 |
|
|
Pythonの科学技術計算ツールを使い倒そう！
（Scipy, Sympy, Pandas） |
| |
| ● |
先進的な統計学的用法
（最尤推定法、ベイズ推定法、ブートストラップ法など） |
| ● |
機械学習にかかわる使用法
（決定木、ロジスティック回帰、サポートベクトルマシン、次元削減、アンサンブル学習など） |
| ● |
機械学習概念のシミュレートや視覚化するための応用法
（Numpy、Scipy、Sympy、Pandas、Scikit-learnなど） |
| |
| 原書 『Python for Probability, statistics, and Machine Learning』Apringer International Publishing(2016) |
| 原書著者 José Unpingco |
| |
|
 |
2016年12月 |
|
 |
本体6,000円＋税 |
|
 |
約300頁 |
|
 |
B5 |
|
 |
(株)エヌ・ティー・エス |
|
| ISBN 978-4-86043-471-7 C3004 |
|
| |
原著 José Unpingco
翻訳 石井 一夫、加藤 公一、小川史恵
|
|
 |
科学技術計算のためのPythonへの入門
インストールとセットアップ／Numpy／Matplotlib／IPython／Scipy／Pandas／Sympy／コンパイル済みライブラリのインタフェース／統合開発環境／パフォーマンスと並列プログラミングへのクイックガイド／その他のリソース |
 |
確率
はじめに／写像法／写像としての条件付き期待値／条件付き期待値と平均二乗誤差／条件付き期待値と平均二乗誤差最適化の実施例／情報エントロピー／積率母関数／モンテカルロサンプリング法／有用な不等式 |
|
|
 |
統計
はじめに／統計用Pythonモジュール／収束の種類／最尤推定法を用いた推定／仮説検定とP値／信頼区間／線形回帰／最大事後確率／ロバスト統計／ブートストラッピング／ガウス=マルコフの定理／ノンパラメトリック法 |
 |
機械学習
はじめに／Pythonの機械学習モジュール／学習の理論／決定木／ロジスティック回帰／正則化／サポートベクトルマシン／次元削減／クラスタリング／アンサンブル手法 |
|
|
| |
|
| |
| 科学技術計算のためのPython 〜 確率・統計・機械学習〜 |
Copyright (C) 2016 NTS Inc. All right reserved. |
|