「 Python 機械学習プログラミング」の挫折しない読み方山本　大輝（ @tereka114 ）

自己紹介1. 名前：山本　大輝（ @tereka114 ）2. 所属： Acroquest Technology 株式会社3. 専門：画像認識

最近、機械学習触りたい人が増えています。

で、何かいい参考書はないと聞かれるのですが・・

ない・・・・

一度でも機械学習のコードが書いたことがあると

数式とやっていること（コード）が一致して良い感じです。

しかし、初心者にとっては・・・

ぶっちゃけ、この本いきなり読むには難しくないでしょうか？

数式や図などややこしい箇所が多い。

ページが多い。

文字が多い。

ということで・・・・

最低限読むべき、おすすめ章を紹介します。

おすすめの章一覧1. 第 1 章「データから学習する能力をコンピュータに与える」2. 第 3 章「分類問題　ー機械学習ライブラリ

scikit-learn 　の活用」3. 第 6 章「モデルの評価とハイパーパラメータのチューニングのベストプラクティス」4. 付録 A 「 Jupyter Notebook の基本的な使用方法」5. 付録 B 「 matplotlib による可視化基礎」

おすすめ章の選定基準1. 基本が一通り学べて、正しくデータを扱えるようになる。2. 可能なかぎり応用範囲は省いた。3. 「データを見せる」ところは入れたかった

第 1 章「データから学習する能力をコンピュータに与える」1. 機械学習のロードマップが書いてある。 　1. 全体でどうしたいのかがわからないことが多くなる。2. Python パッケージや Anaconda など基本的なソフトウェアの解説が掲載されている。

第 3 章「分類問題ー機械学習ライブラリscikit-learn の活用」

1. 機械学習ライブラリで有名な一つ scikit-learn の使い方が載っている。

2. scikit-learn の使い方でなく、数式（理論）が載っているのが良い。

第 6 章「モデルの評価とハイパーパラメータのチューニングのベストプラクティス」1. 「正しい」機械学習の評価方法が書いてある。1. 作ったものの評価を誤ると、そもそも正しいモデルの評価ができない。2. 精度をあげる為のパラメータチューニングの方法が書いてある。

付録 A 「 Jupyter Notebook の基本的な使用方法」• Jupyter Notebook の基本的な使い方が掲載– 実行方法、 Extension

• Jupyter Notebook は試行錯誤するのに便利。– 実行結果がすぐに見える！– プログラムにミスがあっても、簡単にわかる。– Matplotlib の可視化– 過程を人に説明しやすい

Jupyter Notebook の例

付録 B 「 matplotlib による可視化基礎」1. Matplitlib を使えば、自分の結果を魅力的に伝わる！1. 魅力的な可視化をするとテンションが上がる。

まとめ1. 今回は挫折しないこの本の読み方を紹介しました。2. 初学者の方も道を開く参考にしてもらえればと思います。