PyData.Tokyo Meetup #8 -「 Python機械学習プログラミング」発売記念　で発表したスライドになります。

1. 「Python 機械学習プログラミング」
の挫折しない読み方
山本 大輝（@tereka114）

2. 自己紹介
1. 名前：山本 大輝（@tereka114）
2. 所属：Acroquest Technology 株式会社
3. 専門：画像認識

3. 最近、機械学習触りたい人が
増えています。

4. で、何かいい参考書はないと
聞かれるのですが・・

5. ない・・・・

6. 一度でも機械学習のコードが
書いたことがあると

7. 数式とやっていること（コード）が
一致して良い感じです。

8. しかし、初心者にとっては・・・

9. ぶっちゃけ、この本いきなり読む
には難しくないでしょうか？

10. 数式や図などややこしい箇所が
多い。

11. ページが多い。

12. 文字が多い。

13. ということで・・・・

14. 最低限読むべき、
おすすめ章
を紹介します。

15. おすすめの章一覧
1. 第1章「データから学習する能力をコンピュー
タに与える」
2. 第3章「分類問題 ー機械学習ライブラリ
scikit-learn の活用」
3. 第6章「モデルの評価とハイパーパラメータ
のチューニングのベストプラクティス」
4. 付録A「Jupyter Notebookの基本的な使用方
法」
5. 付録B「matplotlibによる可視化基礎」

16. おすすめ章の選定基準
1. 基本が一通り学べて、正しくデータを扱える
ようになる。
2. 可能なかぎり応用範囲は省いた。
3. 「データを見せる」ところは入れたかった

17. 第1章「データから学習する能力を
コンピュータに与える」
1. 機械学習のロードマップが書いてある。
1. 全体でどうしたいのかがわからないことが多くな
る。
2. PythonパッケージやAnacondaなど基本的な
ソフトウェアの解説が掲載されている。

18. 第3章「分類問題ー機械学習ライブラ
リscikit-learnの活用」
1. 機械学習ライブラリで有名な一つscikit-learn
の使い方が載っている。
2. scikit-learnの使い方でなく、数式（理論）が
載っているのが良い。

19. 第6章「モデルの評価とハイパーパラメー
タのチューニングのベストプラクティス」
1. 「正しい」機械学習の評価方法が書いてある。
1. 作ったものの評価を誤ると、そもそも正しいモデ
ルの評価ができない。
2. 精度をあげる為のパラメータチューニングの
方法が書いてある。

20. 付録A「Jupyter Notebookの
基本的な使用方法」
• Jupyter Notebookの基本的な使い方が掲載
– 実行方法、Extension
• Jupyter Notebookは試行錯誤するのに便利。
– 実行結果がすぐに見える！
– プログラムにミスがあっても、簡単にわかる。
– Matplotlibの可視化
– 過程を人に説明しやすい

21. Jupyter Notebookの例

22. 付録B「matplotlibによる可視化基礎」
1. Matplitlibを使えば、自分の結果を魅力的に
伝わる！
1. 魅力的な可視化をするとテンションが上がる。

23. まとめ
1. 今回は挫折しないこの本の読み方を紹介し
ました。
2. 初学者の方も道を開く参考にしてもらえれば
と思います。