機械学習のための数学

"機械学習のための数学の知識が一冊に！
最小限の前提知識から機械学習に必要な数学の概念を説明し、機械学習の四つの手法を導出する。

機械学習は社会の幅広い領域に応用されるようになり、より多くの人が機械学習を利用し、学ぼうとしている。機械学習のライブラリやソフトウェアがより簡単に利用できるようになってきている一方で、機械学習を学びたい多くの人にとって、背後にある数学的な概念の理解が一つのハードルとなっている。

本書はそのような機械学習と数学のギャップを埋めるため、機械学習で利用される基本的な数学について必要な知識を一冊にまとめたものである。最小限の前提知識から各トピックの数学的概念を説明し、機械学習の基本的な手法について導出を行う。対象となる手法は、線形回帰、主成分分析、混合ガウスモデル、サポートベクターマシンの四つである。数学に慣れている学生や社会人にとって、各手法の導出は機械学習を学ぶきっかけとなるだろう。また、数学に慣れていない人にとっては、数学的概念を適用するときの直感と実践的な経験を養うことに本書は役に立つだろう。

各章末には演習問題が用意され、そこで理解度を確認できる。また、本書には多くの図と例が登場し、読者の直感的な理解を助け、無味乾燥になりがちな学習を動機づけるように工夫されている。そのため、本書は特に、機械学習と数学の基本を学ぶ初学者に適するものである。

［原著］Mathematics for Machine Learning, Cambridge University Press, 2020."

【著者紹介】
マーク・ピーター・ダイゼンロート : ユニバーシティ・カレッジ・ロンドンのＤｅｅｐＭｉｎｄ　Ｃｈａｉｒで、以前はインペリアル・カレッジ・ロンドンで教員を務めていた。研究分野は、データ効率のよい機械学習・確率的モデリング・自律的意思決定などで、ＩＣＲＡ　２０１４、ＩＣＣＡＳ　２０１６ではＢｅｓｔ　Ｐａｐｅｒ　Ａｗａｒｄを受賞している。また、インペリアル・カレッジ・ロンドンのＰｒｅｓｉｄｅｎｔ’ｓ　Ａｗａｒｄ　ｆｏｒ　Ｏｕｔｓｔａｎｄｉｎｇ　Ｅａｒｌｙ　Ｃａｒｅｅｒ　ＲｅｓｅａｒｃｈｅｒおよびＧｏｏｇｌｅ　Ｆａｃｕｌｔｙ　Ｒｅｓｅａｒｃｈ　ＡｗａｒｄやＭｉｃｒｏｓｏｆｔ　ＰｈＤ　ｇｒａｎｔを獲得した経歴をもつ

A.アルド・ファイサル : インペリアル・カレッジ・ロンドンにてＢｒａｉｎ　＆　Ｂｅｈａｖｉｏｕｒ　Ｌａｂを率い、バイオエンジニアリング学部およびコンピューティング学部の教授とデータサイエンス研究所のフェローを務めている。また、£２０Ｍｉｏ．Ｕｎｉｔｅｄ　Ｋｉｎｇｄｏｍ　Ｒｅｓｅａｒｃｈ　ａｎｄ　Ｉｎｎｏｖａｔｉｏｎ（ＵＫＲＩ）Ｃｅｎｔｅｒ　ｆｏｒ　Ｄｏｃｔｏｒａｌ　Ｔｒａｉｎｉｎｇ　ｉｎ　ＡＩ　ｆｏｒ　Ｈｅａｌｔｈｃａｒｅのセンター長も務める。ケンブリッジ大学で計算神経科学の博士号取得後、Ｃｏｍｐｕｔａｔｉｏｎａｌ　ａｎｄ　Ｂｉｏｌｏｇｉｃａｌ　Ｌｅａｒｎｉｎｇ　Ｌａｂのジュニアリサーチフェローとなる。研究分野は神経科学と機械学習の交差する領域で、脳と行動の理解とリバースエンジニアリングに関心がある

チェン・スーン・オン : オーストラリア連邦科学産業研究機構（ＣＳＩＲＯ）のＤａｔａ６１における、機械学習研究グループ主任研究員。オーストラリア国立大学非常勤准教授も務める。科学の発見に統計的機械学習を利用することを目指す研究に従事する。オーストラリア国立大学にてコンピュータサイエンスの博士号を２００５年に取得。チューリッヒ工科大学コンピュータサイエンス学部講師や、メルボルンにあるＮＩＣＴＡのゲノム診断チームでの勤務経験をもつ

木下慶紀 : ２０２０年東京大学大学院数理科学研究科数理科学専攻博士課程修了。現在、中央大学研究開発機構機構助教。博士（数理科学）。専門：数学、統計学、データサイエンス

仲村智 : ２０１６年東京大学大学院理学系研究科物理学専攻博士課程修了。現在、ＬＩＮＥヤフー株式会社。博士（理学）。専門：データ分析

吉永尊洸 : ２０１５年東京大学大学院理学系研究科物理学専攻博士課程修了。現在、ＬＩＮＥヤフー株式会社データグループデータサイエンス統括本部５本部分析２部部長。博士（理学）。専門：物理学、データサイエンスおよび機械学習とその応用（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）