※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。 メタバースを形造る技術を徹底的に解説した、いまだかつてない書！ 「メタバース」は、VR・AR・MRなどの技術を駆使して、仮想空間上に設けられた環境上でさまざまな形のエンターテインメント、コミュニケーション、ビジネス（例えば、アパレル／不動産／建設／小売業／観光／広告／医療／製造業／金融など）を展開する概念で、ここ数年でバズワード化しています。 本書は、メタバースの概念が生まれてきた背景・経緯やその目指すところをはじめ、メタバースを実現するための種々の要素技術・仮想化技術やその原理・応用と魅力を取り上げて、具体的に解説した書籍です。 1章　メタバース/VRとは 　1.1　VRの歴史 　1.2　VR/AR/MRとは 　1.3　メタバースの歴史 　1.4　メタバースロードマップ 　1.5　メタバースとは 　1.6　ソーシャルVRとメタバース 　1.7　デジタルツインとメタバース 　1.8　NFTとメタバース 　1.9　アバタとメタバース 　参考文献 2章　メタバース/VRを構成する基礎技術　～感覚・提示～ 　2.1　視覚ディスプレイ 　2.2　聴覚ディスプレイ 　2.3　体性感覚ディスプレイ 　2.4　嗅覚・味覚ディスプレイ 　2.5　前庭感覚・移動感覚ディスプレイ 　2.6　感覚間相互作用 　2.7　内受容感覚・内臓感覚 　2.8　錯覚を応用した情報提示技術 　2.9　物理量と感覚量の関係 　参考文献 3章　メタバース/VRを構成する基礎技術　～計測・表現～ 　3.1　物理世界のセンシング 　3.2　情報世界のモデリングとレンダリング 　3.3ネットワーク・サーバ技術 　参考文献 4章　メタバース/VRと身体 　4.1　アバタと身体 　4.2　サイバーシックネス・VR酔い 　4.3　身体と環境の相互作用 　4.4　体験する姿勢と状態の効果 　参考文献 5章　メタバース/VRを使った産業応用 　5.1　メタバースの産業応用 　5.2　教育訓練 　5.3　デジタルツイン 　5.4　エンターテインメント 　5.5　イベント・パブリックビューイング 　5.6　バーチャルマーケット 　5.7　広告・マーケティング 　5.8　メタバースで生まれるビジネス 　5.9　その他 　参考文献 6章　メタバース/VRの今後の展望 　6.1　時空間を超えるメタバース 　6.2　意識を超えるメタバース 　6.3　橋渡しするメタバース 　6.4　基盤化するメタバース 　6.5　メタバースのUI 　6.6　メタバースの課題 　参考文献

※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。 OpenAI、Anthropic、Gemini、LangChain、LangGraph、Gradio、Tavily、SerpApiなどを用い、基本からマルチエージェントシステムの設計まで、開発に必要なテクニックを体系的に解説 　LLMエージェント（AIエージェント）は、ペルソナ（口調、知識、判断の方向、人柄）等を生成AIに組み込み、生きた人間の代わりに様々なことをするもので、カスタマーサービス、情報検索、分析、意思決定支援など、様々なタスクを自律的に遂行することができます。これにより、新たなサービスの創出、業務の自動化や効率化など、ビジネスに大きなインパクトをもたらすことが期待されています。 　一方で、LLMエージェントを実際のビジネスに応用するためには、技術的な理解だけでなく、システム設計や運用における様々な課題をクリアする必要があります。例えば、エージェントの能力を最大限に引き出すための対話設計、複数エージェント間の連携制御、ユーザーとのインタラクションデザインなどを設計、解説します。 第1章　LLMエージェントとは 1.1　言語モデルとは何か 1.2　LLMエージェントとは 第2章　エージェント作成のための基礎知識 2.1　OpenAI API 2.2　LangChain入門 2.3　Gradio を用いたGUI作成 第3章　エージェント 3.1　LLMに知識を与える 3.2　LLMにツールを与える 3.3　複雑なフローで推論するエージェント 3.4　記憶を持つエージェント 3.5　ペルソナのあるエージェント 第4章　マルチエージェント 4.1　マルチエージェントとは 4.2　マルチエージェントシステムの構築 4.3　マルチエージェントの活用 第5章　LLMエージェント研究の最先端 5.1　直近の研究動向 5.2　ビジネスでの利用例 補足　OpenAI API／Anthropic APIキー／Gemini APIキー／Tavily APIキー／Serp APIキー／Google Colaboratoryのシークレット機能

※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。 パーソナルデータを「正しく」活用するための教科書 パーソナルデータとは、個人を識別したうえで収集されたデータのことです。たとえば、ECサイトで買い物をしていると、自分がカートに入れたものに関連するおすすめ商品が出てきたり、検索エンジンでの検索結果が自分と友人とで違ったりするのは、パーソナルデータとして「自分や友人が識別されたうえで集められたデータ」の活用によってサービスが作られているからです。 パーソナルデータは世界中のさまざまなサービスで活用されていて、企業は利益を効率的に改善できるようになり、ユーザーは個々人にとって適切なサービスを受けられるようになりました。 その一方で、パーソナルデータの利用目的や手段によっては、法的あるいは倫理的な課題にぶつかり、議論となることが多々あります。場合によっては大きなニュースとなり、企業イメージを低下させ、ユーザーの生活に悪影響を与え権利を侵害する恐れすらあります。これらは個人が識別されることによっておきる弊害です。 本書は、以上の背景のもと、パーソナルデータの適正な利活用に必要な基本事項を提示するものです。 リスクを回避し、「有用性」と「ユーザーのプライバシーや第三者の権利の保護」とを両立しながらデータを活かすにはどうしたらよいのか、法律・倫理・技術などの複数分野を横断しながら、多角的に解説します。 本書のおもな読者対象は、パーソナルデータを活用するサービスのプロデューサー、マネージャー、ディレクター、そして実際にパーソナルデータを処理する、いわゆるデータサイエンティストや機械学習エンジニアなどです。 ほかにも、パーソナルデータを使ったサービスを提供する企業の社会人であれば、それ以外の職種の方（企画、広報、営業など）にも有用な内容です。 また、自分のパーソナルデータがどのように活用されているのか気になる一般のユーザーの方にもおすすめです。 ■本書の特徴 ・法的な側面だけでなく、倫理やセキュリティや技術に関するものや、意図せずして社会に与える影響など、周辺知識を幅広く解説します。 ・Web業界を例として、職種問わず共通認識として把握しておきたいことを網羅的に解説します。 ・実際にサービスをつくるときに考慮すべき事項を、表とフローチャートを用いて解説します。 はじめに／目次 第1章　パーソナルデータってなんだろう？ 　1.1 パーソナルデータの定義 　1.2 パーソナルデータでできること 　1.3 本書の構成 第2章　パーソナルデータの事件簿 　2.1 知られたくないことを知られる・利用される 　2.2 公的機関から監視される 　2.3 自分のデータが利用されることへの同意の有無と実態 　2.4 誰でも手に入るデータによる問題 　2.5 過剰なデータ取得に対する拒否感 　2.6 パーソナルデータの「値段」 第3章　パーソナルデータ活用の分類 　3.1 個人情報？　個人データ？ 　3.2 個人情報 　3.3 ところで「パーソナルデータ」とは？ 　3.4 「誰が」「なにから」「なにを」「なにに」？ 　3.5 《処理結果》を深掘りする 　3.6 「誰と」「どこまで」？ 第4章　パーソナルデータまわりの権利や決まり 　4.1 著作権 　4.2 限定提供データ 　4.3 通信の秘密 　4.4 複合的に考えるべき事例 　4.5 顔画像による個人認証や本人確認 第5章　データ収集と処理に使われる技術 　5.1 通信技術と個人情報の関係 　5.2 個人の特定と個人の識別のしくみ 　5.3 個人を特定せずにデータ活用するための技術 　5.4 情報科学的な理論に基づく技術 第6章　「信頼できるサービス」の構造 　6.1 「信頼」の難しさ 　6.2 信頼概念の整理 　6.3 企業に対する「安心」のもと 　6.4 「使われるサービス」と「受け入れられるサービス」 第7章　プライバシー・リスク・倫理 　7.1 プライバシーの懸念と消費者の行動 　7.2 パーソナルデータのリスク 　7.3 パーソナルデータと倫理 第8章　パーソナルデータの「正しい」活用のフロー 　8.1 データ分析の目的と手順 　8.2 データの利用基準はいつ考えるべきか 　8.3 データ利用基準の実例 　8.4 データ利用基準実施手順 第9章　パーソナルデータ活用の応用事例 　9.1 【自社データの自社利用】自社で収集したデータを情報推薦に活用する 　9.2 【グループ会社データの自社利用】ユーザーの行動ログなどを用いて論文を書く 　9.3 【自社データの外部利用】コミュニケーションデータから違反行為の予兆を発見する 　9.4 【外部サービスによる自社データ取得】アンケートと行動ログを合わせて活用する 　9.5 【自社データの外部利用】アンケート調査結果と行動ログを 用いて共同研究を行う 　9.6 【自社データの外部利用】ハッカソンの課題としてパーソナルデータを利用する 　9.7 【外部データの自社利用】投稿コンテンツから特定商品への言及を抽出してレポートする 第10章　パーソナルデータがもたらす副作用 　10.1 社会の偏りの増大 　10.2 統計的差別 　10.3 情報接触の偏り 　10.4 社会関係の偏り 　10.5 ヘイトスピーチ対策システムが生み出してしまう差別 　10.6 ステレオタイプの強化 　10.7 マイクロターゲティングの弊害 　10.8 おわりに 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。 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。 ※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。 理工系・文系を問わず非常にわかりやすい情報理論、符号理論の教科書 著者の長年の講義経験をもとに練り上げた情報理論・符号理論の教科書です。 大学1年生が読むことを念頭に、難解な内容となることを避け、高卒程度の数学を用いて、情報理論を解説しています。演習問題も数多く掲載しています。 改訂2版では、符号理論に関する解説をより追加、現行の大学・高専のカリキュラムにより即した内容とするほか、現在の視点からみて適切なアップデートをしています。 1章　2進数の基礎 2章　確率論の基礎知識 3章　情報量とエントロピー 4章　情報源と通信路 5章　符号化 6章　暗号による通信と情報セキュリティ

※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

第1章　AIの「採用」はどこで詰まるのか コラム：【WFPダチョウファーム】エンジニアも予算もない現場で、AIは何から始まるか 第2章　事例編――27社の壁と判断の記録 大企業・グループ企業の挑戦 【ソフトバンク】　「1日目からAI前提」で走り出した開発チーム 【富士通】　法令文書700ページから始まった開発工程の「まるごと刷新」 【みずほ証券】　「プロジェクト」ではなく「人」を選ぶ 【サイボウズ】　AIによる「局所最適」を越えて、開発プロセスを組み直す 【MonotaRO】　「やってみてから考えましょう」で回り始めた全社AI展開 【さくらインターネット】　「便利だが、信用はしない」インフラ事業者のAI活用 【KINTOテクノロジーズ】　「イノベーターの足を引っ張らない」、伸びる人から伸ばす 【KAG】　コードが速く書けるほど、「何をつくるか」を話す時間が増えた IT専業・SIerの転換 【クラスメソッド】　社長の「AIフルコミット」宣言により10%から100%に届くまで 【富士ソフト】　「速く作る」ではなく、品質と説明責任を失わない開発を 【クリエーションライン】　AIで速くなるほど売上が減る受託開発をどう変えるか 【ULSコンサルティング】　20年提唱してきた開発モデルに、AIが追いついてきた 【モリサワ】　プルリクエストは1.8倍 ─ 次に変えるのはレビューと組織の流れ 成長企業の試行錯誤 【ファインディ】　トップと推進担当者とチャンピオンで回す ― 400人組織のAI推進 【ラクスル】　プロトタイプではなく、プロダクトコードで実践ノウハウを積む 【ログラス】　「誰も来ない勉強会」から、99%がAIを使う組織ができるまで 【e-dash】　エンジニア主導の導入が「使わない人は評価しない」に変わるまで 【スタメン】　全員が使っても、「何倍」とは言わない 【エクスプラザ】　「1週間コードを書くな」 ― トップが盛り上げ、現場が育てるAI駆動開発 少数精鋭チームの判断 【ビズリンク】　「使わないことの方がリスク」から始まった開発と契約の転換 【SecureNavi】　情報セキュリティ企業が「禁止」よりリスク提示を選んだ理由 【JADE】　「プロンプトはあるが、意図はない」 ― AIが書いたコードに向き合い、立て直す 【en-gine】　「整っていなければ、そこで止まる」全工程AI化で見えた導入の順序 【Elith】　「コード書きたい欲は、一旦置いといて」Kaggleマスターが集まるAI企業の割り切り 【コンテンツワークス】　完全リモートの少数チームに「AIメンバー」を迎える ― 仕様駆動開発で挑んだFlutter移植 一人法人の実験 【Axcxept】　AIを作る側が、AIで事業を回して見えたこと 第3章　横断分析 ― 同じ問いへの異なる答えを整理する コラム：ツールの作り手は、何を見ているか 【OpenAI Japan 合同会社】　マルチエージェント時代の品質保証と開発者の役割 【Devin（Cognition AI, Inc）】　実装速度の先にあるボトルネック 【Cursor（Anysphere, Inc）】　書く速さの先にある、設計判断と効果測定の課題 第4章　AI採用ロードマップ ― 自社の次の一手を決める 付録A　AIコーディングツール利用ガイド テンプレート（開発者向け） 付録B　巻末用語集 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。 「EOD（拡張オブジェクト図）＋NLUR（自然言語によるユースケース実現）」によるオブジェクト指向の設計と実装 AIがコードを生成できる時代に、人間のソフトウェア設計者はどのような役割を担うべきでしょうか。本書はその問いに対する一つの答えを提案します。 生成AIのコード生成能力は驚くべきものです。しかし、生成されたコードに対する最終的な責任は、それを利用した人間が負わなければなりません。したがって、AIが生成したコードの正しさを検証し、必要に応じて変更を要求できることが、これからのソフトウェア開発において人間に求められるきわめて重要な能力になります。 本書は、その基盤となるオブジェクト指向設計法として、EOD（Extended Object Diagram：拡張オブジェクト図）とNLUR（Natural Language Use-case Realization：自然言語によるユースケース実現）を中心に据えた設計法を紹介するものです。 （本書「はじめに」より） 【本書の特徴】 ・メモリからの理解：値型、参照型、スタティック領域など、プログラムが動く際のメモリ挙動を図解。オブジェクト指向の抽象的な概念を、具体的なイメージに定着させます。 ・独自の設計手法「EOD＋NLUR」を解説：標準的なUMLだけでは捉えきれないオブジェクト間の動的なつながりを「拡張オブジェクト図（EOD）」で可視化し、「自然言語による設計（NLUR）」で論理構造を整理します。演習を通じ、誰もが「迷わない設計」を習得できます。本設計手法はUMLが抱えていた曖昧さを排除し、AIによるコード生成において間違えの発生しやすい推測フェーズを除去します。 ・AIとの共同開発を実践：単にコードを書かせるのではなく、EOD/NLURという論理的な成果物を介してChatGPTと対話することで、設計品質を担保しながら開発を加速させる次世代のワークフローを紹介します。 ※ソースコードなどは、オーム社Webページより入手できます。 Chapter1　オブジェクト指向の基礎 Chapter2　Unified Process（UP）の概要とユースケース駆動の分析・設計 Chapter3　格調オブジェクト図（EOD）と自然言語のユースケース実現（NLUR）による設計法 Chapter4　ChatGPTとの共同プログラム開発の実例 Reference Appendix