Software Designで完売御礼の特集号，ITエンジニアと線形代数，ITエンジニアと微分積分，ITエンジニアと数学の各特集記事を再編集しまとめました。各記事，それぞれ筆者が再検討し修正，場合によって加筆をしております。内容はほぼ高校から大学の教養課程の数学と，Pythonを使ったプログラミングが中心。しかし，Deep Learnningや機械学習，人工知能の基礎を学ぶことができます。ITと数学の組み合わせはとてもパワフルです。他にも十分に応用できる基礎を本書で得てください！

※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。 ★ベストセラー『教養としてのデータサイエンス』に続く第2弾！★ ★「数理・データサイエンス・AI（応用基礎レベル）モデルカリキュラム」に完全準拠した公式カラーテキスト！★ ・いますぐ身につけるべき「データサイエンス」「データエンジニアリング」「AI」の基礎知識がここにある！ ・文理を問わず、大学・高専生に、自らの専門分野への数理・データサイエンス・AIの「応用基礎力」を習得させることを目的として編纂された。 ・カラーで見やすく、練習問題も充実。 【主な内容】 1章　データサイエンス基礎 1.1　データ駆動型社会とデータ分析の進め方　（久野遼平） 1.2　データの記述　（宿久　洋） 1.3　データの可視化　（宿久　洋・久野遼平） 1.4　データ分析の手法　（原　尚幸) 1.5　数学基礎　（清　智也) 2章　 データエンジニアリング基礎 2.1　ビッグデータとデータエンジニアリング　（内田誠一） 2.2　データ表現、プログラミング基礎、アルゴリズム基礎　（辻　真吾） 2.3　データ収集と加工、データベース　（森畑明昌） 2.4　ITセキュリティ　（宮地充子） 3章　 AI基礎 3.1　AIと社会　（松原　仁) 3.2　機械学習の基礎と予測手法　（赤穂昭太郎） 3.3　深層学習の基礎　（今泉允聡) 3.4　ロボット、認識、言語　（高野　渉） ※この商品は紙の書籍のページを画像にした電子書籍です。文字だけを拡大することはできませんので、タブレットサイズの端末での閲読を推奨します。また、文字列のハイライトや検索、辞書の参照、引用などの機能も使用できません。

◆RとPython両方学べる。コスパ最強の一冊！◆ ・コードが理解の試金石！ ・「データサイエンスの準備」にページを割いているから、プログラミング経験ゼロで大丈夫！　 ・自分に合った言語を見つけたい、言語を乗り換えたいという方にもおすすめ！ [サポートサイト] https://github.com/taroyabuki/fromzero [主な内容] 第1部　データサイエンスのための準備 1章　コンピュータとネットワーク 2章　データサイエンスのための環境 3章　RとPython 4章　統計入門 5章　前処理 第2部　機械学習 6章　機械学習の目的・データ・手法 7章　回帰1（単回帰） 8章　回帰2（重回帰） 9章　分類1（多値分類） 10章　分類2（2値分類） 11章　深層学習とAutoML 12章　時系列予測 13章　教師なし学習 付録A　環境構築

本書は，Pythonエンジニアとしてのスキルアップを目指す人のための，Python 3の本格的な学習書として執筆されました。Pythonの基本文法，オブジェクト指向，データ構造やコーディング手法，例外処理，標準ライブラリなど，データサイエンスやWebアプリのエンジニアとして必須となるPythonプログラミングの知識やテクニックを，実際に手を動かしながら学べる一冊になっています。「Python 3エンジニア認定基礎試験」を実施している「Pythonエンジニア育成推進協会」が監修しているので，試験を受験する方のための副読本としても役立ちます！

GoogleなどのWebサービスで人気のスクリプト言語「Python」は，現在の言語に共通する，美しく模範的なプログラミングの学習に最適な言語です。本書は，プログラミングの知識がゼロの方でも理解できる，いちばん簡単なPythonの学習書です。プログラミングの基本の基本から，データ型を駆使した本格プログラムまで，豊富なイラストとサンプルを使って，Pythonならではのプログラミングのノウハウを楽しく解説します。

好評の「いちばんやさしいPythonの学習書」が約8年ぶりにリニューアル！　プログラミングの知識がゼロの方でも理解できるイラストやサンプル満載のわかりやすい解説はそのままに，最新のPython 3に完全対応。さらに，プログラミングの応用編としてWebアプリケーション作成やデータ分析の基本も解説しています。プログラミングの基本の基本から，データ型を駆使した本格プログラムまで，Pythonならではのプログラミングを楽しく解説します！

現代社会を支える根幹技術をPythonで！　 Pythonプログラミングのスキルアップにも最適！ 名著『Pythonスタートブック』の著者である辻真吾氏が書き下ろす至極の入門書！　ソートやグラフ構造など基本的な内容から、乱択アルゴリズムや数論、ブロックチェーンの仕組みなどの幅広い話題までを解説。コードはWeb公開（ https://github.com/tsjshg/pyalgdata）。 【データサイエンス入門シリーズ】 第2期として、以下の2点を刊行! 『統計モデルと推測』松井秀俊・小泉和之（著）竹村彰通（編） 『Pythonで学ぶアルゴリズムとデータ構造』辻真吾（著）下平英寿（編） 【「巻頭言」より抜粋】 　文部科学省は「数理及びデータサイエンスに係る教育強化拠点」6 大学(北海道大学、東京大学、滋賀大学、京都大学、大阪大学、九州大学)を選定し、拠点校は「数理・データサイエンス教育強化拠点コンソーシアム」を設立して、全国の大学に向けたデータサイエンス教育の指針や教育コンテンツの作成をおこなっています。 　本シリーズは、コンソーシアムのカリキュラム分科会が作成したデータサイエンスに関するスキルセットに準拠した標準的な教科書シリーズを目指して編集されました。またコンソーシアムの教材分科会委員の先生方には各巻の原稿を読んでいただき、貴重なコメントをいただきました。 　データサイエンスは、従来からの統計学とデータサイエンスに必要な情報学の二つの分野を基礎としますが、データサイエンスの教育のためには、データという共通点からこれらの二つの分野を融合的に扱うことが必要です。この点で本シリーズは、これまでの統計学やコンピュータ科学の個々の教科書とは性格を異にしており、ビッグデータの時代にふさわしい内容を提供します。本シリーズが全国の大学で活用されることを期待いたします。 ――編集委員長 竹村彰通(滋賀大学データサイエンス学部学部長、教授) 【推薦の言葉】 データサイエンスの教育の場や実践の場で利用されることを強く意識して、動機付け、題材選び、説明の仕方、例題選びが工夫されており、従来の教科書とは異なりデータサイエンス向けの入門書となっている。 ――北川源四郎(東京大学特任教授、元統計数理研究所所長) 国を挙げて先端IT人材の育成を迅速に進める必要があり、本シリーズはまさにこの目的に合致しています。本シリーズが、初学者にとって信頼できる案内人となることを期待します。 ――杉山将(理化学研究所革新知能統合研究センターセンター長、東京大学教授)

※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。 膨大なデータを扱うときに基本となる知識が統計解析です。本書はこれから統計解析を学びたいと考える方に向けて，プログラミングの力を借りて実際にデータを確認することで，直感的な理解を促します。プログラミング言語にはPythonを利用します。Pythonで統計解析を解説するメリットはいくつかあります。Python自体がシンプルで可読性が高い上に逐次実行できるため初心者でも理解しやすいと言えます。これ以外にも，Pythonは統計解析に関するライブラリが充実しており，複雑な計算やグラフの描画がかんたんにできます。また，Pythonは汎用的な言語ですので，システムの中にシームレスに組み込むことができます。本書によって統計解析を学習することで，Pythonのデータ解析スキルもあわせて習得できるでしょう。

※PDF版をご希望の方は Gihyo Digital Publishing (https://gihyo.jp/dp/ebook/2022/978-4-297-12780-0)も合わせてご覧ください。 近年注目を浴びる人工知能は微分をはじめとした数学の計算に基づいています。また，新型コロナウィルス感染の予測では微分方程式が利用されています。微分積分は，多くの方が学ぶ意義がある学問なのですが，複雑な計算や数式が原因で学習に挫折した方も少なくありません。そこでPythonの出番です。 本書はこれから微分積分を学びたいと考える方や学び直したい方に向けて，Pythonの力を借りて視覚的にデータを確認することで，直感的な理解を促します。複雑な計算とグラフの描画はPythonにまかせ，Pythonが出力する結果とグラフを読み解くことに注力します。数学のエッセンスを理解して活用するために，コンピューターを使用した数学の学習は効率的な学習方法とも言えます。 「とりあえずPythonに計算させてみよう」と，軽い気持ちで数学の学習を開始してみましょう。

●データの加工や分析の実践スキルを身につけよう 本書は、Pythonやpandasの基礎を身につけた方が、データ分析を行ううえで知っておきたい「データ分析の実務で使うノウハウ」をまとめた書籍です。 さまざまな種類のデータの読み込みから加工、可視化、データの評価、pandasやNumPyの活用方法など、Pythonを使ってデータを加工し分析する方法を詳しく学べます。データ加工のレシピやデータ分析に必要な数学の知識についても学べます。 【本書で学べること】 ・データ加工の基礎知識 ・データの種類と読み込み ・表形式データの加工 ・NumPyと数値データ ・データの評価 ・時系列データの処理 ・テキスト情報の処理 ・画像データの処理 ・グラフデータの処理 ・地理空間データの処理 ・データ分析に必要な線形代数 【本書で学べること】 「Pythonのデータ活用や加工をより詳しく理解したい」「実務でデータ分析をしたい」「幅広いデータ形式の知識を持ちたい」「普段からPythonでデータ分析をしているが、データハンドリングの知識を学びたい／ツールの使い方を調べたい」といった方におすすめの一冊です。

データ分析エンジニアに求められる技術の基礎が最短で身に付く ビッグデータの時代といわれ始めて数年が経過しました。 デバイスの進化により多くの情報がデジタル化され、 それらのデータを活用しようとデータ分析エンジニアに注目が集まっています。 この書籍では、データ分析において、 デファクトスタンダードになりつつあるプログラミング言語Pythonを活用し、 データ分析エンジニアになるための基礎を身に付けることができます。 書籍ではデータ分析エンジニアになるために必須となる技術を身につけていきます。 ・データの入手や加工などのハンドリング ・データの可視化 ・プログラミング ・基礎的な数学の知識 ・機械学習の流れや実行方法 本書で学べること ・Pythonの基本的な文法 ・データフォーマットについて ・データの前処理技術 ・データの可視化技術 ・既存アルゴリズムでの機械学習の実装 対象読者 データ分析エンジニアを目指す方 目次（抜粋） 第1章 データ分析とは 第2章 Pythonと環境 第3章 数学の基礎 第4章 ツールの基礎 第5章 応用：データ収集と加工 ※本電子書籍は同名出版物を底本として作成しました。記載内容は印刷出版当時のものです。 ※印刷出版再現のため電子書籍としては不要な情報を含んでいる場合があります。 ※印刷出版とは異なる表記・表現の場合があります。予めご了承ください。 ※プレビューにてお手持ちの電子端末での表示状態をご確認の上、商品をお買い求めください。

読者の声に応えて第2版の登場！ データ分析エンジニアに必要な 基本技術をしっかり習得できる 【本書の概要】 本書はデータ分析エンジニアに必要な 以下の基礎技術を丁寧に解説しています。 ・データの取得・加工 ・データの可視化 ・プログラミング ・基礎的な数学の知識 ・機械学習の流れや実行方法 【第2版のポイント】 ・Python 3.10対応 ・よりわかりやすい解説 ・Pythonデータ分析試験の主教材に指定 【本書で学べること】 ・Pythonの基本的な文法 ・データフォーマットについて ・データの前処理技術 ・データの可視化技術 ・既存アルゴリズムでの機械学習の実装方法 【対象読者】 データ分析エンジニアを目指す方 【目次】 第1章 データ分析エンジニアの役割 第2章 Pythonと環境 第3章 数学の基礎 第4章 ライブラリによる分析の実践 第5章 応用：データ収集と加工 ※本電子書籍は同名出版物を底本として作成しました。記載内容は印刷出版当時のものです。 ※印刷出版再現のため電子書籍としては不要な情報を含んでいる場合があります。 ※印刷出版とは異なる表記・表現の場合があります。予めご了承ください。 ※プレビューにてお手持ちの電子端末での表示状態をご確認の上、商品をお買い求めください。

本書（原題：Python Algorithms: Mastering Basic Algorithms in the Python Language）はアルゴリズムの分析と設計方法について、Pythonを使って説明します。古典的なアルゴリズムに焦点を絞って解説していますが、基本的なアルゴリズムによる問題解決の方法もしっかり理解できます。 本書はプログラミングとコンピュータサイエンスの最も重要で難しい分野を非常に読みやすい形で解説しています。アルゴリズムの理論とプログラミングの実践の両方をカバーし、理論が実際のPythonプログラムにどのように反映されているかを説明します。また、Pythonに組み込まれている有名なアルゴリズムとデータ構造について説明し、実装と評価について学ぶことができます。 本書で学べること 新しい問題を効率的なアルゴリズムで解ける問題に変換する方法。もしくは、効率的に解けない問題であると示す方法 数学と基本的な実験やベンチマークを使ってアルゴリズムとPythonのプログラムを分析する方法 古典的なアルゴリズムとデータ構造を深く理解し、Pythonでこれらを効率的に実装する方法 新しい問題を解くために新しいアルゴリズムを設計し、実績のある設計原理・設計技法を使って実装する方法 Pythonのハイパフォーマンスコンピューティングを実現する豊富なツールを使って実装を高速化する方法