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。

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。

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．

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。

シンギュラリティは数学用語「特異点」と訳されているが，近年、科学技術一般用語として「技術的特異点」としても用いられている．本書は，これを「現在の技術による限界点」ととらえ，奈良先端科学技術大学院大学の情報科学分野の50名超の研究者が総力をあげて，様々な研究分野における「限界点」を示し，その点に近づき突破するための研究チャレンジをまとめたものである．

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。