近刊検索 デルタ

2017年10月21日発売

講談社

機械学習スタートアップシリーズ ベイズ推論による機械学習入門

KS情報科学専門書
このエントリーをはてなブックマークに追加
内容紹介
最短経路で平易に理解できる、今までにない入門書!
ベイズ主義機械学習(ベイズ学習)の基本原理にのっとり、「モデルの構築→推論の導出」という一貫した手順でアルゴリズムの作り方を解説。どこまでも分かりやすい!

【主な内容】
1 機械学習とベイズ学習
2 基本的な確率分布
3 ベイズ推論による学習と予測
4 混合モデルと近似推論
5 応用モデルの構築と推論

【機械学習スタートアップシリーズ】
本シリーズは、「機械学習ブーム」の先駆けとして2015年から刊行されている『機械学習プロフェッショナルシリーズ』の弟分的な存在を目指す、注目の新シリーズです。
「機械学習をもっと身近に、機械学習をもっとわかりやすく!」を合言葉に、より丁寧な記述で、基本的なテーマを解説していきます。

まず、以下の2点を同時に刊行いたします(^o^)/

『これならわかる深層学習入門』瀧 雅人・著
『ベイズ推論による機械学習入門』須山 敦志・著/杉山 将・監修
目次
第1章 機械学習とベイズ学習
機械学習とは/機械学習の代表的なタスク/機械学習の 2 つのアプローチ/確率の基本計算/グラフィカルモデル/ベイズ学習のアプローチ

第2章 基本的な確率分布
期待値/離散確率分布/連続確率分布

第3章 ベイズ推論による学習と予測
学習と予測/離散確率分布の学習と予測/1次元ガウス分布の学習と予測/多次元ガウス分布の学習と予測/線形回帰の例

第4章 混合モデルと近似推論
混合モデルと事後分布の推論/確率分布の近似手法/ポアソン混合モデルにおける推論/ガウス混合モデルにおける推論

第5章 応用モデルの構築と推論
線形次元削減/非負値行列因子分解/隠れマルコフモデル/トピックモデル/テンソル分解/ロジスティック回帰/ニューラルネットワーク

※近刊検索デルタの書誌情報はopenBDのAPIを使用しています。