログラムはPython 3で実装します

◆Amazon: やさしく学ぶ 機械学習を理解するための数学のきほん アヤノ&ミオと一緒に学ぶ 機械学習の理論と数学、実装まで

12. ITエンジニアのための機械学習理論入門

内容
現在話題となっている機械学習(Machine Learning)のツールやライブラリは内部でどのような計算をしているのか? 計算で得られた結果にはどのような意味があり、どのようにビジネス活用すればよいのか?――という疑問を持つエンジニアが増えています。本書は機械学習理論を数学的な背景からしっかりと解説をしていきます。そしてPythonによるサンプルプログラムを実行することにより、その結果を見ることで機械学習を支える理論を実感できるようになります。

◆Amazon: ITエンジニアのための機械学習理論入門

13. Pythonではじめる教師なし学習 ―機械学習の可能性を広げるラベルなしデータの利用 

内容
教師なし学習はラベル付けされていないデータから学習する機械学習の一種です。
現在の機械学習では大量のラベル付きのデータを用いる教師あり学習が主流ですが、ラベルを付けるには膨大なコストがかかります。
現実世界に機械学習を適用していくためには、ラベル付けを必要としない教師なし学習の重要性が増してくると考えられます。
本書は実践的な視点から、データにある隠れたパターンを特定し、異常検出や特徴量抽出・選択を行う方法を紹介します。
ラベルなしデータを有効に利用することで、機械学習の可能性を各段に広げる教師なし学習の本質に迫ります。
さらに、変分オートエンコーダ(VAE)や敵対的生成ネットワーク(GAN)、制限付きボルツマンマシン(RBM)などの生成モデルも紹介します。

◆Amazon: Pythonではじめる教師なし学習 ―機械学習の可能性を広げるラベルなしデータの利用

14. Scratchではじめる機械学習 ―作りながら楽しく学べるAIプログラミング

内容
本書は、Scratchを使っている小学校高学年くらいの年齢から読める、機械学習入門です。
Scratchの拡張機能を使い、画像認識や音声認識、姿勢検出などを利用したプログラムを作りながら、機械学習の仕組みを楽しく学ぶことができます。Pythonなどのテキストプログラミング言語や、難しい数学の知識は必要ありません。
作りながら学ぶことで、実際の世の中で機械学習がどのように生かされているかを想像し、自分でも機械学習を使った仕組みを考えられる力を養います。
プログラミングの楽しさを覚えはじめた子どもたちの次のステップとしてもぴったりの一冊です。

◆Amazon: Scratchではじめる機械学習 ―作りながら楽しく学べるAIプログラミング

15. Pythonで動かして学ぶ!あたらしい機械学習の教科書 第2版

内容
数学の基礎知識とPythonコードを紐づけて機械学習の基本を学べる!

【本書の目的】
現在、人工知能関連のプロダクト・サービスが数多く見受けられるようになりました。
人工知能関連の開発に機械学習の基礎知識は必須です。
本書はそうした機械学習の基礎知識を学びたいエンジニアに向けた書籍です。

【本書の特徴】
本書は機械学習の基本について、数学の知識をもとに、
実際にPythonでプログラムしながら学ぶことができる書籍です。
・最新のPython 3.7に対応
・学習内容を「要点整理」で復習
・数式とコードをつなげたわかりやすい解説

【読者が得られること】
本書を読み終えた後には、機械学習のしくみとプログラミング手法を理解できます。

【対象読者】
機械学習の基礎を学びたい理工学生・エンジニア

【目次】
第1章 機械学習の準備
第2章 Pythonの基本
第3章 グラフの描画
第4章 機械学習に必要な数学の基本
第5章 教師あり学習:回帰
第6章 教師あり学習:分類
第7章 ニューラルネットワーク・ディープラーニング
第8章 ニューラルネットワーク・ディープラーニングの応用(手書き数字の認識)
第9章 教師なし学習
第10章 要点のまとめ

◆Amazon: Pythonで動かして学ぶ!あたらしい機械学習の教科書 第2版

16. マンガでわかる機械学習 [プリント・レプリカ]

内容
学ぶことの多い機械学習をマンガでさっと学習でき、何ができるかも理解できる!!
 本書は今後ますますの発展が予想される人工知能分野のひとつである機械学習について、機械学習の基礎知識から機械学習の中のひとつである深層学習の基礎知識をマンガで学ぶものです。
 市役所を舞台に展開し、回帰(イベントの実行)、識別1(検診)、評価(機械学習を学んだ結果の確認)、識別2(農産物のサイズ特定など)、教師なし学習(行政サービス)という流れで物語を楽しみながら、機械
学習を一通り学ぶことができます。

序章 機械学習を教えてください!
○さやかの部屋1 さやかと女子高生あい
第1章 回帰ってどうやるの?
1.1 数字を予測する難しさ
1.2 説明変数から目的変数を求める
1.3 線形回帰関数を求める
1.4 正則化の効果
○さやかの部屋2 数学のおさらい1

第2章 識別ってどうやるの?
2.1 データを整える
2.2 データからクラスを予測する
2.3 ロジスティック識別
2.4 決定木による識別
○さやかの部屋3 数学のおさらい2

第3章 結果の評価
3.1 テストデータで評価しないと意味がない
3.2 学習データ・検証データ・評価データ
3.3 交差確認法
3.4 正解率・精度・再現率・F値
○さやかの部屋4 数学のおさらい3

第4章 ディープラーニング
4.1 ニューラルネットワーク
4.2 誤差逆伝播法による学習
4.3 深層学習に挑戦
 4.3.1 ディープニューラルネットワークの問題点
 4.3.2 多階層学習における工夫 その1 事前学習法
 4.3.3 多階層学習における工夫 その2 活性化関数
 4.3.4 多階層学習における工夫 その3 過学習の回避
 4.3.5 特化した構造を持つニューラルネットワーク
○さやかの部屋5 数学のおさらい4

第5章 アンサンブル学習
5.1 バギング
5.2 ランダムフォレスト
5.3 ブースティング
○さやかの部屋6 数学のおさらい5

第6章 教師なし学習
6.1 クラスタリング
6.1.1 階層的クラスタリング
6.1.2 分割最適化クラスタリング
6.2 行列分解
○さやかの部屋7 数学のおさらい6

エピローグ
参考文献
索引

◆Amazon: マンガでわかる機械学習

17. scikit-learnとTensorFlowによる実践機械学習

内容
本書はコードを動かしながら学び、機械学習が使えるようになることを目的とした書籍です。現実的な問題を出し、サンプルデータを示しながら、機械学習で問題を解決に導くまでの一連の手法を体系立てて解説します。
深層学習以外の機械学習にはscikit-learnを使い、機械学習プロジェクトの流れ、データからモデルを学習する方法、コスト関数の最適化、データの処理・クリーニングなどの基礎から、特徴量の選択や過学習、データの次元削減など応用までを学びます。
深層学習にはTensorFlowを使い、ニューラルネットワークの構築と訓練、ニューラルネットワークアーキテクチャ、深層学習や強化学習、さらにTensorFlowの分散処理のメカニズムや実装までを幅広く解説します。
すべてのコードがGitHub上で公開されており、Jupyter Notebookを使って試しながら学ぶことができます。アルゴリズムの説明に終始せず、実際の業務で必要となる機械学習のスキルをまとめた本書は機械学習を学びたいエンジニア必携の一冊です。

◆Amazon: scikit-learnとTensorFlowによる実践機械学習

18. いちばんやさしいPython機械学習の教本 人気講師が教える業務で役立つ実践ノウハウ

内容
注目を集めるPython(パイソン)を使った機械学習の、
実践的な基礎が学べる解説書です。

小さいサンプルプログラム(bot)に機能を追加しながら
データ収集から前処理、学習、予測、評価まで
周辺技術も含めた機械学習の全体像が学べます。

本書のサンプルプログラムは、
すべて本書のサポートページからダウンロードできます。

■本書はこんな人におすすめ
・Pythonの入門書を読み終えた人
・Pythonを使った機械学習に触れてみたい人
・業務で役立つ実践的なノウハウが知りたい人
など

■本書の内容
Chapter 1 機械学習について知ろう
Chapter 2 環境を準備しよう
Chapter 3 スクレイピングでデータ収集をしよう
Chapter 4 日本語の文章生成をしよう
Chapter 5 手書き文字認識をしよう
Chapter 6 データの前処理を学ぼう
Chapter 7 回帰分析をしよう
Chapter 8 機械学習の次のステップ

◆Amazon: いちばんやさしいPython機械学習の教本 人気講師が教える業務で役立つ実践ノウハウ 「いちばんやさしい教本」シリーズ

19. AIエンジニアを目指す人のための機械学習入門 実装しながらアルゴリズムの流れを学ぶ (Software Design plusシリーズ)

内容
機械学習はAI(人工知能)の基礎技術です。今後AIの利活用が進むにつれて、機械学習をコンピュータシステムに組み込んでビジネスに活用できる人材(本書ではAIエンジニアと呼称します)がますます求められます。
機械学習には目的に応じたいくつかの手法が存在します。それらの手法を正しく使えるようになるために、本書はAIエンジニアが理解しておきたいレベルの深さで、各手法のアルゴリズム(動作原理)を丁寧に解説します。とくにアルゴリズムの目的や意味を理解できることをめざします。(アルゴリズムの背景にある高度な数学・統計学の理論についての説明は必要最小限にとどめ、)まずはプログラムを書いて動かし、その結果を見ながらアルゴリズムの長所・短所や、性能をチューニングするためのコツを学びます。
機械学習プログラムの作成には、プログラミング言語「Python」と機械学習ライブラリ「scikit-learn」を使用します。作成したプログラムは、クラウドサービス「Google Colaboratory」や手元のパソコンに構築する「Jupyter Notebook」の環境で簡単に動かせます。

◆Amazon: AIエンジニアを目指す人のための機械学習入門 実装しながらアルゴリズムの流れを学ぶ (Software Design plusシリーズ)

20. すぐに使える! 業務で実践できる! Pythonによる AI・機械学習・深層学習アプリのつくり方

内容
深層学習や機械学習も環境が整ってきて、誰でも気軽に試せるようになってきました。
会社のサービスやアプリケーションに機械学習を組み込んだ例も頻繁に見かけるようになっています。

本書は、Pythonプログラマーが、、本書のために作られたサンプルプログラムを利用し、
実際に体験しながら機械学習を業務や作業にどう組み込んでいくかを学習する解説書です。

機械学習や深層学習の奥は深く、利用できる範囲も広大ですが、まずはどういうものかを、本書で学んでください。

◆本書で取り扱っている技術・サンプル例など
AIで美味しいワイン判定、 顔にモザイクをかける、 手書き数字を判定、 郵便番号を自動認識、動画から特定の場面を検出。
文章を単語に分割。単語、意味をベクトル化、文章を分類してみよう、自動作文に挑戦、SNSへのスパム投稿を判定。
写真に写った物体を認識、ニュース記事を自動でジャンル判定、料理の写真からカロリーを調べる。

◆Amazon: すぐに使える! 業務で実践できる! Pythonによる AI・機械学習・深層学習アプリのつくり方

21. エンジニアなら知っておきたいAIのキホン 機械学習・統計学・アルゴリズムをやさしく解説

内容
本書は、Think IT連載「ビジネスに活用するためのAIを学ぶ」に、筆者の自社Webサイトで公開中のブログ「AI技術をぱっと理解する(基礎編)」
を加え、さらに加筆・修正したAI入門書。これからAIを学ぶエンジニアや過去にAIを学習したが挫折してしまったエンジニア向けに、AIの基礎と
全体像を解説し「AIとは何か」「AIで何ができるのか」をイメージできるようにした。

本書の特長は、古い歴史には触れず、(1)ディープラーニング登場以降の5年間の流れを知り(過去)、(2)今のAI技術の全体像を把握し(現在)、(3)5年後の
AI活用イメージを掴む(未来)、の3点。書き下ろしコラムによるていねいな補足もあり、広大で難解なAIの世界をやさしく学ぶことができる。

全3部構成。
●第1部「人工知能の基礎を理解する」では、AIの基礎と全体像をしっかり理解できるように解説。
●第2部「機械学習のアルゴリズムを学ぶ」では、AIの心臓部となる<機械学習><統計学><アルゴリズム>の3要素とその関係を解説。<機械学習>には
「教師あり学習」「教師なし学習」「強化学習」などが、その背後には「回帰」「分類」「クラスタリング」などの<統計学>があり、その解を求める
方法には「決定木」「サポートベクターマシーン」「k平均法」など、多くの<アルゴリズム>がある。これらの三角関係をやさしく紐解く。
●第3部「ビジネスに活用するための人工知能を学ぶ」では、著者の調査による最新動向を踏まえ、AIビジネスの将来について業界別に考察。
RPA (Robotic Process Automation) の現状についても解説する。

◆Amazon: エンジニアなら知っておきたいAIのキホン 機械学習・統計学・アルゴリズムをやさしく解説

【おわりに】機械学習の入門本ランキング21選

以上で本記事は終わりです。機械学習が学べる入門本を21冊まとめてみました。
参考になると嬉しいですー!

◆本記事と一緒に読みたい記事↓