【中古】 OpenCVとPythonによる機械学習プログラミング

【お品物お届けまでの流れについて】・ご注文：24時間365日受け付けております。・ご注文の確認と入金：入金*が完了いたしましたらお品物の手配をさせていただきます・お届け：商品ページにございます最短お届け日数〜+3日前後でのお届けとなります。*前払いやお支払いが遅れた場合は入金確認後配送手配となります、ご理解くださいますようお願いいたします。【中古品の不良対応について】・お品物に不具合がある場合、到着より7日間は返品交換対応*を承ります。初期不良がございましたら、購入履歴の「ショップへお問い合わせ」より不具合内容を添えてご連絡ください。*代替え品のご提案ができない場合ご返金となりますので、ご了承ください。・お品物販売前に動作確認をしておりますが、中古品という特性上配送時に問題が起こる可能性もございます。お手数おかけいたしますが、お品物ご到着後お早めにご確認をお願い申し上げます。【在庫切れ等について】弊社は他モールと併売を行っている兼ね合いで、在庫反映システムの処理が遅れてしまい在庫のない商品が販売中となっている場合がございます。完売していた場合はメールにてご連絡いただきますの絵、ご了承ください。【重要】当社中古品は、製品を利用する上で問題のないものを取り扱っております。ご安心して、ご購入いただければ幸いです。・中古本の特性上【ヤケ、破れ、折れ、メモ書き、匂い、レンタル落ち】等がある場合がございます。・レンタル落ちの場合、タグ等が張り付いている場合がございますが、使用する上で問題があるものではございません。・商品名に【付属、特典、○○付き、ダウンロードコード】等の記載があっても中古品の場合は基本的にこれらは付属致しません。下記メーカーインフォになりますため、保証等の記載がある場合がございますが、こちらの製品は中古品ですのでメーカー保証の対象外となります。あらかじめご了承下さい。また、掲載されております画像は全てイメージとなります。実際の商品とは色味等異なる場合がございますので、ご了承ください。OpenCVとPythonによる機械学習プログラミング機械学習とコンピュータビジョンの知識を深め スキルを強化したい方に機械学習の知識を深めスキルを強化したい方に・OpenCV+scikit-learnで機械学習プログラミングを実践マスター・統計的学習の本質的概念、決定木、サポートベクタマシン、ベイジアンネットワークなど様々なアルゴリズムとOpenCVを組み合わせて使う方法をわかりやすく解説!1章「機械学習を味見してみよう」機械学習の分野に属する問題をいくつかのカテゴリに分類し簡単に紹介。Anaconda Pythonの環境を対象として、OpenCVやその他の重要なツールをインストールする方法について【商品説明】します。2章「OpenCVとPythonでデータを操作する」典型的な機械学習システムにおける処理の流れがどういったものか、データはどこで利用されるのかを【商品説明】。学習データと評価データの違いについて【商品説明】し、OpenCVとPythonを利用したデータの読込、保存、操作・視覚化の方法についても【商品説明】します。3章「教師あり学習の初歩」分類や回帰といった中核的な概念を見直すことで、教師あり学習を【商品説明】。OpenCVでの単純な機械学習アルゴリズムの実装方法、データの予測方法、モデルの評価方法について学びます。4章「データ表現と特徴量エンジニアリング」よく知られている機械学習用データセットがどういったものか、また興味のある情報を生データから抽出する方法について【商品説明】します。5章「医療診断をするための決定木の使用」OpenCVで決定木を構築する方法について【商品説明】し、分類や回帰問題に適用します。6章「サポートベクタマシンによる歩行者の検出」サポートベクタマシンをOpenCVで構築し、画像中の歩行者を検出するために適用する方法を【商品説明】します。7章「ベイジアン学習による迷惑メールフィルタの実装」確率論を紹介し、ベイズ推定を使用して電子メールをスパムかどうか分類する方法を紹介します。8章「教師なし学習で隠れた構造を発見する」k-meansクラスタリングや期待値最大化などの教師なし学習アルゴリズムについて【商品説明】し、単純なラベルなしデータセットに隠れた構造を抽出する方法を示します。9章「深層学習を用いた手書き数字分類」いまホットな深層学習の世界にお連れします。パーセプトロンから始めて多層パーセプトロンに展開し、広大なMNISTデータベースの手書き数字を分類するための深いニューラルネットワーク(Deep Neural Networks; DNN)の構築方法について【商品説明】します。10章「異なるアルゴリズムを組み合わせてアンサンブルを作成する」個々の学習器の弱点を克服するために、複数のアルゴリズムを効果的に組み合わせてアンサンブルを作成することで、より正確で信頼性の高い予測を実現する方法について【商品説明】します。11章「ハイパーパラメータチューニングと適切なモデルの選択」さまざまな機械学習アルゴリズムとそのパラメータの組み合わせを比較して、タスクに適したものを選ぶためのモデル選択について紹介します。12章「仕上げ」今後の機械学習の問題に対処する方法や、より高度なトピックに関する情報を見つけるための有用なヒントをお伝えします。