※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。
機械学習の知識を深めスキルを強化したい方に
・OpenCV＋scikit-learnで機械学習プログラミングを実践マスター
・統計的学習の本質的概念、決定木、サポートベクタマシン、ベイジアンネットワークなど様々なアルゴリズムとOpenCVを組み合わせて使う方法をわかりやすく解説！
1章「機械学習を味見してみよう」
機械学習の分野に属する問題をいくつかのカテゴリに分類し簡単に紹介。Anaconda Pythonの環境を対象として、OpenCVやその他の重要なツールをインストールする方法について説明します。
2章「OpenCVとPythonでデータを操作する」
典型的な機械学習システムにおける処理の流れがどういったものか、データはどこで利用されるのかを説明。学習データと評価データの違いについて説明し、OpenCVとPythonを利用したデータの読込、保存、操作・視覚化の方法についても説明します。
3章「教師あり学習の初歩」
分類や回帰といった中核的な概念を見直すことで、教師あり学習を説明。OpenCVでの単純な機械学習アルゴリズムの実装方法、データの予測方法、モデルの評価方法について学びます。
4章「データ表現と特徴量エンジニアリング」
よく知られている機械学習用データセットがどういったものか、また興味のある情報を生データから抽出する方法について説明します。
5章「医療診断をするための決定木の使用」
OpenCVで決定木を構築する方法について説明し、分類や回帰問題に適用します。
6章「サポートベクタマシンによる歩行者の検出」
サポートベクタマシンをOpenCVで構築し、画像中の歩行者を検出するために適用する方法を説明します。
7章「ベイジアン学習による迷惑メールフィルタの実装」
確率論を紹介し、ベイズ推定を使用して電子メールをスパムかどうか分類する方法を紹介します。
8章「教師なし学習で隠れた構造を発見する」
k-meansクラスタリングや期待値最大化などの教師なし学習アルゴリズムについて説明し、単純なラベルなしデータセットに隠れた構造を抽出する方法を示します。
9章「深層学習を用いた手書き数字分類」
いまホットな深層学習の世界にお連れします。パーセプトロンから始めて多層パーセプトロンに展開し、広大なMNISTデータベースの手書き数字を分類するための深いニューラルネットワーク（Deep Neural Networks; DNN）の構築方法について説明します。
10章「異なるアルゴリズムを組み合わせてアンサンブルを作成する」
個々の学習器の弱点を克服するために、複数のアルゴリズムを効果的に組み合わせてアンサンブルを作成することで、より正確で信頼性の高い予測を実現する方法について説明します。
11章「ハイパーパラメータチューニングと適切なモデルの選択」
さまざまな機械学習アルゴリズムとそのパラメータの組み合わせを比較して、タスクに適したものを選ぶためのモデル選択について紹介します。
12章「仕上げ」
今後の機械学習の問題に対処する方法や、より高度なトピックに関する情報を見つけるための有用なヒントをお伝えします。
ERR_MNG
