レビュー
概要
図解に特化して、機械学習・ディープラーニングの基本理論と実装を一冊で俯瞰できる教科書。各アルゴリズムの仕組み（線形回帰、決定木、ニューラルネット）を図やフローで示し、実装時のポイントやハイパーパラメータの選び方を詳細に解説。加えて、現場での評価指標（精度、F1、ROC-AUC）に関する感度分析も含まれる。
読みどころ
- 第1章ではモデルの構造を Loom 型の図で示し、バイアス・バリアンス・過学習を視覚的に説明。各図に対応する数式と code snippet を並べ、直感と実装を結び付ける。
- 第3章ではニューラルネットの仕組みを多層 perceptron から順次説明し、活性化関数・勾配消失・Batch Normalization などの改善策を図で比較。
- 第5章の実装パートでは PyTorch と TensorFlow それぞれのコードを step-by-step で掲載し、再現実験用のデータセット（MNIST、CIFAR-10）と評価方法を添える。
類書との比較
『ゼロから作る Deep Learning』が手を動かすことに特化する一方、本書は図解と実装のバランスを重視。『持って歩ける機械学習基本図録』よりも評価指標の解説や実装例が厚く、実務での再現性が高い。
こんな人におすすめ
機械学習の理論を視覚的に理解したい人。研究・業務でモデルを使うエンジニアにも。
感想
図とコードの交互展開で、概念と実装が同時に進んだ。
