仕事ではじめる機械学習 の商品レビュー

有賀康顕(著者),中山心太(著者),西林孝(著者)

2021/04/20

- 通常のシステム開発以上に最初のKPIの握りが大事
- 機械学習とはいえ、結局検証のためには統計の運用が必要

この辺が再確認できただけでもよかった。モデル作りは楽しいんだけどほとんどそれ以外の部分で勝負が決まってしまうということ。

2020/07/23

機械学習プロジェクトの入門書
なんかバラバラな印象も受ける

つらつらと書いてるけどなんか細切れ感があるんだよな
まあでも知らない人が機械学習プロジェクトの意味を掴むのには役立つと思う
エクセルで分析するだけである程度の成果は出せるというのは同意である

2020/06/06

エンジニア向けな気もするし、にしては、内容が薄い気もする。
あと誤字脱字が多く、推敲不足感。
多少知識があったので、読み進めることはできた。
どんな手法があるのかは知ることができたが、それぞれが実際にどんな場面で使われるかを求めていたので、ずれがあった、かも。

2020/06/03

タイトルに仕事ではじめると書かれていたので少し難しい内容だと思っていたが、実際は非常に読みやすかった。コード量は少なく、機械学習を実際にサービスとして利用するための一連のプロジェクトのフローについて書かれていた。
機械学習におけるシステム構築の難しさ、その対処法、システム設計など前処理・学習・パラメータチューニング以外の部分を知りたい人におすすめ。
また、モデルの評価、効果検証、A/Bテスト、Uplidt Modelingなどを機械学習でどのように使うかも非常に勉強になった。
【印象に残っているフレーズ】
学習モデルの性能が高いこととビジネスゴールを満たすことは全くの別問題であるにで、そのモデルで何が実現したかったのかを考える癖を付ける

2020/03/14

オライリーには珍しい日本人の著者本。数式を使わず読本として、読み進められる。機械学習の業務が未経験の私には為になりました。
８章の機械学習ではなく、データ分析で可視化することである程度の考察ができるのが面白かった。

2019/03/03

現実でどう使われているかが書かれている、んだと思う。
プロジェクトの進め方などもざっと書いてあるので、まず読んで見る本としては悪くはないと思う。
ただ、基礎の理解はできないと思っているので、それは別の本で補うべき。

2019/02/25

20190221読了。
機械学習のサービスをつくるうえでどういう構成にしたらよいか（リアル学習/バッチ学習、予測結果をAPIにするのか等）の考え方の指針が載っているのは良かった。
あとの基礎的な部分（sklearnを使ったような基本的なテクニック）の部分は類書と同様。

機械学習・DS系の本はどうしても手法の説明がどの本にも出てきてしまってオーバーヘッド（というのもなんだけど）が大きくなってしまうな。。

2018/07/02

取り上げられている内容は、
* 機械学習のプロジェクトをどのように始めるか
* 機械学習と既存システムをどう連携するのか
* 機械学習のデータをどのように集めるのか
* 仮説をどのように立てて分析を進めるのか

アルゴリズム、プログラムの基礎、数学については取り上げられていません。機械学習プロジェクトを進めていくために必要な知識をまとめた第Ⅰ部と、ケーススタディの第Ⅱ部で構成されています。

第Ⅰ部はプロジェクトをはじめる前に読み返しておくと手戻り無く、効率的に進められるのではないかと感じました。

第Ⅱ部は３つのケース、うち一つは機械学習を使わないというケースです。
* 映画の推薦システム
* Kickstarterの分析(機械学習を使わない)
* Uplift Modelingによるマーケティング資源の効率化

全ページの3割程度を割いてはあるんですが、件数が少ない。またweb系の分野に特化した内容であり、満足感が足りませんでした。ここはWEBなどで情報収集したり、自身で実績を積んで、ドキュメントを積み上げていくしかないんでしょうね。

2018/01/07

機械学習を仕事で少しやってますが、機械学習を仕事に活かすためにはいくつも独自のハードルがあるイメージです。そして、そこに関する体系的な資料があまりないと思ってます。

この本にはそれらへの対処法が詳細に書かれています。特にシステムとログ設計の話、データ分析の作業で上司から依頼を受け取ったところから資料作成までの話、A/Bテストの話は特にすぐに役立つと思います。
名前の通り仕事で機械学習を使う時にかなり有用な本だと思いました。

機械学習系の本は入門書から専門書まで何冊か読んだのですが、Uplift Modelingのことを書いてる本は自分にとってははじめてでした。面白く有用な内容でした。

2017/12/30

電子書籍(PDF版)を読みました。いやー、面白かった。

「2章 機械学習で何ができる?」では、パーセプトロン、ロジスティック回帰、SVM、ニューラルネットワーク、k-NN、決定木、ランダムフォレスト、GBDTという機械学習手法の、それぞれの概要と特徴が簡潔にまとめられてて、初学者でもすごくわかりやすい。手元において何度も読み返したい。目的に応じて手法を選ぶためのフローチャートも掲載。