書籍
書籍検索
近日発売 送料無料
ここから学ぶ統計的機械学習　Pythonで実践！確率・統計から推定・学習理論まで
拡大
  • 表紙
  • まえがき
  • まえがき
  • まえがき
会員登録するとページ閲覧だけでポイント貯蓄！
最大500ポイント利用可能！

エンジニア入門シリーズ

ここから学ぶ統計的機械学習
Pythonで実践！確率・統計から推定・学習理論まで

著： 池田 和司 氏（奈良先端科学技術大学院大学）
丸野 由希 氏（関西大学）
定価： 3,960円（本体3,600円＋税）
判型： A5
ページ数： 336 ページ
ISBN： 978-4-910558-58-5
発売日： 2026/3/4（予定）
管理No： 156

発売前の予約注文を承っております


【目次】

第I部　入門編

第１章　Pythonプログラミング入門

  1. １－１　Colabとは
  2. １－２　生成AIを使わず写経と改変で身につける学習方針
  3. １－３　エラーメッセージとの向き合い方
  4. １－４　データとデータ型の基本
  5. １－５　Pythonの関数
  6. １－６　組み込み関数
  7. １－７　算術演算子
  8. １－８　Pythonのモジュールと関数
  9. １－９　ライブラリとモジュール
  10. １－10　特定のモジュールや関数だけを取り込む方法

第２章　Pythonで学ぶ高校数学

  1. ２－１　組み合わせnCr
  2. ２－２　順列nPr
  3. ２－３　階乗n!
  4. ２－４　式の展開
  5. ２－５　因数分解
  6. ２－６　素因数分解
  7. ２－７　方程式を解く
  8. ２－８　微分
  9. ２－９　積分

第３章　Pythonで学ぶ様々な関数

  1. ３－１　関数とは
  2. ３－２　パラメータ
  3. ３－３　関数のパラメータの値を求める
  4. ３－４　関数のパラメータの値を推定する
  5. ３－５　SymPyのplot()関数
  6. ３－６　多項式関数：1次関数
  7. ３－７　多項式関数：2次関数
  8. ３－８　多項式関数：3次関数以上
  9. ３－９　三角関数
  10. ３－10　指数関数
  11. ３－11　対数関数
  12. ３－12　分数関数
  13. ３－13　無理関数
  14. ３－14　絶対値を含む関数
  15. ３－15　活性化関数とは
  16. ３－16　ステップ関数
  17. ３－17　シグモイド関数
  18. ３－18　tanh（ハイパボリックタンジェント）関数
  19. ３－19　ReLU関数

第４章　確率の基礎

  1. ４－１　確率
  2. ４－２　確率変数
  3. ４－３　離散型確率変数と連続型確率変数
  4. ４－４　確率分布
  5. ４－５　離散型確率分布のグラフ
  6. ４－６　連続型確率分布のグラフ
  7. ４－７　確率分布の性質
  8. ４－８　確率分布を関数で表す
  9. ４－９　離散型確率分布と確率質量関数
  10. ４－10　確率関数を用いて確率を求める
  11. ４－11　確率分布のパラメータの値を推定する

第５章　離散型確率分布

  1. ５－１　離散型一様分布
  2. ５－２　ベルヌーイ分布Ber(p)
  3. ５－３　二項分布Bin(n, p)
  4. ５－４　ポアソン分布Po(λ)
  5. ５－５　幾何分布Geo(p)

第６章　連続型確率分布

  1. ６－１　確率密度関数f(x)
  2. ６－２　累積分布関数p=F(x)
  3. ６－３　パーセント点関数ｘ=F－1(p)
  4. ６－４　正規分布N(μ, σ2)
  5. ６－５　標準正規分布N(0, 1)

第II部　Pythonで学ぶ確率・統計

第７章　Pythonで求める基本統計量

  1. ７－１　データの個数
  2. ７－２　最小値と最大値
  3. ７－３　総和
  4. ７－４　平均値
  5. ７－５　中央値
  6. ７－６　最頻値
  7. ７－７　分散と標準偏差
  8. ７－８　変量の標準化
  9. ７－９　【番外編】偏差値

第８章　データハンドリング

  1. ８－１　データフレーム
  2. ８－２　データ書き出し
  3. ８－３　CSVデータ読み込み
  4. ８－４　データの確認
  5. ８－５　データの行数・列数の確認
  6. ８－６　統計量の確認
  7. ８－７　特定の列を抽出
  8. ８－８　欠損値の確認
  9. ８－９　欠損値の置換（fillna）
  10. ８－10　データフレームの結合（concat）
  11. ８－11　データフレームの結合（merge）
  12. ８－12　データの並び替え
  13. ８－13　ユニーク（一意）な値を抽出
  14. ８－14　条件に一致するデータを抽出（query）
  15. ８－15　グループごとに集計（groupby）

第９章　Pythonでデータを可視化

  1. ９－１　MatplotlibとPlotly
  2. ９－２　折れ線グラフ
  3. ９－３　棒グラフ
  4. ９－４　円グラフ
  5. ９－５　箱ひげ図
  6. ９－６　ヒストグラム
  7. ９－７　散布図
  8. ９－８　【番外編】コロプレスマップ

第10章　Pythonで離散型確率分布を可視化

  1. 10－１　離散型一様分布
  2. 10－２　ベルヌーイ分布Ber(p)
  3. 10－３　二項分布Bin(n, p)
  4. 10－４　ポアソン分布Po(λ)
  5. 10－５　幾何分布Geo(p)

第11章　Pythonで確率質量関数から確率を求める

  1. 11－１　ベルヌーイ分布Ber(p)
  2. 11－２　二項分布Bin(n, p)
  3. 11－３　ポアソン分布Po(λ)
  4. 11－４　幾何分布Geo(p)

第12章　Pythonで連続型確率分布を可視化

  1. 12－１　正規分布N(μ, σ2)の確率密度関数
  2. 12－２　正規分布N(μ, σ2)の累積分布関数
  3. 12－３　正規分布N(μ, σ2)のパーセント点関数
  4. 12－４　標準正規分布N(0, 1)の確率密度関数
  5. 12－５　標準正規分布N(0, 1)の累積分布関数
  6. 12－６　標準正規分布N(0, 1)のパーセント点関数

第13章　Pythonで連続型確率分布を活用

  1. 13－１　累積分布関数から確率を求める
  2. 13－２　パーセント点関数からパーセント点を求める

第14章　Pythonで確率分布に従うデータを生成

  1. 14－１　離散一様分布
  2. 14－２　ベルヌーイ分布Ber(p)
  3. 14－３　二項分布Bin(n, p)
  4. 14－４　正規分布N(μ, σ2)
  5. 14－５　標準正規分布N(0, 1)

第III部　発展編

第15章　信号の統計モデル

  1. 15－１　なぜ統計か
  2. 15－２　二値信号の性質
  3. 15－３　ガウス雑音のある信号
  4. 15－４　幾何分布、指数分布、ポアソン分布

第16章　最尤推定とベイズ推定

  1. 16－１　データのパラメータ推定
  2. 16－２　最尤推定
  3. 16－３　最小二乗法
  4. 16－４　ベイズ推定
  5. 16－５　最大事後確率（MAP）推定
  6. 16－６　ベイズ推定の事前分布

第17章　統計的学習理論

  1. 17－１　確率的近似（PAC）学習
  2. 17－２　Vapnik-Chervonenkis（VC）次元
  3. 17－３　サポートベクトルマシン（SVM）
  4. 17－４　カーネル法
  5. 17－５　SVMの改良版
  6. 17－６　SVMの応用
  7. 17－７　SVMの解法

第18章　SVMの幾何学

  1. 18－１　ν-SVMとその双対問題
  2. 18－２　SVMの意味付け
  3. 18－３　ν-SVMの幾何学
  4. 18－４　幾何学的性質の利用

第19章　ブースティング

  1. 19－１　ブースティングの定式化
  2. 19－２　ブースティングの幾何学

第20章　変数選択

  1. 20－１　変数選択の必要性
  2. 20－２　一般化線形モデル
  3. 20－３　スパース信号処理
  4. 20－４　SHAP

第21章　時系列の機械学習

  1. 21－１　生成AIと時系列
  2. 21－２　再帰による時系列の学習
  3. 21－３　LSTM（Long Short-Term Memory）
  4. 21－４　トランスフォーマー

第22章　生成AIを活用した機械学習プログラミング

  1. 22－１　生成AIを使う前に知っておきたいこと
  2. 22－２　生成AIにコードを作ってもらう
  3. 22－３　生成AIにコードを説明してもらう
  4. 22－４　生成AIと一緒にコードを改善する
  5. 22－５　自分のデータで試してみよう
  6. 22－６　生成AIとともに学ぶ力を育てる

【参考文献】

【口コミ】

  • ※口コミはありません。
ページトップへ戻る