yomitech

機械学習を正しく始めるための欧米技術書5選——日本語の入門書では足りなかった部分を埋める

はじめに 機械学習を始めようとすると、情報が多すぎて何から手をつけていいかわからない。 YouTubeのチュートリアル、Udemyの講座、Qiitaの記事……。断片的に学んでいるうちに、「モデルは動かせるけど、なぜそうなるのか説明できない」状態になりがちだ。 自分がまさにそうだった。scikit-learnのサンプルコードは書けるのに、上司に「なぜこのモデルを選んだの？」と聞かれると答えられない。…

R×ベイズ×強化学習の定番書4選

はじめに 自分が機械学習の仕事で一番冷や汗をかいたのは、社内レビューで「その特徴量を入れると精度が上がるのは分かった。で、なぜ汎化するの？」と聞かれた時だった。手元のノートブックは動いていたし、交差検証のスコアも出ていた。それでも一言も返せなかった。 原因ははっきりしていた。ライブラリのドキュメントとブログ記事を継ぎ足して知識を作っていたからだ。scikit-learn の引数の意味は言えるのに、…

PyTorch時代の機械学習書4選

はじめに 数年前、自分は社内の需要予測モデルを担当していた。精度はそれなりに出ていたのに、なぜその数字になるのかを説明できない状態が半年ほど続いた。特徴量を足し、ハイパーパラメータを振り、交差検証のスコアが上がったら採用する。その繰り返しだった。 限界が来たのはレビューの場だ。「この特徴量を落とすとなぜ悪化するのか」と聞かれて、何も答えられなかった。手は動くが中身を知らない。そのことが一発でバレた…

機械学習とLLMの基礎を固める5冊

はじめに 自分は一時期、オンライン講座のダッシュボードを埋めることが勉強だと思い込んでいた。受講済みのバッジは増えていくのに、業務で推論結果がおかしくなったとき、どこに戻ればいいのか分からない。動画は検索しづらい。該当の回を探しているうちに、そもそも何を疑うべきかを忘れてしまう。 転機になったのは、評価指標の選び方を先輩に詰められた日だった。AUCを使った理由を聞かれて答えられず、机にあった統計の…

Python機械学習の実践書4選

はじめに 数年前、自分は社内の需要予測モデルをひとりで抱えていた。検証データでのスコアは悪くない。それなのに本番に出すと予測が外れる。コードを何度見直してもバグはない。原因は交差検証の切り方で、時系列の未来の情報が学習側に漏れていた。 この手の失敗は、ネットの断片的なチュートリアルでは見つけにくい。手順は書いてあっても、なぜその手順なのかは書かれていない。自分がつまずいていたのは実装の腕ではなく、…

機械学習の独学で効いた技術書4選

はじめに 数年前、社内のレコメンド改善を任されたときに自分は完全に手が止まった。ライブラリを呼べばモデルは学習できる。評価スコアも出る。なのに「なぜこの精度なのか」「この差は意味があるのか」を聞かれると何も答えられなかった。 困ってWeb記事を漁った。断片は埋まる。ただ記事は前提をばっさり省くので、交差検証の切り方やp値の扱いといった土台の部分は、読んでも読んでも穴が残った。結局その穴は本で埋める…

Python機械学習の基礎固め5冊

はじめに 自分が最初に書いた機械学習らしいコードは、scikit-learn の fit と predict を呼ぶだけの十数行だった。データを読み込んで、モデルに食わせて、精度が出た。そこで満足していた。 問題はレビューで起きた。「この評価指標で妥当なのか」「学習データに予測時点では手に入らない情報が混ざってないか」と聞かれて、何ひとつ答えられなかった。ライブラリの使い方は分かるのに、中で何が起…