※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。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 小規模システムからIoTをはじめよう！ 　本書は、研究や共同研究において、実際にIoTシステムを実用化している著者が、小規模なIoTシステム（振動感知システム）構築の試作および実際にIoTを導入・運用するために必要な知識を網羅的に解説した、IoTの実践的な入門書です。 　まず小規模なIoTシステムを構築したうえで，個別の技術解説を進めるので ・IoTとはどのようなものか、どのように使うのか、役立つのか がとくにわかりやすくなっています。 ・IoTにおいて、ハードウェア・ソフトウェア両方の視点からみたシステム開発のノウハウ ・（ソフトウェア／ハードウェア）エンジニアが、専門外の部分を補完しながら開発するための情報 などを提供します。 　身近な対象であれば結果もすぐに得ることができ、IoTがどんなものかを、自社の製品、システムに役立ちそうかがよくわかる内容になっています。 1章　IoTは誰でも試せます（You can do IoT!） 2章　IoTの基礎知識 3章　データ分析（機械学習）で目的を達成する 4章　サーバーでデータを受信・保持・処理する 5章　多様な通信手段を組み合わせてデータを送出する 6章　プロセッサーで現場での通信・データ処理を実現する 7章　センサーで状況・状態を計測する 8章　適切な電源供給の重要性 9章　発展的に実践するために 10章　実践内容の解説と拡張

※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。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 『コンピュータ概論』の決定版教科書、待望の改訂4版！ 　2010年に発行され、多くの大学で好評を博してきた教科書の改訂4版です。 　 　前版の内容の範囲・程度、解説の観点などを引き継ぎつつ、スマートフォンの登場、ネットワーク仮想化、ますます重要性の増すセキュリティを中心として内容を一部刷新。2色刷で見やすく、わかりやすく解説しています。 1章　コンピュータの構成 2章　ソフトウェア 3章　プログラミング言語 4章　オペレーティングシステム 5章　ファイルとデータベース 6章　通信ネットワーク 7章　情報化社会と情報リテラシー 8章　情報セキュリティ 9章　情報システム 演習問題解答 参考・引用文献

※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。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 『コンピュータ概論』の決定版教科書、待望の改訂4版！ 　2010年に発行され、多くの大学で好評を博してきた教科書の改訂4版です。 　 　前版の内容の範囲・程度、解説の観点などを引き継ぎつつ、スマートフォンの登場、記憶装置やコンピュータの性能の進展を中心として内容を一部刷新。2色刷で見やすく、わかりやすく解説しています。 1章　コンピュータの構成と利用 2章　データ表現 3章　論理回路 4章　プロセッサ 5章　記憶装置 6章　入出力装置 7章　コンピュータの性能と信頼性 演習問題解答 参考・引用文献

※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。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 Pythonでデータサイエンスの理論と実践を学ぶ 　データサイエンスは、「データを科学的に扱う」学問分野です。近年、ICTの進展によって、センサやインターネットを通じて取得できるデータ量が爆発的に増加したこと、コンピュータの高性能化に伴ってこれまでできなかった大規模なデータ処理が可能となったことなどから注目されています。 　本書は、データサイエンスの基礎となる統計分析からパターン認識（機械学習）、時系列データ分析、深層学習などを、Pythonを使って実際に分析しながら学ぶものです． 　データの取り扱い、確率・統計の基礎といった基本的なところから、パターン認識、深層学習といった統計・機械学習手法、時々刻々と変化する時系列データの分析などの解説を行い、読者がデータサイエンスの一通りを俯瞰できるようになっています。 　Pythonを使った解説によって理論と実践を同時に学ぶことができるので、データサイエンスを学び、自身の分野に応用したい方にピッタリの一冊です。 　第2版にあたっては深層学習を大幅に拡充し、自然言語処理、生成系（AutoEncoder、GAN）などの近年重要視されるテーマを取り上げました。 1章　はじめに 2章　データの扱いと可視化 3章　確率の基礎 4章　統計の基礎 5章　回帰分析 6章　パターン認識 7章　時系列データ分析 8章　深層学習の基礎 9章　深層学習による画像処理 10章　深層学習による自然言語処理 11章　生成系深層学習 12章　深層強化学習 索引

※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。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 さまざまな意思決定の数理や現象をPythonで体験して学ぼう！ 　本書は，数理的に扱える意思決定の基礎を，Pythonを用いたシミュレーションや分析によって実際に試しながら学ぶものです． 　アンカリング効果の評価法，ベイズ推定に基づいた信憑性の変化，エージェントや強化学習を適用した意思決定，不完備情報ゲーム，集団の意思決定などを解説しています． 　本書では，意思決定のモデルの立て方，意思の測定分析などの説明に重点を置き，計算やシミュレーションの詳細な説明よりはPythonによる実行に基づいて学ぶ体験学習のかたちをとります．また，すべてのプログラムはJupyter Notebook形式で配布し，読者の手もとで実行ができるようにしています． 第1章　はじめに 第2章　戦略の微分方程式モデル 第3章　基礎的な意思決定の数理的扱い 第4章　ゲーム理論の基礎 第5章　意思決定のための OR の基礎 第6章　組合せ最適化による意思決定 第7章　マルチエージェントベースモデリングによる意思決定 第8章　強化学習による意思決定 第9章　不確定性を含むゲームでの意思決定 第10章　集団の意思決定 第11章　意思決定とメカニズム・デザインの視点 索引

※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。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 Python でさまざまな現象をシミュレーションしよう！ 本書はコンピュータシミュレーションの基礎を、Pythonを用いたプログラミングによって実際に試しながら学習するものです。 うわさの拡散や伝染病の流行、人口予測といった自然科学モデル、リボ払いの計算や在庫管理といった経営・経済モデルといった具体的なものから、情報科学的な確率モデル、ベイズ統計、グラフ理論、GA（遺伝的アルゴリズム）といった各手法に基づいたモデル、エージェントベースモデル、強化学習による意思決定モデルまでを解説しています。 本書では、シミュレーションの各モデルの立て方やアイデアの説明に重点を置き、数値計算の厳密な詳細やモデルの数理よりはPythonによる実行を志向します。また、プログラムのほとんどは Jupyter Notebook形式で配布しているので、ご自身の手もとのPCで実行することができるようになっています。 第1章 はじめに 第2章 数値計算と数学の基礎 第3章 アニメーション 第4章 確率モデル 第5章 自然科学モデル 第6章 経営モデル 第7章 ベイズ統計に基づくモデル 第8章 グラフ理論に基づくモデル 第9章 遺伝的アルゴリズムに基づくモデル 第10章 エージェントベースモデル 第11章 強化学習による意思決定モデル

※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。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 データサイエンスを実応用するための基本を押さえる 　データエンジニアリングは、データサイエンスを現実に意味のある形に使えるようにし、実装・運用できるようにすることを指します。 　データサイエンスを機器や分析に実応用するためには、Pythonスクリプトの高速化の知識や、センサ信号の取得、アクチュエータ制御に必須となる通信、インタフェース駆動といった外部デバイスとのデータアクセスの基本と応用についてのスキルの修得が必要となります。本書は、これらのデータをエンジニアリングするための入門的な知識を解説するものです。 1編　基礎編 1．データエンジニアリングとは 2．コンピュータ工学の基礎 3．Intel CPUの工夫 4．デバイスデータアクセスの基礎 2編　高速化 1．少しの工夫で速くなる 2．NumPyの使用 3．C/C++モジュールを呼ぶ 4．マルチプロセス 5．Pythonのコンパイル 6．GPUの使用 3編　デバイスデータアクセス 1．IoT実現化に必要な機能 2．USBを用いたデータ転送 3．Bluetoothを用いたデータ転送 4．有線LANとWi-Fiを用いたデータ転送 5．センサ信号処理と制御の例

※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。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 プログラミングなしで人工知能をはじめよう！ 　本書は，何か人工知能を活用してみたいが，プログラミングを学ぶのはハードルが高い，どんなことができるのかまずは試してみたい，という方をおもな対象として，Azure Machine Learning Studio (classic)を用いたノンプログラミングでの人工知能手法を紹介するものです． 　Azure Machine Learning Studio (classic)はMicrosoft社の提供するクラウドサービスで，一般的なブラウザ上でドラッグ＆ドロップによるビジュアル操作を用いて，人工知能（機械学習）を実践することができます．機能単位のアイコンとアイコンとを配線することで，さまざまな分析をおこなうことができます． 　基本的な人工知能手法の解説に留まらず，「カップの振動」に対する教師あり学習，「扇風機の異常」を教師あり学習で分類する，水位の推定などの数値予測，「地目別平均地価」に対する教師あり学習，「ICTサービスの利用動向」に対するクラスタリング，「扇風機の異常動作」に対するSVMを用いた異常検知などの具体的な例を取り上げて解説することで，実践的な人工知能の手法をお試しできるようになっています． 1.　AIとは？ 2.　Azure Machine Learning Studio (classic)の利用準備 3.　データ形式の理解と準備 4.　Azure Machine Learning Studio (classic)における処理の全体構造 5.　Azure Machine Learning Studio (classic)へのデータ入出力 6.　Azure Machine Learning Studio (classic)内における前処理 7.　教師あり学習 8.　数値予測 9.　グルーピングと異常検知 10.　学習と推定についての評価 11.　独自処理 12.　Webサービス化とAndroidアプリ作成