Pythonでデータサイエンス AI・機械学習のためのデータ前処理[実践編] 設計技術シリーズ

Pythonでデータサイエンス AI・機械学習のためのデータ前処理[実践編] 設計技術シリーズ

Pythonでデータサイエンス AI・機械学習のためのデータ前処理[実践編] 設

9
1,085976
此訂單成立後向日本進貨,約需等待21個工作天(不含例假日)。 為縮短等待,建議將此商品和其他商品分開下單。
查詢門市庫存

內容簡介

はじめに人工知能( AI) の研究自体は、計算機の黎明期のころから行われてきた。1950 年代後半から60年代にかけての 「第1 次人工知能ブーム」、1980 年代から90 年代にかけての「第2 次人工知能ブーム」とよばれる時期を経て、現在は「第3 次人工知能ブーム」の真っただ中である。今回の第3 次ブームが、従来の第1 次および第2 次のブームと大きく違うところは、多くの分野で、人間の能力に迫る知的情報処理システムが出現しているところにある。この背景には、さまざまなことが考えられるが、最も大きな要因は、各種のビッグデータの蓄積とそのビッグデータを利用可能とするIT 技術の加速度的な進展、深層学習を始めとする新しい機械学習パラダイムの出現であろう。さて、AI システムや機械学習システムを成功に導く鍵の1 つがデータの前処理である。機械学習の本質は、大量のデータの背後に潜む構造や規則性あるいは普遍性を学習することにより、未知のデータに対する予測や推論を正しく行うところにある。しかし、学習の元となるデータの品質が悪いと、正しく学習することができず、その結果として得られるシステムの精度も芳しくなくなる。高精度なシステムを構築するためには、粗悪なデータを排除するとともに、データを加工し学習しやすい形に変換するという工程が重要となる。これこそがまさしく前処理が担っている部分である。極論すると、前処理の成否が機械学習システム全体の品質を担保しているとさえいえる。一説によると、AI や機械学習システム構築の現場では、エンジニアが作業に携わる時間の6 割~ 8 割はデータの収集と前処理に費やされているといわれている。効率的なシステム開発のためには、前処理技術の習得が必須である。本書は、従来の機械学習やデータサイエンスの書籍では十分に扱われていなかった前処理技術に特に焦点をあて、技術の単なる解説だけではなく、実際に動くプログラムを通して、読者が理解できるような実践的な書を目指した。本書の姉妹編である『入門編』では、基本的な前処理技術について紹介しているが、本書では、さらに高度な前処理技術と、テキスト・画像・音声・音楽等のメディアデータに対する前処理技術について解説した。なお、本書の執筆は、1 章 (北)、2 章 (松本)、3 章 (吉田)、4 章 (獅々堀)、5 章 (大野) の分担で執筆し、最後に北が全体をとりまとめた。表記や用語等、なるべく統一するように心がけたつもりだが、見逃した点も多々あるかと思う。この点はご容赦いただきたい。なお、プログラム部分については各人ごとのスタイルもあり、変更は必要最小限にとどめた。本書の出版に関しては、多くの人のお世話になった。特に、科学情報出版編集部には、本書の構成と編集において、ご尽力いただいた。ここに、厚くお礼を申し上げたい。 1章 序章1.1 前処理の概要1.2 プログラムの実行環境2章 高度な前処理技術2.1 カテゴリカルデータから数値データへの変換2.1.1 One-hotエンコーディング/2.1.2 そのほかのエンコーディング手法/2.1.3 特徴量ハッシング/2.1.4 エンティティ埋め込み2.2 不均衡データの扱い2.2.1 オーバーサンプリングとアンダーサンプリング/2.2.2 クラスに対する重みづけ2.3 時系列データの扱い2.3.1 窓付き統計値/2.3.2 タイムゾーンの変換/2.3.3 データの粒度の変換/2.3.4 時系列データにおける欠損値の穴埋め2.4 GPUとTPUの利用3章 テキストデータの前処理3.1 日本語テキストデータ前処理の流れ3.2 日本語テキストデータの準備3.3 文字コード変換3.4 文章の切り出し3.5 分かち書きと形態素解析3.6 単語以外の切り分け単位3.6.1 バイグラム/3.6.2 単語に依存しない分割3.7 単語IDへの変換3.8 文ベクトルの生成 3.9 機械学習の利用3.9.1 gensim/3.9.2 潜在ディリクレ配分法/3.9.3 サポートベクトルマシン/3.9.4 単語分散表現/3.9.5 ニューラルネットワークへの入力4章 画像データにおける前処理4.1 深層学習を用いた画像認識システム4.1.1 従来の画像認識システム/4.1.2 深層学習モデルの導入/4.1.3 ニューラルネットワーク/4.1.4 勾配降下法による最適化/4.1.5 スケーリングによる前処理4.2 畳み込みニューラルネットワーク4.2.1 CNNの構成/4.2.2 畳み込み層/4.2.3 プーリング層/4.2.4 全結合層/4.2.5 CNNの実装例4.3 画像データに対するデータ拡張4.4 ファインチューニング4.4.1 ファインチューニングCNN/4.4.2 VGG16の構成/4.4.3 サンプルプログラム5章 音声・音楽データの前処理5.1 リサンプリング5.2 音量の正規化5.3 チャネルのモノラル化5.4 スペクトルサブトラクション5.4.1 実験用のデータセット/5.4.2 観測信号の生成/5.4.3 スペクトルサブトラクションによる雑音除去/5.4.4 スペクトルサブトラクション型ウィナーフィルタ5.5 調波打楽器音分離
展開看更多

作者介紹

北研二1981 年、早稲田大学理工学部数学科卒業。現在、徳島大学大学院社会産業理工学研究部・教授。マルチメディア情報検索に関する研究に従事。博士(工学)松本和幸2008 年、徳島大学大学院工学研究科博士後期課程知能情報工学専攻修了。現在、徳島大学大学院社会産業理工学研究部・准教授。感情計算、自然言語処理に関する研究に従事。博士(工学)吉田稔2003 年、東京大学大学院理学系研究科博士課程情報科学専攻修了。現在、徳島大学大学院社会産業理工学研究部・講師。テキストマイニングに関する研究に従事。博士(理学)

規格

誠品貨碼 /
ISBN13 / 9784910558011
ISBN10 /
EAN貨碼 / 9784910558011
裝訂 / P:平裝
頁數 / 184
語言 / 4:日文
級別 / N:無
尺寸 / 23.5X18.4X1.1CM

退貨說明

退貨須知:

  1. 依照消費者保護法的規定,您享有商品貨到次日起七天猶豫期(含例假日)的權益(請注意!猶豫期非試用期),辦理退貨之商品必須是全新狀態(不得有刮傷、破損、受潮)且需完整(包含全部商品、配件、原廠內外包裝、贈品及所有附隨文件或資料的完整性等)。
  2. 請您以送貨廠商使用之包裝紙箱將退貨商品包裝妥當,若原紙箱已遺失,請另使用其他紙箱包覆於商品原廠包裝之外,切勿直接於原廠包裝上黏貼紙張或書寫文字。若原廠包裝損毀將可能被認定為已逾越檢查商品之必要程度,本公司得依毀損程度扣除回復原狀必要費用(整新費)後退費;請您先確認商品正確、外觀可接受,再行拆封,以免影響您的權利;若為產品瑕疵,本公司接受退貨。

依「通訊交易解除權合理例外情事適用準則」,下列商品不適用七日猶豫期,除產品本身有瑕疵外,不接受退貨:

  1. 易於腐敗、保存期限較短或解約時即將逾期。(如:生鮮蔬果、乳製品、冷凍冷藏食材、蛋糕)
  2. 依消費者要求所為之客製化給付。(如:客製印章、鋼筆刻字)
  3. 報紙、期刊或雜誌。
  4. 經消費者拆封之影音商品或電腦軟體。
  5. 非以有形媒介提供之數位內容或一經提供即為完成之線上服務,經消費者事先同意始提供。(如:電子書)
  6. 已拆封之個人衛生用品。(如:內衣褲、襪類、褲襪、刮鬍刀、除毛刀等貼身用品)
  7. 國際航空客運服務。

若您退貨時有下列情形,可能被認定已逾越檢查商品之必要程度而須負擔為回復原狀必要費用(整新費),或影響您的退貨權利,請您在拆封前決定是否要退貨:

  1. 以數位或電磁紀錄形式儲存或著作權相關之商品(包含但不限於CD、VCD、DVD、電腦軟體等) 包裝已拆封者(除運送用之包裝以外)。
  2. 耗材(包含但不限於墨水匣、碳粉匣、紙張、筆類墨水、清潔劑補充包等)之商品包裝已拆封者(除運送用之包裝以外)。
  3. 衣飾鞋類/寢具/織品(包含但不限於衣褲、鞋子、襪子、泳裝、床單、被套、填充玩具)或之商品缺件(含購買商品、附件、內外包裝、贈品等)或經剪標或下水或商品有不可回復之髒污或磨損痕跡。
  4. 食品、美容/保養用品、內衣褲等消耗性或個人衛生用品、商品銷售頁面上特別載明之商品已拆封者(除運送用之包裝外一切包裝、包括但不限於瓶蓋、封口、封膜等接觸商品內容之包裝部分)或已非全新狀態(外觀有刮傷、破損、受潮等)與包裝不完整(缺少商品、附件、原廠外盒、保護袋、配件紙箱、保麗龍、隨貨文件、贈品等)。
  5. 家電、3C、畫作、電子閱讀器等商品,除商品本身有瑕疵外,退回之商品已拆封(除運送用之包裝外一切包裝、包括但不限於封膜等接觸商品內容之包裝部分、移除封條、拆除吊牌、拆除貼膠或標籤等情形)或已非全新狀態(外觀有刮傷、破損、受潮等)與包裝不完整(缺少商品、附件、原廠外盒、保護袋、配件紙箱、保麗龍、隨貨文件、贈品等)。
  6. 退貨程序請參閱【客服專區→常見問題→誠品線上退貨退款】之說明。
付款/配送