機械学習しませんか

機械学習や深層学習も一般化してきて、あるていどのプログラマーであれば比較的簡単に利用てきるようになっています。
いっぽうで、それ以外の人たちにおは「なにやら難しいもの」という漠然としたイメージや、「自分の仕事がとられちゃう」という不安や「会社の効率化使えるんじゃないか」という思惑が入り乱れ、混沌とした状況です。

本書は、そうしたノンプログラマーやプログラミング初心者でも、簡単に動かすことができ、「ああこうなっているんだ」と自分の手で動かし、実感してもらうために作りました。

機械学習や深層学習を実際に試してみるには、プログラミング環境や実行環境の整備が必要です。もちろん、お手元のPCでもできるのですが、実際に学習をさせるとなると、それなりにPCパワーが必要なことにビックリされるかたもおおいでしょう。OSや言語環境を整備するのも、なかなかに大変です。

本書は、その問題をクリアするために、Amazonの提供するクラウドサービス、AWSを使用しています。
AWSを利用するには会員登録などが必要になりますが、無料で使用できる範囲でもそこそこのことができるので、試しにつかってみるにはうってつけだと思います。

そのほかにも、さまざまなノウハウがいっぱいに詰まった本です。一度お手に取っていただけると幸いです。

Chapter1　はじめる前にやっておくこと

01 機械学習とはなにか？
機械学習とはなんでしょうか？
深層学習（ディープラーニング）は、機械学習と違うもの？
機械学習って、何ができるの？
機械学習の種類
機械学習は難しい？
初心者でも大丈夫？
本書で扱う範囲

02　AWSの概要と設定
AWSってなに？
AWSってなに？
EC2インスタンスの作成
column 最初から高スペックのマシンを選びたい場合
EC2で高機能なインスタンスを選択する

03　開発環境の構築
Linuxのコンソールにログイン
ファイルのアップロード
必要なツールのインストール

Chapter2　機械学習で肥満度指数（BMI）を判定してみよう

01　機械学習で肥満判定してみよう
column 肥満かどうかは簡単なBMI計算で求められる
EC2に接続しよう
GitHubから本書のサンプルをダウンロードしよう
サンプルを実行してみよう

02　データを学習させよう
学習データが大切 ── 10万件の体格データ
CSVデータに関して
CSVデータを学習させよう
学習のためのプログラム
簡単にプログラムを確認してみよう

03　未知のデータで肥満判定してみよう
機械学習を利用した肥満判定を試してみよう
判定プログラムを確認してみよう
肥満判定をWebサービスとして提供しよう
Webフレームワーク「Flask」を使う
EC2のセキュリティを変更する
Webアプリを実行しよう
プログラムを確認してみよう

Chapter3　アマゾンの機械学習サービスを使ってみよう

01　Amazon Machine Learningとは
Amazon Machine Learningでの機械学習
Amazon Machine Learningを使用する事前準備

02　機械学習でNクラス分類を行う
Irisデータセットを使い、予測分類モデルを作ろう
アヤメのクラス分類
「 教師あり学習」と「教師なし学習」と「強化学習」
データセットを用意する
MLにデータを設定する
MLモデルを作成する
学習したアヤメ分類モデルでデータの分析を行う

03　EC2のインスタンス上から使用する
MLモデルをアプリケーションに組み込むには
エンドポイントを作成する
IAMユーザーの追加
アクセスのための設定
Amazon Machine Learningに接続する

04　機械学習モデルの性能評価
検証用のデータから性能評価

Chapter4　機械学習の基本「教師あり学習」を体験しよう

01　クラス分類の機械学習アルゴリズム
データセットの用意
機械学習でNクラス分類を行う
サポートベクターマシン
K-近傍法
決定木分析
ニューラルネットワークによるクラス分類

02　交差検証
交差検証とは
交差検証を行う

03　値の予想の機械学習アルゴリズム
回帰分析とは
データの用意
重回帰分析
ランダムフォレスト法による回帰
ニューラルネットワークによる回帰

Chapter5　機械学習の「教師なし学習」を体験しよう

01　クラスタリング
クラスタリングとは
K-Means法
その他のアルゴリズム

02　精度と再現率とF1値
教師なし学習の評価方法
精度と再現率を求める
結果を表にする
K-Means法の評価
その他のアルゴリズムの評価

03　多様体学習
多様体学習とは
主成分分析
その他のアルゴリズム

Chapter6　「ディープラーニング」を体験しよう

01　ディープラーニングによる教師あり学習
ニューラルネットワークとは
Chainerを使ったディープラーニング
Classifierクラスと損失関数
ディープラーニングによるクラス分類
ディープラーニングを行う
クラス分類を行う

02　ディープラーニングによる教師なし学習
ニューラルネットワークによる次元縮退
次元縮退ネットワークの学習
次元縮退を行うコード
ニューラルネットワークで次元縮退を行う

Chapter7　自然言語を分類してみる

01　機械学習による自然言語分類
自然言語分類とは
文章のベクトル化
文章を入手
文章の分類

02　Fasttextによる自然言語分類
Fasttextとは
Fasttextの学習
Fasttextによるクラス分類
クラス分類を行う

03　ディープラーニングによる自然言語分類
学習データの用意
実際の学習
ニューラルネットワークによるクラス分類
テスト用データを読み込む

Chapter8　カナ文字を画像認識させてみる

01　カナOCRの作成
カナ認識OCRを作ろう
使用するデータのダウンロード
OCR用紙の作成

02　カナ認識AIの学習
ニューラルネットワークのモデル作成
ネットワークモデルの実装
ニューラルネットワークの学習

03　OCRプログラムの作成
データと学習モデルの読み込み
マーカーから記載エリアを切り出す
カナを認識する

Chapter9　AIを使って気温の予想をしてみよう

01　気温の予想AIの作成
気温データのダウンロード

02　気温の予想AIの学習
リカレントニューラルネットワーク（RNN）
ネットワークモデルの実装
データの読み込み
ニューラルネットワークの学習

03　気温の予想プログラムの作成
データの読み込み
データの入力