概要

Python実行を軸に機械学習から深層学習・CNNまでを一気通貫で学ぶ

想定読者

AIや機械学習の開発に関わりたい初学者（理工系学生・若手エンジニア・研究者）で、Pythonの基礎から深層学習の実装まで体系的に習得したい人

こんな人には向いていない

• すでにPython・NumPy・機械学習の基礎を習得済みで、深層学習の理論深化や実務応用を求める中級者以上には内容の比重が基礎寄りすぎる
• 数学的背景（線形代数・微積分）を理論から丁寧に学びたい人には、本書は実装優先のため数式解説が薄い
• Kindle電子版での学習を主とする場合、レイアウト品質に問題があるとの報告がある

読了後にできるようになること

• NumPyとPandasを使ったデータ前処理・整形の実装パターン
• matplotlibによるデータ可視化の基礎から応用グラフ作成
• 教師あり学習（分類）とハイパーパラメータチューニングの実践的な進め方
• 深層学習モデルの構築・チューニング手順
• CNN（畳み込みニューラルネットワーク）を用いた画像認識モデルの基礎から応用
• OpenCVによる画像データの前処理手法

本書のキー概念(章解説)

• 第 1 章 機械学習概論
• 第 2 章 機械学習の流れ
• 第 3 章 性能評価指標
• 第 4 章 Pythonの基礎
• 第 5 章 Pythonの基本文法
• 第 6 章 関数の基礎
• 第 7 章 NumPy
• 第 8 章 Pandasの基礎
• 第 9 章 Pandasの応用
• 第 10 章 データ可視化のための準備
• 第 11 章 matplotlibの使い方
• 第 12 章 様々なグラフを作る
• 第 13 章 lambdaやmapなどの便利なPython記法
• 第 14 章 DataFrameを用いたデータクレンジング
• 第 15 章 OpenCVの利用と画像データの前処理 — 実務でよく使う画像前処理の入口として価値が高い章
• 第 16 章 教師あり学習（分類）の基礎
• 第 17 章 ハイパーパラメータとチューニング（1）
• 第 18 章 ハイパーパラメータとチューニング（2）
• 第 19 章 深層学習の実践
• 第 20 章 深層学習のチューニング
• 第 21 章 CNNを用いた画像認識の基礎 — 翔泳社からURL正誤表が公開されているため、参照リンクは最新版を確認すること
• 第 22 章 CNNを用いた画像認識の応用

ハイライト

• 機械学習の基本からはじまり、Pythonの基礎、データの処理、深層学習の基本から応用まで、サンプルを元に実際に動かしながら、わかりやすく解説します。各項には練習問題がありますので、学習効果を確かめながら読み進めることができます。(本書の構成方針（動かす→確かめる）が最も端的に表れている箇所)

外部からの言及

• 機械学習入門書の推薦リストに複数回登場しており、『深層学習だけでなくPythonや機械学習の基本を学べる網羅的な書籍』として初学者向けに評価されている。上位推薦書の補完的な位置付けで紹介されることが多い(qiita)

編集メモ

確認されたQiita言及記事は3件（いずれも入門書推薦リストへの収録）、likes合計は21。機械学習入門書としての推薦実績はあるが、言及数・likes数は定番書と比較して限定的な水準

読む前に押さえておきたいこと

• プログラミングの基本的な概念（変数・関数・ループ）についての理解
• 高校数学レベルの行列・線形代数の基礎知識があると第7章以降の理解が速い
• Python実行環境（Anaconda等）のセットアップ経験

学習のコツ

• 第1〜3章の機械学習概論を読んだ後、第19〜22章のディープラーニング実践を先に流し読みすると、全体像を掴んでから基礎ツール（NumPy/Pandas/matplotlib）の章に戻れるため定着しやすい
• 各章末の練習問題は正答を確認するだけでなく、必ず手元の環境で実行すること。本書の価値は「動かす」ことにあり、読むだけでは定着率が大きく下がる
• 第4〜6章（Python基礎）はすでにPythonを書ける場合は読み飛ばし可。第7章（NumPy）から入ってよい
• 翔泳社公式ページで正誤表・サポートページを確認してから学習を開始すること（特に第21章はURL修正情報がある）