『Approaching (Almost) Any Machine Learning Problem』の邦訳書『Kaggle Grandmasterに学ぶ 機械学習 実践アプローチ』（マイナビ出版）が、8月24日に販売開始する。世界数カ国で出版、公開された人気の一冊だ。
データ分析実務に役立つコードが充実
「機械学習入門」「深層学習入門」とタイトルに付いた本のなかにはアルゴリズムの説明、基礎知識に多くのページを割いているものも少なくない。本書はそうした類書とは異なり、Kaggle Grandmasterの著者が、機械学習で起こるさまざまな問題の解決手法をていねいに解説する。
The book has a lot of code. If you don't like the code first approach do not buy this book.
（この本はたくさんのコードを収録しています。コードが苦手なら、この本は買わないでください）
と著者が述べるほど、実装や実運用を強く意識している。内容も環境構築や機械学習の基礎部分から始まり、モデルの評価や特徴量選択など、データ分析業務やKaggleなどのコンペに取り組んでいる人はもちろん、画像認識や自然言語処理にも役立つコンテンツが揃っている。
詳細・予約はこちらから
＞＞Kaggle Grandmasterに学ぶ 機械学習 実践アプローチ | マイナビブックス
＞＞Kaggle Grandmasterに学ぶ 機械学習 実践アプローチ | Abhishek Thakur, 石原 祥太郎 |本 | 通販 | Amazon
本書の詳細情報
書誌情報
著作者名：Abhishek Thakur
翻訳者名：石原祥太郎
書籍：2,959円
電子版：2,959円
B5変：320ページ
ISBN：978-4-8399-7498-5
発売日：2021年08月24日
目次
第0章 実行環境の準備
第1章 教師あり学習と教師なし学習
第2章 交差検証
第3章 評価指標
第4章 機械学習プロジェクトの構築
第5章 質的変数へのアプローチ
第6章 特徴量エンジニアリング
第7章 特徴量選択
第8章 ハイパーパラメータの最適化
第9章 画像分類・セグメンテーションへのアプローチ
第10章 テキストの分類・回帰へのアプローチ
第11章 アンサンブルとスタッキングへのアプローチ
第12章 コードの再現性やモデルのデプロイへのアプローチ
原著者
Abhishek Thakur（アビシェーク・タークル）
データサイエンティスト。ドイツのボン大学で画像処理の修士号を取得。データサイエンス系の課題解決のコンテストに参加できるオンラインコミュティサイト「Kaggle」にて最高位の称号「Grand Master」を全4カテゴリ（Datasets、Competitions、Notebooks、Discussion）で獲得、世界初のQuadruple Grand Masterとなる。データサイエンスに関する情報を積極的に発信し、最先端の自然言語処理モデルを提供しているHugging Faceにてライブラリ開発に取り組んでいる。
翻訳者
石原祥太郎（いしはら しょうたろう）
2017年より株式会社日本経済新聞社でデータ分析・サービス開発に従事し、2021年からは研究開発部署で上級研究員を務める。 世界的な機械学習のコンテストプラットフォーム「Kaggle」では2019年にチームで参加した「PetFinder.my Adoption Prediction」で優勝し、2020年に共著で『PythonではじめるKaggleスタートブック』（講談社）を出版。 2020年に国際ニュースメディア協会「30 Under 30 Awards」でアジア太平洋部門の最優秀賞を受賞した。