最短経路で平易に理解できる、今までにない入門書！ベイズ主義機械学習（ベイズ学習）の基本原理にのっとり、「モデルの構築→推論の導出」という一貫した手順でアルゴリズムの作り方を解説。どこまでも分かりやすい！【主な内容】1　機械学習とベイズ学習2　基本的な確率分布3　ベイズ推論による学習と予測4　混合モデルと近似推論5　応用モデルの構築と推論【機械学習スタートアップシリーズ】本シリーズは、「機械学習ブーム」の先駆けとして2015年から刊行されている『機械学習プロフェッショナルシリーズ』の弟分的な存在を目指す、注目の新シリーズです。「機械学習をもっと身近に、機械学習をもっとわかりやすく！」を合言葉に、より丁寧な記述で、基本的なテーマを解説していきます。まず、以下の2点を同時に刊行いたします(^o^)/『これならわかる深層学習入門』瀧 雅人・著『ベイズ推論による機械学習入門』須山 敦志・著/杉山 将・監修第1章　機械学習とベイズ学習機械学習とは/機械学習の代表的なタスク/機械学習の 2 つのアプローチ/確率の基本計算/グラフィカルモデル/ベイズ学習のアプローチ第2章　基本的な確率分布期待値/離散確率分布/連続確率分布 第3章　ベイズ推論による学習と予測学習と予測/離散確率分布の学習と予測/1次元ガウス分布の学習と予測/多次元ガウス分布の学習と予測/線形回帰の例第4章　混合モデルと近似推論混合モデルと事後分布の推論/確率分布の近似手法/ポアソン混合モデルにおける推論/ガウス混合モデルにおける推論第5章　応用モデルの構築と推論線形次元削減/非負値行列因子分解/隠れマルコフモデル/トピックモデル/テンソル分解/ロジスティック回帰/ニューラルネットワーク