概要

Pythonで4分野(ML・Web・スクレイピング・文書処理)を実装しながら習得する

想定読者

プログラミング基礎は押さえており、Pythonで実務に役立つアウトプットを作りながら学びたい社会人・学生

こんな人には向いていない

• 機械学習の数理的背景や理論を深く学びたい読者(scikit-learn/TensorFlowの使い方止まりであり、アルゴリズム原理は別書が必要)
• すでにPythonで業務スクリプトやWebアプリを運用している経験者(基礎文法から丁寧に説明するため既知の内容が多い)
• Flask・scikit-learnいずれか1分野を集中的にマスターしたい読者(4分野を浅く広くカバーする構成のため各分野の深度は浅め)

読了後にできるようになること

• Anaconda環境でのPython開発環境セットアップと基本的なパッケージ管理
• NumPy・matplotlibを使った数値計算とグラフ可視化の基礎
• requestsとBeautiful Soupによる実践的なWebスクレイピング手順
• OpenPyxlとPandasを組み合わせたExcel・CSVファイルの自動集計処理
• FlaskとJinja2テンプレートを使った最小構成のWebアプリケーション構築
• scikit-learnとTensorFlowを使った機械学習モデルの実装体験

本書のキー概念(章解説)

• 第 1 章 Pythonをはじめよう — Anaconda導入を中心にした環境構築章。すでに環境が整っている読者は読み飛ばして問題ない
• 第 2 章 Pythonの基本文法 — 変数・制御構文・クラスまで網羅する基礎章。他言語経験者は2-1〜2-3を斜め読みし2-5のクラス節から入ると効率的
• 第 3 章 ライブラリを活用する — NumPy・matplotlibの実践的な使い方を学ぶ。機械学習・データ分析の前提知識として重要
• 第 4 章 文書を処理する — 正規表現・CSV・Excel操作をカバー。業務自動化に最も直結する章で、実務利用に向けて優先的に取り組む価値がある
• 第 5 章 Webから情報を取得する — requests・Beautiful Soup・JSONをカバー。スクレイピング初挑戦の読者には最も手応えを感じやすい章
• 第 6 章 Webアプリケーションを動かす — FlaskとJinja2による最小Webアプリ実装。フレームワークの概念を体感するための入門として機能する
• 第 7 章 機械学習を体験する — scikit-learnとTensorFlowでの実装体験が中心。理論より動かすことを優先した構成で、ML入門の足がかりになる

ハイライト

• 機械学習・Webアプリケーション・スクレイピング・文書処理ができる！(タイトルが示す4分野カバーの実用志向が本書の最大の特徴で、購買判断の軸になる)

編集メモ

Qiita記事の言及データなし・楽天ランキング情報なし。2019年刊でAnaconada/TensorFlowのバージョン陳腐化リスクあり。入門書として4分野を試すための補完的な選択肢として位置づける

読む前に押さえておきたいこと

• 変数・条件分岐・繰り返しの概念(他言語でのプログラミング経験があれば理想的)
• コマンドライン(ターミナル)の基本操作(ファイル移動・パッケージインストール程度)

学習のコツ

• まずChapter 4(文書処理)とChapter 5(スクレイピング)を優先して取り組むと、Excelや社内データの自動処理という即効性のある成果を得やすい
• Chapter 7の機械学習は理論説明が薄いため、コードを動かして出力を確認することを主目的にし、背景理論は別途「ゼロから作るDeep Learning」等で補完するとよい
• Chapter 2の基本文法は他言語経験者であれば斜め読みで十分。クラス(2-5)だけは丁寧に読んでからChapter 3以降に進むことを勧める
• 2019年刊のため、Anaconda・TensorFlowのバージョンは書籍記載と現行が異なる場合がある。公式ドキュメントと照合しながら進めることを前提にする