楽天市場でこの商品を見る →
楽天市場の商品ページで価格・在庫・レビューをご確認ください。

Pythonで体感!医療とAIはじめの一歩 糖尿病・乳がん・残存歯のデータ、肺のX線画像を使って機械学習・深層学習を学ぶ体験型入門書

ジャンル: AI・機械学習書籍
ショップ: ぐるぐる王国FS 楽天市場店
商品コード: mifsoft:12571545

宮野悟／監修 中林潤／編集 木下淳博／編集 須藤毅顕／編集本詳しい納期他、ご注文時はご利用案内・返品のページをご確認ください出版社名羊土社出版年月2024年09月サイズ237P 21cmISBNコード9784758124188医学 医学一般 医学一般Pythonで体感!医療とAIはじめの一歩 糖尿病・乳がん・残存歯のデータ、肺のX線画像を使って機械学習・深層学習を学ぶ体験型入門書パイソン デ タイカン イリヨウ ト エ-アイ ハジメ ノ イツポ PYTHON／デ／タイカン／イリヨウ／ト／AI／ハジメ／ノ／イツポ トウニヨウビヨウ ニユウガン ザンゾンシ ノ デ-タ ハイ ノ エツクスセン ガゾウ オ ...※ページ内の情報は告知なく変更になることがあります。あらかじめご了承ください登録日2024/08/22

本書は、Pythonを用いた機械学習・深層学習の基礎を、医療という極めて具体的かつ社会的価値の高いドメインを通じて学ぶことができる、実践的な体験型入門書です。単なるアルゴリズムの理論解説に留まらず、「糖尿病」「乳がん」「残存歯」といった数値やカテゴリを含む構造化データの解析から、「肺のX線画像」という非構造化データ（画像データ）の解析まで、段階的にステップアップできる構成になっています。読者は、Scikit-learnを用いた伝統的な機械学習の手法から、CNN（畳み込みニューラルネットワーク）を用いた最新の深層学習技術までを、実際の医療データに適用するプロセスを体験します。本書の核心的なメッセージは、データサイエンスの理論をいかにして実社会の、特に高い精度と信頼性が求められる医療現場の課題解決に応用するかという「実装の感覚」を養うことにあります。データのクリーニング、特徴量の抽出、モデルの評価といった、データサイエンティスが直面する一連のワークフローを、医療という具体的なコンテキストの中で理解できる点が最大の特徴です。

• 糖尿病データを用いた回帰・分類アルゴリズムの基礎習得
• 乳がんデータによる特徴量解析と予測モデルの構築プロセス
• 残存歯データを通じた、構造化データの分類手法の実装
• 肺のX線画像を用いたCNN（畳み込みニューラルネットワーク）の基礎学習
• 画像データ特有の前処理およびデータオーギュメンテーションの理解
• 医療分野におけるモデルの精度評価（感度・特異度）の重要性の理解
• Pythonの主要ライブラリ（NumPy, Pandas, Matplotlib等）の実践的な活用法

• Pythonを用いた医療データのクリーニングと前処理技術
• 機械学習アルゴリズムの適切な選択と実装能力
• 画像認識におけるディープラーニングの基本構造の理解
• 予測モデルの性能を多角的に評価する統計的スキル
• 構造化データと画像データの両方を扱うデータサイエンスの基礎力

• AI技術を臨床や研究に応用したいと考えている医療従事者
• 理論だけでなく、具体的なデータを用いた実装経験を積みたい学習者
• 医療機器やヘルスケア領域の開発に携わるエンジニア
• 既存の機械学習の知識を、特定のドメイン（医療）へ適用したいデータサイエンティスト

著者の「ぐるぐる王国FS 楽天市場店」は、実用的な技術情報の提供に特化した、学習者向けのコンテンツ制作・流通を担う立場として記載されています。特定の個人の学術的経歴ではなく、実務的な課題解決を目的とした、体験型の学習教材を広く展開していることが特徴です。技術の習得を「体験」に置く、実践的なアプローチを重視しています。

一般的な機械学習の入門書が、Iris（アヤメ）やMNIST（手書き数字）といった抽象的で扱いやすいデータを用いるのに対し、本書は「医療」という、ノイズやバイアス、解釈性の重要性が極めて高い、生々しい実データにフォーカスしています。そのため、理論の理解に留まらず、実社会の複雑なデータにどう立ち向かうかという、より高度な実践力を養うための「応用編への橋渡し」としての位置づけとなります。

本書の真の価値は、AI技術を単なる「数式」としてではなく、「診断を支援する道具」として体感できる点にあります。肺のレントゲン画像から病変を見つけ出すプロセスをコードとして記述する体験は、読者にデータサイエンスの社会的意義を強く実感させます。読了後には、単なるライブラリの使い手を超え、特定のドメイン知識とAI技術を融合させ、現実の複雑な課題に対して適切なデータアプローチを選択できる、実践的な思考の土台が築かれていることでしょう。