既刊(1巻)

これならわかる機械学習入門

-
2,400
【道具として使いこなす!】 膨大な観測データから普遍的な法則を抽出する手法とは? 高校数学レベルから始まり、Python入門、TensorFlowによる実装、最新の論文まで踏み込む入門書。 【著者サポートページ】 https://github.com/akio-tomiya/intro_ml_in_physics 【目次】 第1章 データとサイエンス 1.1 物理学とデータサイエンス/1.2 最小2乗法とオーバーフィット/1.3 テイラー展開と振り子の等時性/コラム:武谷の三段階論 第2章 行列と線形変換 2.1 ベクトル、行列と線形変換/2.2 変換としての行列/2.3 行列に関する色々/コラム:計算量のオーダー 第3章 確率論と機械学習 3.1 確率の基礎事項/3.2 教師あり学習と教師なし学習、強化学習/3.3 確率変数と経験的確率、大数の法則/3.4 大数の弱法則の証明/3.5 カルバックライブラーダイバージェンス/3.6 尤度と赤池情報量基準、汎化/3.7 ロジスティック回帰 第4章 ニューラルネットワーク 4.1 ニューラルネットワークの概論/4.2 万能近似定理/コラム:新しい道具と新理論 第5章 トレーニングとデータ 5.1 ニューラルネットワークの入出力と学習/5.2 誤差関数と汎化、過学習/5.3 誤差関数の最適化・学習/コラム:次元の呪い 第6章 Python入門 6.1 Pythonによるプログラミング入門/6.2 Pythonと他言語の比較/6.3 NumPyとMatplotlib/6.4 Pythonでのクラス 第7章 TensorFlowによる実装 7.1 TensorFlow/Kerasとは/7.2 データやライブラリのロード/7.3 データの分割とニューラルネットワークの設計/7.4 学習/7.5 結果の評価/コラム:量子化という用語 第8章 最適化、正則化、深層化 8.1 最適化法の改良/8.2 過学習を防ぐ/8.3 多層化にむけて 第9章 畳み込みニューラルネットワーク 9.1 フィルター/9.2 畳み込みニューラルネット/コラム:知能と飛行機 第10章 イジング模型の統計力学 10.1 イジング模型/10.2 イジング模型のモンテカルロ法/10.3 熱浴法のPythonコードとデータの準備/コラム:統計力学と場の量子論 第11章 Nature Physicsの論文を再現しよう 11.1 論文について/11.2 データの前処理/11.3 実験
2,400
これならわかる機械学習入門

これならわかる機械学習入門

2,400

これならわかる機械学習入門の他の巻を読む

既刊1巻
1 / 1

通知管理

通知管理を見る

これならわかる機械学習入門の作品情報

あらすじ

【道具として使いこなす!】 膨大な観測データから普遍的な法則を抽出する手法とは? 高校数学レベルから始まり、Python入門、TensorFlowによる実装、最新の論文まで踏み込む入門書。 【著者サポートページ】 https://github.com/akio-tomiya/intro_ml_in_physics 【目次】 第1章 データとサイエンス 1.1 物理学とデータサイエンス/1.2 最小2乗法とオーバーフィット/1.3 テイラー展開と振り子の等時性/コラム:武谷の三段階論 第2章 行列と線形変換 2.1 ベクトル、行列と線形変換/2.2 変換としての行列/2.3 行列に関する色々/コラム:計算量のオーダー 第3章 確率論と機械学習 3.1 確率の基礎事項/3.2 教師あり学習と教師なし学習、強化学習/3.3 確率変数と経験的確率、大数の法則/3.4 大数の弱法則の証明/3.5 カルバックライブラーダイバージェンス/3.6 尤度と赤池情報量基準、汎化/3.7 ロジスティック回帰 第4章 ニューラルネットワーク 4.1 ニューラルネットワークの概論/4.2 万能近似定理/コラム:新しい道具と新理論 第5章 トレーニングとデータ 5.1 ニューラルネットワークの入出力と学習/5.2 誤差関数と汎化、過学習/5.3 誤差関数の最適化・学習/コラム:次元の呪い 第6章 Python入門 6.1 Pythonによるプログラミング入門/6.2 Pythonと他言語の比較/6.3 NumPyとMatplotlib/6.4 Pythonでのクラス 第7章 TensorFlowによる実装 7.1 TensorFlow/Kerasとは/7.2 データやライブラリのロード/7.3 データの分割とニューラルネットワークの設計/7.4 学習/7.5 結果の評価/コラム:量子化という用語 第8章 最適化、正則化、深層化 8.1 最適化法の改良/8.2 過学習を防ぐ/8.3 多層化にむけて 第9章 畳み込みニューラルネットワーク 9.1 フィルター/9.2 畳み込みニューラルネット/コラム:知能と飛行機 第10章 イジング模型の統計力学 10.1 イジング模型/10.2 イジング模型のモンテカルロ法/10.3 熱浴法のPythonコードとデータの準備/コラム:統計力学と場の量子論 第11章 Nature Physicsの論文を再現しよう 11.1 論文について/11.2 データの前処理/11.3 実験

これならわかる機械学習入門のレビュー

まだレビューはありません。