★確率的プログラミング言語がすぐに使える！★ ・Pythonでのコーディングを前提に、PyMC3、Pyro、NumPyro、TFP、GPyTorchをカバー。 ・回帰モデルの基本から潜在変数モデル・深層学習モデルまでを幅広く解説。 【主な内容】 第1章　ベイジアンモデリングとは 1.1 データ解析とコンピュータ 1.2 ベイジアンモデリングの基礎 1.3 代表的な確率分布 1.4 近似推論手法 第2章　確率的プログラミング言語（PPL） 2.1 ベイジアンモデリングとPPL 2.2 自動微分・最適化アルゴリズム 2.3 PyMC3の概要 2.4 Pyroの概要 2.5 NumPyroの概要 2.6 TensorFlow Probabilityの概要 2.7 GPyTorchの概要 第3章　回帰モデル 3.1 線形回帰モデル：線形単回帰モデル 3.2 線形回帰モデル：線形重回帰モデル 3.3 一般化線形モデル：ポアソン回帰モデル 3.4 一般化線形モデル：ロジスティック回帰モデル 3.5 階層ベイズモデル 3.6 ガウス過程回帰モデル：ガウス尤度 3.7 ガウス過程回帰モデル：尤度の一般化 第4章　潜在変数モデル 4.1 混合ガウスモデル 4.2 行列分解モデル 4.3 状態空間モデル 4.4 隠れマルコフモデル 4.5 トピックモデル 4.6 ガウス過程潜在変数モデル 第5章　深層学習モデル 5.1 ニューラルネットワーク回帰モデル 5.2 変分自己符号化器 5.3 PixelCNN 5.4 深層ガウス過程 5.5 正規化流

※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。 中級者以上に向けた、特定の技術分野のアルゴリズムの紹介と、そのアルゴリズムを実装したコードを解説する、より技術的・実践的な「機械学習実践シリーズ」の1冊目として、「音源分離」をテーマとしています。近年、AIスピーカをはじめとした、人が話した音声を理解する音声認識システムがさまざまな場面で使われています。一般的に音声認識システムは、1人の人の声を聞き取ることを想定しており、聞きたい人の声以外の音が入ってくると、どうしても聞きたい人の声を正確に聞き取ることが難しくなります。「音源分離」とはこのようにさまざまな音が混ざった中から、欲しい音だけを抽出するという技術です。本書では、音源分離の基礎から、Pythonを用いた実装までを詳しく解説しています。また、音源分離で用いる数学的知識の基礎として、線形代数や行列・ベクトルの微分の方法、確率統計の基礎について示しています。音源分離を理解しコードを書くためには、プログラミングに関する知識はもちろん、線形代数、微分積分、確率・統計といった数学的知識も必要不可欠です。とくに音源分離では複素数の行列・ベクトルを用いるので、複素数の計算方法について重点的に示しています。

※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。 「音声合成」とは、人間の音声を人工的に作り出す、音声情報処理の一分野です。深層学習の発展に従い、画像認識・音声認識などの分野と同様に、音声合成においてもパラダイムシフトが起きています。本書では、従来の統計的音声合成システムの基礎について解説した上で、深層学習技術による近年の音声合成の発展について詳説しています。また、実際に公開されているデータセットを用いて、深層学習を用いた音声合成システムを作るための実装の解説も行っています。本書は、2020年8月24日刊の『Pythonで学ぶ音源分離』、2021年5月20日刊の『Pythonで学ぶ音声認識』に続く、特定の技術分野のアルゴリズムの紹介と、そのアルゴリズムを実装したコードを解説する、より技術的・実践的な「機械学習実践シリーズ」の3冊目です。中級者以上向け。

※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。 「音声認識」とは、音声信号から発話内容を認識することで、AIスピーカなどに利用されている技術です。本書は、現在までの音声認識技術の発展経緯を学びながら、深層学習を用いた最新の音声認識システムを実装できるようになることを目的としています。まず手法の目的やアルゴリズムの概要を解説し、続いて数式レベルでの詳説、最後にソースコード付きで実装という流れで解説しています。特に手法の概要については「そもそもその手法は何を目的として生み出されたのか」という経緯と、「なぜその手法は前述の目的を達成できるのか」について直感的に理解できるよう工夫しています。本書は中級者以上に向けた、特定の技術分野のアルゴリズムの紹介と、それを実装したコードを解説する、より技術的・実践的な「機械学習実践シリーズ」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。 ※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。 AIの基本を、Pythonでやさしく学んで楽しもう！ 本書は、AI（人工知能）技術の基本を、自然言語処理と音声処理をとおしてわかりやすく解説した入門書です。アルゴリズムを平易に解説し、Pythonによるプログラミング例を紹介。さらに、自然言語処理や音声処理への応用例を取り上げ、実践しながらAI技術の基本が理解できるようになります。 第1章　人工無脳から人工知能へ 第2章　文字を処理する　テキスト処理の技術 第3章　自然言語処理の技術 第4章　音声処理の技術 第5章　知識表現 第6章　学習 第7章　深層学習 第8章　対話エージェントの構成 第9章　人工無脳から人工人格へ 付録

※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。 見込み客、土日の需要、商品リコメンド… 営業、マーケティングが劇的に変わる 業務に本当に役立つ“儲かるAI”を自分で作る！ 業務に本当に役立つ“儲かるAI”を作るには、「業務目線」と「技術目線」の両方が必要です。業務の課題を認識し、どう改善するかという「業務目線」が必要なのは従来システムと同じですが、AIの構築ではさらに業務の課題が本当に AIで解決できるのか、AIのどの処理方式なら適用できそうかという「技術目線」が不可欠なのです。 本書のPython実習で学ぶことで、「AIの目利きができる技術目線」を獲得し、自分でもAIを作れるようになります。 ◆数学なしでアルゴリズム選びもチューニングもわかる ◆現場目線でAIの最適化までできる ◆ブラウザだけで試せるPython実習（Google Colab） ◆XGBoost、Prophetなど話題のAI技術を活用 ◆全PythonコードをGoogle Colab用のNotebook形式で用意 ＜機械学習のための　Python入門講座＞つき！ 1章　業務と機械学習プロジェクト 2章　機械学習モデルの処理パターン 3章　機械学習モデルの開発手順 4章　機械学習モデル開発の重要ポイント 5章　業務要件と処理パターン 6章　AIプロジェクトを成功させる上流工程のツボ

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。

※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。 機械学習による異常検知の基本と応用がわかる！ 本書では、機械学習による異常検知のしくみを、誤差関数に着目して解説します。読者が新しい異常検知システムを自ら構築できるようになることを最終目標とし、機械学習アルゴリズムの基本から解説していきます。 機械学習について誤差関数を中心に理解を深めることによって「外れ値とはなにか」「閾値はどのように設定すればよいか」といった異常検知における基本が自然と理解できます。そういった基礎から入りつつ、時系列データを分析する際の手法と注意点（第3章）や、深層学習を用いた応用例（第4章）といった内容まで踏み込み、最終的には自ら異常検知システムを構築できるよう導きます。 機械学習の各アルゴリズムの説明や例題などには、Pythonのコードが付いています。 自分でプログラムを実行しながら学べる入門書です。 ＜本書の特徴＞ ・誤差関数を中心に機械学習の原理を理解することで、異常検知の基本が自然と理解できます。 ・基本だけでなく、時系列データに対する異常検知の考えかた（第3章）や、深層学習による応用（第4章）を学ぶことができます。 ・Pythonのコード付きなので、手を動かしながら学習することができます。 第0章　機械学習と異常検知 第1章　機械学習と統計解析の基本モデル 第2章　非時系列データにおける異常検知 第3章　時系列データにおける異常検知 第4章　深層学習による異常検知

※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。 『C による数値計算とシミュレーション』のPython版登場!! 　本書は、シミュレーションプログラミングの基礎と、それを支える数値計算の技術について解説します。数値計算の技術から、先端的なマルチエージェントシミュレーションの基礎までをPythonのプログラムを示しながら具体的に解説します。 　アルゴリズムの原理を丁寧に説明するとともに、Pythonの便利な機能を応用する方法も随所で示すものです。 まえがき 第1章　Pythonにおける数値計算 1.1　Pythonによる数値計算プログラムの構成 1.1.1　Pythonによる数値計算プログラム 1.1.2　Pythonモジュールの活用 1.2　数値計算と誤差 1.2.1　数値計算における誤差 1.2.2　数値計算における誤差の実際 1.2.3　Pythonモジュールの活用 章末問題 第2章　常微分方程式に基づく物理シミュレーション 2.1　質点の1次元運動シミュレーション 2.1.1　自由落下のシミュレーション 2.1.2　着陸船のシミュレーション 2.2　 ポテンシャルに基づく2次元運動シミュレーション 2.2.1　ポテンシャルに基づく2次元運動 2.2.2　2次元運動シミュレーション 2.3　Pythonモジュールの活用 章末問題 第3章　偏微分方程式に基づく物理シミュレーション 3.1　偏微分方程式の境界値問題 3.1.1　ラプラスの方程式 3.1.2　ラプラスの方程式の境界値問題 3.1.3　境界値問題の数値解法 3.1.4　ガウスの消去法による境界値問題の計算 3.1.5　逐次近似による境界値問題の計算 3.1.6　その他の二階偏微分方程式 3.2　ラプラスの方程式による場のシミュレーション 3.2.1　ラプラスの方程式の反復解法プログラム 3.2.2　より複雑な形状の領域の場合 3.3　Pythonモジュールの活用 章末問題 第4章　セルオートマトンを使ったシミュレーション 4.1　セルオートマトンの原理 4.1.1　セルオートマトンとは 4.1.2　セルオートマトンの計算プログラム 4.2　ライフゲーム 4.2.1　ライフゲームとは 4.2.2　ライフゲームのプログラム 4.3　交通流シミュレーション 4.3.1　1次元セルオートマトンによる交通流のシミュレーション 4.3.2　交通流シミュレーションのプログラム 章末問題 第5章　乱数を使った確率的シミュレーション 5.1　擬似乱数 5.1.1　乱数と擬似乱数 5.1.2　乱数生成アルゴリズム 5.1.3　Pythonの乱数生成モジュール 5.2　乱数と数値計算 5.2.1　数値積分と乱数 5.2.2　乱数と最適化 5.3　乱数を使ったシミュレーション 5.3.1　ランダムウォーク 5.3.2　ランダムウォークシミュレーション 5.4　Pythonモジュールの活用 章末問題 第6章　エージェントベースのシミュレーション 6.1　エージェントとは 6.1.1　エージェントの考え方 6.1.2　Pythonによるエージェントシミュレーションの実現 6.1.3　マルチエージェントへの拡張 6.1.4　相互作用するマルチエージェント 6.2　マルチエージェントによる相互作用のシミュレーション 6.2.1　マルチエージェントによるシミュレーション 6.2.2　マルチエージェントシミュレーションプログラム 章末問題 付録 A.1　4次のルンゲ=クッタ法の公式 A.2　ラプラスの方程式が周囲4点の差分で近似できることの説明 A.3　ナップサック問題の解法プログラムrkp30.py A.4　シンプソンの公式 章末問題略解 参考文献 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プログラミングの基礎が学べる!! 　Pythonの基礎、オブジェクト指向の考え方を学びながら、簡単なゲームプログラミングの作成まで行います。全15章でPythonプログラミングを一通り学ぶことができ、章ごとに段階を踏んで学んでいけるものです。まずはPythonの独習書として、プログラミングを学びたい方むけにおすすめです。 はじめに 第0章 プログラミングとは 第1部　アクションゲームの作成演習 第1章　Python の実行環境 第2章　アニメーションの導入 第3章　イベントによる対話的処理 第4章　プログラムの拡張 第2部　オブジェクト指向プログラミング演習 第5章　クラスとモデリング 第6章　集約とポリモーフィズム 第7章　継承、オーバーライド 第8章　リファクタリング 第3部　パズルゲームの作成演習 第9章　MVC による機能の分離 第10章　モジュール化 第11章　探索アルゴリズム 第4部　ライブラリを利用したゲーム作成演習 第12章　ライブラリの利用 第13章　スコープ、実体と参照 第14章　Sprite とGroup 第15章　風船割りゲーム 付録A　エラー図鑑 関連資料

※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。 “脱Excel”で実務力アップ！ Pythonは、データ分析にぴったりのプログラミング言語です。なぜなら、Pythonには、数値計算やデータ集計、グラフ描画などの様々なライブラリが用意されているからです。 まずは、「Anaconda」というPythonプログラミング環境を構築します。Anacondaに同梱されている様々なPythonライブラリの中から、数値計算ライブラリの「NumPy」、データの加工・集計を効率化するライブラリの「pandas」、グラフ描画ライブラリの「Matplotlib」を使ってみます。 データ分析を行うには、統計学の基礎を知っておく必要があります。統計学の概念を理解し、記述統計や推測統計のプログラムをPythonで実装します。 さらに、データ分析の手法として、機械学習のアルゴリズムを知っておくとよいでしょう。大量のデータを扱うには、SQLの知識も必要です。 基礎知識を身につけたら、実践的なデータ分析プログラミングに挑戦します。企業の財務情報を分析するプログラムや、検索エンジンのプログラムを作ります。 本ムックを活用して、Pythonでのデータ分析プログラミングを習得し、実務力を向上させましょう！ ≪目次≫ 第1章　「Anaconda」開発環境構築ガイド 第2章　Python数値計算ライブラリ「NumPy」入門 第3章　Pythonライブラリ徹底攻略 第4章　11個のキーワードで学ぶ統計学入門 第5章　Pythonで学ぶ統計 記述統計編／推測統計編 第6章　機械学習アルゴリズム事始め 第7章　データサイエンス時代のSQL 第8章　Pythonで理解する財務分析 第9章　「Elasticsearch」と「kibana」で検索エンジン開発とデータ分析

※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。 本書は、『必要な数学だけでわかる ニューラルネットワークの理論と実装』に続く姉妹書です。「必要な数学だけでわかる」という書名どおり、ディープラーニングに必要な数学だけに光を当て、できるだけ短時間でディープラーニングのアルゴリズムを理解することを目的としました。前著であつかった機械学習の基礎部分は飛ばして、ニューラルネットワークの構築から解説。手書き文字の認識や高難度のイヌとネコの認識にも挑戦します。

※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。 この本はニューラルネットワークに必要な数学だけを解説するのではなく、必要な数学の知識をもとに作り上げたアルゴリズムをそのままプログラムに置き換えることを目的としています。いわばニューラルネットワークを含む機械学習全般で使われている数学的な考え方を身に付けることで、プログラム上の「ブラックボックス」をなくし、機械学習のためのアルゴリズムをそのままソースコードに落とし込む力を習得することが最大の目標です。

製造、サプライチェーン、会計、R&D、営業、マーケティング　 ヒトと人工知能との「協働」が始まる GE、マイクロソフト、BMW、グーグル、アマゾン…… 先進企業に学ぶ「これまでと違う仕事」と「これまでと違う仕事のやり方」 AI革命とは「人間の能力を拡張する」ために業務プロセスを根本的に変えることである。 本書はこの新しい時代を理解し、勝ち抜くためのガイドとなる。 【主要目次】 イントロダクション　ＡＩ時代における人間の役割とは パート１　「人間＋マシン」の未来を現在から考える 　第１章　自己認識する工場―製造・サプライチェーン・流通におけるＡＩ 　第２章　会計業務をするロボット―コーポレートファンクションにおけるＡＩ 　第３章　究極のイノベーション・マシン―Ｒ＆Ｄとビジネス・イノベーションにおけるＡＩ 　第４章　フロントオフィスにボットがやってくる―カスタマーサービス、営業、マーケティングにおけるＡＩ パート２　ミッシング・ミドル―ＡＩで業務プロセスを再考する　 　第５章　アルゴリズムを正しく設計する―「責任あるＡＩ」を実現する上で人間が演じる３つの役割 　第６章　普通の人々が素晴らしい結果を生み出す―ＡＩが新しいレベルの生産性を実現する３つの方法 　第７章　業務プロセスを再設計する―リーダーのための５つのステップ　 　第８章　人間とマシンのコラボレーションを発展させる―ＡＩが働く職場のための８つの新しい融合スキル 　結論　人間＋マシン時代を生き残るために 　解説　日本語版監修によせて、日本と日本企業が取り組むべきこと

※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。 ■マット・タディはビッグデータ活用の基礎を成す統計学について完璧かつ配慮の行き届いた本を書き上げた。この素晴らしい教材には実例、技術、洞察がぎっしりと詰まっている。多くの機械学習の教材とは異なり、本書は相関関係が因果関係ではないという問題に取り組み、データから信頼に足る解釈を得るための手法を提供している。 ———プレストン・マカフィー［元マイクロソフト チーフエコノミスト兼バイスプレジデント　ヤフー バイスプレジデント・チーフエコノミスト　グーグル研究責任者　カリフォルニア工科大学教授兼役員］ ■シカゴ大学ブース・スクール・オブ・ビジネスの人気教授を務め、マイクロソフトとアマゾンでデータサイエンスチームを率いた経験から、マット・タディは最先端の企業でデータに基づいた意思決定を行なうことを志すMBAや技術者に向けた見事な本を書き上げた。最新の統計学、機械学習アルゴリズム、社会科学の因果モデルから得られる重要な概念を巧みに織り上げ、精彩を放つタペストリーに仕上げている。本書を読めば流行りの専門語の意味が誰にでもわかるようになっている。この分野の標準的な教材となるだろう。 ———グイド・インベンス［スタンフォード大学経営大学院教授（経済学）　『Causal Inference for Statistics, Social, and Biomedical Sciences』共著者］ ビッグデータを構造的に理解、近未来の手がかり、ビジネスチャンスを洗い出し、次の一手につなげる 巨大IT企業アマゾン・ドット・コムのバイスプレジデントが教える、ビジネスにおける意思決定の最適化・自動化・加速化

※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。 micro:bitは、イギリスの小学生に配布された小型の教育用マイコンボードです。日本でも2017年8月に発売され、現在では全世界40ヵ国で利用されています。micro:bitは、コンピュータを理解するためにシンプルな構造になっています。一方で、最新技術を備えた高度なIT機器でもあります。本書はこのmicro:bitを用いたデジタル技術の入門書です。micro:bitに搭載されたハードウェア（LED、端子、各種センサ、チップなど）を内部まで掘り下げて解説しています。そして、プログラミングでは、ブロック、JavaScript、TypeScript、Pythonを使い、アルゴリズムやゲームプログラミング、センサの制御などを解説しています。さらに応用として、拡張ボードの利用や回路の組み立て、LEDやセンサによる科学実験などにも触れ、STEM教育のサポートとしても役立つ内容です。説明には多くの図やイラストを用いて、機能やしくみをビジュアルでわかりやすく理解できるように工夫されています。

数値計算に最適なソフトウェアFortran 95の基礎から実践までの知識がこの1冊で身に付く！本書はFortran文法とプログラムの書き方を解説した基礎編，さまざまな数値計算法を解説した実践編の2部構成になっています。「第I部 Fortran 基礎編」では，Fortranプログラミングの基本から，汎用性の高い便利な文法や配列計算式など，幅広く解説してあります。「第II部 Fortran 実践編」では，さまざまな数値計算法を題材にした例題を豊富に収録。例題にはそれぞれ解答プログラム例を示し，数値計算アルゴリズムについて詳細に解説してあります。初歩的なものから実用的なものまで，数多くの数値計算アルゴリズムが本書1冊に収録されています。

いま幅広い分野で人工知能やディープラーニングなどに代表される「機械学習」の重要性が高まっています。しかし、機械学習に興味があっても、理論や実装が難しく、一般のユーザーはなかなか手が出せません。本書は、初心者向けに人工知能やAI、評判分析、画像認識など、初歩的な機械学習のアルゴリズムや使い方を実際に体験しながら学ぶ入門書です。著者の人気勉強会の講義内容を書籍化しました。サンプルコードのDLサービス付き。

分散アプリ（dapp）の基本を学び、 実装したい人のための本格入門書 人工知能（AI）や機械学習に並び、現在注目されている技術の一つが ブロックチェーンであり、dapp（分散アプリ）です。 ICOやSTOといったトークンの基盤となる暗号通貨として FinTech分野で期待されるのみならず、 非中央集権的なWebであるWeb3.0時代における 世界的規模のコンピューティングプラットフォームとしても ブロックチェーンは注目されています。 そのため、現代のソフトウェアエンジニアにとって、 ブロックチェーンやブロックチェーン上で動作する dapps開発の知識は、避けて通れないものになってきています。 本書は、プログラマのためのブロックチェーンアプリ開発の入門書として、 ・ブロックチェーンの概念 ・開発環境 ・スマートコントラクト（仮想マシンで自動実行される 　ブロックチェーン上のプログラム） などの基礎を学びつつ、ゲームを中心に 現実的なアプリケーションを実装していきます。 具体的には、ビットコイン（Bitcoin）以降に登場し、 ユーザーが多く、dapps開発基盤のデファクトスタンダードとなっている イーサリアム（Ethereum）で、スマートコントラクト実装用の言語 「Solidity」を用いて、ゲームやアプリの開発を学んでいきます。 決して多すぎないページ数に凝縮された解説を読めば、 あなたもブロックチェーンアプリ開発の概観を掴むことができます。 本書を読むことで、ブロックチェーン上でできること、 できないことについて、現実的な、地に足の付いたセンスが得られるはずです。 また、特にゲーム開発者にとっては、乱数生成アルゴリズム、 データ隠蔽、ゲーム内経済やゲーム理論など、示唆に富む内容で 満ちており、他にはないユニークな一冊になっています。 さらに、実際にアプリを構築する段階で、 特に問題となりやすいのがセキュリティです。 さまざまな事件の原因となった脆弱性を取り上げながら、 気をつけなければならないポイントを複数の章にわたって解説しています。 ※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。

※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。 会員登録数25000人（2019年２月時点）を超える、日本最大級の先端技術のラーニングサービス「Aidemy」 ディープラーニング、自然言語処理、ブロックチェーンなど、いま話題の技術を学べる「Aidemy」から、 ブロックチェーンを理解するための参考書が登場！ ■本書の特長 ・ブロックチェーンの理解に必要とされるコンピュータサイエンスの基礎知識を、体系立てて復習できる ・BitcoinやEthereumの基礎となっている技術を学び、どういう仕組みで動いているかを理解できる ■本書の対象読者 ・これからブロックチェーンを使った開発を行いたいが、コンピュータの基礎（低レイヤー）や、コンピュータの仕組みを改めて復習したい方。 ・Bitcoin（BTC）やEther（ETH）などの暗号通貨に興味があり、その仕組みと技術をしっかり理解したい方。 ■本書の内容 ●CHAPTER１　コンピュータ基礎 データ構造とアルゴリズム、CPUの仕組みなどを扱う。 ●CHAPTER２　暗号とセキュリティ 共通鍵暗号、公開鍵暗号、ハッシュ関数、デジタル署名などを扱う。 ●CHAPTER３　ネットワーク プロトコル、HTTP通信、Websocket、P2P通信などを学ぶ。 ●CHAPTER４　ブロックチェーン応用（Bitcoin編） Bitcoinを題材に、ブロックチェーンの仕組みを学ぶ。 ●CHAPTER５　ブロックチェーン応用（Ethereum編） Ethereumを活用したアプリケーションの開発を学ぶ。スマートコントラクトを用いたアプリの仕組みを理解する。

※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。 ※PDF版をご希望の方は Gihyo Digital Publishing (https://gihyo.jp/dp/ebook/2022/978-4-297-13029-9)も合わせてご覧ください。 ITパスポートは受かった。さて次は基本情報技術者を受けてみようかと思い，参考書を開いたり，問題集を買ってみたりしたが，あまりのわからなさに悶絶… そんな方のために，基本情報技術者試験のために必要になる，2進数や論理回路，アルゴリズムなどの基礎知識を，専門学校の講師としての経験を生かし，身近な例や語り掛け口調，うんちくを駆使して親しみやすくまとめ，かみ砕いた説明でわかりやすくする本です。まずはこの1冊でスタートを切りましょう。

※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。 テクノロジー好きな“ナード”へ贈る「自分たちの仕事の文化的背景」を理解する1冊。 本書では、テクノロジーが生み出される“工学”と呼ばれるプロセスが非常に創造的であること、そしてこのことから工学がもてはやされ競争が激しくなってしまい、聡明な若者がナードと呼ばれるようになっていることを説明します。 エンジニアはモデルと抽象を用い独創的な人工の世界をどのように築いているのか、そして現在では人間がこれまでに公開してきたものすべてをポケットに入れて持ち運べるようになるなどの驚くべき能力をどのようにして提供しているのかについて解説します。 しかしだからといってテクノロジーに限界がないわけではありません。陰と陽のバランスを保つため本書の後半では、一部で暴走ぎみのデジタルテクノロジーとコンピューテーション（計算）＆人工知能に対する熱狂への反論を試みます。 本書のタイトル“プラトンとナード”は2つの考え「知識・テクノロジーが人間とは無関係に存在し発見される」「人間は知識やテクノロジーを発見するのではなく作り出す」を対立させるものです。そして「ナード」とは主観的で斬新な作り手であって既存の真実を採掘する者ではありません。 本書からコンピューターサイエンスと歴史、その哲学・論理、そして数学についてなど多くのことを学ぶことができます、若者が工学の道に進むことを検討したくなる一助となれば幸いです。 MIT Press『Plato and the Nerd:The Creative Partnership of Humans and Technology』の日本語版。 ●著者 エドワード・アシュフォード・リー（Edward Ashford Lee） カリフォルニア大学バークレー校EECS（電気工学およびコンピュータサイエンス）の名誉教授、大学院教授。エール大学卒、MITで修士号、カリフォルニア大学バークレー校でEECSに関する博士号を取得。同大学で30年以上教え続け300以上の学術論文とデジタル通信、組み込み、ソフトウェアモデリングに関する教科書の共著がある。サイバーシステム、ロボティクス・自転車システムなどソフトウェア開発に携わる研究を活発に行っている。この本は一般向けに書かれた彼の最初の著作となる。 ●翻訳 株式会社クイープ 1995年、米国サンフランシスコに設立。コンピューターシステムの開発、ローカライズ、コンサルティングを手がけている。2001年に日本法人を設立。主な訳書に『サイバーセキュリティ レッドチーム実践ガイド』、『PythonとKerasによるディープラーニング』（マイナビ出版）、『Python機械学習ライブラリ　scikit-learn活用レシピ80+』、『AIアルゴリズムマーケティング』（インプレス）、『入門JavaScriptプログラミング』、『テスト駆動Python』（翔泳社）、『プログラミングASP.NET Core』（日経BP社）などがある。

※この電子書籍は固定レイアウト型で配信されております。固定レイアウト型は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。 人気声優・山口勝平氏のボイスデータも収録！ 100を超える3D・2D・音声データ付き！ ゲーム作りを通じてプログラミングを体験する、画期的な実践書！ 小学校におけるプログラミングの必修化が議論されています。 人工知能やロボットがプログラミング技術を土台に急速な発展を続ける昨今、 もうプログラミングを知らずに過ごすわけにはいかないでしょう。 プログラミングを身につける上で、はじめに何をすべきなのでしょうか。プログラミング言語の文法を覚えることでしょうか。それとも、たくさんのアルゴリズムを知ることでしょうか。プログラミングを身につける上で重要なのは、まず体験してみることです。そのために最適な方法はゲームを作ることです。ほとんどのゲームの動きは視覚的なグラフィックスで表現されています。自分の指示どおりにキャラクターが動くかどうか、カンタンに試せるのです。 本書は、ゲーム作りを通してプログラミングを理解するという、単純明快なプログラミング本。難しい理論は放置して、まずは体験してみよう！　それが動作原理を科学的に理解できるようになる一番の近道です。

※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。 IT系資格の登竜門となる，基本情報技術者をめざす方のための参考書です。最新の傾向を分析し，出題頻度の高い分野を中心に，イラストや豊富な図解・例え話を駆使して理解しやすく・記憶に残りやすいように説明し,「〇〇とくれば××」方式で重要ポイントを再確認。さらに関連の本試験問題をすぐ解くことで，知識が定着し応用力もつきます。平成31/01年版では章構成を変更し，未経験の方が苦手意識をもちがちな2進数やアルゴリズムの項などに記述を増やすなど，さらにわかりやすくなりました。無駄なく効率よく短時間で合格レベルに到達することができる，受験者必携の1冊です。

※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。 科学研究において実験計画は必須になりますが、近年ではデータを使って仮説の生成と検証を繰り返す「適応的実験計画」が取り入れられ、その方法の一つである「ベイズ最適化」に注目が集まっています。 　本書ではこのベイズ最適化の理論・アルゴリズムを基礎から応用まで詳細に説明しています。またブラックボックス最適化ソフトウェア「Optuna」を利用したアルゴリズムの実装方法も紹介。本書を読むことで、ベイズ最適化という強大なフレームワークの全貌を理解し、理論と実装を習得することができます。

【プログラミングは暗記じゃない！】 プログラミング言語を学ぶ前に押さえておきたい、コンピュータとソフトウェア、プログラミングの仕組みを楽しく学べる入門書です。 コミカルなマンガとイラスト図解で、「プログラムは難しい」という先入観にとらわれることなく、すんなり理解が進みます。プログラムの勉強中にはついついおろそかになりがちなコンピュータとソフトウェアのモヤモヤを、スッキリ解消してくれる一冊です。 【本書の内容】 ■CHAPTER 1　プログラムとコンピューター コンピューターとプログラムってどんな関係？／プログラムがコンピューターを動かす流れ／CPUの仕組みを見てみよう／メモリは数値を記憶する／コンピューターが画像や音楽を扱う仕組み etc. ■CHAPTER 2　プログラミング言語って何？ プログラミング言語はいろいろある／プログラミング言語の歴史／実行方式で2つに分類できる／コンパイラとインタプリタの発展 etc. ■CHAPTER 3　メモリの管理とデータ型 データには「型」がある／数値はこうやって記憶する／文字はこうやって記憶する／画像はこうやって記憶する／データを記憶するときは「変数」を使う／変数に記憶してみよう／複合的な変数／配列を試してみよう etc. ■CHAPTER 4　プログラミング言語の文法 「演算子」を使って「式」を書く／演算子には優先順位がある／式を書いて計算してみよう／3種類の構文だけでプログラムを書く／分岐構文で「判断」させる／同じ仕事を繰り返させる／繰り返し処理をしてみよう／自分で命令を作る「関数」etc. ■CHAPTER 5　オブジェクト指向プログラミング オブジェクト指向プログラミングとは？／なぜオブジェクト指向が生まれたのか／インスタンスを作ってから使う／標準で付いてくるオブジェクトを利用してみよう／新しいクラスを作る／データを隠蔽する「カプセル化」／既存のものから機能を「継承」する／違うものを同じように操作する「多態性」 etc. ■CHAPTER 6　データ構造とアルゴリズム データ構造ってどんなもの？／リンクリストを自作しよう／アルゴリズムってどんなもの？／バブルソートに挑戦してみよう

【すべてのビジネスパーソン、必読！ やさしい文章と豊富な図解で「ディープラーニング」がよくわかる！】 今、第3次人工知能ブームが到来しています。その一因を担っているのが「ディープラーニング」です。「ディープラーニング」は、これからの時代にとても重要となる技術と考えられていますが、一方でとても複雑なものであり、専門家にしか理解できないと捉えられています。その大きな原因は、「ディープラーニング」のしくみをわかりやすく説明することが困難であることにあります。 第1に、「ディープラーニング」を理解するためには、まず「ディープラーニング」登場以前に行われてきた研究もふまえないといけないという点。「ディープラーニング」を一足飛びに理解するのはなかなか難しく、前提として「ニューラルネットワーク」などのアルゴリズムを理解しないといけません。「ディープラーニング」を理解するための要素としては、必要な知識が多く、調べるだけで大量の時間を費やしてしまいます。 第2に、「ディープラーニング」や「ニューラルネットワーク」などのアルゴリズムを説明する際には数式を使うのが一般的になっており、技術的・数学的バックグラウンドがなければ、理解するためのハードルがとても高い点。数式が出てきた時点で、そっと本を閉じる方は多いのではないでしょうか。 しかし「ディープラーニング」は、これからあらゆる業界・業種が関わっていくことになります。だから専門家ではなくても、「どんなものなのか」「何ができるのか」は誰でも知っておく必要があるのです。 本書では、これらの課題を解決するために「ディープラーニング」を最短で理解するための情報を提供しています。PART1でAIの歴史と変遷をたどりながら「ディープラーニング」についてを説明。PART2でユースケースを解説し、具体的にどのように使われているかを理解していただきます。PART3では未来を予測し、どのようなことが起こっていくのかをまとめました。また、全編を通じて、イラストを多用することで、「ディープラーニング」をできるだけ直感的にわかりやすく理解できるようになっています。 〈本書のおもな内容〉 ■PART1 ディープラーニングとは ■PART2 実用化されるディープラーニング ■PART3 ディープラーニングがもたらす未来

コンピュータに対するコンパクトな知識地図 【本書の内容】 もはやコンピュータなしには生活が立ち行かなくなるレベルにまで到達しつつある現代社会。その圧倒的なパワーを問題解決に援用するためには小手先の知識だけでは追いつきません。かといって行き当たりばったりで、全方位に知識を求めるには、その世界は広大にすぎますし、効率が悪すぎます。 本書はコンピュータサイエンスが扱う「基礎」「効率」「戦略」「データ」「アルゴリズム」「データベース」「コンピュータ」「プログラミング」という8つのジャンルにしぼり、そのエッセンスと背景となる考え方を紹介します。 どのジャンルであれ、トップクラスのエンジニアを目指すにはコンピュータサイエンスが不可欠ですが、「どこから手を付ければいいのかわからない」「砂を噛むような分厚い理論書は敬遠したい」というステップアップしたいエンジニアやその予備軍、あるいは現役だけれどももう少しライトに全体像を俯瞰したい学生にも最適な1冊です。 【本書のポイント】 ・コンピュータサイエンスの全体像を俯瞰できる ・自身が手がける問題領域の解決の方向が定まる ・理論と実践の橋渡しが強固になる ・問題の抽出とその解決策が見出しやすくなる 【対象読者】 ・技術に対する選球眼を磨きたい開発者 ・計算機科学というコトバにアレルギー反応を起こす方 【目次】 第1章：基礎 第2章：効率 第3章：戦略 第4章：データ 第5章：アルゴリズム 第6章：データベース 第7章：コンピュータ 第8章：プログラミング ※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。

量子コンピューティングに関する基礎理論の全体像 【本書の内容】 本書は、量子ビットを使用したコンピューティングの数学的構造をわかりやすく紹介しています。 解説を単純化すると、量子状態に実際の係数のみを使用することで、位相の複雑さを軽減し、 初学者にもイメージしやすくしています。 一読すれば、すぐにでも量子コンピュータのエキスパートに近づけるという書籍ではありませんが、 量子コンピュータを形作る数学・物理学、アルゴリズム、論理回路など、多方面のアイデアと、 その源泉に触れることができます。 そのため、読者が直感的に理解している分野に関しては、その厳密なバックボーンを提供し、 理解の促進（あるいは取っ掛かり）が得られるはずです。 本書は、「なんとなく」や「話のタネ的に」ではなく、 量子コンピュータをベースに世界を構築したい人たちのための、最初の一冊です。 本書は "Quantum Computing for Everyone" Chris Bernhardt The MIT Press Cambridge の翻訳です。 【本書のポイント】 ・スピンやキュービット、スイッチなどの厳密な解説 ・もつれ状態の構築実際の係数を使用して説明 ・論理回路とユニバーサルゲートの構築法 ・NP問題に適応する量子アルゴリズムの構築 【読者が得られること】 ・量子コンピュータに必要な数学的背景 ・80年代から続くアイデアの整理と展望 ・高次コンピュータサイエンスの理解 【対象読者】 ・理工学部学生 ・量子コンピュータをターゲットとするエンジニア ・量子コンピュータ科学者 ※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。

※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。 サポートベクトルマシンの理論と実践の基礎・基本が，この1冊で学べる！ サポートベクトルマシンは、データの分類、回帰、はずれ値検知など、機械学習のさまざまな場面で強力かつ柔軟性の高いモデルとして知られています。そのアルゴリズムは直観的であり数学的な曖昧さがないことから、昨今注目されている「機械学習の解釈可能性」というモデルの評価基準に照らしても有力な手法といえます。そのため、自然科学や経済学等の研究成果や経験則的な業務知識をモデルに生かすことも容易です。 本書は、サポートベクトルマシンの理論的枠組みを高校レベルの数学からやさしく展開するとともに、Pythonによるわかりやすい実装例を紹介します。また、応用上重要な非線形サポートベクトルマシンで用いられるカーネル法も、図解や具体例を通してわかりやすく解説します。 第1章　はじめに 1.1　人工知能と機械学習 　1.1.1　人工知能による推論 　1.1.2　人工知能による学習 　1.1.3　機械学習 1.2　機械学習モデル 　1.2.1　モデル 　1.2.2　機械学習モデル 1.3　機械学習分類モデルの作りかた 1.4　サポートベクトルマシンの概要 1.5　サポートベクトルマシンの特徴 1.6　本書の読みかた 第2章　数学の基礎 2.1　ベクトル 　2.1.1　ベクトルとは何か 　2.1.2　位置ベクトル 　2.1.3　三角比と余弦定理 　2.1.4　ベクトルの内積 　2.1.5　点と直線の距離 　2.1.6　Pythonでベクトル 2.2　行列 　2.2.1　行列とは何か 　2.2.2　行列の演算 　2.2.3　転置行列 　2.2.4　半正定値行列 　2.2.5　Pythonで行列 2.3　関数 　2.3.1　関数とは何か 　2.3.2　指数関数 　2.3.3　対数関数 　2.3.4　Pythonで指数関数・対数関数 2.4　微分 　2.4.1　平均変化率 　2.4.2　微分 　2.4.3　合成関数の微分 　2.4.4　指数関数・対数関数の微分 　2.4.5　偏微分 　2.4.6　級数展開 第3章　線形サポートベクトルマシン（線形SVM） 3.1　線形SVM 　3.1.1　線形ハードマージンSVM 　3.1.2　線形ソフトマージンSVM 3.2　線形SVMの最適化 　3.2.1　ラグランジュの未定乗数法 　3.2.2　KKT条件 　3.2.3　線形SVM最適化の方法 3.3　線形SVMによる分類問題の解法 　3.3.1　ペンギン分類モデル 　3.3.2　Pythonでペンギンの分類 　3.3.3　2値分類モデルの評価 　3.3.4　ペンギン分類モデルの評価 第4章　非線形サポートベクトルマシン（非線形SVM） 4.1　非線形SVM 　4.1.1　カーネル法 　4.1.2　カーネル関数の具体例 　4.1.3　カーネル化SVMの定式化 4.2　非線形SVMの最適化 　4.2.1　逐次最小最適化アルゴリズム（SMO） 　4.2.2　非線形SVM最適化の方法 4.3　非線形SVMによる分類問題の解法 　4.3.1　カーネル化SVMによる非線形分類モデル 　4.3.2　カーネル化SVMによる分類問題の解法 　4.3.3　Pythonでアヤメ分類 付録　Pythonの基礎 A.1　開発環境Colab A.2　Python文法の要点 　A.2.1　データ型 　A.2.2　演算子 　A.2.3　条件分岐 　A.2.4　繰返し 　A.2.5　組込み関数 　A.2.6　関数定義 　A.2.7　クラス 　A.2.8　変数のスコープ A.3　Pythonライブラリ群 　A.3.1　NumPy 　A.3.2　pandas 　A.3.3　SymPy 　A.3.4　matplotlib 　A.3.5　scikit-learn 本書を読み終えた後に

読みやすく保守しやすい「良いコード」の書き方を解説した入門書です。『WEB+DB PRESS』で断トツ人気だった連載を加筆・修正して書籍化しました。 本書を読むと，良いコードを書くための習慣から名前の付け方，コードの分割や集約を行う方法，抽象化の作法，計算量とアルゴリズム，ユニットテストやメタプログラミングまで，プログラマとして長く役立つ基本が身につきます。

※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。 問題集だから、よくわかる！ 1．問題解決と反復演習で楽しく学べる 2．基本文法と基礎的なアルゴリズムが、よく解る 3．4つの言語で、比較しながら理解できる C、 C++、 Java、 Python言語それぞれで、基本文法と基礎的なアルゴリズムを学べる。単純な問題ではなく、思考を要する実践的な問題でプログラミングスキルを養う。構文などを学んだが、プログラムが書けずに悩んでいる読者に最適の書。

機械学習は、高度の数学的素養を持った人だけが扱う難しい分析手法と捉えている人は多いのではないでしょうか。実は、Weka（ウェカ）というオープンソースのソフトウェアを使うことにより、GUIだけで機械学習ができてしまいます。高度のプログラミングは不要です。 本書はこの手法を事細かく解説し、機械学習のハードルを可能な限り下げた一冊となっています。 ただし、実際にパソコンで手を動かす前に、本当に基本となる機械学習のアルゴリズムもしっかり解説しております。 高度の数式やRの構文ですっかり迷路に入ってしまった方、やる気を削がれた方必読の一冊です。

※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。 ※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。 従来のコンピュータシステムの視点から量子コンピュータシステムをとらえた他に例をみない解説書．実用化に向けて急速に進化する量子コンピュータシステムの全容と課題がわかる． 　本書は，従来のコンピュータシステムの視点から量子コンピュータシステムをとらえた，他に例をみない解説書です．本書の著者の1人のFrederic T. Chong氏は，コンピュータアーキテクチャの世界的な研究者でありながら，いち早く量子コンピュータシステムの研究に取り組み，多くの先駆的な成果を上げており，その知見を活かして，現在のノイズのある量子コンピュータシステムの全容と課題を本書にコンパクトにまとめています． 　また，多種多様な観点より参考文献が豊富にあげられており，本書で量子コンピュータの現在の全体像を押さえ，必要に応じて参考文献を頼りに深掘りしていくことで，これからの量子コンピュータの研究開発者に求められる素養が身につけることができます． 　黎明期とはいえ，量子コンピュータは実用化に向けて急速に進化しており，これから量子コンピュータにかかわる研究者，技術者，学生にとってエキサイティングな時代が到来することは間違いありません．従来のコンピュータがたどった経緯を振り返れば，量子コンピュータの黎明期にあたるいまこそ，その基礎固めに最適な時期といえます．ぜひ本書を一読してみてください． 第I部　量子コンピュータの基礎 第1章　量子計算の起源と現在 第2章　量子計算と古典計算 第3章　量子アルゴリズムとアプリケーション 第II部　量子コンピュータシステム 第4章　量子コンピュータシステムの最適化 第5章　量子プログラミング言語 第6章　量子回路の合成とコンパイル 第7章　マイクロアーキテクチャとパルスコンパイル 第8章　ノイズ緩和と誤り訂正 第9章　量子計算の古典シミュレーション 第10章　量子コンピュータシステムのこれから

※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。 別売の『例題学習と問題演習 Javaの手ほどき 学習編』に完全準拠した傍用問題集。 プログラミングの学習では、プログラム言語の文法や用例、アルゴリズムの理解などをしっかり身につけることは必要ですが、それらは手段であって目的ではありません。プログラミング学習の最終目的は、実際にプログラムを作れるようになることです。この目的のためには、十分な量の問題演習が欠かせません。言い換えれば、プログラミング学習の中心は問題演習なのです。 また、プログラミング学習では、問題を理解し、既習の知識をもとにプログラムの構想を立て、多くのエラーを修正して、最後に当初想定した結果がコンピュータから出力されたとき、他の学習では得られない達成感、満足感を得ることができます。この達成感が次の学習段階へ進むための強力な原動力になるのもプログラミング学習の特徴です。 以上のような考え方から、別売の『例題学習と問題演習 Javaの手ほどき 学習編」では、紙面の許すかぎり節末に問題を掲載しましたが、テキストという性格上、必ずしも量的に十分とはいえません。本書は、これを補うものです。 本書の各節の問題構成は、次のとおりです。 1.復習問題(93題)テキストの各項ごとの学習事項の確認用で、穴埋め形式の問題です。 2.練習問題(78題)その節までの既習の学習事項の確認用で、穴埋めや選択式の問題です。 3.実習問題(96題)既習の知識で作成可能なプログラムの実習用問題です。

※PDF版をご希望の方は Gihyo Digital Publishing (https://gihyo.jp/dp/ebook/2022/978-4-297-13165-4)も合わせてご覧ください。 【新制度試験に対応！】 ご好評いただいている基本情報技術者試験の定番テキストの改訂版です。最新のシラバスVer.8.0（2022年8月4日発表）を圧倒的に網羅した内容で，試験範囲を体系的にしっかりと理解し合格を目指します。05年版では「アルゴリズムと擬似言語」の節を追加。新制度の試験に対応しています。図解を豊富に使ったわかりやすい解説で学習を進め，随所に掲載された過去問からの例題や出題分析，そして章末問題でしっかりと知識を定着させて理解を深めることができます。体系立てた学習ができるため，独習にはもちろん，授業で使用するテキストとしても最適です。これから上位試験受験を目指す方の知識の土台づくりにもばっちりです。 読者特典として，スマホやPCから利用できる「問題演習Webアプリ」を提供。20回分の過去問題を収録し，いつでもどこでも問題演習が行えます。間違えた問題のみを出題したり分野を選択して出題したりできるため，苦手分野を集中的に演習できます。自己採点機能により得意/不得意分野がひと目でわかり，苦手克服や直前対策に役立ちます。

※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。 【試験対策に最適。過去問題演習ができるスマホ＆Webアプリ付き】 最新のシラバスVer.8.1を圧倒的に網羅した内容で、試験範囲を体系的にしっかりと理解し合格を目指します。図解を豊富に使ったわかりやすい解説で学習を進め，随所に掲載された過去問からの例題や出題分析、そして章末問題でしっかりと知識を定着させて理解を深めることができます。体系立てた学習ができるため、独習にはもちろん、授業で使用するテキストとしても最適です。これから上位試験受験を目指す方の知識の土台づくりにもばっちりです。今年度版では、付録として科目B対策となる擬似言語の攻略もまとめてあります。 また、読者特典として、スマホやPCから利用できる「問題演習Webアプリ」を提供。平成22年春期～令和元年秋期までの20回分の午前過去問題（科目A問題に該当）および、科目A・科目Bの公開サンプル問題を収録し、いつでもどこでも問題演習が行えます。間違えた問題のみを出題したり分野を選択して出題したりできるため、苦手分野を集中的に演習できます。自己採点機能により得意/不得意分野がひと目でわかり、苦手克服や直前対策に役立ちます。 ■こんな方におすすめ ・出題範囲を体系的にきちんと理解しながら学習したい受験者 ■目次 「基本情報技術者」試験 受験ガイダンス CBT試験の攻略法 第１章 基礎理論 　　基礎理論 　　アルゴリズムとプログラミング 　　【章末まとめ問題】 第２章 コンピュータシステム 　　コンピュータ構成要素 　　システム構成要素 　　ソフトウェア 　　ハードウェア 　　【章末まとめ問題】 第３章 技術要素 　　ヒューマンインタフェース 　　マルチメディア 　　データベース 　　【章末まとめ問題】その① 　　ネットワーク 　　【章末まとめ問題】その② 　　セキュリティ 　　【章末まとめ問題】その③ 第４章 開発技術 　　システム開発技術 　　ソフトウェア開発管理技術 　　【章末まとめ問題】 第５章 プロジェクトマネジメント 　　プロジェクトマネジメント 　　【章末まとめ問題】 第６章 サービスマネジメント 　　サービスマネジメント 　　システム監査 　　【章末まとめ問題】 第７章 システム戦略 　　システム戦略 　　システム企画 　　【章末まとめ問題】 第８章 経営戦略 　　経営戦略マネジメント／技術戦略マネジメント 　　技術戦略マネジメント 　　ビジネスインダストリ 　　【章末まとめ問題】 第９章 企業と法務 　　企業活動 　　法務 　　【章末まとめ問題】 巻末付録 擬似言語の攻略 ■著者プロフィール ●角谷一成（かどたにかずなり）：イーアイエスプランニング代表。システムエンジニア、コンピュータ専門学校講師等を経て、教育支援＆ソフトウェア開発会社を設立。情報処理技術者試験対策をはじめ、ネットワーク関連、プログラミングなど、主に企業向け研修を担当。著書：「基本情報技術者　試験によくでる問題集【午後】」 ●イエローテールコンピュータ：情報処理技術者試験対策用の参考書や問題集をはじめ、IT 関連書籍などの企画・執筆を幅広く手がける。著書：「基本情報技術者の新よくわかる教科書」、「基本情報技術者【科目B】ゼロからわかるアルゴリズムと擬似言語」、「基本情報技術者 試験によくでる問題集【午後】」

※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。 ★本書の特長★ ◎わかりやすい言葉と豊富なイラストで、IT知識を基礎の基礎から丁寧に解説！ ◎確認問題で、身に付けた知識を確認。ITパスポート試験の対策としても利用できます！ ◎重要知識や、間違いやすいポイントをキャラクター「I君とTちゃん」がフォロー。学習をやさしくナビゲートします！ ★こんな人におすすめ！★ ◆ITに興味をもって、基礎からしっかり学習したい方 ◆ITに関する資格取得を目指しているけれど、何から学習を始めてよいかわからない方 ◆身近なスマートフォンやPCを支える「情報」の仕組みについて、理解したい方 ★本書の使いどころ★ ◆本書１冊で、IT パスポート試験と高校の情報Ⅰ・Ⅱの共通知識を学ぶことができます。 ◆デジタルリテラシーとしての必須知識を掲載。DX の学習の第一歩に。 ★目次★ 第1部 企業と法務 　1.1 企業活動 　1.2 法務 第2部 経営戦略 　2.1 経営戦略マネジメント 　2.2 技術戦略マネジメント 　2.3 ビジネスインダストリ 第3部 システム戦略 　3.1 システム戦略 　3.2 システム企画 第4部 開発技術 　4.1 システム開発技術 　4.2 ソフトウェア開発管理技術 第5部 プロジェクトマネジメント 　5.1 プロジェクトマネジメント 第6部 サービスマネジメント 　6.1 サービスマネジメント 　6.2 システム監査 第7部 基礎理論 　7.1 ITの基礎理論 　7.2 アルゴリズムとプログラミング 第8部 コンピュータシステム 　8.1 コンピュータ構成要素 　8.2 システム構成要素 　8.3 ソフトウェア 　8.4 ハードウェア 第9部 技術要素 　9.1 情報デザイン 　9.2 情報メディア 　9.3 データベース 　9.4 ネットワーク 　9.5 情報セキュリティ

※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。 パターン認識の決定版教科書、待望の改訂2版！ 本書は1998年刊行の『わかりやすいパターン認識』の改訂版です。パターン認識を初めて学ぶ読者をおもな対象として、扱うテーマを基本的な項目にしぼり、それらを重点的かつ詳細に解説しました。 　改訂にあたっては、具体例・実験例をもっと増やしてほしいという初版に与えられた要望に答え、補足・実験例、演習問題を加えました。演習問題の詳細な解答はオーム社のホームページに掲載されています。初版発行から20年の間に開発・提案された新しい手法の解説ではなく、基本的な内容を充実させ、より使いやすい書籍となるように改訂いたしました。 第1章　パターン認識とは 第2章　学習と識別関数 第3章　誤差評価に基づく学習 第4章　識別部の設計 第5章　特徴の評価とベイズ誤り確率 第6章　特徴空間の変換 第7章　部分空間法 第8章　学習アルゴリズムの一般化 第9章　学習アルゴリズムとベイズ決定則

【今のTCP/IP、ネットワーク技術をどのように学ぶか。】 社会インフラとなったインターネットを動かす技術群。「TCP/IP」にスポットを当て、長く役立つ基本を主軸に、先端の開発/ 研究動向の観点を盛り込んだ入門書。 本書では「プロトコルスタックの基礎」を理論× 実践のアプローチで丁寧に解説し、とくに、 ・Wi-Fiやセルラーネットワークをはじめ無線通信による通信量の爆発的増加 ・TCP/UDP/QUICのトランスポート層におけるスピードと信頼性のトレードオフ ・HTTP/3やWebTransport, IoTなど進化する上位レイヤー関連プロトコル といった「インターネットの今」を支える技術ポイントを押さえた点が特徴です。既存仕様に生じる限界の顕在化とそれらを解決する新たなテクノロジーの開発とが絶え間なく続いていく、そんなネットワークの世界が見えてくる1冊です。 ※本書の4章/5章は、『TCP技術入門』（安永 遼真／中山 悠／丸田 一輝著、技術評論社、2019）の一部を元に大幅な加筆修正を行い収録しています。 ■こんな方におすすめ ・今＆これからのTCP/IPプロトコルスタックに関心のあるエンジニアの方々 ・無線＆通信量の増大を背景とするいまどきの通信技術を知りたい学生の方々 ・モダンなネットワークの基本をおさらいしておきたいエンジニアの方々 ・「目に見えない」ネットワークについて知りたい方々 ■目次 第0章 コンピューターネットワーク&通信の基本 　　0.1 コンピューターネットワーク&通信の今 　　0.2 ［シンプル図解］基本のしくみ 　　0.3 ［研究開発のための］ネットワークの理論と現実 　　0.4 本章のまとめ 第1章 コンピューターネットワークとプロトコルスタック 　　1.1 基本用語の整理 　　1.2 ［さまざまなプロトコルスタック］OSI参照モデル 　　1.3 ［さまざまなプロトコルスタック］TCP/IPモデル 　　1.4 プロトコルスタックとパケット転送の流れ 　　1.5 ［研究開発に活きる］ネットワーク評価の観点 　　1.6 ［研究開発に活きる］ネットワーク評価の方法 　　1.7 本章のまとめ 第2章 プロトコルの変遷×ネットワークの基本ツール 　　2.1 インターネットアプリケーションの進化 　　2.2 通信環境の変化と主要プロトコルの進化 　　2.3 ネットワークの基本ツール 第3章 ネットワークインターフェース層＆MAC層 　　3.1 メディア/mediumとは何か 　　3.2 Ethernet 　　3.3 無線LAN 　　3.4 IEEE 802.11物理層 　　3.5 IEEE 802.11 MAC層 　　3.6 本章のまとめ 　　4.1 MACプロトコルまでを考慮したネットワーク性能の評価 　　4.2 MATLABを用いたMAC層ネットワークシミュレーション 　　4.3 システム性能評価 　　4.4 本章のまとめ 第5章 トランスポート層 　　5.1 トランスポート層の役割と主要プロトコル 　　5.2 UDPのしくみ 　　5.3 TCPのしくみ 　　5.4 TCPの課題とQUICの登場 　　5.5 本章のまとめ 第6章 ［比較&評価で見えてくる］TCP/IP 　　6.1 TCPのしくみと輻輳制御 　　6.2 輻輳制御アルゴリズムの観察 　　6.3 ネットワーク高速化とアルゴリズムの進化 　　6.4 バッファ遅延増大への対応 　　6.4 本章のまとめ 第7章 近年の上位層プロトコル 　　7.1 上位層のプロトコルスタックと主要プロトコルの再確認 　　7.2 ［QUICのしくみ］パケットとストリーム 　　7.3 ［QUICのしくみ］ハンドシェイクと輻輳制御 　　7.4 WebTransport/MQTT/CoAP 　　7.5 本章のまとめ 第8章 ［比較&評価で見えてくる］HTTP/3 　　8.1 Go言語によるQUICの実装 　　8.2 QUICパケットの可視化 　　8.3 WebTransportによる通信 　　8.4 本章のまとめ 第9章 ［大規模/高速化］通信環境とプロトコルの技術動向 　　9.1 ［再入門］これからの考察に役立つ3つの観点 　　9.2 通信環境の変化 　　9.3 これから研究開発に関わる人に向けて 　　9.4 本書のまとめ ■著者プロフィール 中山 悠：2006年東京大学農学部卒業、2008年東京大学大学院新領域創成科学研究科自然環境学専攻修了、同年日本電信電㈱入社。2018年東京大学大学院情報理工学系研究科電子情報学専攻博士課程修了。博士（情報理工学）。2019年より東京農工大学大学院工学府・准教授。特定非営利活動法人neko 9 Laboratories 理事長。2022年より㈱Flyby代表取締役、2024年より㈱UMINECO代表取締役も兼務し、大学発技術の社会実装に取り組む。 丸田 一輝：2006年九州大学工学部卒業、2008年九州大学大学院システム情報科学府知能システム学専攻修了、同年日本電信電話㈱入社。2016年九州大学大学院システム情報科学府情報知能工学専攻博士後期課程修了。博士（工学）。千葉大学・助教、東京工業大学・特任准教授を経て、2022年4月より東京理科大学工学部電気工学科・准教授。無線ネットワークにおける干渉低減技術の研究に従事。2017年度電子情報通信学会論文賞、RCS研究会最優秀貢献賞等。

※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。 【定番にして最強の教科書＆問題集です。迷ったらとりあえずこれ！】 シリーズ累計140万部突破！各書店で売上第1位！ やさしいオールインワンタイプの【参考書＆問題集】です。最新の傾向を分析し、出題頻度の高い分野を中心に、イラストや豊富な図解・例え話を駆使して理解しやすく・記憶に残りやすいように説明し、「〇〇とくれば××」方式で重要ポイントを再確認。さらに関連の本試験問題をすぐ解くことで、知識が定着し応用力もつきます。 令和06年版は、最新シラバス8.1に完全対応。科目B対策についても増ページしています。読者特典としてスマホで読める「厳選英略語100暗記カード」や、カバーの裏の「重要用語虎の巻」も利用できます。 ※電子版には、赤シートは付属しません。予めご了承ください。 ■目次 試験の概要 新旧の試験制度の比較 受験申込み 新試験の傾向と対策 試験対策 第1章 コンピュータ構成要素［科目A］ 　　1-01 情報の表現 　　1-02 コンピュータの構成 　　1-03 CPU 　　1-04 CPUの動作原理 　　1-05 CPUの高速化技術 　　1-06 半導体メモリ 　　1-07 補助記憶装置 　　1-08 入出力装置 　　1-09 入出力インタフェース 第2章 ソフトウェアとマルチメディア［科目A］ 　　2-01 ソフトウェア 　　2-02 ジョブ管理とタスク管理 　　2-03 記憶管理 　　2-04 ファイル管理 　　2-05 マルチメディア 第3章 基礎理論［科目A］ 　　3-01 基数変換 　　3-02 補数と固定小数点 　　3-03 浮動小数点 　　3-04 誤差 　　3-05 シフト演算 　　3-06 論理演算 　　3-07 半加算器と全加算器 　　3-08 計測と制御 　　……ほか 第4章 アルゴリズムとプログラミング［科目A・B］ 　　4-01 アルゴリズム 　　4-02 配列 　　4-03 連結リスト 　　4-04 キューとスタック 　　4-05 木構造 　　4-06 データの整列 　　4-07 データの探索 　　4-08 アルゴリズムの計算量 　　……ほか 第5章 システム構成要素［科目A］ 　　5-01 システム構成 　　5-02 クライアントサーバシステム 　　5-03 RAIDと信頼性設計 　　5-04 システムの性能評価 　　5-05 システムの信頼性評価 第6章 データベース技術［科目A］ 　　6-01 データベース 　　6-02 データベース設計 　　6-03 データの正規化 　　6-04 トランザクション処理 　　6-05 データベースの障害回復 　　6-06 データ操作とSQL 　　6-07 SQL（並べ替え・グループ化） 　　6-08 SQL（副問合せ） 　　……ほか 第7章 ネットワーク技術［科目A］ 　　7-01 ネットワーク方式 　　7-02 通信プロトコル 　　7-03 ネットワーク接続機器 　　7-04 IPアドレス 　　7-05 IPアドレスのクラス 　　7-06 インターネットの応用 第8章 情報セキュリティ［科目A・B］ 　　8-01 情報セキュリティ管理 　　8-02 脅威とマルウェア 　　8-03 サイバー攻撃 　　8-04 暗号技術 　　8-05 認証技術 　　8-06 利用者認証とネットワークセキュリティ 第9章 システム開発技術［科目A］ 　　9-01情報システム戦略と企画・要件定義プロセス 　　9-02 ソフトウェア開発 　　9-03 オブジェクト指向 　　9-04 業務モデリング 　　9-05 ヒューマンインタフェース 　　9-06 モジュール分割 　　9-07 テスト手法 第10章 マネジメント系［科目A］ 　　10-01 プロジェクトマネジメント 　　10-02 スコープ・コストマネジメント 　　10-03 タイムマネジメント 　　10-04 ITサービスマネジメント 　　10-05 システム監査 第11章 ストラテジ系［科目A］ 　　11-01 ソリューションビジネスとシステム活用促進 　　11-02 経営組織と経営・マーケティング戦略 　　11-03 業績評価と経営管理システム 　　11-04 技術開発戦略 　　11-05 ビジネスインダストリ 　　11-06 品質管理 　　11-07 会計・財務 　　11-08 知的財産権とセキュリティ関連法規 　　……ほか 第12章 科目B対策 ■著者プロフィール 栢木厚(かやのき あつし)：IT企業のSEなどを経て、現在はフリーで小・中・高等学校の授業におけるプログラミング支援、さらには、講師経験を活かし、執筆活動にあたる。

身近な課題を解決しながら機械学習を基礎からしっかり理解できる！ ■商品紹介 本書はPythonを利用して、実際の課題を機械学習で解決する手法を解説する書籍です。手を動かしながら、データ分析やアルゴリズムについて学ぶことができます。本書では「1.課題分析」「2.データ分析」「3.予測」の3ステップで課題解決を行っていきます。 ■本書の特徴 1.現実的な場面を想定した解説 本書では、現実的な場面を想定して「課題」を設定し、それを機械学習で解決する方法を解説します。課題からアルゴリズムを選定し、プロジェクトをどのように動かしていくのかを学べます。 2.機械学習に最適なアルゴリズムを学べる 本書は、機械学習に用いるアルゴリズムを実例を通じて学べます。身近なビジネス課題を解決するために、どういったアルゴリズムを用いれば良いか、体系的に理解できます。 ■こんな方のための本です ・Pythonの学習をある程度終えて、これから機械学習に対する勉強をしてみたい、一歩を踏み出してみたい方 ・業務や個人のプロジェクトで機械学習を使ってみたい方 ・教科書的な勉強だけでなく、実際に手を動かしながら学びたい方 ■目次 Chapter1　機械学習をはじめる前に Chapter2　まずは基本を押さえよう 2-1　Chapter2について 2-2　回帰アルゴリズム：不動産価格を予測しよう 2-3　分類アルゴリズム：社員の退職を予測しよう Chapter3　さまざまなアルゴリズムを体験しよう 3-1　Chapter3について 3-2　時系列予測アルゴリズム：商品の売上を予測しよう 3-3　レコメンドアルゴリズム：個人の趣向に沿った商品をオススメしてみよう 3-4　異常検知アルゴリズム：ポンプの故障を検知しよう Chapter4　さまざまなデータを取り扱ってみよう 4-1　Chapter4について 4-2　テキストデータ：商品の口コミを分析してみよう 4-3　画像データ：画像を識別してみよう Chapter5　一つひとつのプロセスを深堀りしてみよう 5.1　Chapter5について 5.2　データ観察 5.3　特徴量生成・学習 5.4　機械学習アルゴリズムと評価指標の選定 5.5　機械学習モデルの学習と選択 Chapter6　モデルを運用してみよう 6-1　機械学習モデルを運用してみよう 6-2　バッチ予測をしよう 6-3　リアルタイム予測をしよう ※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。

※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。 「社会と情報」「情報の科学」の指導法に対応！教職課程・情報教育指導のための座右の書！ 高校の情報科の教員免許取得には欠かせない、大学教職課程の講義「情報科教育法」の教科書です。前版（改訂2版）は平成20（2008）年度に告示され、平成25（2013）年度から実施されている学習指導要領の内容をふまえて実施に先がけて発行したものでしたが、発行後に一部教科名が変更される（『普通教科「情報」→共通教科「情報」』）、文科省が推奨する教科「情報」の学習の目的区分が変更されるなど、現在の高校の教科「情報」の教育実態に合わせた記述となるよう全体的に見直して、改訂3版として発行するものです。 序章　情報科教育法とは 　1.　　教育はなぜ必要か 　2.　　情報教育はなぜ必要か 　3.　　情報科教育法とその必要性 第1部　情報科とは 　1章　 情報科の成立 　　1･1　情報科設立経緯の概観 　　1･2　情報科の目標 　　1･3　情報科の学習内容 　　1･4　他の教科などとの関連 　　1･5　その他の特記事項 　2章　 現行学習指導要領における情報教育 　　2･1　小学校における情報教育 　　2･2　中学校における情報教育 　　2･3　高学における情報教育 　　2･4　現行学習指導要領とPISA 第2部　情報活用の実践力の指導法 　第2部の概説 　3章 　情報活用の実践力の指導法 　　3･1　「情報活用の実践力」 　　3･2　「情報活用の実践力」の指導項目 　　3･3　小中学校における「情報活用の実践力」育成 　　3･4　高等学校における「情報活用の実践力」育成 　　3･5　情報フルーエンシーへの昇華 第3部　情報の科学的な理解の指導法 　第3部の概説 　4章 　情報の科学的な理解の指導法 　　4･1　情報の科学的な理解の指導法 　　4･2　コンピュータを使わない指導法 　　4･3　コンピュータを使う指導法 　5章　 問題解決とモデル化・シミュレーションの指導法 　　5･1　問題を選定する 　　5･2　モデル化とシミュレーションを授業で取り上げる 　　5･3　まとめ 　6章　 アルゴリズムとプログラミングの指導法 　　6･1　アルゴリズムとプログラミング学習の必要性 　　6･2　アルゴリズムとプログラミング指導のポイント 　　6･3　プログラミングの指導法 　7章　 情報検索とデータベースの指導法 　　7･1　情報の整理と検索の必要性 　　7･2　情報検索と検索エンジン 　　7･3　データの重要性 　　7･4　データベースとDBMS 　　7･5　関係モデルと関係データベース 　　7･6　データウェアハウスとデータマイニング 第4部　情報社会に参画する態度の指導 　第4部の概説 　8章　 情報モラル・情報倫理の指導法 　　8･1　情報モラル・情報倫理とは 　　8･2　指導方法 　9章　 メディアリテラシーの指導法 　　9･1　メディアリテラシーの概念 　　9･2　構成されるメディア 　　9･3　メディアの変化 　　9･4　メディアリテラシーの教育 　　9･5　授業の進め方 　　9･6　まとめ 10章　情報通信ネットワークとコミュニケーションの指導法 　 10･1　コミュニケーションとその構造 　 10･2　コミュニティと情報社会 　 10･3　情報通信ネットワークの仕組み 　 10･4　情報通信ネットワークとセキュリティ 11章　情報システムと社会の指導法 　 11･1　社会における情報システムの役割 　 11･2　生活の中の情報システム 　 11･3　情報システムの具体例 　 11･4　情報システムの社会的な重要性 　 11･5　授業への展開 第5部　情報科の教員として 12章　「総合的な学習の時間」との協調 　 12･1　指導要領における「総合学習」の位置づけ 　 12･2　どのような授業形態が考えられるか 　 12･3　「総合学習」に臨む教員の姿勢 13章　コラボレーションとプレゼンテーション，および授業システム改善の動き 　 13･1　コラボレーションプログラムの必要性 　 13･2　プレゼンテーションプログラムの必要性 　 13･3　プログラム展開において留意すべき点 　 13･4　授業システム改善の動き 14章　評価の工夫 　 14･1　観点別評価と評価の工夫 　 14･2　評価の計画と学習指導案 　 14･3　観点別評価の実際 　 14･4　生徒による自己評価，相互評価 15章　学習指導案の作成 　 15･1　学習指導案の内容 　 15･2　作成上の注意点 　 15･3　学習指導案の例 16章　情報科とプレゼンテーション 　 16･1　プレゼンテーションとは 　 16･2　プレゼンテーションの方法 　 16･3　スライドを用いたプレゼンテーション 　 16･4　実習としてのプレゼンテーション 　 16･5　授業におけるプレゼンテーション 　 16･6　プレゼンテーションのツール 17章　授業形式の実習 　 17･1　マイクロティーチングと教壇実習 　 17･2　実習の概要 　 17･3　ふりかえりの必要性 18章　これからの情報教育 　 18･1　ドラッカーが主張する21世紀の教育 　 18･2　知識のストックとフロー 　 18･3　ブートストラッピング 　 18･4　身体軸としてのキーボード練習 　 18･5　入門教育の重要性と熟練の獲得 　 18･6　プログラミング教育（論理軸） 第6部　情報教育に必要な知識 19章　情報の表現と発信 　 19･1　情報とデータ，情報量とデータ量 　 19･2　情報とデザイン 　 19･3　ユーザーインターフェイスのデザイン 　 19･4　コンテンツ構成の設計 　 19･5　Webページの論理構造と物理表現 　 19･6　情報システムとしてのWWWの設計 20章　ソフトウェア制作から見た情報教育 　 20･1　専門教科「情報」から見た情報技術教育 　 20･2　プロジェクトとして見たソフトウェア開発 　 20･3　見たこともないものを作る難しさ 　 20･4　お絵かきプログラム開発演習 　 20･5　ソフトウェア開発の実際 　 20･6　指導設計（ID） 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。 ビジネスユーザーも腑に落ちる! Excelでアルゴリズムの仕組みをとらえよう。 プロジェクト準備のための第一歩。 Part 1では、機械学習の全体像、ExcelやPythonの基本事項を解説、 どのような状況や体制であれば機械学習を利用してよいのかを確認。 さらに、具体的な活用シーンもイメージできるようにします。 Part 2では、機械学習の各アルゴリズムをExcelで実現する方法を説明。 Pythonコードによる実装例も紹介します。 線形回帰、ロジスティック回帰、クラスタリングなどの仕組みを 具体的に理解できるようにしていきます。 アルゴリズムのメリット／デメリット、向き／不向きがわかれば、 ビジネスへの応用の可能性も見えてくるでしょう。 機械学習を理解していく最初の一歩として本書をご活用ください。 ●データ活用における機械学習の役割／位置づけを理解できる ●Excelに展開することで、仕組みをより具体的に把握できる ●ビジネスの現場に活かせる具体的な理解を獲得できる ●より実務的なPythonコードによる実装方法も把握できる

※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。 ★2021年2月24日データ更新：紙版3刷相当の正誤情報を本文修正しました★ AIエンジニアは必携の資格【ディープラーニングE資格（エンジニア）】にいち早く対応！ 　 ◆ JDLA認定プログラムの第1号事業者であるスキルアップAIの講師陣が執筆！ ◆ 業界の第一人者 杉山 将氏（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）監修！ 　 ◆ ていねいで分かりやすく解説。正答も誤答も技術解説しているので知識吸収も加速！ 　 ◆ 出題傾向を徹底分析した模擬問題を収録で合格力がさらにアップ！ 　 ●目次● 第01章 線形代数 第02章 確率・統計 第03章 情報理論 第04章 機械学習の基礎 第05章 前処理・特徴選択・性能指標 第06章 モデルの評価・正則化・ハイパーパラメータ探索 第07章 教師あり学習の各種アルゴリズム 第08章 教師なし学習の各種アルゴリズム 第09章 強化学習の各種アルゴリズム 第10章 深層学習の概要 第11章 順伝播計算と逆伝播計算 第12章 最適化手法 第13章 畳み込みニューラルネットワーク 第14章 再帰型ニューラルネットワーク 第15章 深層学習を用いた自然言語処理 第16章 深層学習を用いた生成モデル 第17章 深層学習を用いた強化学習 第18章 開発・運用環境 第19章 総仕上げ問題 付録 覚えておくべきPython/NumPyの知識

※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。 【ご案内】正誤改訂版、第2刷に更新しました。 弊社書籍『2023-2024 基本情報技術者 科目Bの重点対策』第1刷において、多数の正誤が発見されましたことをお知らせ申し上げます。 このたび、正誤を修正し、皆様に安心して学習いただけるよう、新たな「第2刷」版として販売を開始させて頂きました。 学習中の皆様には、ご不便とご迷惑をおかけしましたことを深くお詫び申し上げます。 今後とも変わらぬご愛顧を賜りますようお願い申し上げます。 【特長】 ◎アルゴリズムとプログラミングが8割を占める「科目B試験」対策が1冊でできます。 ◎イラストと図で，分かりやすく解説しています。 ◎オリジナル問題を含む豊富な演習問題で，試験合格に必要な実戦力が身に付きます。 ◎擬似言語が苦手な方でも大丈夫！　丁寧な解説で，段階を追って理解できます。 ◎情報セキュリティ分野も，重要ポイントの解説と演習問題でしっかり対策できます。 【目次】 はじめに Part １　基本情報技術者試験のポイントと学習法 Part ２　科目B試験の対策 　Chapter １　アルゴリズムとプログラミング 　Chapter ２　プログラムの基本要素 　Chapter ３　データ構造 　Chapter ４　アルゴリズム 　Chapter ５　プログラミングの諸分野への適用 　Chapter ６　情報セキュリティ 巻末資料：擬似言語の記述形式 索引 ※Chapter ２～６には，全41問の演習問題を含みます

※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。 ◎どうしても午後問題が苦手で……とお悩みの方に、手にしていただきたい１冊です。 ◎ますます比重が高くなった必須問題の「情報セキュリティ」と「アルゴリズム」を詳細解説！ ◎「情報セキュリティ」を丁寧に解説しています。2022年版では演習問題を増やしました！ ◎「アルゴリズム」と聞いただけで諦めたくなっている方も、階段を一段一段上がるような感覚で理解できるようになります。 ◎テクノロジ系の選択問題、マネジメント系・ストラテジ系の選択問題についても、テーマごとの解説と演習問題を掲載しました。 ◎本書で重要ポイント、テクニックを身に付ければ本番でも動じない実力を養うことができ、合格がグッと近づきます。 （プログラム言語のPythonには対応しておりません） 必須問題の「情報セキュリティ」の演習問題の数を増やしました。 必須問題の「データ構造とアルゴリズム」も頁を割いて丁寧に解説しています。 この二つの分野は、合格のためには避けて通れません。

※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。 多くの大学・専門学校・企業で支持される合格のための教本！ 　本書は年度版として、毎年、学校・企業等で安心して採用できる正統派テキストとして好評を得ている、基本情報技術者のための受験テキスト。基本情報技術者試験に合格するためには何が必要かを徹底的に追求し、訳集、また、受験生の方々が一歩一歩自信をつけながら確実に学習を進められるよう構成しています。 令和2年度（実施自体令和3年1月～3月）からCBT方式での試験となり、かつ、問題が非公開となったことから、2022年度版は、試験要綱等で記載されている試験に適用される内容を吟味し、新たな用語、内容を取り込み、試験に万全な体制で臨める内容としています。 Chapter00　試験の概要と学習の進め方 Chapter01　基礎理論 　1-1　離散数学1 　1-2　離散数学2 　1-3　応用数学 　1-4　情報・通信に関する理論 　1-5　制御に関する理論 　1-6　AI（人工知能 　練習問題 Chapter02　アルゴリズムとプログラミング 　2-1　データ構造 　2-2　アルゴリズムの記述 　2-3　基本アルゴリズム 　2-4　プログラミング 　2-5　プログラム言語 　練習問題 Chapter03　コンピュータ構成要素 　3-1　プロセッサ 　3-2　メモリ 　3-3　補助記憶装置 　練習問題 Chapter04　システム構成要素 　4-1　システムの構成 　4-2　システムの性能評価 　練習問題 Chapter05　ソフトウェア 　5-1　ソフトウェアの体系と種類 　5-2　オペレーティングシステム（OS）の機能 　5-3　ファイル管理 　5-4　言語処理プログラム（言語処理ツール） 　5-5　開発ツール 　5-6　オープンソフトウェア（OSS） 　5-7　コンピュータグラフィックス（CG） 　練習問題 Chapter06　データベース 　6-1　データベースのモデル 　6-2　データベースの論理設計 　6-3　集合演算と関係演算 　6-4　データベース言語 　6-5　データベースの制御 　6-6　データベース応用 　6-7　ブロックチェーン 　練習問題 Chapter07　ネットワーク 　7-1　コンピュータネットワークとインターネット 　7-2　OSI基本参照モデルとTCP/IP 　7-3　LAN 　7-4　WAN 　7-5　インターネット 　7-6　ネットワークの関連知識 　練習問題 Chapter08　セキュリティ 　8-1　情報セキュリティ 　8-2　情報セキュリティ管理 　8-3　セキュリティ技術評価 　8-4　情報セキュリティ対策 　8-5　セキュリティ実装技術 　練習問題 Chapter09　システム開発技術 　9-1　開発プロセス・手法 　9-2　ソフトウェア要件定義 　9-3　ソフトウェアの設計 　9-4　テスト・レビュー 　9-5　ソフトウェアの保守と構成管理 　練習問題 Chapter10　プロジェクト・サービスマネジメント 　10-1　プロジェクトマネジメント 　10-2　サービスマネジメント 　練習問題 Chapter11　経営戦略・システム戦略 　11-1　経営戦略マネジメント 　11-2　システム戦略 　11-3　技術開発戦略 　練習問題 Chapter12　企業と法務 　12-1　企業の組織構造 　12-2　企業会計 　12-3　経営工学 　12-4　関連法規 　12-5　標準化 　練習問題 練習問題の解答と解説

※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。 AIのしくみと，使いこなすための技術がいっぺんに身につくディープラーニングの入門書 ディープラーニングをゼロから始めて，しっかりと理解したい人のための入門書です．ディープラーニングの基礎を一歩一歩着実に理解しながら，NumPyとKerasを使った実践的なAIプログラミングを学ぶことができます。 本書は，ディープラーニングの原理を説明しているテキストでも，そのプログラミングを実践形式でまとめたチュートリアルのような本でもありません．それらの両方をバランスよく組み合わせた，本当の意味でディープラーニングをわかるように解説した本です．「AIの学習とは」から，「ディープラーニングによる画像認識プログラムの作成」までを，なるべくやさしい言葉で，しかし大事なところを省くことなく説明しています． これからディープラーニングを学ぶ人，また，いまいちディープラーニングについてわからないことがある人，プログラムがうまく実行できない人におすすめの書籍です． 第1章　AIプログラミングを始めよう 1.1　AIとAIプログラミング 1.2　NumPyを使ってみよう 1.3　Matplotlibを使ってみよう 第2章　AIの学習の基本的な考え方 2.1　AIはどうやって学習するのか 2.2　再帰計算法を理解しよう 2.3　学習アルゴリズムの基本形 2.4　勾配降下法を理解しよう 2.5　多変数関数の勾配降下法 第3章　AIの学習の基本的なしくみ 3.1　重みを導入しよう 3.2　損失関数と重みの最適解 3.3　確率的勾配降下法 3.4　簡単なデータセットをつくってみよう 3.5　確率的勾配降下法による重みの最適解を求めるプログラム 3.6　ミニバッチ勾配降下法 3.7　ミニバッチ勾配降下法による重みの最適解を求めるプログラム 第4章　ニューラルネットワークの導入 4.1　単純パーセプトロン 4.2　活性化関数（その1）：ステップ関数 4.3　基本論理ゲートの学習問題 4.4　誤り訂正学習法 4.5　学習プログラムを作成するときの注意点（その1） 4.6　プログラム例：AND ゲートの学習問題 第5章　ニューラルネットワークに勾配降下法を適用する 5.1　活性化関数（その2）：シグモイド関数 5.2　単純パーセプトロンに確率的勾配降下法を適用する 5.3　学習プログラムを作成するときの注意点（その2） 5.4　プログラム例：単純パーセプトロンの確率的勾配降下法 5.5　単純パーセプトロンにミニバッチ勾配降下法を適用する 5.6　プログラム例：単純パーセプトロンのミニバッチ勾配降下法 第6章　単純パーセプトロンを組み合わせる 6.1　パーセプトロンを「多出力」にする 6.2　活性化関数（その3）：ソフトマックス関数 6.3　多出力のパーセプトロンに確率的勾配降下法を適用する 6.4　学習のためのデータを十分に用意しよう 6.5　プログラム例：アイリスの種類を判別する学習問題 第7章　ニューラルネットワークを2層にする 7.1　ニューラルネットワークの層を重ねる 7.2　1出力2層のニューラルネットワークの確率的勾配降下法 7.3　XORゲートの学習問題 7.4　プログラム例：XORゲートの学習問題 第8章　ニューラルネットワークを多層にする 8.1　多出力多層のニューラルネットワーク 8.2　一般的なニューラルネットワークの確率的勾配降下法 8.3　誤差逆伝播法 8.4　学習プログラムを作成するための補足説明 8.5　プログラム例：手書き数字を認識する学習問題 第9章　Kerasを使ってプログラミングする 9.1　Kerasとは何か 9.2　Kerasの導入 9.3　Kerasを用いたプログラムの基本構成 9.4　Kerasを用いたプログラムにおける損失関数 9.5　Kerasを用いたプログラムにおける学習アルゴリズム 9.6　Kerasを用いたプログラムにおける学習の評価指標 9.7　Kerasを用いた学習プログラムの例 第10章 CNNで時系列データを処理しよう 10.1　畳み込みとは何か 10.2　CNN（畳み込みニューラルネットワーク） 10.3　活性化関数（その4）：tanh関数 10.4　1次元CNNのプログラム例 10.5　Kerasによる1次元のCNNの実現 10.6　Kerasによる1次元CNNのプログラム例 第11章 RNNで時系列データを処理しよう 11.1　簡単な再帰型システム 11.2　RNN 11.3　簡単なRNNの学習アルゴリズム 11.4　簡単なRNNのプログラム例 11.5　KerasによるRNNの実現 11.6　KerasによるRNNのプログラム例 第12章 ディープラーニングで画像認識を行おう 12.1　2次元畳み込み 12.2　活性化関数（その5）：ReLU関数 12.3　画像処理の2次元CNNのプログラム例 12.4　Kerasによる2次元CNNの実現 12.5　Kerasによる2次元CNNのプログラム例

PyTorchは、世界で主流の深層学習ライブラリのひとつ「Torch」（松明の意）のPython対応版です。Facebookが開発を主導したオープンソースとして非常に注目されています。本書はこのライブラリを初めて触るところから手ほどきし、Pythonによる異常検知や画像認識の実装までを体験。機械学習・深層学習を初めて学ぶITエンジニア向けに、数式なしで丁寧に解説します。 ◆本書の特徴 機械学習・深層学習のアルゴリズムを数式なしで理解できる。 Pythonを使って少ないコードで簡単に実装できる。 異常検知や画像認識など、様々なケースの実装を体験できる。 ◆本書の構成 ・第I部 AI技術の最新動向やPyTorchライブラリの概要、実装環境の構築方法 ・第II部 機械学習の全体像、ニューラルネットワーク・アルゴリズムを使った学習の実装方法 ・第III部 深層学習のアルゴリズム(DNN、CNN、Deep Q Network)を使った学習の実装方法

※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。 PyTorchで物体検出アルゴリズムを実装しよう！ 本書は、PyTorchを利用して、物体検出のアルゴリズムと実装方法を解説する書籍です。 ・ PyTorch（パイトーチ）とは？ 2018年にFacebook が発表した、ディープラーニングのフレームワークです。世界的にユーザーが多く、GitHubで公開されるディープラーニングのプログラムもPyTorchで作られたものが多数存在します。 ・ 物体検出とは？ 画像認識の一分野で、画像から特定の物体の位置と、その物体のカテゴリ（クラスタ）を検出する技術です。 ディープラーニングは当初、物体の識別において従来手法を大きく上回る精度を出したことから注目されました（例：2012年の画像認識コンテストILSVRC）。ただし物体識別自体はどちらかといえば要素技術であるため、そのまま現実のシステムに応用することは多くありません。実際に必要とされるものは、多くの場合、物体識別を発展させた物体検出です。自動運転・外観検査・医療分野の画像診断など、どれも物体識別ではなく物体検出の技術が使われています。 本書は、PyTorchの使いかたを習得することと、物体検出の各種アルゴリズムを理解して自力でプログラムを作れるようになることを目的とします。前半はPyTorchについて解説し、後半は物体検出の代表的なアルゴリズムを解説しながら、PyTorchでの実装例を示します。 ＜本書の特徴＞ ・PyTorchを使って物体検出アルゴリズムを実装できるようになります。 ・Pythonによるサンプルコードを例示＆配布し、自分で手を動かしながら理解を深められます。 第1章　PyTorch によるプログラミング 第2章　物体検出アルゴリズムSSDの実装 第3章　SSDに関連した話題