Scikit-LearnとPyTorchによる実践的マシン学習

序文

この作品はAIを使って翻訳されている。ご意見、ご感想をお待ちしている：[e-mail]

2006年、Geoffrey Hintonらは以下の論文を発表した。¹は、手書きの数字を最先端の精度（98％以上）で認識できるディープ・ニューラル・ネットワークをトレーニングする方法を示した論文を発表した。彼らはこのテクニックを「ディープラーニング」と名付けた。 ディープ・ニューラル・ネットワークとは、大脳皮質の（非常に）単純化されたモデルであり、人工ニューロンの層を積み重ねて構成される。当時、ディープ・ニューラル・ネットのトレーニングは不可能だと広く考えられていた。²ほとんどの研究者は1990年代後半にこのアイデアを放棄していた。この論文によって科学界の関心は再び高まり、やがて多くの新しい論文が、ディープラーニングは可能であるだけでなく、他の機械学習（ML）テクニックでは（莫大な計算能力と膨大なデータの助けを借りれば）望むべくもない、度肝を抜くような成果を上げることができることを実証した。この熱意はすぐに、機械学習の他の多くの分野にも及んだ。

10年後、マシン学習はすでに多くの業界を制覇しており、ウェブ検索結果のランキング、視聴すべきビデオや購入すべき商品の推奨、生産行での商品のソート、時には自動車の運転さえも行っていた。ディープマインドの機械学習システム「アルファフォールド」が、何十年もの間研究者を悩ませてきたタンパク質の折り畳み問題を解決した時など、機械学習はしばしば見出しを飾った。しかし、ほとんどの場合、機械学習はバックグラウンドで離散化して動いているだけだった。2022年のChatGPT、2023年のGemini、Claude、Grok、そしてそれ以降も多くのAIアシスタントが登場した。AIは今、真に離陸し、あらゆる産業を急速にトランスフォーマー化しつつある。かつてはSFであったものが、今や現実のものとなったのだ。³

プロジェクトにおけるマシン学習

自然さ、あなたはマシンラーニングに興奮し、パーティーに参加したいと思うだろう！もしかしたら、自作のロボットに独自の頭脳を持たせたいと思うかもしれない。顔を認識させる？あるいは歩き回ることを学習させたいだろうか？

あるいは、あなたの会社には大量のデータ（ユーザ・ログ、財務データ、生産データ、マシン・センサー・データ、ホットライン統計、人事レポートなど）があり、見る場所さえ知っていれば、隠れた宝石を発掘できるかもしれない。マシンラーニングを使えば、以下のようなことが可能になる：

• 顧客をセグメント化し、各グループに最適なマーケティング戦略を発見する。

• 類似性のある顧客が購入した商品に基づいて、各顧客に商品を勧める。

• 不正の可能性が高い取引を検出する。

• 来年の収益を予測する。

• ワークロードのピークを予測し、最適化された人員配置を提案する。

• 顧客を支援するチャットボットを構築する。

どんな理由であれ、あなたは機械学習を学び、プロジェクトに実装することを決めた。素晴らしいアイデアだ！

オブジェクトとアプローチ

本書は、あなたがマシン学習についてほとんど何も知らないことを前提としている。本書の目的は、データから学習できるプログラミングを実装するために必要な概念、ツール、直感を提供することである。

本書では、線形回帰のような最もシンプルで一般的に使用されるテクニックから、定期的にコンテストで優勝するディープラーニングのテクニックまで、多くのテクニックを取り上げる。そのために、データサイエンスとマシンラーニングの主要言語であるPythonと、オープンソースで本番環境でも使用可能なPythonフレームワークを使用する： ...