谷岡広樹の作品一覧

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 ◆「データサイエンス」の基礎を徹底解説◆ データサイエンスに重点を置いた情報科学とデータ分析の入門書です。 基礎知識から、関連する技術をわかりやすく解説します。本書の構成は、それぞれ標準カリキュラムの以下に相当します。 第1章「1. 導入、社会におけるデータ・AI利活用」 第2章「2. 基礎、データリテラシー」 第3章「3. 心得、データ・AI利活用における留意事項」 第4章「4. 選択、オプション」 数理・データサイエンス・AI教育プログラム認定制度（リテラシーレベル）に対応させると、第1章が「項目1」と「項目2」「項目3」に、第2章が「項目5」に、そして第3章が「項目4」に対応します。また、本書を改訂するにあたり、新たに生成AIに関するトピックを第6章として、さらにオープンデータの活用を第7章に追加しています。第6章は応用基礎レベルの「3. AI基礎」に該当します。第7章は応用基礎レベル「2.データエンジニアリング基礎」に相当します。 データサイエンスの基礎を学びたい方、AI技術に興味がある方、データ分析の実践力を身につけたい方など、幅広い読者におすすめです。 ■こんな方におすすめ ・情報科学およびデータ分析の基礎を学びたい方 ■目次 第1章 社会におけるデータ・AI活用 ・1-1 社会で起きている変化 ・1-2 社会で活用されているデータ ・1-3 データサイエンス・AIの活用領域 ・1-4 データサイエンス・AIの利活用のための技術 ・1-5 データサイエンス・AIの利活用の最新動向 第2章 データの要約と可視化 ・2-1 データの要約 ・2-2 要約統計量 ・2-3 関係をとらえる ・2-4 データの可視化 ・2-5 まとめ ・2-6 参考文献 第3章 データの法規と倫理 ・3-1 データ解析のインパクトと倫理 ・3-2 データの健全な取り扱い ・3-3 個人情報 ・3-4 結果の説明可能性 ・3-5 データと情報に関する権利と法律 ・3-6 参考文献 第4章 データ活用の手法と実践 ・4-1 はじめに ・4-2 代表的な確率分布 ・4-3 確率論とベイズの定理 ・4-4 推測統計学の基礎 ・4-5 統計的検定の基礎 ・4-6 ROC解析と推論の評価 ・4-7 モデリング ・4-8 回帰分析 ・4-9 単回帰分析 ・4-10 クラスタ分析 ・4-11 参考文献 第5章 データ構造、アルゴリズム、プログラミング ・5-1 プログラミングの話題に入る前に ・5-2 データ構造 ・5-3 アルゴリズム ・5-4 プログラミングの基礎 ・5-5 参考文献 第6章 深層学習、生成AI ・6-1 深層学習 ・6-2 生成AI ・6-3 参考文献 第7章 オープンデータの活用 ・7-1 オープンデータ ・7-2 クリエイティブ・コモンズ ・7-3 機械判読に適したデータ ・7-4 さらなるデータの活用と課題 ・7-5 機械学習によるデータの活用と限界 付録A RStudioによるRの実行 付録B Google ColabによるPythonの実行 ■著者プロフィール ●石田基広（いしだ もとひろ）：徳島大学デザイン型AI教育研究センター教授。1991年東京都立大学大学院博士後課程中退。著書『Rによるテキストマイニング入門 第二版』（森北出版, 2017）、『新米探偵、データ分析に挑む』（SB Creative, 2015）、監修Wonderful Rシリーズ（共立出版）、Data Science Library（技術評論社）。本書の監修、前書き、付録Bの執筆を担当。 ●大薮進喜（おおやぶ しんき）：徳島大学教養教育院/デザイン型AI教育研究センター教授。博士（理学）。2003年東京大学大学院理学系研究科博士後期課程修了。専門は宇宙物理学。本書の監修、第1章の執筆を担当。

本書は文系理系を問わず、高校卒業レベルの読者が、情報科学とデータ分析の基礎を学ぶための入門書です。とくに「データサイエンス」を理解するための基礎知識と、その関連技術の紹介に重点を置いています。 また、本書は数理・データサイエンス教育強化拠点コンソーシアムが公開しているリテラシーレベルのモデルカリキュラムを参考に構成しています。たとえば、第1章は標準カリキュラムの「1.導入、社会におけるデータ・AI 利活用」に、第2章は「2.基礎、データリテラシー」、第3章は「3. 心得、データ・AI 利活用における留意事項」、第4章は「4.選択、オプション」に相当します。数理・データサイエンス・AI教育プログラム認定制度（リテラシーレベル）に 対応させると、第1章が「項目1」と「項目2」、「項目3」に、第2章が「項目5」に、そして第3章が「項目4」に対応しています。

※この商品は固定レイアウトで作成されており、タブレットなど大きいディスプレイを備えた端末で読むことに適しています。 また、文字列のハイライトや検索、辞書の参照、引用などの機能が使用できません。 端末により、見開き表示で、左右が逆になる場合があります。 AI開発に必須の基礎理論をやさしく解説! ディープラーニングの基礎を身につけよう! 本書は機械学習の一手法「ディープラーニング」の「いちばんやさしい」入門書です。 【こんな人に】 ○「将来、AI開発に挑戦したい」という理系学生 ○「さらにステップアップしたい」というエンジニア ○「ディープラーニング」の基礎理論を学びたい社会人 ○「TensorFlow+Keras」を使った実装を試したい経験者 ○「機械学習に必須の数学」を知りたい経験者 おもに、AI開発への意欲を燃やす初心者に向けて、機械学習とディープラーニングの基礎理論、必須の数学的知識、Pythonによる実装を体系立てて説明します。 豊富な図解とイラストで、初心者にもわかりやすい! 本書を一通り終えれば、Pythonを駆使して自分なりのプログラムを実装できるようになるでしょう。 ■Chapter1 ディープラーニングと機械学習 ■Chapter2 Pythonの準備と基本文法 ■Chapter3 ディープラーニングの体験 ■Chapter4 ニューラルネットワークの基本 ■Chapter5 畳み込みニューラルネットワーク ■Chapter6 ディープラーニングの応用 さあ、あたなもこの本をきっかけに、ディープラーニングの世界に飛び込んでみませんか?