感染拡大防止のため、本を読む前、読んだ後は手を洗いましょう。みなさまのご協力をお願いします。

検索結果書誌詳細

一般和書
ログインすると許諾を得た一部の
表紙画像をご覧になれます
  • 書誌の詳細です。 現在、この資料への予約は 0 件あります。
  • ・予約するときは「予約カートに入れる」ボタンをクリックしてください。予約するには図書館窓口で発行したパスワードが必要です。
    ・「予約カートに入れる」ボタンが出ない書誌には予約できません。
    詳しくは「マイページについて－インターネットで予約するには」をご覧ください。

蔵書情報

この資料の蔵書に関する統計情報です。現在の所蔵数 在庫数 予約数などを確認できます。

所蔵数 1 在庫数 1 予約数 0

書誌情報サマリ

書名

条約集　昭和47年[第2]

著者名 外務省条約局／編
出版者 外務省条約局
出版年月 1973.
請求記号 N329/00035/７２－２

この資料に対する操作

カートに入れる を押すと この資料を 予約する候補として予約カートに追加します。

いますぐ予約する を押すと 認証後この資料をすぐに予約します。

登録する本棚ログインすると、マイ本棚が利用できます。

資料情報

各蔵書資料に関する詳細情報です。

No. 所蔵館 資料番号 資料種別 配架場所 別置 帯出 状態
1 鶴舞0131326878一般和書２階書庫　在庫 

関連資料

この資料に関連する資料を 同じ著者 出版年 分類 件名 受賞などの切り口でご紹介します。

書誌詳細

この資料の書誌詳細情報です。

請求記号 N329/00035/７２－２
書名 条約集　昭和47年[第2]
著者名 外務省条約局／編
出版者 外務省条約局
出版年月 1973.
ページ数 135p
大きさ 22cm
分類 32909
書誌種別 一般和書
内容注記 72-2.多数国間条約
タイトルコード 1009610141684

要旨 本書は、機械学習モデルの性能を向上させるために、データから良い特徴量を作る特徴量エンジニアリングについて解説します。前半では初学者に向けて、数値、テキスト、カテゴリ変数の基本的な取り扱い方を説明し、後半では特徴量ハッシング、ビンカウンティング、ＰＣＡによるデータの圧縮、さらに非線形特徴量とモデルスタッキング、画像特徴量抽出と深層学習による自動特徴学習などの高度なテーマを扱います。特徴量エンジニアリングの原理について直感的な理解が得られるように図や例を豊富に使い、またＰｙｔｈｏｎコードによる実行例を数多くあげて解説しており、実際の業務に適用するための具体的な知識が得られます。特徴量エンジニアリングを使いこなし、機械学習モデルの性能を最大限に引き出したいエンジニア必携の一冊です。Ｋａｇｇｌｅ　ＧｒａｎｄｍａｓｔｅｒのＫｏｈｅｉ　Ｏｚａｋｉ（＠ｓｍｌｙ）氏による「日本語版に寄せて」を収録しています。
目次 １章　機械学習パイプライン
２章　数値データの取り扱い
３章　テキストデータの取り扱い
４章　特徴量スケーリングによる効果：Ｂａｇ‐ｏｆ‐ＷｏｒｄｓのＴＦ‐ＩＤＦによる重み付け
５章　カテゴリ変数の取り扱い
６章　次元削減：膨大なデータをＰＣＡで圧縮
７章　非線形特徴量の生成：κ‐ｍｅａｎｓを使ったスタッキング
８章　特徴量作成の自動化：画像特徴量の抽出と深層学習
９章　バック・トゥ・ザ・「フィーチャー」：学術論文レコメンドアルゴリズムの構築
付録Ａ　線形モデリングと線形代数の基礎
著者情報 チャン，アリス
　機械学習、スパニングアルゴリズム、プラットフォーム開発の技術リーダー。現在、Ａｍａｚｏｎ　Ａｄｖｅｒｔｉｓｉｎｇにおいてサイエンス研究マネージャーをしている。それ以前は、ＧｒａｐｈＬａｂ／Ｄａｔｏ／Ｔｕｒｉでのツールキット開発とユーザー教育に携わり、Ｍｉｃｒｏｓｏｆｔ　Ｒｅｓｅａｒｃｈでは機械学習の研究者だった。ＵＣ　Ｂｅｒｋｅｌｅｙ大学で電気工学およびコンピュータサイエンスの博士号、また数学の学士号を取得している(本データはこの書籍が刊行された当時に掲載されていたものです)
カサリ，アマンダ
　次世代の技術を探求し、その影響を実証しているエンジニア。Ｃｏｎｃｕｒ　Ｌａｂｓの上級プロダクトマネージャーおよびデータサイエンティストであり、ＳＡＰ　ＣｏｎｃｕｒにおけるＣｏｎｃｕｒ　Ｌａｂｓ　ＡＩ　Ｒｅｓｅａｒｃｈチームの共同設立者でもある。過去１６年間にわたり、データサイエンス、機械学習、ロボティクスなど幅広いエンジニアリング分野に携わってきた。米海軍アカデミーで制御システム工学の学士号と、Ｖｅｒｍｏｎｔ大学の電気工学の修士号を取得している(本データはこの書籍が刊行された当時に掲載されていたものです)


内容細目表：

前のページへ
ページの先頭へ トップページへ

本文はここまでです。

ページの終わりです。