本質を捉えたデータ分析のための分析モデル入門　 統計モデル、深層学習、強化学習等 用途・特徴から原理まで一気通貫！

そのモデル、本質を理解して使っていますか？
本当にデータの全てを活用しきれていますか？

回帰分析、ResNet、方策勾配法、因子分析・主成分分析、階層ベイズモデリング、正準相関分析、カーネル回帰分析・・・実戦で頻出するデータ形式への対応に必須の分析モデル群を完全網羅！

【強化学習はいつ使うべきなのか？】
【なぜ、勾配決定木や畳み込みは強いのか？】
【結局、ベイスの定理は何に使えるのか？】

すべての疑問が間違いなく解消されます！

第1部　定型データの扱い
第1章　回帰分析
第2章　回帰分析の結果の評価と解釈
第3章　ロジスティック回帰分析
第4章　機械学習を用いた回帰・分類

第2部　非定型データの扱い
第5章　深層学習入門
第6章　画像の分類
第7章　物体検出とセマンティックセグメンテーション
第8章　基本的な自然言語処理手法
第9章　深層学習を用いた自然言語処理モデル（前半）
第10章　深層学習を用いた自然言語処理（後半）
第11章　統計的言語モデル
第12章　付加構造があるデータの扱い

第3部　強化学習
第13章　強化学習とは
第14章　強化学習の技法
第15章　深層強化学習の技法

第4部　データから知見を得る方法
第16章　クラスタリング
第17章　因子分析・主成分分析
第18章　データの関連を調べる分析
第19章　データの背後の構造を用いる分析

第5部　線形回帰分析の深い世界
第20章　多重共線性
第21章　発展的な回帰分析