ようこそ!
マイページ
ご利用ガイド
組合員情報の変更
メールアドレスの変更
ログイン
サイトトップ
e
フレンズトップ
すべて
本
雑誌
CD
DVD・Blu-ray
クリア
本 こだわり検索
書名
著者名
商品説明
出版社名
出版年月
―
2025
2024
2023
2022
2021
2020
2019
2018
2017
2016
2015
2014
2013
2012
2011
2010
2009
2008
2007
2006
2005
2004
2003
2002
2001
2000
1999
1998
1997
1996
1995
1994
1993
1992
1991
1990
1989
1988
1987
1986
1985
1984
1983
1982
年
―
1
2
3
4
5
6
7
8
9
10
11
12
月
以前
のみ
以降
ジャンル
選択してください
文庫
新書・選書
文芸
教養
人文
教育
芸術
児童
趣味
生活
地図・ガイド
就職・資格
語学
小学学参
中学学参
高校学参
辞典
コミック
ゲーム攻略本
エンターテイメント
日記手帳
社会
法律
経済
経営
ビジネス
理学
工学
コンピュータ
医学
看護学
薬学
ISBNコード
予約商品を表示しない
検索
クリア
本 >
工学
>
電気電子工学
>
機械学習・深層学習
出版社名:共立出版
出版年月:2022年12月
ISBN:978-4-320-12496-7
1069P 27cm
機械学習 ベイズと最適化の観点から
Sergios Theodoridis/著 岩野和生/監訳 中島秀之/監訳 石川達也/訳 上田修功/訳 浦本直彦/訳 岡本青史/訳 奥野貴之/訳 鹿島久嗣/訳 澤田宏/訳 中村英史/訳 南悦郎/訳
組合員価格 税込
14,850
円
(通常価格 税込 16,500円)
割引率 10%
在庫あり
生協宅配にてお届け
※ご注文が集中した場合、お届けが遅れる場合がございます。
内容紹介・もくじなど
内容紹介:機械学習とはデータから学習して予測を行うことである。統計的学習、統計的信号処理、パターン認識、適応信号処理、画像処理と画像解析、システム同定と制御、データマイニングと情報検索、コンピュータービジョン、計算理論的学習などのさまざまな分野において研究・開発が行われており、現在でもその進歩はとどまるところを知らない。本書は、機械学習に関して、基本的な内容から最新の話題までを解説する書籍である。まず、確率と統計の入門事項を解説する。次に、パラメーター推定、平均二乗誤差の線形推定、確率的勾配降下法、最小二乗法、ベイズ分類などといった、どちらかといえば古典的な手法を解説する。その後で、凸解析によ…(
続く
)
内容紹介:機械学習とはデータから学習して予測を行うことである。統計的学習、統計的信号処理、パターン認識、適応信号処理、画像処理と画像解析、システム同定と制御、データマイニングと情報検索、コンピュータービジョン、計算理論的学習などのさまざまな分野において研究・開発が行われており、現在でもその進歩はとどまるところを知らない。本書は、機械学習に関して、基本的な内容から最新の話題までを解説する書籍である。まず、確率と統計の入門事項を解説する。次に、パラメーター推定、平均二乗誤差の線形推定、確率的勾配降下法、最小二乗法、ベイズ分類などといった、どちらかといえば古典的な手法を解説する。その後で、凸解析によるアプローチ、スパースモデリング、再生核ヒルベルト空間上での学習、ベイズ学習、モンテカルロ法、確率的グラフィカルモデル、粒子フィルター、ニューラルネットワーク、深層学習、次元削減などといった、より高度な内容を解説していく。なお、特に深層学習やノンパラメトリックベイズ法に関しては、原著の改訂にあたって大きく加筆が行われ、大変多くのページが割かれている。本書では、長年にわたり研究されてきた主要な道筋や取り組みを提示することにより、機械学習への統一的な文脈での解説を試みている。それによって、この話題を学びたいと考えている初学者にとって、アカデミックな観点だけでなく、応用レベルに近い方法やアルゴリズムの観点からも価値のある書籍となっている。
もくじ情報:第1章 はじめに;第2章 確率と確率過程;第3章 パラメトリックモデリングにおける学習;第4章 平均二乗誤差線形推定;第5章 オンライン学習;第6章 最小二乗族;第7章 分類:古典的手法のまとめ;第8章 パラメーター学習:凸解析によるアプローチ;第9章 スパース性を意識した学習:概念と理論の基礎;第10章 スパース性を意識した学習:アルゴリズムとアプリケーション;第11章 再生核ヒルベルト空間における学習;第12章 ベイズ学習:推論とEMアルゴリズム;第13章 ベイズ学習:近似推論とノンパラメトリックモデル;第14章 モンテカルロ法;第15章 確率的グラフィカルモデル:第1部;第16章 確率的グラフィカルモデル:第2部;第17章 粒子フィルター;第18章 ニューラルネットワークと深層学習;第19章 次元削減
もくじ情報:第1章 はじめに;第2章 確率と確率過程;第3章 パラメトリックモデリングにおける学習;第4章 平均二乗誤差線形推定;第5章 オンライン学習;第6章 最小二乗族;第7章 分類:古典的手法のまとめ;第8章 パラメーター学習:凸解析によるアプローチ;第9章 スパース性を意識した学習:概念と理論の基礎;第10章 スパース性を意識した学習:アルゴリズムとアプリケーション;第11章 再生核ヒルベルト空間における学習;第12章 ベイズ学習:推論とEMアルゴリズム;第13章 ベイズ学習:近似推論とノンパラメトリックモデル;第14章 モンテカルロ法;第15章 確率的グラフィカルモデル:第1部;第16章 確率的グラフィカルモデル:第2部;第17章 粒子フィルター;第18章 ニューラルネットワークと深層学習;第19章 次元削減