Python

AI

これほどまでに期待を裏切らない続編はない!書籍『ゼロから作るDeep Learning ❷ ―自然言語処理編』から得た学び3選

本記事では、ゼロつくシリーズ第2弾、書籍『ゼロから作るDeep Learning ❷ ―自然言語処理編』を読んで得た学びを厳選して3つご紹介いたします。 前作の『ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装』もゼロから作っているにも関わらず、非常に分かりやすかったのですが、本作も全くもって期待を裏切らない完成度で、ニッコニコで自然言語処理の裏側の仕組みについて理解を深めることができました。 本書は、もはやブームにもなっている生成AIの根底にある仕組みについて理解を深めたい方や、初心者機械学習エンジニアの方にお勧めです!
AI

LangChainは実装してなんぼでしょ!書籍「ChatGPT/LangChainによるチャットシステム構築[実践]入門」から得た学び3選 〜 書籍とは違う実装してみた 〜

本記事では、RAGを実装した生成AIアプリの作成に欠かせないLangChainというライブラリについて、自分で実装しながら学ぶことができる書籍『ChatGPT/LangChainによるチャットシステム構築[実践]入門』から得た学びについて、厳選して3つご紹介いたします! 本書はPythonについてある程度理解している方であれば誰でも挑戦できるほど、分かりやすくLangChainについて書かれている1冊になります! 「RAGについての知見を深めたい」「社内で生成AIに関する機運が高まっているので、生成AIを使った簡単なアプリを作れるようになりたい」という野心あふれる方におすすめの書籍です!
AI

やっぱり事例があると特徴量エンジニアリングの有用性が分かりやすいっすね。書籍『事例で学ぶ特徴量エンジニアリング』から得た学び3選

今回の記事では、特徴量エンジニアリングについての知見を深めたい方必見の1冊『事例で学ぶ特徴量エンジニアリング』について、本書から得た学びを3選ご紹介いたします。 本書は、機械学習のモデルの精度を高めるためには、モデル選定やハイパーパラメータ調整など多様な手段がありますが、その中でも特徴量エンジニアリングにフォーカスしつつ、「なぜこのデータにこのような加工を施すのか」を懇切丁寧に解説した良書になります。 特徴量エンジニアリングについて改めて学習したデータサイエンティストの方、Kaggleでのスコア上げをモデル調整以外で取り組みたい方におすすめです!
AI

最も分かり易いディープラーニングの書籍といえば!『ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装』から得た学び3選

今回の記事では、深層学習の仕組みについて知りたい人は読まない理由がないほどの名著、通称ゼロつくと呼ばれている『ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装』から得た学びを3つ厳選してご紹介しようと思います。 本書は、機械学習関連の書籍を複数冊読んできたブログ主も「これほどまでに分かりやすく深層学習について書かれた本はなかった」と感動するレベルで、ディープラーニングについて作りながら学べる良書になっています。 本記事が、本書の購入を考えている方の参考になれば幸いです!
Python

時系列データ分析の基礎を学ぶ!時系列データ分析の教科書『経済・ファイナンスデータの計量時系列分析』を読んで得た学び3選

今回の記事では時系列分析の古典的教科書、俗に沖本本とも呼ばれる『経済・ファイナンスデータの計量時系列分析』を読んで得た学びを3つ共有していきたいと思います! 株価の変動や為替レートなど、私たちの日常の様々な場面で見かける時系列データ。 本書はそんな時系列データをモデル化する際に、どのような式を仮定してモデル化すればいいのか、どのような仮定が存在するのかを1から教えてくれる1冊です。 本書の購入を考えている方は本記事を参考に、本書の購入を検討していただけると幸いです!
Python

Pythonでベイズ統計学を学ぶなら!『Pythonによるベイズ統計学入門』を読んでデータサイエンティストが得た学び

今回の記事では、ベイズ統計学の入門的な内容をPythonで実装しながら学べる『Pythonによるベイズ統計学入門』を読んで、現役データサイティストが得た学びについてご紹介していこうと思います! 本書は頻度統計学にはないベイズ統計学特有の概念について、Pythonでコードを実装して可視化を行いながら理解を進めることができるので、数式・コードの両面からベイズ統計学に関する理解を進めることができる1冊になっています。 本記事ではその中から特に学びになった内容を噛み砕いて解説していきますので、ぜひ気軽にご覧になってください!
PowerBI

データを利活用したいビジネスマン必見!「データ利活用の教科書」を読んで現役DSが学びを得た点

今回の記事では、データ利活用支援・コンサルティングの老舗であるマクロミルの知見が盛り込まれた「データ利活用の教科書 データと20年向き合ってきたマクロミルならではの成功法則」から現役データサイエンティストの私が得た学びを紹介していきたいと思います。 本書は対象者をデータサイエンティストのような統計学やエンジニアリングに特化した専門家に限定しておらず、データ分析を行うにあたっての論点の整理やマーケティングの考え方、データを集めるための調査の設計の仕方など、データ利活用をしたい!と考えている方にとって広く有用な書籍となっています。 本記事では本書の中から私が学びになったと思ったエッセンスを抽出して紹介させていただきますので、ご参考にしていただけると幸いです!
Python

「自然科学の統計学」第11章演習問題解答集

今回の記事では、統計学の青本「自然科学の統計学」の第11章 乱数の性質の演習問題をPythonで実装してみましたので、それぞれのブログ記事へのリンクを本記事にまとめておきたいと思います。 演習問題を解く際の考え方について、解くために必要な情報を含め丁寧に提示し、数式についてもスモールステップで解説をしているので、ご参考にしていただけると幸いです!
Python

「自然科学の統計学」第11章演習問題5-中心極限定理の実証的検証をPythonで実装してみた

今回の記事では、統計学の青本「自然科学の統計学」の第11章-演習問題5「中心極限定理の実験的検証」をPythonで実装していきたいと思います。 乗算型合同法(またはM系列)による一様乱数の生成、一様乱数からの標準正規乱数の生成、正規分布の適合度検定など、自然科学の統計学で学習した内容の総まとめ的な演習問題となっているので、ぜひ問題としてチャレンジしていただけると幸いです!
Python

「自然科学の統計学」第11章演習問題3-M系列による乱数発生プログラムの作成をPythonで実装してみた

今回の記事では、統計学の青本「自然科学の統計学」の第11章-演習問題3「M系列による乱数発生プログラムの作成」をPythonで実装していきたいと思います。 M系列による乱数発生法を知らない方にもわかるように解説させていただきますので、ご参考にしていただけると幸いです.