ビジネスで使う機械学習 [Kindle]

著者 : 谷田部卓

• 谷田部卓 (2016年8月1日発売)

感想・レビュー・書評

[2319chanさんの感想 · 2018年11月18日]

・機械学習の基本は統計学にあり、その出力データはすべて確率で表現されると考えると理解しやすいと思います。

■機械学習の用途と手法
・回帰：過去の実績から未知の数値を予測
　　　；販売予測、株価の変動予測、機器の異常検知
・クラス分類：与えられたデータに適切なクラスを割り当てる
　　　　　　；迷惑メールの判定、手書きの文字の認識、クレジットカードの不正検知
・クラスタリング：値の類似性をもとにデータをグループ化
　　　　　　　　；顧客の嗜好によるセグメント分類
・情報圧縮：データの特徴的傾向をできるだけ残しながらデータを簡素化
　　　　　；顔認証、商品類似性可視化、計算の高速化
・レコメンデーション：客が興味を持ちそうな商品を推測
　　　　　　　　　　；ECサイトでの商品のお薦め

■機械学習活用の３要素
・情報科学：機械学習、深層学習等のアルゴリズム
・計算環境：HPC等高速演算装置、パブリッククラウドなど
・ビッグデータ：用途に沿った大量のデータ

[nakashin54さんの感想 · 2018年8月2日]

機械学習のイロハをコンパクトに解説。分かりやすい。

[mogmog26さんの感想 · 2017年1月3日]

すぐ読めました。機械学習の展開はまだまだ進んでいないということがわかった。かな。

[たかさんの感想 · 2016年11月18日]

機械学習の知識を俯瞰的に整理ができた。

[krgokさんの感想 · 2016年10月31日]

人工知能のかなりの部分は実際には機械学習で実現する
データ量が大きすぎて手に負えないようなビッグデータでも比較的に簡単に精度の良い結果が得られる
機械学習の基本は統計学にあり、出力データはすべて確率で表現される
教師データを合わせすぎると過学習と呼び注意が必要。教師データとは別に正解付きの評価データも準備して検証する
自然言語の難しさは自然言語が本質的に持つ多様な解釈を可能とする曖昧さがある
形態素解析ソフトウェアとして有名なのがMeCab
適切なアルゴリズムを見つけるには試行錯誤が必要
アルゴリズムができるだけ多いクラウドMLを選ぶべき
資産運用ロボバイザーにより資産ポートフォリオの自動構成、資産運用の自動化が始まっている
機械学習はつい数年前まで研究室レベルの話だったためビジネで利用可能なのはまだ裸のアルゴリズムレベルである
DeepLearningは基本的にデバッグのしようがない。正しい教師データを与えることしかできない。AIが人間社会に進出した場合AIが判断ミスしても原因究明は困難を極める

[ymgtugさんの感想 · 2016年10月2日]

ビジネスの文字に引かれて購入しました。NHKの番組を見て機械学習、ディープラーニングにさらに知りたくなりました。しかし、雑誌を読んでも

[happybooklifeさんの感想 · 2016年9月29日]

短いけど、さらっと読むにはいい。

[中達寝子さんの感想 · 2016年9月12日]

基本的な機械学習の流れを紹介したもの。概念的なものに終始し、実務的な話はあまりない。

著者プロフィール

1957年、栃木県生まれ、神奈川県在住。1980年、国立宇都宮大学工学部電子工学科卒業。製版機メーカー、精密機器メーカーを経て、大手ソフトウェア会社に入社。Webサービスの企画開発、ITコンサルティング業務に長年にわたり従事。機械学習の調査検討を進め、新規サービスの企画設計開発を担当。機械学習の社内講師を務めた後、退職。現在、自営業として主に人工知能に関するITコンサルティング及びデータサイエンティスト業務に従事している。著書に電子書籍「ビジネスで使う機械学習 Kindle版」「よくわかるディープラーニングの仕組み Kindle版」がある。

「2018年 『ディープラーニング』 で使われていた紹介文から引用しています。」