本書は、機械学習コンセプト全般をカバーし、理論的背景とＰｙｔｈｏｎコーディングの実際を解説しています。初歩的な線形回帰から始め、ディープラーニング（ＣＮＮ／ＲＮＮ）、敵対的生成ネットワーク（ＧＡＮ）、強化学習などを取り上げ、ｓｃｉｋｉｔ‐ｌｅａｒｎやＴｅｎｓｏｒＦｌｏｗなどＰｙｔｈｏｎライブラリの新版を使ってプログラミング。第３版では１３〜１６章の内容をほとんど刷新したほか、敵対的生成ネットワークと強化学習の章を新たに追加。機械学習プログラミングの本格的な理解と実践に向けて大きく飛躍できる一冊です。

「データから学習する能力」をコンピュータに与える
分類問題―単純な機械学習アルゴリズムの訓練
分類問題―機械学習ライブラリｓｃｉｋｉｔ‐ｌｅａｒｎの活用
データ前処理―よりよい訓練データセットの構築
次元削減でデータを圧縮する
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
アンサンブル学習―異なるモデルの組み合わせ
機械学習の適用１―感情分析
機械学習の適用２―Ｗｅｂアプリケーション
回帰分析―連続値をとる目的変数の予測
クラスタ分析―ラベルなしデータの分析
多層人工ニューラルネットワークを一から実装
ニューラルネットワークの訓練をＴｅｎｓｏｒＦｌｏｗで並列化する
ＴｅｎｓｏｒＦｌｏｗのメカニズム
画像の分類―ディープ畳み込みニューラルネットワーク
系列データのモデル化―リカレントニューラルネットワーク
新しいデータの合成―敵対的生成ネットワーク
複雑な環境での意思決定―強化学習