機械学習とは，コンピュータに学習させる技術を指します。AIの発展とともに，さまざまな手法が登場してきました。このAIのモデルとそのアルゴリズムは種類が多く，AIに関心のある人が学習を始めたとき，困惑する原因となっています。本書では，それらを整理し，わかりやすく解説します。具体例にはExcelを利用するため，難しい前提知識なしで，機械学習のさまざまな手法を体験することができます。どのような手法でAIが実現しているのか知りたい人に最適です。

本書は，AIに関心はあるがあまり数学が得意でない，多くの社会人や大学生，高校生が持つ「ディープラーニングがどうして動作するの？」という疑問に答える超入門書です。偏微分方程式などの難しい大学レベルの数学抜きに，Excelで見て動かして，ディープラーニングを学べます。図示しやすいパターン認識を題材にし，Excelの確認，数学の復習を織り込みます。数学的に難しいことはExcelに任せるため，計算に自信のない人でも，ディープラーニングを学ぶことができます。本書では，簡単なExcel操作と初等的な数学の知識だけで，ディープラーニングの動作原理を基本から理解できるようになります。

進化発展するディープラーニング。その代表格がRNN（Recurrent Neural Network／再帰型ニューラルネットワーク）とDQN（Deep Q-Network／深層Qネットワーク）です。RNNは自然言語処理の分野で最も注目されるアルゴリズムです。またDQNは強化学習の手法で目覚ましい精度を挙げています。これらはいずれもAI応用の入り口となります。本書は，これらを万人のツールであるExcelを用いて，難しい数学やプログラミングの知識抜きに，動かしながら，目で見てしくみを理解できる画期的な入門書です。難解といわれるRNNとDQNの「最適化」などの難しい計算部分をExcelにまかせ，その動作原理をわかりやすく知ることができます。本書がAI学習のハードルを一気に下げてくれます。

機械学習は現代のAI（人工知能）になくてはならない技術です。一方で，機械学習の理解には統計学の知識が必要不可欠です。本書はその機械学習の理解に必要な統計学の知識をわかりやすく解説した入門書です。図を多用し，具体例を重視した内容になっています。また，Excelを使って解説するので，大学レベルの難しい数学の知識のない入門者でも，視覚的にそのしくみを学ぶことができます。機械学習を目的とした統計学の手法「教師あり学習」や「教師なし学習」を理解したい人に最適な入門書です。

※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。 多くの大学のシラバスを見ると，データサイエンスはPython実習と並立されています。また，ビジネス界のデータ分析の研修でもPythonが主流になっています。さらに，高校教育でデータサイエンスが重視されますが，そこでもPythonが主役の一人になっております。そこで，既刊で統計学の入門書として実績のある『実習統計学入門』をPythonに対応させたのが本書です。わかりやすい解説とPythonによる演習で，統計データの分析について，初歩から学ぶことができます。