機械学習や深層学習は、人工知能時代の実務者にとって必要な技術となり、画像認識、自然言語理解、レコメンドシステム、音声認識などの分野で広く活用され、成果をあげています。現在、多くの大学では、人工知能、ソフトウェア工学、コンピュータ応用などの専攻において、機械学習や深層学習のコースを提供しています。また、学生がビッグデータの分析や視覚化の技術を習得できるようにするために、コンピュータ以外の技術も提供しています。専攻では機械学習に関連するコースも提供しています。同時に、企業のソフトウェア開発者の中には、機械学習やディープラーニングの数学的知識にあまり注意を払うことなく、関連業界での機械学習やディープラーニング技術の応用事例を学びたいと考えている人もいます。しかし、上記の要件を同時に満たすことができる参考書は市場には多くなく、『機械学習と深層学習: 原理、アルゴリズム、実践 (Python と TensorFlow を使用)』はたまたまそれを実現できる書籍です。大学生や関連実務者のニーズに応える機械学習と深層学習に関する参考書。
この本の著者は、長年の企業研修の経験を持つ 2 人の上級業界専門家であり、読者が機械学習と深層学習の原理をすぐにマスターできるように、機械学習と深層学習のテクノロジを単純なものから詳細なものまでケースベースで説明しています。学習、原理と関連応用。本書の翻訳にあたり、私たちは多くの資料を読み、読者の皆様に実践に近い機械学習・深層学習のわかりやすい参考書を提供できるよう努めました。
現在、機械学習に関する書籍は、学術研究向けに機械学習理論を紹介する書籍と、コードマニュアルの書籍の2つに主に市販されています。学術研究用の機械学習理論に関する書籍では、機械学習アルゴリズムに関連する数学的導出と定式化が紹介されていますが、データへの実際の応用についてはほとんど記載されていません。統計や数学の理論的背景が十分でない読者にとって、この種の本の内容を理解するのは困難です。機械学習の原理を扱うこれらの書籍では、データ サイエンスの実践者が直面する現実の課題が紹介されていますが、機械学習の実践についてはほとんど言及されていません。コード マニュアル ブックには、主にコードと関連ドキュメント、コーディングが不足している理由、および特定のタスクを実行するための論理的側面が含まれています。機械学習の学術研究とそれが産業界でどのように使用されるかの間には距離があります。したがって、機械学習の理論に基づいており、業界での関連実践が含まれており、これらの実践事例について論理的に説明されている本が必要です。本書の目的は、上記2種類の書籍の間のギャップ（学術研究と産業応用の間のギャップ）を埋めることです。
『機械学習と深層学習: 原理、アルゴリズム、実践 (Python と TensorFlow を使用)』の序文からの抜粋
