「機械学習」をPythonでプログラミングし、アルゴリズムの動きを理解しよう！

機械学習のプログラムは様々なライブラリ・モジュールを使うことで簡単に試すことができる。その反面、単にモジュールを使用するだけでは機械学習の中のアルゴリズムがブラックボックス化してしまい、計算結果の意味を正しく捉えることも難しくなってくる。
　本書ではまず「機械学習」のアルゴリズムを解説し、機械学習の動きをPythonで実際にプログラミングすることで、アルゴリズムの流れが理解できるよう構成している。まずは黎明期からの機械学習アルゴリズムを理解し、それを実装することが目標となる。
　さらにPython用の機械学習モジュールの使用法も解説し、これらを使用したプログラムの作成も行う。機械学習を使いこなすためのイントロダクションとなる1冊。

化学の研究開発ではマテリアルズインフォマティクス（機械学習・深層学習を用いた新素材探索や新材料設計）の技術が導入され始めています。一方で、有機化学・無機化学のどの領域かによって構造情報の扱いや解析ノウハウが異なり、それぞれの場面で適切な手法が存在するという実情があります。本書では深層学習の基礎事項をはじめ、実際に深層学習を化学研究に利用する上での留意点を詳述するとともに、有機化学・無機化学分野でのデータの具体的な扱い方、さらには様々な深層学習手法とその具体的利用の理解を助けるための応用事例など、注目すべき多数の研究成果を体系的に整理しています。深層学習の初学者および具体的な応用研究を目指す方を対象に、データから様々な可能性を模索できるよう編集された一冊です。

非プログラマのための機械学習ソフト Orange！
物質科学・化学工学の研究開発に変革をもたらす技術として「マテリアルズインフォマティクス」が期待され、各分野でその取り組みが急速に進んでいる。
しかし機械学習を用いたデータマイニングである性質上、まずはプログラミング技術を習得しなければいけない実情がある。
本書ではGUIベースのフリーソフト「Orange Date Mining」を使用し、プログラミングを学んでいない人でも機械学習を実践する手法を紹介している。
著者によるサンプルスクリプトとデータファイルも準備しているため、手を動かし理解しながら読み進めることができる。
また各章の練習問題を解けば技術がより身につく構成となっている。マテリアルズインフォマティクスをこれから始める方に最適の一冊。

材料設計に新たな地平を！
化学分野の材料開発はこれまで経験と勘に裏打ちされた実験的手法が中心的な役割を果たしてきたが、新物質の発見から実用化までに長い時間とコストを要している。そこで近年では蓄積された多くのデータ・情報を駆使して所望の構造・材料候補を導き出すデータ駆動型科学――マテリアルズインフォマティクスの活用が始まっている。本書ではマテリアルズインフォマティクスを実践するための機械学習法、実験計画法、記述子計算を詳述。プログラムに必要なPythonとGoogle CoLabについても導入から解説している。これからデータ解析に取り組もうと考えている化学分野の方々にとって指南書となる一冊。
なお、本文中のプログラムソースは、著者のWebサイト等でダウロードできる。

「なぜ」を導くデータサイエンスでAIの透明化を実現する！
AIの要である機械学習は、結果を導き出す過程がブラックボックス化する問題があり、AI実用化の障害となっている。その解決策として、丹念なデータ分析によりデータの背景にある現象を統計モデルで表現する、本来の意味での「データサイエンス」の活用が期待されている。メカニズムが理解可能なモデルをAIの頭脳に使うことで、AIの透明化――すなわち説明可能なXAIも実現できる！
本書ではデータサイエンスの考えに基づく統計モデリングの解説に加え、機械学習の代表的な手法を Rを用いて体験していく。本書を読み込めば、探索的データ解析と機械学習、それぞれの本質を学ぶことができる。 

機械学習の精度をはるかに高める!
アンサンブル学習法は，深層学習に続く次のトレンドとして注目され，ブースティングやバギングなどの代表的な方法で複数の学習器を訓練し，それらを組み合わせて利用するという，最先端の機械学習法である．単一の学習法に比べてはるかに精度の高いことが知られており，実際に多くの場面で成功を収めている．
本書は，機械学習の分野で世界をリードしているZhi-Hua Zhou著の邦訳である．１章アンサンブル法の背景となる知識をあつかう．2章から5章は，アンサンブル法の核となる知識を扱い，5章では最近の情報理論多様性と多様性生成について議論する．6章からは，高度なアンサンブル法について述べる．人工知能，機械学習にたずさわる，研究者，技術者，学生には，必読必携の書である．

ポスト深層学習!!

本書は、ポスト深層学習の最右翼として注目されている「アンサンブル機械学習」を具体的にプログラムを動かしながら、実践的に学ぶ事ができる。
「アンサンブル機械学習」とは簡単に言えば、従来のいくつかの機械学習法の“良いとこ取り”である。その主な手法であるランダムフォーレスト、ブースティング、バギングなどについて、統計手法との絡みを含めて詳説する。おそらく、アンサンブル機械学習についての本邦初の解説書であろう。
深層学習、機械学習、人工知能に関わる読者には、まさに必携必読の書である。

電気羊の夢を見させるための第一歩！
　深層（多段層）ニューラルネットワークの構築は人工知能を模索する研究者にとっては、長年の課題であり夢でもあり、まさに研究対象でもあった。しかしただ単に多層化するだけでは、能力をうまく発揮することは出来なかった。近年、大きなブレークスルーがあり深層学習の手法を使うことにより、機械が自ら表現を学習出来ることが分かった。しかし、新しい手法でもあり、未解決な課題も多く存在している。
　本書は、この分野の最先端の著者らが、人工知能学会誌に掲載した連載解説を、大幅に加筆再編したものである。今までの到達点、今後の課題が、具体的な研究成果と共に書かれている。深層学習の理論・応用を、自らの研究に取り込むことを考えている読者には、まさに必携必読の書籍である。