※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。 ◆誰でもはじめられる「関係性」活用の第一歩◆ 　ネットワークデータは、点と点の「つながり」によって表現されるデータです。決して特別なデータではなく、私たちの日常生活のさまざまな場面に存在しています。たとえば、SNSのフォロー関係やWebページ間のリンクのような明らかにネットワーク構造を持つデータだけでなく、ECサイトの購買履歴や株式市場の取引といった、一見ネットワークとは無関係に思えるデータにも、つながりの構造を見出すことができます。この「つながり」を活用することで、これまで見えなかったデータの新しい特徴を引き出すことが可能になります。 　近年では、計算機リソースの向上や新しいアルゴリズムの登場により、ネットワークデータの実用化が急速に進んでいます。本書では、各手法について平易な言葉で解説することを目指すだけでなく、Pythonを用いたコード例を通じて、データの取り扱いから特徴抽出、さらにNode EmbeddingやGNNといった機械学習手法への応用までを実践的に紹介します。 　また、単なる技術の羅列ではなく、身近なデータからネットワーク構造をどのように見出し、意味付けし、課題解決に結びつけるかという思考プロセスや応用事例にも重点を置いています。具体例としては、SNSのフォロー関係やWebページのリンクといった典型的なネットワークデータはもちろん、ECサイトの購買履歴やビジネス文書、さらにはレシートといった、通常「表形式」で扱われるデータに隠れた「つながり」を抽出・活用する手法を丁寧に解説します。 ■こんな方におすすめ ・ネットワーク分析を学びたい方、データから新しい知見を見つけたい方 ■目次 ●1章 ネットワークデータの基礎 ・1.1 ネットワークとは ・1.2 さまざまなネットワーク ・1.3 ネットワークデータの表現方法 ●2章 ネットワークデータの発見・観測・構築 ・2.1 分析前の確認事項 ・2.2 ネットワークを発見する ・2.3 ネットワークデータを観測・入手する ・2.4 ネットワークのデータ形式 ・2.5 ネットワークデータのハンドリング ●3章 ネットワークの性質を知る ・3.1 どのようなノードか ・3.2 2つのノードはどのような関係にあるか ・3.3 どのようなネットワークか ・3.4 NetworkXを用いてネットワークの特徴を知る ●4章 ネットワークの機械学習タスク ・4.1 ネットワークを対象とした機械学習タスクの整理 ・4.2 ノードを対象とした機械学習タスク ・4.3 エッジを対象にした教師あり学習 ・4.4 ネットワーク構造を対象とした機械学習タスク ●5章 ノード埋め込み ・5.1 表データを対象とした機械学習の復習 ・5.2 単語埋め込み ・5.3 ノード埋め込み ・5.4 ノード埋め込みの実装 ●6章 グラフニューラルネットワーク ・6.1 深層学習の発展と構造データの扱い ・6.2 GNNのフレームワーク ・6.3 グラフ畳み込みネットワーク ・6.4 GraphSAGE ・6.5 GATフィルタ ・6.6 Relational GCN ・6.7 GNNの実装 ●7章 さまざまな分野における実例 ・7.1 自然言語処理におけるネットワーク分析 ・7.2 金融分野におけるネットワーク分析 ・7.3 労働市場におけるネットワーク分析 ・7.4 情報推薦におけるネットワーク分析 ・7.5 ネットワーク科学とソーシャルネットワークの分析 ・7.6 生物学におけるネットワーク分析 ■著者プロフィール ●黒木 裕鷹（くろき ゆたか）：2020年東京理科大学大学院工学研究科修士課程修了。同年よりSansan株式会社に入社し、現在は企業データのドメイン横断での分析・利用や、実験的な機能の開発に従事。2018年度統計関連学会連合大会 優秀報告賞、2022年度人工知能学会金融情報学研究会 (SIG-FIN) 優秀論文賞 などを受賞。大阪公立大学 客員研究員。 ●保坂 大樹（ほさか たいじゅ）：2020年に早稲田大学で工学修士号を取得し、Sansan株式会社に入社。入社後は帳票の解析技術の研究開発および運用に取り組む。現在は同社のSaaS事業においてプロダクトマネジメントを行う一方で、帳票解析チームのリーダーとしてプロジェクトマネジメントも担当する。単語の意味や主体の持つ特性が単語埋め込みやノード埋め込みで得られる数値表現にどのように反映されるかに強い関心をもつ。

※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。 ◆高品質なデータを設計・開発する技術◆ 　Data-centric AIとは、機械学習の権威でありGoogleのAI研究チームを率いたAndrew Ngが2021年に提唱した、モデルよりもデータに主眼を置くというAI開発のアプローチです。過去数十年にわたりAI開発においては、固定されたデータセットに対してニューラルネットワークをはじめとしたモデルを適用し、そのモデルを改善することに関心が寄せられていました。しかし、このモデルを中心としたアプローチでは、データセットへの過度な依存やデータセットが抱える課題への無意味な適合により、実用において期待ほどモデルの性能が改善しないといった問題が指摘されています。そのため近年はモデルを固定したうえで、データ拡張、アノテーションの効率化や一貫性の担保、能動学習といったデータに工夫を加えることによってモデルの性能を向上させるアプローチに注目が集まっています。本書では、Data-centric AIの概要を解説したあとに、画像認識、自然言語処理、ロボットといった分野におけるデータを改善するための具体的なアプローチを解説します。最終章では、企業における実践的な取り組みを紹介します。 ■こんな方におすすめ ・データセットの作成、データの学習方法に興味のある方 ・基盤モデルに興味がある方 ■目次 ●第1章 Data-centric AIの概要 ・1.1 Data-centric AIとは ・1.2 データセットのサイズとモデルの性能の関係 ・1.3 データの品質の重要性 ・1.4 おわりに ●第2章 画像データ ・2.1 画像認識におけるData-Centric AIとは ・2.2 画像認識モデルの基礎知識 ・2.3 データを拡張、生成する技術 ・2.4 不完全なアノテーションからの学習 ・2.5 画像と言語ペアの関係性を学習した基盤モデル ・2.6 能動学習 ・2.7 おわりに ●第3章 テキストデータの収集と構築 ・3.1 言語モデルの事前学習 ・3.2 事前学習データの収集 ・3.3 ノイズ除去のためのフィルタリング ・3.4 データからの重複除去 ・3.5 テキストデータ収集の限界 ・3.6 おわりに ●第4章 大規模言語モデルのファインチューニングデータ ・4.1 ファインチューニングとは ・4.2 Instruction Data ・4.3 Preference Data ・4.4 ファインチューニングモデルの評価 ・4.5 日本語における大規模言語モデルのファインチューニング ・4.6 おわりに ●第5章 ロボットデータ ・5.1 はじめに ・5.2 RTシリーズの概要 ・5.3 多様なロボット ・5.4 ロボットにおけるデータ収集 ・5.5 データセット ・5.6 データ拡張 ・5.7 おわりに ●第6章 Data-centric AIの実践例 ・6.1 テスラ ・6.2 メタ ・6.3 チューリング ・6.4 LINEヤフー ・6.5 GO ・6.6 コンペティションとベンチマーク ・6.7 Data-centric AI実践のためのサービス ・6.8 おわりに ■著者プロフィール 片岡裕雄（かたおかひろかつ）：2014年 慶應義塾大学大学院 博士（工学）。2024年現在、産業技術総合研究所 上級主任研究員、オックスフォード大学 Academic Visitor および cvpaper.challenge 主宰。時空間モデルのベースライン3D ResNetの研究開発，実データ不要の事前学習法 数式ドリブン教師あり学習（Formula-Driven Supervised Learning; FDSL）を提案。2019/2022年度AIST Best Paper、2020年 ACCV 2020 Best Paper Honorable Mention Award、2023年 BMVC 2023 Best Industry Paper Finalist。研究はMIT Technology Reviewや日経等メディアにて掲載。本書の監修を担当。

【世界初の反実仮想機械学習の教科書！】 　反実仮想（Counterfactual）─ 起こり得たけれども実際には起こらなかった状況 ─ に関する正確な情報を得ることは、機械学習や意思決定最適化の応用において必要不可欠です。例えば、「現在運用している推薦アルゴリズムを仮に別のアルゴリズムに変えたら、ユーザの行動はどう変化するだろうか？」や「特定のユーザ群に新たなクーポンを与えたら、収益はどれほど増加するだろうか？」などの実務・社会でよくある問いに答えることを可能にするのが、反実仮想機械学習（CounterFactual Machine Learning; CFML）と総称される機械学習と因果推論の融合技術です。 　本書では、反実仮想機械学習の重要な基礎であるオフ方策評価と呼ばれる統計的推定問題を重点的に扱い、反実仮想に関する情報を観測データに基づいて正確に推定するために必要な考え方と統計技術を着実に身につけます。その後、オフ方策評価の自然な拡張として、観測データに基づく意思決定の最適化問題を扱います。こうして、反実仮想推定を最重要の基礎に据える反実仮想機械学習の思想と理論、それらの汎用的な応用力を身につけることが、本書における最大の目標です。 　なお本書では、反実仮想機械学習に関する理論やその実践、Pythonを用いた実装をバランスよく扱っています。例えば、関連の学術研究や論文執筆を行う方向けには、理論の理解を深める章末問題を提供しています。6章には、実践現場で働く方々向けに、独自に作成したケース問題を用いた応用例を示しました。学術研究を行いたい学生・研究者の方や実応用を行いたい実務家の方など、幅広い層や用途に有効活用していただける内容に仕上がっています。 ■目次 ●第0章：基礎知識の整理 　　0.1 確率の基礎 　　0.2 統計的推定の基礎 　　0.3 教師あり学習の基礎 　　0.4 因果推論の基礎 ●第1章：標準的なオフ方策評価 　　1.1 オフ方策評価の定式化 　　1.2 標準的な推定量とその性質 　　1.3 基本推定量の精度を改善するためのテクニック ●第2章：ランキングにおけるオフ方策評価 　　2.1 ランキングにおけるオフ方策評価の定式化 　　2.2 ランキングにおけるIPS 推定量とその問題点 　　2.3 ユーザ行動に関する仮定を駆使したIPS 推定量 　　2.4 ランキングのオフ方策評価に残された課題 ●第3章：行動特徴量を用いたオフ方策評価 　　3.1 行動の特徴量を取り入れたオフ方策評価の定式化 　　3.2 行動特徴量を有効活用する推定量 　　3.3 これまでに登場した推定量のまとめ ●第4章：オフ方策評価に関する最新の話題 　　4.1 強化学習の方策に対するオフ方策評価 　　4.2 オフ方策評価に関するそのほかの最新トピック ●第5章：オフ方策学習に関する最新の話題 　　5.1 オフ方策学習の定式化 　　5.2 オフ方策学習における標準的なアプローチ 　　5.3 オフライン強化学習 　　5.4 オフ方策学習にまつわるそのほかのトピック ●第6章：オフ方策評価・学習の現場活用 　　6.1 方策の長期性能に関するオフライン評価 　　6.2 プラットフォーム全体で観測される報酬を最適化する方策 　　6.3 本章のまとめ ■著者プロフィール 齋藤優太（さいとうゆうた）：1998年北海道生まれ。2021年に、東京工業大学にて経営工学学士号を取得。大学在学中から、企業と連携して反実仮想機械学習や推薦・検索システム、広告配信などに関する共同研究・社会実装に多く取り組む。2021年8月からは米コーネル大学においても反実仮想機械学習などに関する研究を行い、NeurIPS・ICML・KDD・ICLR・RecSys・WSDMなどの国際会議にて論文を多数発表。そのほか、2021年に日本オープンイノベーション大賞内閣総理大臣賞を受賞。2022年にはWSDM Best Paper Runner-Up Award、Forbes Japan 30 Under 30、および孫正義育英財団第6期生に選出。著書に『施策デザインのための機械学習入門』（技術評論社）がある。

【普遍的な知識・技術を解説する自然言語処理の「教科書」】 深層学習の登場により、人工知能分野の技術が広く注目されています。特に自然言語処理は、我々の生活の中に深く浸透してきました。例えば検索システム、SiriやAlexaなどの音声対話システム、DeepLといった機械翻訳が挙げられます。いまや多くの企業や研究機関が、自然言語処理を用いた様々なプロジェクトを進めています。 本書はどの時代の自然言語処理にも必要となる技術について解説します。新しい技術が次々と生み出されていく中で、自然言語処理の実装に関する知識は古びてしまう可能性を孕んでいますが、本書では自然言語処理システムの開発で必要となる普遍的な知識を中心に掲載します。 解説の特色として、はじめに開発方法やデータ、評価基準など自然言語処理システムの開発全体に関する内容を載せます。続いて自然言語処理のタスク別に各システムの開発について取り上げ、どのような方針で設計するか、必要となってくる技術は何かを伝えます。最後に、類書でほとんど取り上げられていないにもかかわらず自然言語処理システムの構築には欠かせない知識となる辞書やコーパスの構築方法についても解説します。 ■目次 ●第1章 自然言語処理システムのデザイン 　　1-1 入力と出力を決定する 　　1-2 アプローチ：どのように解くか決定する 　　1-3 データ：辞書やコーパス 　　1-4 評価：評価尺度とエラー分析 　　1-5 フロー：自然言語処理システムの開発サイクル 　　1-6 まとめ ●第2章 分類・回帰問題の解き方 　　2-1 評価極性分析：ポジネガを判定する 　　2-2 文書分類：記事の自動分類 　　2-3 文章の品質推定：人手で書いた文章の品質を推定する 　　2-4 演習：品質推定 　　2-5 まとめ ●第3章 系列ラベリング問題の解き方 　　3-1 固有表現認識：固有表現を見つける 　　3-2 形態素解析：単語分割・品詞推定・見出し語化 　　3-3 誤り検出：誤り箇所の検出と訂正 　　3-4 演習：文法誤り検出・訂正 　　3-5 まとめ ●第4章 言語生成問題の解き方 　　4-1 文書要約：長い文章の要点をまとめる 　　4-2 機械翻訳：同じ意味の別の言語で表現する 　　4-3 対話：チャットのやり取りをする 　　4-4 演習：機械翻訳 　　4-5 まとめ ●第5章 言語資源のつくり方 　　5-1 言語資源の入手方法 　　5-2 言語資源構築のデザイン：継続的な品質管理 　　5-3 辞書作成 　　5-4 コーパス作成 　　5-5 ツールキット作成 　　5-6 演習：フレーズ分類ラベルアノテーション 　　5-7 まとめ ■著者プロフィール 小町守：2005年東京大学教養学部基礎科学科科学史科学哲学分科卒業。2010年奈良先端科学技術大学院大学情報科学研究科博士後期課程修了。博士（工学）。在学中、Microsoft ResearchやAppleなどで研究開発に携わる。同年奈良先端大助教、2013年首都大学東京（現東京都立大学）システムデザイン学部准教授および教授を経て、2023年より一橋大学大学院ソーシャル・データサイエンス研究科教授。2023～2024年ケンブリッジ大学客員研究員。最近は深層学習を用いた自然言語処理の研究に取り組んでいる。『自然言語処理の基本と技術』（翔泳社，2016）監修。

【コンピュータアーキテクチャがわかる!】 コンピュータアーキテクチャとは、より良いコンピュータの構成を模索し、設計し、実現するための方式です。学習には、重要概念の理解とハードウェアの設計、実装、そのシミュレーションによる動作確認と性能評価、また、FPGAなどにハードウェアを実装し、動作・検証・性能確認することが大切です。本書は、これらを通じてコンピュータアーキテクチャの本質を学ぶことを目指します。特に、オープンな命令セットアーキテクチャとして注目されているRISC-Vの採用、Verilog HDLによるハードウェアの記述、FPGAによるハードウェア動作まで、広い範囲を扱っている点が特徴です。 ■こんな方におすすめ ・コンピュータアーキテクチャの初学者および再入門者 ・コンピュータサイエンスをしっかり身につけたい学生の方 ・RISC-Vの入門者 ■目次 第1章 イントロダクション 　　1-1　コンピュータの基本構成 　　1-2　コンピュータの性能 　　1-3　特定用途向け半導体とFPGA 第2章 ディジタル回路の基礎 　　2-1　組み合わせ回路 　　2-2　順序回路 　　2-3　やわらかいハードウェアとしてのFPGA 第3章 ハードウェア記述言語Verilog HDL 　　3-1　ANDゲートのモジュール記述 　　3-2　記述したモジュールのインスタンス化とシミュレーション 　　3-3　文字列を表示するシステムタスク$display 　　3-4　ブロックの指定 　　3-5　指定した時間が経過するまで待たせる命令# 　　3-6　システムタスク$finishと$time 　　3-7　不定値xとハイインピーダンスz 　　3-8　複数本の信号線、数値の表現、default_nettype 　　3-9　三項演算子とマルチプレクサ 　　……ほか 第4章 RISC-V命令セットアーキテクチャ 　　4-1　RISC-V RV32I命令セットアーキテクチャの概要 　　4-2　データ形式、負の整数の表現 　　4-3　命令形式 　　4-4　R形式の算術演算命令、論理演算命令、シフト命令 　　4-5　I形式の算術演算命令、論理演算命令、シフト命令 　　4-6　ロード命令、ストア命令、エンディアンと整列 　　4-7　条件分岐命令とプログラムカウンタ 　　4-8　lui、auipc、jal、jalr命令とその他の命令 第5章 単一サイクルのプロセッサ 　　5-1　単一サイクルのプロセッサの設計方針 　　5-2　最初の版のプロセッサを設計するための構成要素 　　5-3　add命令を処理するx1のみの単一サイクルのプロセッサ 　　5-4　add命令を処理する単一サイクルのプロセッサ 　　5-5　addとaddi命令を処理する単一サイクルのプロセッサ 　　5-6　add、addi、lw、sw命令を処理する単一サイクルのプロセッサ 　　5-7　add、addi、lw、sw、bne命令を処理する単一サイクルのプロセッサ 　　5-8　シミュレーションの工夫と例題 第6章 プロセッサの高性能化の手法 　　6-1　回路の動作周波数とパイプライン処理 　　6-2　パイプライン処理（2段）のプロセッサの設計と実装 　　6-3　パイプライン処理（3段）のプロセッサの設計と実装 　　6-4　パイプライン処理（4段）のプロセッサの設計と実装 　　6-5　パイプライン処理のプロセッサと同期式メモリ 　　6-6　パイプライン処理（5段）のプロセッサの設計と実装 　　6-7　ここまでのプロセッサの性能 第7章 分岐予測 　　7-1　分岐予測の枠組み 　　7-2　分岐先バッファ 　　7-3　分岐の成立／不成立の予測 　　7-4　bimodal分岐予測 　　7-5　gshare分岐予測 第8章 キャッシュメモリ 　　8-1　メインメモリとキャッシュ 　　8-2　容量が大きくて遅いメモリ 　　8-3　プロセッサのストール 　　8-4　ダイレクトマップ方式のキャッシュメモリ 　　8-5　マルチワードのダイレクトマップ方式のキャッシュメモリ 　　8-6　セットアソシアティブ方式のキャッシュメモリ 　　8-7　データキャッシュ 第9章 FPGA評価ボードを利用した動作の確認 　　9-1　ファイルの準備 　　9-2　Vivadoで論理合成、配置・配線してFPGAで動作確認 ■著者プロフィール 吉瀬 謙二：東京工業大学教授。アダプティブコンピューティング研究推進体の代表、ACRiブログの編集長を務める。コンピュータアーキテクチャとFPGAシステムの研究と教育に従事している。

政府は「AI戦略2019」の中で，リテラシー教育として文理を問わず，全ての大学・高専生約50万人を対象に，初級レベルの数理・データサイエンス・AIを課程にて習得する方針を打ち出しました。これを踏まえ，各大学・高専で参照可能な「モデルカリキュラム」の検討と策定が進められています。本書はこのモデルカリキュラムのうち，基礎的な範囲に対応した教科書です。AIリテラシーの基礎を薄く広く扱います。文科省の認定制度に準拠し，半期15回の講義で進められるよう工夫されています。これから導入を考えているすべての大学・高専が対象です。

業務でVBAプログラムを組んでいる人の多くは，部署で一番パソコンやExcelに詳しいからという理由で任されていることも多く，プログラミングの基本的な素養や知識を知らない方も多いでしょう。このため，動けばOKといった，その場しのぎのコードを書いてしまいがちです。そういったコードは，あとから見直したり再利用する際にトラブルを起こしやすく，またどこになにが書いてあるかわかりにくいので，せっかくの生産性や効率性を落としがちです。本書は，そのようなVBAではじめてプログラムを組んだという人たちにプログラミングの基礎を示し，あとから見て読みやすく，変更や再利用に強いVBAプログラムの書き方を身につけるための本です。

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。

※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。 時系列データとは気温や株価のように時間順に得られる系列データを指します。時系列データの分析方法にはさまざまありますが、本書では確定的な方法と確率的な方法を解説します。確定的な方法については移動平均法に基づく方法、確率的な方法については、状態空間モデルに基づく方法を取り上げ、これらの解説と合わせてどのようにコードに落とし込むかについても丁寧に解説します。初めて時系列分析を試みる方はもちろん、応用的な手法についても取り上げているのですでに時系列分析に携わっている方にも興味を持っていただける内容になっています。

◆世界一やさしいRAG（AIチャットボット）の教科書◆ 本書では、RAGの基本概念から構築・活用までを徹底的にわかりやすく解説しています。初心者でも理解しやすいよう、図解をふんだんに用いて、従来技術との違いを明確にし、さらに実際にRAGを動かせるコードも掲載しています。具体的な内容は以下のとおりです。 ● 生成AIの基礎知識：生成AIの仕組みや活用方法を学び、ChatGPTをはじめとする大規模言語モデル（LLM）の特徴や制約を理解します ● Azureの基礎知識：Azureの基本的な概念や主要なサービスについて理解し、RAGを構築する際に必要なクラウド環境の知識を身につけます ● RAGの概念：RAGの基本原理を学び、従来のチャットボットとの違いや、どのようにしてより正確な回答を導き出せるのかを把握します ● RAGの構築方法：Azure OpenAI ServiceやAzure AI Searchを活用し、実際に動作するRAGを構築する手順を学びます ● RAGの評価と改善手法：RAGの回答精度を評価するための方法や、回答精度を高めるためのチューニング手法を学びます 本書ではクラウド基盤としてMicrosoft Azureを使用していますが、解説の中心はRAGの基本概念にあります。そのため、他のクラウド環境でも応用できる内容になっています。 ■目次 ●第1章 生成AIに挑戦すべき理由 ・1.1 生成AIとは ・1.2 生成AIによって仕事はどう変わるのか ・1.3 独自情報に基づいた生成AIによるチャットシステム「RAG」 ・1.4 まとめ ●第2章 OpenAIとAzure OpenAI Service ・2.1 OpenAIとは ・2.2 OpenAIとAzure OpenAI Serviceの関係 ・2.3 本書でAzure OpenAI Serviceを利用する理由 ・2.4 まとめ ●第3章 Azureを使ってみよう ・3.1 Microsoft Azureとは ・3.2 Azureの主要サービス ・3.3 Azureの課金体系 ・3.4 コスト管理の重要性 ・3.5 Azureのサブスクリプション契約 ……ほか ●第4章 Azure OpenAI Serviceを使ってみよう ・4.1 Azure OpenAI Serviceを利用するための土台作り ・4.2 AIの実行環境 ・ Azure AI Foundryでできること ・4.3 AIとチャットをしてみる ・4.4 AIで画像を生成してみる ・4.5 まとめ ●第5章 Azure OpenAI Serviceのさまざまな機能 ・5.1 トークンとは ・5.2 モデルとデプロイ ・5.3 コンテンツフィルター ・5.4 クォータの制限と管理 ・5.5 認証 ……ほか ●第6章 簡単な生成AIアプリを作ってみよう ・6.1 作成する生成AIアプリの概要 ・6.2 開発方法 ・6.3 開発環境構築 ・6.4 ソースコードの説明 ・6.5 小説生成アプリの実行 ……ほか ●第7章 社内ナレッジを活用する生成AIチャットボット（RAGアプリ）を作ってみよう ・7.1 RAGの基本のおさらい ・7.2 RAGアプリの情報検索を担うAzure AI Search ・7.3 Azure AI Searchの検索手法 ・7.4 作成する社内規程検索RAGアプリの概要 ・7.5 開発方法 ……ほか ●第8章 RAGアプリをどうやって運用していくのか ・8.1 RAGの運用 ・8.2 RAGの評価方法 ・8.3 RAGの評価ツール ・ Prompt Flow ・8.4 簡単なフローを動かしてみよう ・8.5 RAGの評価指標 ……ほか ●第9章 進化のはやい生成AIアプリ開発についていくために ・9.1 RAG実現のための最先端手法 ・9.2 最新技術をキャッチアップするための3つのステップ ・9.3 まとめ ■著者プロフィール 武井 宜行：サイオステクノロジー株式会社 シニアアーキテクト。「最新の技術を楽しくわかりやすく」をモットーに情報を発信し続け、2020年にMicrosoft MVPを受賞。コミュニティやMicrosoftの公式イベントに登壇して、今もなお最新技術の探求と情報発信を続けながら、技術コミュニティの発展に貢献している。得意分野はAzureによるクラウドネイティブな開発やAI関連のテクノロジー。

※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。 量子コンピュータのしくみの説明は、「量子とは粒であり波である」「結果は観測するまで確定しない」など、直感的には想像がつかない説明がつきまといます。そんな難解なイメージのある量子コンピュータがいかにして計算しているのかを解説する本です。 本書では、量子コンピュータのうち、ソフトウェア（アルゴリズム）のしくみを扱っています。逆に、ハードやビジネス活用に関する話はしていません。また、量子力学にも触れません。そのかわり、高校数学（主に行列）の知識さえあれば、その延長で量子アルゴリズムを理解できるよう、ていねいに、たっぷり解説します。本書に出てくる計算のルールの解説からはじめるので、難しそうと感じるかたでも、ぜひ読んでみてください。この本を片手に、量子コンピュータの「頭の中」をのぞいてみましょう。

最も身近な仕事のツールであるExcel。ついつい，こんな使い方をしていないでしょうか？「取引先とExcelファイルをメールでやりとり」「データを月別にファイルやシートに分けている」「Excel方眼紙を愛用」「Excelで紙の資料や伝票を再現してしまうことがある」「プリントアウトのことを考えて，どう罫線を引けばよいか迷ってしまう」「クイックアクセスツールバーをクリックして操作している」「消費税の計算でROUNDDOWN関数を使っている」……。「これはやったほうがいいよ」「こうすると速いよ」と教えてもらうことはあっても，「Excelでこれをやるのはダメ」とは，なかなか指導してもらえないものです。本書は，まわりは教えてくれないけれど，ついついやってしまいがちで，仕事のパフォーマンスにブレーキをかけているExcelの“やってはいけない”を幅広く集めました。心得から始まって，ファイル，見た目，データ入力，操作，数式・関数，集計と，幅広く網羅。“やってはいけない”をキレイに一掃すれば，明日からのExcel仕事がぐっとよくなります。

「コミュニケーションにおける不確実性を減らすには？」「技術的負債を解消する方法とは？」「経営陣とエンジニア間の認識のずれを解消するには？」 エンジニアリングにおける課題を解決する思考の整理方法やメンタリング手法を，さまざまな企業の技術組織アドバイザリーを務めている著者が解説。 若手を戦力として育て上げ，成長する組織を設計・運営するためにおすすめの1冊です。

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。

人々の生活や企業活動を支える銀行のオンラインシステム。地震などの大規模災害対策として，銀行の国際競争力を高める手段（振込の24時間化や休日・夜間の即時決済など）として，24時間365日止まらずに稼動し続けることが求められています。本書は，多くの銀行システムで採用されているメインフレームのしくみ，とくに信頼性，可用性，保守性を高める技術をわかりやすく解説します。銀行システムの歴史や特性，メインフレームやそのOS「z/OS」の特徴や機能を学びたい人，システムの障害・災害対策を検討したい人に役立つ1冊です。

本書は、ブロックチェーンの基本やしくみ、開発手法やツールなどを一通り学ぶことのできる図解入門書です。ブロックチェーンの基礎技術としては、最も普及しているビットコインブロックチェーンや、スマートコントラクトのプラットフォームとして注目されるイーサリアムなどを題材に解説を行い、現在のブロックチェーンの技術的課題や最新動向もしっかりフォローします。エンジニア1年生、フィンテック業界への転職・就職を目指す人、ブロックチェーンを導入したい企業の担当者に向け、豊富なイラストや具体的な資料を用いてわかりやすく解説します。

本書は，IT担当者，情報システム部門に向けた，システム発注から導入までのノウハウ集です。なぜシステムの発注～導入には失敗がつきまとうのでしょうか。筆者は，「失敗の原因はユーザー企業の力量不足」と喝破します。ユーザー企業は，少なからず何らかのシステム導入を経験しているものです。であれば，経験はノウハウとして蓄積されているはずです。しかし，プロジェクトは失敗してしまいます。ノウハウに体系的なまとまりがないからです。本書には，ITコンサルタントという立場だからこそ知りえた筆者のノウハウが詰まっています。

本書では，脳の各部位がどんな役割を持ち，どうやって情報を処理しているのかを解説し，人間らしい知能を実現するにはどのようなしくみが必要かふれていきます。続いて，身近にある人工知能のなかで動いている機械学習やディープラーニングなどのコンピューター技術のしくみを説明します。人間の脳のしくみと最新の機械学習のアルゴリズムを照らし合わせてみると，なんだか人間のような知能が再現できそうな感じがしてきます!

◆変化の激しい生成AIの本質としくみを理解する◆ 　生成AI技術は目覚ましい進歩を続けています。そのため、表面的なトレンドを追うだけでは、そのしくみを理解することが困難になっています。こうした状況において、本書は生成AIを支える理論的基礎について原論文レベルまで深く踏み込んで解説し、読者が技術の核心部分を理解できるよう導く一冊です。本書の主な特徴は、以下の3つにあります。 　1つ目の特徴は、Transformerから推論時のスケーリング則に至るまでの「生成AIの重要な理論」について、原論文の内容を参照しながら数式と図版を用いて詳細に解説しています。2つ目の特徴は、英語・日本語を問わず既存の文献ではあまり扱われていない分布仮説の実験的根拠や拡散モデルの数学的保証など、「生成AIを理解する上で、重要であるものの他の書籍などで十分に扱われていない理論」も丁寧に掘り下げています。3つ目の特徴として、「演習問題とGitHubサポートページを連携させた読者参加型の学習環境」を提供し、より深い学びをサポートしています。 　本書を通じて読者は、生成AIに関わる重要な理論について深い理解を得ることができるだけでなく、原論文レベルの内容を読み解く力を身につけることができます。これにより、新たなモデルや技術動向を独力で理解し、急速に変化する技術トレンドへの自律的なキャッチアップ能力を獲得することができるでしょう。表面的な知識ではなく、生成AI技術の本質的な理解を求める全ての方にとって、必携の一冊です。 ■こんな方におすすめ ・生成 AI 分野の理論の基礎をキャッチアップしたいと考えている方々 ・機械学習を学んでいる学部生や院生の方々 ・機械学習を業務で活用しているエンジニア ・異分野の研究者の方々 ■目次 第1章 本書の読み方と論文を読み解く技術 ・1.1 本書の読み方 ・1.2 論文を読み解く技術 ・1.3 本書における数式記法 第2章 入力データの特徴量化 ・2.1 埋め込みと分布仮説 ・2.2 サブワードの必要性とトークン化 ・2.3 バイト対符号化 (Byte Pair Encoding) ・2.4 サブワードユニグラム言語モデル ・2.5 SentencePiece ・2.6 文字単位よりも細かいサブワード分割 ・2.7 トークナイザーは本当に必要なのか 第3章 生成AI モデルの大前提となるTransformer ・3.1 Transformer の全体像 ・3.2 位置埋め込み (Positional Encoding) ・3.3 マルチヘッド注意 ・3.4 エンコーダーとデコーダーの共通要素 ・3.5 デコーダーの出力部分 ・3.6 モデルの学習と実験結果 第4章 Generative Pre-trained Transformerとテキスト生成 ・4.1 複数タスクモデルとしての GPT-1, 2 ・4.2 生成モデルとしての GPT-3, 4 ・4.3 テキスト生成モデルの性能を高めるための要素 第5章 拡散モデルと画像生成 ・5.1 画像分類モデルとしての Vision Transformer ・5.2 拡散モデル ・5.3 画像生成モデル Diffusion Transformer 第6章 テキストと画像の融合 ・6.1 テキストと画像を関係づけるCLIP ・6.2 text-to-imageモデル unCLIP ・6.3 text+image-to-imageモデル Imagic ・6.4 text+image-to-text の実現方法 第7章 生成 AI モデルのスケーリング則 ・7.1 生成AIモデルの事前学習スケーリング則 ・7.2 テキスト生成の推論スケーリング則 第8章 生成 AI モデルの評価 ・8.1 人間による相対評価 ・8.2 高い専門性を有するタスクでの評価 Appendix A.1 参考文献の取り扱い Appendix A.2 Landauのビッグオー記法と計算量 ■著者プロフィール 菊田 遥平：1986年生まれ。2014年総合研究大学院大学高エネルギー加速器科学研究科素粒子原子核専攻修了。博士（理学）。機械学習と生成AIの専門家として、複数の企業で研究開発・プロダクト開発・開発組織のリードなどを経験。X：@yohei_kikuta

※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。 ◆コンピュータが言語を理解するしくみ◆ 「大規模言語モデル入門」の続編です。「大規模言語モデル入門」は理論と実装のバランスをとって構成しましたが、本書では実装部分で扱い切れなかった話題を取り上げ、特に大規模言語モデルの評価と生成LLMに関連する解説を充実させます。「大規模言語モデル入門」の9章に続き、10章から始まります。 10章では、後続する章で行う言語モデルの評価方法について解説します。自動評価と人手評価の2つの側面から、ベンチマーク、評価指標、具体的な評価ツールやデータセットなどを取り上げます。11～13章では、主に大規模言語モデルの性能を上げるためのトピックとして、指示チューニング、人間のフィードバックからの学習、RAGに焦点を当て、それぞれの実装方法、利用するデータセット、評価の方法について解説します。14章では大規模言語モデルの学習における並列・分散処理について詳しく解説します。大規模なデータを限られた計算資源で学習させるノウハウは多くのエンジニアにとって有益な情報となるでしょう。 大規模言語モデルの性能を高めるための各トピックの実装とともに、それぞれの評価について理解できる一冊です。 ■目次 ※第1章～第9章は前巻「大規模言語モデル入門」掲載。 ●第10章 性能評価 ・10.1 モデルの性能評価とは ・10.2 評価指標を用いた自動評価 ・10.3 LLM を用いた自動評価 ●第11章 指示チューニング ・11.1 指示チューニングとは ・11.2 指示チューニングの実装 ・11.3 指示チューニングしたモデルの評価 ●第12章 選好チューニング ・12.1 選好チューニングとは ・12.2 選好チューニングの実装 ・12.3 選好チューニングの評価 ●第13章 RAG ・13.1 RAGとは ・13.2 基本的なRAGのシステムの実装 ・13.3 RAG向けにLLMを指示チューニングする ・13.4 RAGの性能評価 ●第14章 分散並列学習 ・14.1 分散並列学習とは ・14.2 さまざまな分散並列学習手法 ・14.3 LLMの分散並列学習 ■著者プロフィール 山田 育矢（やまだ いくや）：株式会社Studio Ousia チーフサイエンティスト・名古屋大学 客員教授・理化学研究所革新知能統合研究センター客員研究員。2007年にStudio Ousiaを創業し、自然言語処理の技術開発に従事。2016年3月に慶應義塾大学大学院政策・メディア研究科博士後期課程を修了し、博士（学術）を取得。大規模言語モデルLUKEの開発者。全体の監修と12章の一部の執筆を担当。 鈴木 正敏（すずき まさとし）：株式会社Studio Ousia ソフトウェアエンジニア・東北大学データ駆動科学・AI教育研究センター学術研究員。2021年3月に東北大学大学院情報科学研究科博士後期課程を修了し、博士（情報科学）を取得。博士課程では質問応答の研究に従事。日本語質問応答のコンペティション「AI王」の実行委員。東北大学が公開している日本語BERTの開発者。第13章の執筆を担当。 西川 荘介（にしかわ そうすけ）：LINEヤフー株式会社 自然言語処理エンジニア。2022年3月に東京大学大学院情報理工学研究科修士課程を修了。現在は情報検索分野での言語処理に取り組む。第12章の執筆を担当。 藤井 一喜（ふじい かずき）：東京工業大学 情報工学系 修士１年・Turing株式会社嘱託研究員。学士、修士課程では大規模モデルの分散並列学習に従事。llm-jp、Swallow Projectにて日本語大規模言語モデルの事前学習を担当。第14章の執筆を担当。 山田 康輔（やまだ こうすけ）：株式会社サイバーエージェント AI Lab リサーチサイエンティスト・名古屋大学大学院情報学研究科協力研究員。2024年3月名古屋大学情報学研究科博士後期課程を修了し、博士（情報学）を取得。2024年4月より現職。博士後期課程では自然言語処理、特にフレーム意味論に関する研究に従事。第10章の執筆を担当。 李 凌寒（り りょうかん）：SB Intuitions株式会社 リサーチエンジニア。2023年3月に東京大学大学院情報理工学系研究科博士後期課程を修了し、博士（情報理工学）を取得。博士課程では言語モデルの解析や多言語応用の研究に従事。現在は日本語大規模言語モデルの開発に取り組む。第11章の執筆を担当。

【「怖い／むずかしい／わからない」ITを、あなたのビジネスの武器にする】 「技術の背景、価値、そのつながりまでも一望できる」累計7万部のロングセラーが大改訂！ 知らないでは済まされない生成AIの基礎知識から、あらためて問うDXの本質まで、新規項目を大幅追加。もちろんクラウド、サイバーセキュリティ、IoTなど、変わらず重要であり続けるITトピックも、時流に合わせて見直しています。デジタル前提のビジネスに適応し、さらに一歩先んじるための知識がコレ1冊で身に付きます！【特典】図版はすべてPowerPointデータで提供、ロイヤリティフリーで利用可能！　研修教材や提案書などで、学んだ知識を活かす際にご活用ください。 ■こんな方におすすめ ・IT業界全体のトレンドを知りたい就活生／エンジニアの方 ・トレンドをビジネスに活用していきたい社会人の方 ■目次 第1章 デジタルの基礎知識～デジタルの本来の意味と役割を理解する 第2章 DX／デジタル・トランスフォーメーション～デジタル前提の社会に適応するために会社 第3章 ITインフラストラクチャー～変化に俊敏に対処できるITの実現 第4章 クラウド・コンピューティング～所有せずに使用するITのこれからの常識 第5章 サイバー・セキュリティ～デジタル化が進む事業基盤の安全対策は重要な経営課題 第6章 IoT／モノのインターネット～現実世界と仮想世界の狭間をつなぐゲートウェイ 第7章 AI／人工知能～人間の知的能力を拡張するコンパニオン 第8章 開発と運用～できるだけ作らずにITサービスを実現する 第9章 いま注目しておきたいテクノロジー～留まることのない進化、置き換わる常識に目を向ける 巻末 DXの実践～まずは「いま」を終わらせることから始める ■著者プロフィール ●斎藤昌義（さいとう まさのり）：1982 年、日本IBM に入社、営業として一部上場の電気電子関連企業を担当。その後営業企画部門に在籍した後、同社を退職。1995年、ネットコマース株式会社を設立、代表取締役に就任。産学連携事業やベンチャー企業の立ち上げのプロデュース、大手IT ソリューションベンダーの事業戦略の策定、営業組織の改革支援、人材育成やビジネスコーチング、ユーザー企業の情報システムの企画・戦略の策定などに従事。IT 関係者による災害ボランティア団体「一般社団法人・情報支援レスキュー隊」代表理事。『未来を味方にする技術』『システムインテグレーション再生の戦略』『システムインテグレーション崩壊』（すべて技術評論社 刊）ほかの著書、雑誌寄稿や取材記事、講義・講演など多数。

※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。 インターネットが普及し、待ったなしで求められている教育が「情報モラル」です。炎上、なりすまし、拡散、誹謗中傷など、さまざまな問題があります。この情報モラルは、一般的なモラル（倫理や道徳）を基盤として、PCやインターネットに関する「技術」と、社会のルールである「法律」を両輪として、合わせて学んでいくことがポイントです。本書は、児童生徒の身近な題材を用い、モラル、技術、法律、情報、健康をテーマとして取り上げ、「情報モラル」をわかりやすく解説し、理解できるようになっています。基本編では、モラル、技術、法律についてバランスよく解説し、情報モラルの基本な考え方がわかるようになります。

システム開発における最初の関門である「要件定義」を、豊富なイラストや表、具体例を用いてわかりやすく解説しています。現場に立つうえでエンジニアが身につけておくべき知識が満載の一冊です。

オフィスワークにパソコンが必須の現代、パソコンをどれだけ速く使えるからは、ビジネスの成果に直結します。本書は、パソコンで仕事を手際よく効率的に行うための考え方とテクニックをわかりやすく解説します。パソコンそのものの高速化、ショートカットキー、ファイル整理、ワード・エクセル・PDFの便利ワザ、入力高速化、メール＆チャット、情報収集術がこれ一冊で身につきます。

IoTについての基本的な知識が身に付く本です。IoTサービスの導入の際に必要となる知識や、IoT機器の仕組みなど、幅広い分野について理解できるようになります。2018年10月より開始されたIoT検定ユーザー試験パワー・ユーザーの教科書&問題集としても使うことができます。

近年はビッグデータを分析し、ビジネスに活かすのは当たり前の時代となりました。今後IoTやAIなどの活用が期待される中、データを分析するだけではなく、データを集める・溜める・活用することが重要になってきています。本書は一般的なインターネット事業を展開する企業において、ビッグデータ分析システムをしっかり本番システム化する基本知識を図とともにわかりやすく解説しています。

機械学習・ディープラーニングについて学ぶための、図解形式の解説書です。エンジニア1年生、機械学習関連企業への就職・転職を考えている人が、機械学習・ディープラーニングの基本と関連する技術、しくみ、開発の基礎知識などを一通り学ぶことができます。

※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。 機械学習が話題に上ることも増えてきましたが，実際には手っ取り早くできるものではなく，ライブラリを使うだけではやりたいことをうまく実現できません。もとになる考えかたや基礎的なモデルを知っていなければ，パラメータの意味がわからなかったり，目の前の問題に対してまったく向いていないモデルを使ってしまうからです。こういった状況に対し本書では，機械学習の理論を知ることで，機械学習を実際に活用していくための基礎をきっちりと固めることを目的とします。

DTMアプリ（DAW）で使用する音源「ソフトシンセ」。今やソフトシンセは，音楽の音源としてだけでなく，ゲームやムービーの効果音にも利用されており，すべてのメディア制作の現場でなくてはならない存在になっています。本書は，すべてのクリエーターに向けたソフトシンセの使いこなしガイドブックです。前半でソフトシンセの基本概念と使用方法を解説し，後半ではプリセットでは飽き足らない上級者に向けて，必要なサウンドを手にするための音色エディットのテクニックを目的別に解説しています。この1冊を読めば，多種多様なソフトシンセを自在に操れるようになります！

本書はチューリングの理論をもとに，コンピュータの原理やしくみから人工知能までを，わかりやすくていねいに解説しています。チューリングは現在のコンピュータサイエンスの基礎となる理論を作り上げた，とても重要な人物です。また，『知性を持つ機械』という論文やチューリングテストを考案するなど，人工知能の父とも呼ばれています。本書はこのチューリングの重要な理論を，できるだけわかりやすく楽しんで理解できるように，難しい専門用語を避け，ふんだんなイラストを用いて説明しています。コンピュータサイエンスの入門書として最適です。

技術者が不足していると言われるIT業界では，全体を把握しながらシステムを構築できるような人材が希少になっています。本書では「UI・機能・データの三点セット」を「クライアント・サーバ・DB」というシステムの三層セットへと配置する指針と手法を中心に，UIデザインの具体的な手法，機能をプログラムするための構造化やオブジェクト指向の最重要な原則，そしてモダンなDB設計の方法などを解説します。AI，IoTなどの最新技術や領域にも対応しながらシステム構築を行うための，システム設計の知識を体系的に学びましょう！

金融分野でのITの活用が進み，FinTech（フィンテック）という名称で話題を読んでいます。本書は，FinTechの基礎知識から，具体的なサービス，スタートアップ企業，FinTechを支える最新ITのしくみ，さらには企業での導入や家庭での活用方法までを1冊にパッケージ。これ1冊で，FinTechの全貌がわかります！

★【シリーズ累計35万部】Excel本の歴史を塗り替えた伝説の1冊が全面リニューアル！ 「5時間かかる作業が3時間でできます」ではなく「1秒で終わらせます」へ―― 作業そのものをゼロにしてしまう“究極の効率化”を実現するExcel VBAのポイントと、毎日の業務を瞬時に終わらせるしくみの作り方をかつてないアプローチで解説した定番書がリニューアル。 大量の書類作成の自動化、イミディエイトウィンドウによる効率的なデバッグなどの話題を追加し、画面をすべてOffice 365＋Windows 10に刷新しました。 300社5000人の指導実績に裏打ちされた、実務直結のExcel入門決定版！

Amazon Web Services（AWS）のしくみや関連技術についてわかりやすく解説する図解本です。エンジニア1年生、IT業界などへの転職・就職を目指す人が、AWS関連の用語、しくみ、クラウドとネットワークの基礎技術などを一通り学ぶことのできる、1冊目の入門書としてふさわしい内容を目指します。本書では、クラウドやネットワークの基礎から解説し、AWSのサーバーサービス、ストレージサービス、ネットワークサービス、データベースサービスについて具体的なサービス名を挙げながら初心者向けにわかりやすく紹介します。今までのAWS解説書では用語がわからず難しかったという人も本書なら安心して学ぶことができます。

★【シリーズ累計35万部】Excel本の歴史を塗り替えた伝説の1冊が5年ぶりに全面リニューアル！ 「前向きな怠惰」で仕事はもっとラクになる―― かつてない内容でExcel本の歴史を塗り替えた伝説の1冊が全面リニューアル。 グラフの落とし穴と使い方、神Excelやリンク貼り付けなどの話題を追加し、画面をすべてOffice 365＋Windows 10に刷新しました。 300社5000人の指導実績に裏打ちされた実務直結のExcel入門、決定版！

本書は、現在話題となっているキャッシュレス決済に関心のある方へ向けて、キャッシュレス決済の定義と分類、各決済方式の仕組み、代表的な企業やサービスなど、キャッシュレス決済の全体像を俯瞰して解説する書籍です。現在急速に普及の進む「QRコード決済」の最新情報から、「カード決済」「電子マネー」を含む各種決済サービス、キャッシュレス化が進んだ中国の現状といった情報を整理し、図解を使ってわかりやすく解説します。

【読めば読むだけ力になる、新スキルチェックリスト対応の公式リファレンスブック！】 集めたデータから価値を創出し、ビジネス課題に答えを出すデータサイエンティストは、ますます必要とされてきています。そんなデータサイエンティストには、様々なスキルが求められています。 ・情報処理、人工知能、統計学などの情報科学系の知恵を理解し使う、データサイエンス力 ・データサイエンスを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、データエンジニアリング力 ・課題背景を理解した上でビジネス課題を整理し解決する、ビジネス力 さらに、これらのスキルを日常生活や仕事等の場で活かすための学修目標を示した「数理・データサイエンス・AI（リテラシーレベル）モデルカリキュラム」も公表されています。データサイエンティスト検定（リテラシーレベル）では、これらの基礎的な部分を総合的に問われます。 本書では、問われる項目をひとつひとつピックアップし、現場の第一線でで活躍する著者が詳しく解説しています。読み込めば読み込むほど力になる、試験対策のための一冊です。 ■目次 第1章 DS検定とは 第2章 データサイエンス力 第3章 データエンジニアリング力 第4章 ビジネス力 第5章 数理・データサイエンス・AI（リテラシーレベル）モデルカリキュラム データサイエンティスト検定TMリテラシーレベル模擬試験 問題 データサイエンティスト検定TMリテラシーレベル模擬試験 解答例 ■著者プロフィール ●菅 由紀子（かん ゆきこ）：株式会社Rejoui（リジョウイ） 代表取締役、一般社団法人データサイエンティスト協会 スキル定義委員、広島大学 客員教授。 ●佐伯 諭（さえき さとし）：一般社団法人データサイエンティスト協会 スキル定義委員会副委員長、事務局長、ビーアイシーピー・データ株式会社 取締役COO。 ●高橋 範光（たかはし のりみつ）：株式会社ディジタルグロースアカデミア 代表取締役会長、株式会社チェンジホールディングス 執行役員、一般社団法人データサイエンティスト協会 スキル定義委員。 ●田中 貴博（たなか たかひろ）：株式会社日立製作所 人財統括本部 デジタルシステム＆サービス人事総務本部 直轄人事部 シニアHRビジネスパートナー、一般社団法人データサイエンティスト協会 スキル定義委員。 ●大川 遥平（おおかわ ようへい）：株式会社AVILEN 取締役、一般社団法人データサイエンティスト協会 スキル定義委員。 ●大黒 健一（だいこく けんいち）：株式会社日立アカデミー 事業戦略本部戦略企画部部長、一般社団法人データサイエンティスト協会 学生部会副部会長、博士（農学）。 ●森谷 和弘（もりや かずひろ）：データ解析設計事務所 代表、データアナリティクスラボ株式会社 取締役CTO、一般社団法人データサイエンティスト協会 スキル定義委員。 ●參木 裕之（みつぎ ひろゆき）：株式会社大和総研 フロンティア研究開発センター データドリブンサイエンス部、チーフグレード／主任データサイエンティスト、一般社団法人データサイエンティスト協会 スキル定義委員。 ●北川 淳一郎（きたがわ じゅんいちろう）：LINEヤフー株式会社、一般社団法人データサイエンティスト協会 スキル定義委員。 ●守谷 昌久（もりや まさひさ）：日本アイ・ビー・エム株式会社 シニアアーキテクト、一般社団法人データサイエンティスト協会 スキル定義委員。 ●山之下 拓仁（やまのした たくひと）：一般社団法人データサイエンティスト協会 スキル定義委員。 ●苅部 直知（かりべ なおと）：一般社団法人データサイエンティスト協会 スキル定義委員、LINEヤフー株式会社。 ●孝忠 大輔（こうちゅう だいすけ）：日本電気株式会社 アナリティクスコンサルティング統括部長、一般社団法人データサイエンティスト協会 スキル定義委員。 ●福本 信吾（ふくもと しんご）：一般社団法人データサイエンティスト協会 スキル定義委員。

ITが社会のすみずみまで浸透した結果、仕事の進め方も、ITを前提に考えるのが当然になっています。デジタルトランスフォーメーション（DX）やRPA、AIが必要とされるのも、そうした流れの結果と言えます。とはいうものの、ITを活用したビジネスの進め方に必要なものってなんでしょうか。ITを使って、仕事をよりよくするためには、どうしたらよいでしょうか。 そこで私たちに必要なのは、IT技術の知識そのものではなく、自分のビジネスや業務をどうしたいかという「ビジョン」、そしてそれを実現するためにどのように仕事を「設計」するか、さらに、設計した仕事をIT前提で行うための「要件定義」という3つです。本書では、「ビジョン」「仕事の設計」「要件定義」をどのように行えばよいのか、ITがわからない方でもしっかり理解して手を動かせるように、ていねいに解説します。

「毎日，メール処理だけで時間が過ぎていく……」 「ファイルの添付忘れで，取引先の信用が……」 「なんとなく，アウトルックは使いにくい……」 毎日のメールのやり取りで，こんな悩みはありませんか？ 本書では，アウトルックを使った「効率良い&ミスしないメール処理」のテクニックをわかりやすく解説。メール仕事の基本はもちろん，署名の扱い・フォルダ分け・定型文自動入力・ファイル添付・連絡先・メール検索まで，アウトルックを使ってスマートで快適なメール処理のテクニックが身につきます。さらに，アウトルックのスケジュールやカレンダー機能やDropboxなどの他サービスと連携テクニックも紹介。これ1冊で，アウトルックの“最強時短仕事術”をマスターしましょう。

最新ITキーワード解説書として大人気の「60分でわかる」シリーズ，機械学習とディープラーニングの解説書です。機械学習は難解な技術と思われがちですが，今やすべてのビジネスの効率化に理解が欠かせません。本書ではその基礎から最新知識までを幅広く解説します。機械学習の歴史や活用事例をはじめ，機械学習を支える技術，中小企業や個人でも実現できるビジネス活用のヒントなどをわかりやすく解説します。ビジネスパーソンが知っておきたい機械学習のすべてが，この一冊でわかります！

人工知能の進化で人間の価値が見直しを迫られているが，人工知能が常に正しい意思決定をできるとはかぎらない。 では，単純な脅威論に踊らされず，正視眼で人工知能の限界を見極め，対処していくにはどうすればいいか？ 世界的認知心理学者ゲイリー・クライン博士に師事する唯一の日本人研究者が，人工知能と人間の直観を比較しながら，人間の可能性とその引き出し方，これからの社会や教育のあり方を示す。

本書は，わずか11行のプログラム解説からはじまります。たったそれだけで深層学習を体験できるのが，いまの状況です。自らがハマってコードを書いて習得した著者が，Deel，Chainer，TensorFlowといった深層学習用フレームワークを使い，畳込みニューラルネットワークやリカレントニューラルネットワークのしくみをコードを読み解きながら解説します。ニューラルネットワークの学習には，画像と自然言語を対象に，GUIツール（CSLAIER）を使って行う方法を紹介。さらに後半では，AlphaGoにも使われた深層強化学習，ファインチューニングの手法，深層化の本命と目されているオートエンコーダについても知ることができます。

※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。 ◆IT時事ニュースをわかりやすく深掘り！◆ ワイドショーにもすっかり常連となったIT時事ニュース。 しかし、日々のニュースに関連するITは技術の発達が目まぐるしく、なんだかよくわからない、ついていけないと感じていませんか？ 「SNSで炎上が頻繁に起こるのはなぜ？」 「ネット犯罪はどんなしくみで起こるの？」 「生成AIってなにが問題なの？」 しくみや背景を含めて、ていねいに読み解いていけば、理解が深まります。ITジャーナリストとして、テレビ・ラジオなど様々なメディアでニュースを解説してきた著者が、深掘りします。 ■目次 ●第1章 IT時事ニュースがますます世の中を騒がせる？ 　　01 テレビ番組におけるIT時事ニュースの扱い 　　02 「バイトテロ」事件が繰り返し起きる原因は？ 　　03 バイトテロ大炎上で閲覧数を稼ぐサイト・動画 　　04 ネット炎上参加は少数・事後対応が重要 ●第2章 個人を狙い撃ちするネット詐欺・サイバー犯罪 　　05 宅配便やアマゾン偽装のSMS＝スミッシングの特徴 　　06 不正アプリでSMS再送信・情報盗み取り 　　07 偽サイト巧妙化・ネット広告まで利用 　　08 高額通話料の国際ワン切り詐欺とは 　　09 クレジットカード不正利用が巧妙化 　　10 ウェブスキミングとクレジットマスター 　　11 クレジットカード利用の安全対策 　　12 SNSで「捨て駒」を集める闇バイト ●第3章 社会・経済に影響を与えるITトラブル・インフラ障害 　　13 「やらせレビュー」が氾濫する理由 　　14 ランサムウェアが企業・病院で被害拡大 　　15 バックアップも暗号化？ ランサム被害傾向 　　16 VPNなどの脆弱性が攻撃されて侵入被害 　　17 続発する内部不正事件の手口と背景 　　18 内部不正の動機は「給与待遇の不満」 　　19 スマホ決済で障害が多発する理由 　　20 スマホデータを捜査・裁判に使う時代 　　21 巨大災害におけるスマホ・携帯電話の障害 　　22 続発する携帯電話障害の理由 　　23 続発するクラウド・IT基盤の大規模障害 ●第4章 ビッグテックと国家が描く巨大なIT展望 　　24 世界はビッグテック＝GAFAMが支配 　　25 GAFAMの売上構成比でわかるITニュース 　　26 グローバルIT企業と国家の衝突 　　27 日本は本当にデジタル後進国なのか 　　28 コロナ対策で見えたデジタル後進国・日本の課題 　　29 デジタル庁の要・ガバメントクラウド 　　30 カード自体の安全性は高いマイナンバーカード 　　31 頻発したマイナカード関連トラブルの原因 　　32 企業のあり方を変えるDXとは 　　33 IT技術による新しい文明「Society 5.0」 　　34 野心的目標に挑戦「ムーンショット」 ●第5章 私たちの生活を大きく変えるITサービス・最新技術 　　35 スマホ料金の多様化とパターン別お勧め 　　36 スマホ動画の勝者は？ ショート動画の戦い 　　37 Web3（ウェブスリー）が夢見る新しいネット 　　38 生成AIの急速進化と基本技術 　　39 主要3社のマルチモーダルAIの特徴比較 　　40 生成AIの問題点と「使わないリスク」 ■著者プロフィール 三上洋（みかみ よう）：東京都世田谷区出身、1965年生まれ。都立戸山高校、東洋大学社会学部卒業。テレビ番組制作会社を経て、1995年からフリーライター・ITジャーナリストとして活動。文教大学情報学部非常勤講師。専門ジャンルは、セキュリティ、ネット事件、スマートフォン、ネット動画、携帯料金・クレジットカードポイント。

※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。 写真や動画の投稿，リモートワークの普及など，ここ数年で私たちはよりインターネットを利用するようになりました。 こうしたサービスのおかげで，私たちの生活はより豊かになった一方で，注意しなければいけないことも増えてきています。 本書では，豊富なイラストと図解で，「インターネットを通じたコミュニケーションで，気を付けるべきことは何か」「情報発信をする上で，してはいけないこととは何か」といったルールやモラルを学べます。 改訂に伴い，著作権や肖像権についての記述を追加しました。 これからのIT技術に対応したリテラシーを身に付けることができます。

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。

「Excel VBAの文法は入門書で学んだ。基礎の知識はひととおりある。でも，実践になると思うようにマクロが書けない……」。Excel VBAは生産性アップや時短を後押ししてくれる強力なツールですが，こんな“困った”を持つ人が少なくありません。「なぜ書けないのか」を知り尽くす著者の大村あつしさんは，知識とアイデアは別のものと指摘します。「いま持っている知識にアイデアとテクニックを加えればマクロを書くスキルは目に見えて上がる。そして，必ず知っておきたいアイデアの数は厳選できる」と。本書は，自動化，高速化から，データベース，ユーザーフォーム，外部ファイルの操作まで，お持ちの知識を活性化して上級者への確かな足がかりを築くことをお助けします。

本書は，Fintechをはじめとする次世代ITビジネスの中核技術として期待されている「ブロックチェーン」を取り上げ，ビジネスの常識として知っておきたい，ブロックチェーンの基本，ブロックチェーンを実現する最新IT技術のしくみ，中小企業や個人でも実現できるビジネス活用のヒント，ブロックチェーンの普及により社会や世界がどのように変わっていくかなどを，イラストでわかりやすく解説します。ビジネスパーソンが知っておきたいブロックチェーンのすべてが，この一冊でわかります！

※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。 ◆AIエージェントのしくみから導入・運用の基礎知識までが60分で身につく◆ 　AIエージェントは、いま世界中で急速に注目を集めている新しい人工知能技術。従来の対話型AIやRPAを超え、多彩なツールやAPIを連携しながら自律的にタスクを遂行する「行動するAI」の可能性は、産業界の構造に変革をもたらすだけでなく、私たちの働き方そのものにも影響を与え始めています。本書では、AIエージェントの基本概念から応用、導入プロセス、そして今後の可能性までを体系的に整理し、これから実務に活かしたいと考えるビジネスパーソンに向けて、実践的かつ現実的な視点から解説します。併せて、設計の複雑さ、信頼性の担保、社内運用の難しさなど、導入されはじめたばかりのAIエージェントの課題やリスクについても言及します。 ■こんな方におすすめ ・本格的な導入前にAIエージェントのきほんの「き」について知りたいビジネスパーソン ・自社の事業領域や業界、自身の仕事への影響と未来について知りたい人 ・AIモデルの活用先として有望な業界やAI産業の動向について知りたい投資家 ■目次 Part1 自ら動き出すAIの時代 AIエージェントとは Part2 自律する知能の設計図 AIエージェントの仕組み Part3 AI進化のロードマップ AIエージェントの発展段階とレベル定義 Part4 AIが変える仕事の現場 領域別にみるAIエージェント活用事例 Part5 安全と成長のマネジメント AIエージェント導入・設計・運用の実践 Part6 AIと歩む新しい世界 AIエージェントと共創する未来 ■著者プロフィール 上田雄登（うえだ・ゆうと）：東京大学工学部卒業、同大学院工学系研究科技術経営戦略学専攻修了（松尾豊研究室）。2016年株式会社YCP Japan入社後、経営コンサルティングおよびAIコンサルティング業務に従事。2021年より松尾研究所経営企画部門にて事業改善や中期経営計画策定を担当。2023年6月、生成AIの導入支援およびコンサルティングを手がける株式会社GenerativeXを共同創業し取締役CAIOに就任。国内外大手企業向けの生成AIを活用した業務改革、AIエージェント開発、経営戦略立案を専門とする。著書に「ビジネスに魔法をかける 生成AI導入大全」（KADOKAWA）、「60分でわかる！ 生成AI　ビジネス活用最前線」（技術評論社）などがある。

※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。 ◆勾配がなくても、答えは見つかる◆ ブラックボックス最適化は、関数の内部構造や勾配に依存せず、出力値のみに基づいてパラメータを調整する枠組みであり、科学・工学・産業の幅広い分野で活用されています。本書では、その中でも代表的なCovariance Matrix Adaptation Evolution Strategy（CMA-ES）を体系的に解説します。CMA-ESは優れた性能を誇る一方、研究の積み重ねによって段階的に発展してきたため、初心者が一から正しく理解するのは容易ではありません。本書の前半では、アルゴリズムの基本や設計指針を直感的にも理解できるよう解説し、後半では混合変数最適化や多目的最適化、ノイズを含む観測といった現実的な問題設定への応用を扱います。加えて、具体例や数値実験を通じて理解を深められるよう構成し、再現可能なPythonコードも公開しています。対象読者は、実務でパラメータチューニングに取り組む技術者や、CMA-ESを研究で扱う学生・研究者です。本書は、ブラックボックス最適化に取り組む読者にとって、これまでにない包括的なガイドとなることを目指しています。 ■目次 第1章 ブラックボックス最適化 ・1.1 問題設定 ・1.2 CMA-ESの活躍する場面 ・1.3 本書のゴールと構成 第2章 分布パラメータの更新則 ・2.1 挙動の直感的理解 ・2.2 多変量正規分布 ・2.3 候補解のサンプリング ・2.4 平均ベクトルの更新 ・2.5 共分散行列の更新 ・2.6 ステップサイズの更新 ・2.7 CMA-ESのアルゴリズム ・2.8 ハイパーパラメータの設定 ・2.9 Pythonによる実装例 ・2.10 上下限制約の対処 ・2.11 初期分布の設定方法 第3章 ベンチマークによる挙動解析 ・3.1 ベンチマーク関数 ・3.2 可視化指標 ・3.3 実験結果と考察 第4章 設計原理 ・4.1 不偏性 ・4.2 不変性 ・4.3 自然勾配法 第5章 高次元最適化 ・5.1 CMA-ESの時間・空間計算量 ・5.2 Sep-CMA-ES ・5.3 VD-CMA-ES ・5.4 共分散行列モデルと収束レートの関係 ・5.5 実験結果と考察 ・5.6 より発展的な手法 ・5.7 pycmaライブラリからの利用 第6章 学習率適応 ・6.1 サンプルサイズ適応と学習率適応 ・6.2 多峰性関数と学習率の関係 ・6.3 学習率適応法 ・6.4 実験結果と考察 ・6.5 cmaesライブラリからの利用 ・6.6 実用上の注意 第7章 混合変数最適化 ・7.1 問題設定 ・7.2 CatCMA with Marginの概要 ・7.3 連続・整数変数の最適化 ・7.4 カテゴリカル変数への対処 ・7.5 数値実験と性能評価 ・7.6 cmaesライブラリからの利用 第8章 多目的最適化 ・8.1 問題設定 ・8.2 スカラー化法 ・8.3 進化的多目的最適化法 ・8.4 スカラー化法と進化的多目的最適化法の選択 ・8.5 実験と考察 ■著者プロフィール 野村将寛（のむらまさひろ）：2015年名古屋工業大学工学部卒業、2017年東京工業大学大学院総合理工学研究科知能システム科学専攻修了、2025年東京科学大学情報理工学院博士後期課程修了。博士（工学）。同年4月より東京科学大学情報理工学院助教。主な研究分野はCMA-ESをはじめとするブラックボックス最適化や機械学習におけるハイパーパラメータ最適化であり、進化計算に基づくアルゴリズムの設計と応用に従事。近年の研究成果はAAAI、CIKM、GECCO、ICML、IJCAI、WebConfといった主要国際会議で発表されており、GECCO 2022、2023、2025ではBest Paper Awardにノミネートされている。 秋本洋平（あきもとようへい）：2007年3月東京工業大学工学部情報工学科早期卒業、2008年3月同大学大学院総合理工学研究科知能システム科学専攻修士課程早期修了、2011年3月同博士課程修了。博士（工学）。2025年9月より筑波大学システム情報系教授。進化戦略の理論から応用に至る研究に従事し、これまでにCMA-ESに関する論文を学術論文誌および国際会議にそれぞれ30件以上公表しているCMA-ESを含む進化戦略の教育および普及活動にも努めている。

◆実務で活躍できる、ワンランク上のデータサイエンティストへ！◆ データサイエンティストに求められるスキルは、いまや分析技術だけではありません。実務で活躍できるデータサイエンティストになるためには、チームでの働き方も身に付けなければいけないでしょう。本書では、分析環境の準備・分析データのチェックから、機械学習モデルの運用やプロトタイプ開発まで、データサイエンティストが抑えるべき「分析前後」の知識を身に付けられます。ワンランク上のデータサイエンティストになるための、強力なガイドとなる本です。 ■こんな方におすすめ ・新人データサイエンティスト ・分析技術は学んできて、これからチームで働く人 ■目次 第1章 実務で生き抜くためのエンジニアリングスキル ・1.1 データサイエンティストを取り巻く環境の変遷 ・1.2 プロジェクトで求められるエンジニアリングスキル ・1.3 まとめ 第2章 環境構築 ・2.1 分析の土台としての環境構築 ・2.2 リポジトリの構造を整える ・2.3 VS Codeでの開発環境の整備 ・2.4 Dev Container による仮想環境構築 ・2.5 uv によるパッケージ管理 ・2.6 まとめ 第3章 コードの品質管理 ・3.1 Notebookだけのデータサイエンティストからの卒業 ・3.2 コード品質とは ・3.3 品質の高いコードとその実現方法 ・3.4 コードレビューによる品質管理 ・3.5 まとめ 第4章 データの品質確認 ・4.1 データの品質確認の重要性 ・4.2 分析開始前のデータ確認 ・4.3 Panderaによるデータフレームのバリデーション ・4.4 データ品質管理の継続的な取り組み ・4.5 まとめ 第5章 機械学習モデルの実験管理 ・5.1 実験管理の意義 ・5.2 Hydraによるパラメータ管理 ・5.3 MLflowによる実験の比較 ・5.4 まとめ 第6章 プロトタイプ開発 ・6.1 プロトタイプ開発の意義 ・6.2 Streamlitによるプロトタイプ開発 ・6.3 まとめ ■著者プロフィール ●浅野 純季（あさの じゅんき）：株式会社ブレインパッド リードデータサイエンティスト。プロジェクトマネージャーとしてECサイトのマーケティング分析、レコメンド、効果検証、ゲームのチート検知などのプロジェクトをリード。 また、データサイエンスpodcast「白金鉱業.FM」の配信、Meetupイベント「白金鉱業Meetup」の主催、大学での寄付講義などでも活動。 1章と3章の執筆を担当。 ●田中 冬馬（たなか とうま）：株式会社ブレインパッド データサイエンティスト。デジタルマーケティングの領域での分析集計・機械学習モデルの構築や、LLMを活用したプロダクト開発などを担当。LLMに関する研究活動にも取り組み、論文の執筆や学会での発表を行なっている。社外では、AutoResというAIを活用した研究を自動化するプロジェクトに参画している。 2章の執筆を担当。 ●武藤 克大（むとう かつひろ）：株式会社Citadel AI ソリューションエンジニア兼ソフトウェアエンジニア。新卒で株式会社ブレインパッドに入社し、機械学習エンジニアとして、製造業・小売・金融業を中心に、MLOpsの推進や生成AIを活用したシステムの検証・開発に携わる。現職では、AIセーフティーやAIガバナンスに関するプロダクトの導入支援や開発を行う。 3章と6章の執筆を担当。 ●木村 真也（きむら まさや）：株式会社ブレインパッド データサイエンティスト。金融・食品業界におけるDX推進組織の立ち上げに携わる。DX推進組織のビジョンやアクションプランの策定といった上流の支援に加え、課題整理、分析、運用化までのデータ活用支援も担当。顧客のデータ活用人財の育成や社内コンペの主催など、データ・AI活用の民主化に向けた取り組みも実施。 4章の執筆を担当。 ●栁 泉穂（やなぎ みずほ）：株式会社タイミー データサイエンティスト。新卒で株式会社ブレインパッドに入社し、通信や小売の領域を中心に、予測モデル開発やLLMアプリケーション開発、データ基盤整備などのプロジェクトに携わる。統計学を専攻していた知見を活かし、新卒研修の資料作成や講師も担当。 4章と5章の執筆を担当。

※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。 ◆Wolframなら1行プログラムで体感しながらデータサイエンスがたのしく学べる！◆ 　私たちの身の回りにあふれる「データ」は、デジタルデータの世界で画像、文章などさまざまな形で表現される万物を対象に、私たちが新しいストーリーを組み立てる手助けをしてくれます。私たちは「データサイエンス」という魔法の杖で、すべての事実をデータとして「思考の地平」に取り込み、見える化し、そこから新しいストーリー、つまり未来を紡ぐことができるのです。ただし、データサイエンスが本当に魔法の杖になってくれるのは、私たちがその本質を理解してうまく扱うことができた場合です。 　本書は、データサイエンスやAIの本質を、手を動かしながら楽しい体験を通して、ワクワクしながら学べる題材があふれています。本書で扱っているWolfram言語には、データサイエンスやAIの世界を学ぶためのたくさんの「関数」が、あらかじめ用意されています。それらの関数を使うことで、ワクワクしながらこの世界に入門できるのです。 　数学の計算やプログラミングの書式に煩わされることなく、クリエイティブなことにチャレンジできる本書で、ぜひあなたもAIとデータサイエンスに入門してみてください。 ■こんな方におすすめ ・実際にプログラムを自分で動かしてAIとデータサイエンスを学びたい方 ・AIとデータサイエンスの基礎を学んで教科学習や探究活動に活かしたい中高生や教員の方 ・Wolfram言語を使ったデータ分析やAI プログラミングの実践や活用方法に興味のある大学生や教員の方 ■目次 ●第1章　Wolfram言語の世界を体験してみよう ・1-1　オンラインコンテンツで体験してみよう ・1-2　基本ルールを学び、実際に使ってみよう！ ●第2章　プログラミングの基礎 ・2-1　コンピュータのしくみ ・2-2　プログラミング言語の歴史と言語の種類 ・2-3　アルゴリズムとデータ構造 ・2-4　プログラムの3つの基本処理 ●第3章　画像データから見える世界 ・3-1　画像データとは ・3-2　画像処理のいろいろ ●第4章　音・音声データから見える世界 ・4-1　音・音声データとは ・4-2　音声処理のいろいろ ●第5章　AIのしくみ ・5-1　AIの頭脳はプログラム ・5-2　AIの頭脳を鍛えるしくみ：機械学習 ・5-3　教師あり機械学習とは ・5-4　演習：教師あり機械学習でお菓子を分類してみよう ・5-5　教師なし機械学習とは ・5-6　演習：教師なし機械学習で動物をグループ分けしてみよう ●第6章　テキストデータから見える世界 ・6-1　テキストデータとは ・6-2　自然言語処理 ・6-3　ワードクラウドとは ・6-4　演習：「走れメロス」のワードクラウドを作ろう ●第7章　統計学の基礎 ・7-1　統計学とAI・データサイエンスの関係 ・7-2　データの収集と種類 ・7-3　ヒストグラムと基本統計量 ・7-4　演習：ヒストグラムと基本統計量を求めてみよう ・7-5　2つのデータの関係 ・7-6　データの可視化（データビジュアライゼーション） ●第8章　社会の中でのAI・データの利活用 ・8-1　データ駆動型社会 ・8-2　AI・データ活用事例 ・8-3　個人情報と情報セキュリティの心得 ・8-4　AI・データを扱う上での心得 ●第9章　生成AI ・9-1　AIの歴史 ・9-2　ニューラルネットワーク ・9-3　知識ベースのWolframAlphaを使ってみよう ・9-4　生成AIのしくみ ・9-5　生成AIの未来 ●Appendix　現実世界を読み解くデータサイエンス ■著者プロフィール ※所属・肩書等は2025年8月初版発行時のものです。 北村美穂子：京都ノートルダム女子大学 社会情報学環 教授。博士（工学）。Wolfram Alpha LLCコンサルタント。 金光安芸子：Wolfram Research, Inc. 勤務。京都ノートルダム女子大学 社会情報学環 客員教授。 ドゥラゴ英理花：聖徳学園高等学校 校長補佐・データサイエンス部長。東京大学大学院教育学研究科博士課程在籍。WiDS TOKYO @ Shotoku アンバサダー。 小野陽子：大妻女子大学 データサイエンス学部 教授　国立研究開発法人　理化学研究所AIP 客員主管研究員。博士（工学）。 吉田智子：京都ノートルダム女子大学 社会情報学環 教授・学環長、ND教育センター 副センター長。

※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。 ◆生成AIを基本からしっかり理解し、次の段階へステップアップ！◆ 近年続々と発表される実用レベルの生成モデル論文を深く理解するため、本書は変分オートエンコーダ（VAE）、LSTMといった基礎モデルから、VQ-VAE、拡散モデル、Transformerといった最先端モデルの先駆けとなったモデルの仕組みを、数学的な詳細に偏らず、シンプルなサンプルコードと演習を通して解説します。Kerasを用いた実装を通して、各モデルの主要機能と生成モデルとしての動作原理を、実際に手を動かしながら理解することを目的としています。 ■こんな方におすすめ ・機械学習の基礎から生成AIを学びたい方、生成AIのしくみをしっかりと基本から学びたい方。 ■目次 ●第1章　ディープラーニングの基礎知識 ・1.1　環境準備 ・1.2　分類モデルの仕組みと実装 ・1.3畳み込みニューラルネットワークによる画像分類 ●第2章　変分オートエンコーダによる画像生成 ・2.1　変分オートエンコーダの仕組み ・2.2　ラベルデータを活用した拡張 ●第3章　LSTMによる自然言語処理 ・3.1　LSTMによるテキスト分類 ・3.2　LSTMによるテキスト生成 ●第4章　トランスフォーマーによる自然言語処理 ・4.1　トランスフォーマーによる自然言語処理 ・4.2　トランスフォーマーによるテキスト分類 ・4.3　トランスフォーマーによるテキスト生成 ●第5章　拡散モデルの仕組み ・5.1　DCGANの仕組み ・5.2　拡散モデルの仕組み ・5.3　VQ-VAEの仕組み ●第6章　マルチモーダルモデルの実現 ・6.1　自然言語テキストによる画像生成 ・6.2　マルチモーダルモデルの実現 ■著者プロフィール 中井悦司（なかいえつじ）：　1971年4月大阪生まれ。ノーベル物理学賞を本気で夢見て、理論物理学の研究に没頭する学生時代、大学受験教育に情熱を傾ける予備校講師の頃、そして、華麗なる（？）転身を果たして、外資系ベンダーでLinuxエンジニアを生業にするに至るまで、妙な縁が続いて、常にUnix/Linuxサーバーと人生を共にする。その後、Linuxディストリビューターのエバンジェリストを経て、現在は、米系IT企業のAI Solutions Architectとして活動。主な著書は、『［改訂新版］ITエンジニアのための機械学習理論入門』『Google Cloudで学ぶ生成AIアプリ開発入門――フロントエンドからバックエンドまでフルスタック開発を実践ハンズオン』（いずれも技術評論社）、『TensorFlowとKerasで動かしながら学ぶディープラーニングの仕組み』『JAX/Flaxで学ぶディープラーニングの仕組み』（いずれもマイナビ出版）など。

◆データをうまく活用できない壁を壊すノウハウを集大成◆ 「データに欠損値や誤りがあり、正しく分析できない」 「同じ顧客や企業が重複して登録されている」 「データの意味や使い方がわからない」 「部門ごとに見せられるデータが異なり、他部門に横展開できない」 「分析データに含まれる個人情報の取り扱いに苦慮している」 データを活用したいのに、うまくいかない……その壁を壊すには、データマネジメントが不可欠。 ・データをカタログ化、一元的に管理できる「Amazon DataZone」 ・さまざまなデータソースからデータを見つけ出して加工・統合でき、品質チェックの自動化もできる「AWS Glue」 ・データレイク内のデータに対して、行や列レベルでのきめ細やかなアクセス制御ができる「AWS Lake Formation」 など、データマネジメントに役立つ最新サービスの実践的な使い方をAWS Professional Servicesコンサルタントが解説。 ■こんな方におすすめ ・データがあるのにうまく活用できていない組織のエンジニア、データサイエンティスト ・AWSユーザー ■目次 1章 データマネジメントとAWS ・1.1 データマネジメントとは ・1.2 データマネジメントとAWSサービス ・1.3 データストア ・1.4 データパイプライン ・1.5 分析 ・1.6 セキュリティ／ガバナンス 2章 データに欠損値や誤りがあり、正しく分析できない ・2.1 データ品質の問題を解決するには ・2.2 Glue Data Qualityを使って保管されているデータの品質を測定する ・2.3 Glue Data Qualityを使って、データ処理パイプラインの中でデータ品質を測定する ・2.4 Glue DataBrewを使ってデータ品質を測定する 3章 データ加工処理が複雑で読み解けない ・3.1 データ加工処理の問題を解決するには ・ 3.2 Glue Studioによるジョブの作成 ・3.3 Step Functionsによるワークフローの構築 ・3.4 Amazon MWAAによるワークフローの構築 4章 同じ顧客や企業が重複して登録されている ・4.1 データの重複をなくすには ・4.2 AWS Glueを使って、ETLパイプラインの中で名寄せをおこなう 5章 データの意味や使い方がわからない ・5.1 メタデータの問題を解決するには ・5.2 メタデータの項目や記載ルールを整備する ・5.3 メタデータの充足化と公開 ・5.4 データカタログを用いてデータの存在と示す意味を把握する ・5.5 メタデータの品質維持と向上 6章 部門ごとに見せられるデータが異なり、他部門に横展開できない ・6.1 部門間でのデータ共有を推進するには ・6.2 組織間でデータを共有する ・6.3 データの共有範囲の確認と変更 7章 分析データに含まれる個人情報の取り扱いに苦慮している ・7.1 データ分析において個人情報の問題を解決するには ・7.2 「持ち込ませない」処理の実装 ・7.3 「残さない」処理の実装 ・7.4 「使わせない」処理の実装 ■著者プロフィール ●赤羽根正則：アマゾン ウェブ サービス ジャパン合同会社プロフェッショナルサービス本部所属。データ分析基盤のアーキテクチャ作成支援やデータエンジニアリングでのパフォーマンスチューニングなどに従事。 ●佐藤悠：アマゾン ウェブ サービス ジャパン合同会社プロフェッショナルサービス本部所属。AWS GlueやAWS Lake Formation、Amazon MWAAが得意。 ●仲谷岳志：アマゾン ウェブ サービス ジャパン合同会社プロフェッショナルサービス本部所属。AWSのプリンシパルアーキテクトとして、クラウドインフラやデータ基盤の設計・構築、生成AIプラットフォーム構想の策定支援などを担当。 ●松浦晋：アマゾン ウェブ サービス ジャパン合同会社プロフェッショナルサービス本部プラクティスマネージャー。エンタープライズ向けのデータプラットフォーム構築やデータマネジメント戦略立案に関する支援に従事。 ●吉濱佐知子：アマゾン ウェブ サービス ジャパン合同会社プロフェッショナルサービス本部所属。コンサルタントとして、データ管理・分析基盤の構想策定や基本設計、データ・AI活用のワークショップ実施やAWS技術活用のための研修活動などに従事。

※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。 ◆「データサイエンス」の基礎を徹底解説◆ データサイエンスに重点を置いた情報科学とデータ分析の入門書です。 基礎知識から、関連する技術をわかりやすく解説します。本書の構成は、それぞれ標準カリキュラムの以下に相当します。 第1章「1. 導入、社会におけるデータ・AI利活用」 第2章「2. 基礎、データリテラシー」 第3章「3. 心得、データ・AI利活用における留意事項」 第4章「4. 選択、オプション」 数理・データサイエンス・AI教育プログラム認定制度（リテラシーレベル）に対応させると、第1章が「項目1」と「項目2」「項目3」に、第2章が「項目5」に、そして第3章が「項目4」に対応します。また、本書を改訂するにあたり、新たに生成AIに関するトピックを第6章として、さらにオープンデータの活用を第7章に追加しています。第6章は応用基礎レベルの「3. AI基礎」に該当します。第7章は応用基礎レベル「2.データエンジニアリング基礎」に相当します。 データサイエンスの基礎を学びたい方、AI技術に興味がある方、データ分析の実践力を身につけたい方など、幅広い読者におすすめです。 ■こんな方におすすめ ・情報科学およびデータ分析の基礎を学びたい方 ■目次 第1章 社会におけるデータ・AI活用 ・1-1 社会で起きている変化 ・1-2 社会で活用されているデータ ・1-3 データサイエンス・AIの活用領域 ・1-4 データサイエンス・AIの利活用のための技術 ・1-5 データサイエンス・AIの利活用の最新動向 第2章 データの要約と可視化 ・2-1 データの要約 ・2-2 要約統計量 ・2-3 関係をとらえる ・2-4 データの可視化 ・2-5 まとめ ・2-6 参考文献 第3章 データの法規と倫理 ・3-1 データ解析のインパクトと倫理 ・3-2 データの健全な取り扱い ・3-3 個人情報 ・3-4 結果の説明可能性 ・3-5 データと情報に関する権利と法律 ・3-6 参考文献 第4章 データ活用の手法と実践 ・4-1 はじめに ・4-2 代表的な確率分布 ・4-3 確率論とベイズの定理 ・4-4 推測統計学の基礎 ・4-5 統計的検定の基礎 ・4-6 ROC解析と推論の評価 ・4-7 モデリング ・4-8 回帰分析 ・4-9 単回帰分析 ・4-10 クラスタ分析 ・4-11 参考文献 第5章 データ構造、アルゴリズム、プログラミング ・5-1 プログラミングの話題に入る前に ・5-2 データ構造 ・5-3 アルゴリズム ・5-4 プログラミングの基礎 ・5-5 参考文献 第6章 深層学習、生成AI ・6-1 深層学習 ・6-2 生成AI ・6-3 参考文献 第7章 オープンデータの活用 ・7-1 オープンデータ ・7-2 クリエイティブ・コモンズ ・7-3 機械判読に適したデータ ・7-4 さらなるデータの活用と課題 ・7-5 機械学習によるデータの活用と限界 付録A RStudioによるRの実行 付録B Google ColabによるPythonの実行 ■著者プロフィール ●石田基広（いしだ もとひろ）：徳島大学デザイン型AI教育研究センター教授。1991年東京都立大学大学院博士後課程中退。著書『Rによるテキストマイニング入門 第二版』（森北出版, 2017）、『新米探偵、データ分析に挑む』（SB Creative, 2015）、監修Wonderful Rシリーズ（共立出版）、Data Science Library（技術評論社）。本書の監修、前書き、付録Bの執筆を担当。 ●大薮進喜（おおやぶ しんき）：徳島大学教養教育院/デザイン型AI教育研究センター教授。博士（理学）。2003年東京大学大学院理学系研究科博士後期課程修了。専門は宇宙物理学。本書の監修、第1章の執筆を担当。

※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。 ◆BigQuery徹底活用！◆ 2021年2月に刊行した「Google Cloudではじめる実践データエンジニアリング入門」の改訂版です。改訂版の刊行までにデータ基盤に求められる要件は変化し、本書ではその間に進化を続けたGoogle Cloudの各サービスの情報をまとめています。 - Google Cloudの新サービスの反映：Dataform、Dataplex、BigLake、Datastream、Vertex AI、Geminiなど - 各種Google Cloudの新機能のアーキテクチャへの反映：BigQuery、Dataflow、Pub/Sub、Cloud Coposer、Lookerなど データエンジニアリングの業務について一般的な知識を整理しつつ、Google Cloud 上でどのように構築するのかを、実践経験豊富な著者陣の現場のノウハウとともに説明します。 ■こんな方におすすめ - すでにソフトウェアコードはある程度かけるが、実践的にデータエンジニアリングへの入門をしたい方 - SQL を利用した分析を行っているが、データ基盤がどういう形なのか興味がある方 - すでにGoogle Cloud をデータ基盤として利用しているが、自社の設計について体系的に理解したい方、より良くする方法を探している方 ■目次 第1章 データ基盤の概要 第2章 データウェアハウスの概念とBigQueryの利用方法 第3章 データウェアハウスの構築 第4章 レイクハウスの構築 第5章 ETL/ELT処理 175 第6章 ワークフロー管理とデータ統合 222 第7章 データ分析基盤におけるセキュリティとコスト管理の設計 第8章 BigQueryへのデータ集約 第9章 ビジネスインテリジェンス 第10章 リアルタイム分析 第11章 発展的な分析 - 地理情報分析と機械学習、非構造データ分析

◆どのようなAIサービスが創れるのか、どのようにAIサービスを創るのか◆ 本書は「AIサービスを創る」ことをテーマとして、AIの基本的理解から、AIサービスの創出、分析、実装に至るまで幅広いトピックを扱います。生成AIが登場して以降、サービスを発案する役割、ビジネスモデルを検討する役割、システムを構築する役割という従来の役割の垣根が薄まる中、AIサービスについて全体を通して理解することの重要性は増しています。本書では、そのような役割の異なる人であってもAIサービスの全体像をつかみやすいよう、各トピックをできるだけ平易にわかりやすく紹介しています。そのうえで、サービス創り全般に対して生成AIを活用するアプローチ＝「AI駆動によるサービス創り」として、生成AIの多様な活用方法について随所で紹介しています。 ■こんな方におすすめ ・生成AIを使ったサービスの開発に興味のある人 ■目次 第一部 AI駆動によるサービス創りの全体像 ●第1章 AIサービスの基本 ・1.1 AIサービスをなぜ作るのか ・1.2 AIサービス創りに必要な3つの観点と3つの分析 ●第2章 AIサービス創りのための3つの観点 ・2.1 どのようなAIサービスを創るか？ ・2.2 観点1：不確実な対象に使う ・2.3 観点2：チャットでないもの、生成しないものにも使う ・2.4 観点3：ドメインの強みを活かす ●第3章 AIサービス創りのための3つの分析 ・3.1 サービス創りの前の事前準備 ・3.2 分析1：ビジネス分析 ・3.3 分析2：効果分析 ・3.4 分析3：リーガル分析 ●第4章 AIサービスの実装方式の種類と選択 ・4.1 AIサービスの実装方式 ・4.2 AIサービスの実装方式の選択 ・4.3 第一部のまとめ：AIサービス開発のはじめの一歩 第二部 AIサービスをノーコードで実装する ●第5章 ChatGPTの基本的な使い方 ・5.1 プロンプト ・5.2 追加データの活用方法 ●第6章 カスタムGPTによるAIサービスのノーコード実装 ・6.1 カスタムGPTの基本 ・6.2 カスタムGPTの応用 ・6.3 第二部のまとめ：AIサービスの可能性と課題 第三部 AIサービスをAPI／OSSモデルで実装する ●第7章 OpenAIAPIによるAIサービスの実装 ・7.1 OpenAIAPI keyの取得 ・7.2 Google Colaboratoryでのコーディングテスト ・7.3 Gradioを用いたデモ作成 ・7.4 Hugging Face Spacesでの公開 ●第8章 生成AIのOSSモデルによるAIサービスの実装 ・8.1 生成AIのOSSモデル利用の利点と注意点 ・8.2 Hugging Faceの生成AIモデルアクセス準備 ・8.3 Google Colaboratoryでのコーディング ・8.4 生成AIのOSSモデルの種類と選択 ・8.5 第三部のまとめ：AIサービスの実装、運用と管理へ向けて 第四部 AIを正しく駆動させるためのAIの理解 ●第9章 AIを理解する ・9.1 AIの基本 ・9.2 ルールベースAI ・9.3 機械学習の基本 ・9.4 分類問題を解くためのAI ・9.5 機械学習に用いるデータ ●第10章 大規模言語モデルを理解する ・10.1 言語モデルの基本 ・10.2 統計的言語モデル ・10.3 ニューラル言語モデル ・10.4 大規模言語モデルの学習 ・10.5 大規模言語モデルのドメイン適応 ・10.6 第四部のまとめ：LLMの現在と未来 ■著者プロフィール 貞光 九月（さだみつ くがつ）：株式会社VAIABLE　ファウンダー。1981年9月福岡県生まれ。筑波大学大学院博士課程修了後、NTT研究所、フューチャー株式会社Chief AI Officer/VPを経て、2022年に株式会社VAIABLEを創設。株式会社マネ―フォワード研究アドバイザを兼任。

※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。 ◆Excel、Word、PowerPointを使用した実習形式◆ 初学年の大学生向けの情報リテラシーのテキストです。本書は学校採用を目的に企画しています。半期の授業を想定した15章構成で、それぞれの章が1回の授業に対応します。Word、Excel、PowerPointを使用した実習形式の内容です。学生が完成例だけを見て自己流で作成を始めることを回避するため、画像を小出しにするなどの工夫をしています。スモールステップで無理なく作業を進めていき、技能を身につけていきます。 ■こんな方におすすめ ・PC作業に不慣れな大学1年生、テキスト採用を考える先生 ■目次 ●第1章　情報モラル ・1-1　ユーザー認証 ・1-2　SNS ・1-3　サイバー犯罪と法律 ・1-4　情報セキュリティ ●第2章　式の入力と基本操作 ・2-1　Excelの基本画面 ・2-2　四則演算，表示桁数 ・2-3　セルを参照しての計算、オートフィル ・2-4　SUM関数、割合と絶対参照 ・2-5　第2章の演習問題 ●第3章　統計関数と表の見た目の整え方 ・3-1　複合参照 ・3-2　AVERAGE関数 ・3-3　MAX関数、MIN関数 ・3-4　第3章の演習問題 ●第4章　論理関数 ・4-1　IF関数、IFS関数 ・4-2　AND関数、OR関数 ・4-3　第4章の演習問題 ●第5章　数え上げの関数と条件付きの統計処理 ・5-1　COUNTA関数、COUNT関数 ・5-2　COUNTIF関数、COUNTIFS関数 ・5-3　SUMIF関数、AVERAGEIF関数 ・5-4　第5章の演習問題 ●第6章　数値の丸めを行う関数と並べ替え ・6-1　ROUND関数、ROUNDUP関数、ROUNDDOWN関数、INT関数 ・6-2　並べ替え ・6-3　第6章の演習問題 ●第7章　条件付き書式とグラフ作成 ・7-1　条件付き書式 ・7-2　グラフ作成 ・7-3　第7章の演習問題 ●第8章　検索関数とエラー回避 ・8-1　VLOOKUP関数 ・8-2　IFERROR関数 ・8-3　第8章の演習問題 ●第9章　文字の入力と修飾 ・9-1　Wordの基本画面 ・9-2　ひらがな、カタカナ、漢字、英数字、記号の入力 ・9-3　フォントと段落の書式設定 ・9-4　第9章の演習問題 ●第10章　ページレイアウト ・10-1　ページ設定と段組み ・10-2　文末脚注とページ番号 ・10-3　第10章の演習問題 ●第11章　段落番号、脚注、Excelグラフの挿入 ・11-1　段落番号 ・11-2　脚注とヘッダー ・11-3　Excelグラフの貼り付け ・11-4　第11章の演習問題 ●第12章　図形と表の挿入 ・12-1　基本図形、テキストボックス、数式エディタ ・12-2　表の挿入 ・12-3　数式の形式の変更 ・12-4　第12章の演習問題 ●第13章　校閲 ・13-1　文章校正、コメント、変更履歴、置換 ・13-2　行間の調整、ルーラーの使い方 ・13-3　第13章の演習問題 ●第14章　スライドの作成と特殊効果 ・14-1　PowerPointの基本画面 ・14-2　スライドの作成 ・14-3　画面切り替えとアニメーション ・14-4　第14章の演習問題 ●第15章　コンテンツプレースホルダーの利用 ・15-1　SmartArt、表の挿入 ・15-2　Wordファイルをもとにスライドとノートを作成 ・15-3　第15章の演習問題

※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。 ◆数学が苦手な文系学生でもデータサイエンスが無理なく学べる！◆ 　政府による「AI戦略2019」では，文理を問わず，すべての大学・高専生（約50万人卒／年）が正規課程でリテラシーレベルの数理・データサイエンス・AIを修得することを目標としました。そして各大学・高専で参照可能な「数理・データサイエンス・AI（リテラシーレベル）モデルカリキュラム」が策定されました（2020年4月版）。このモデルカリキュラムが2024年2月に改訂されました。 　本書は「数理・データサイエンス・AI（リテラシーレベル）」通称MDASHに準拠した教科書です。2024年2月改訂のMDASHに対応しています。章構成は，モデルカリキュラムの「導入」「基礎」「心得」に沿った内容となっています。 　一部の私立文系の大学では，中学数学すら修めていない学生が多く，コンピュータリテラシーも低い傾向にあります。本書は，そういった私立文系学生でも無理なく学べるよう，やさしく解説しています。Excelの基本的な操作を学習したあと，与えられたデータをもとに「データを読み，データを説明し，データを扱う」ことを，実際に動かしながら理解します。このデータ分析の演習を通して，データサイエンスを体験できます。 　本書で「リテラシーレベルのモデルカリキュラムを網羅できる」ため，教科書として採用しやすい内容となっています。講義とExcel実習をバランスよくおりまぜた半期1コマ15回の授業計画のモデルケースを紹介しており，コンピュータリテラシー担当教員がすぐに数理・データサイエンス・AIのリテラシー授業を始めることができます。 ■こんな方におすすめ ・基礎的な「数理・データサイエンス・AI リテラシーモデルカリキュラム」の授業を考えている先生。履修する学生。モデルカリキュラムで学びたい社会人 ■目次 第1章［導入］ 社会におけるデータ・AI利活用 　　1-1 社会で起きている変化 　　1-2 社会で活用されているデータ 　　1-3 データ・AI の活用領域 　　1-4 データ・AI利活用のための技術 　　1-5 データ・AI利活用の現場 　　1-6 データ・AI利活用の最新動向 第2章［基礎］ データリテラシー 　　2-1 Excelの基本的な操作方法 　　2-2 時系列データの可視化 　　2-3 平均の算出とその可視化 　　2-4 標準偏差の算出とその可視化 　　2-5 大量のデータを扱う方法 　　2-6 基本統計量の算出と箱ひげ図 　　2-7 度数分布表とヒストグラムの作成 　　2-8 散布図の作成と相関係数の算出 　　2-9 定性データの扱い方とクロス集計 第3章［心得］ データ・AI利活用における留意事項 　　3-1 データ・AIを扱う上での留意事項 　　3-2 データを守る上での留意事項 ■著者プロフィール 吉岡剛志（よしおかつよし）：早稲田大学大学院 先進理工学研究科 博士後期課程修了（ナノ理工学専攻），博士（工学）。早稲田大学助手，早稲田大学助教，高輝度光科学研究センター博士研究員等を経て，現在，帝京平成大学 人文社会学部 経営学科 経営情報コース 准教授。 森倉悠介（もりくらゆうすけ）：早稲田大学大学院 基幹理工学研究科 博士後期課程修了（数学応用数理専攻），博士（工学）。早稲田大学助教等を経て，現在，帝京平成大学 人文社会学部 経営学科 経営情報コース 講師。 小林領（こばやしりょう）：早稲田大学大学院 基幹理工学研究科 博士後期課程修了（数学応用数理専攻），博士（工学）。早稲田大学講師等を経て，現在，帝京平成大学 人文社会学部 経営学科 経営情報コース 講師。 照屋健作（てるやけんさく）：東京大学大学院 経済学研究科 博士課程単位取得退学（経済理論専攻）。帝京平成大学講師等を経て，現在，帝京平成大学 人文社会学部 経営学科 経営情報コース 准教授。

※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。 ◆モデルカリキュラムに対応。MDASH認定制度に準拠◆ AIリテラシー教育に対応した文系の方にもおすすめできる教科書です。 　本書は「数理・データサイエンス・AI（リテラシーレベル）」（MDASH）の2024年2月改訂に対応しています。MDASHの「導入」「基礎」「心得」「選択（オプション）」モデルカリキュラムに準拠し、14章構成で半期15回の講義で進められるよう工夫されています。AIのしくみやデータ分析、プログラミングやデータ活用など、AIリテラシーを幅広く学べます。 ■目次 ●第1講 AIリテラシーとは ・1-1 AIの定義 ・1-2 なぜAIが必要とされているのか ・1-3 生成AI ・1-4 この本ではどこまで学ぶか ●第2講 社会でどのような変化が起きているか ・2-1 ビッグデータ、IoT、5Gなどの登場 ・2-2 第4次産業革命、Society5.0 ・2-3 データ駆動型社会 ●第3講 社会でどのようなデータが活用されているか ・3-1 人の動線をめぐるデータ ・3-2 多くの機器のログとオープンデータ ・3-3 1次データ、2次データ、メタデータ ・3-4 非構造化データの増大 ●第4講 データ・AIを何に使えるか ・4-1 データ・AIの活用領域の広がり ・4-2 具体的にどう使えばいいのか ・4-3 シェアリングエコノミー、エビデンスベース社会、ナッジ ●第5講 データ・AIの技術 ・5-1 データ解析とは何をしているのか ・5-2 可視化の手法にはどういったものがあるのか ・5-3 非構造化データの処理とは ・5-4 AIの技術とは ●第6講 データを読み、説明し、扱う ・6-1データの種類を知る ・6-2 基本統計量でデータの特徴をつかむ ・6-3 もととなるデータを集める ・6-4 集めたデータを集計する ・6-5 誤読しないデータの読み方、データの比較方法 ●第7講 データ・AIを扱うときに注意すること ・7-1 データ活用の負の側面 ・7-2 GDPR、忘れられる権利、ELSI、オプトイン・オプトアウト ・7-3 データの正義について ●第8講 データ・AIにまつわるセキュリティ ・8-1 情報セキュリティの基礎 ・8-2 情報のCIA ・8-3 暗号化と匿名加工情報 ・8-4 生成AIが生み出す新たなリスク ●第9講 統計と数学のきほん ・9-1 AIに必要な数学 ・9-2 AIに必要な集合・場合の数 ・9-3 AIに必要な確率・統計 ●第10講 アルゴリズムとは何か ・10-1 AIとアルゴリズム ・10-2 組み合せ爆発を攻略するAIのアルゴリズム ・10-3 探索問題 ・10-4 二部マッチング問題 ●第11講 データの構造とプログラミング ・11-1 ソフトウェアのプログラミング ・11-2 プログラミングの歴史 ・11-3 データの構造 ・11-4 プログラミング環境の構築 ・11-5 変数 ・11-6 条件分岐 ・11-7 繰り返し ●第12講 データを上手に扱うには ・12-1 ビッグデータの収集 ・12-2 データベース ・12-3 データ加工 ・12-4 データクレンジング ●第13講 時系列データと文章データの分析 ・13-1 時系列データ分析 ・13-2 時系列データの変動要因 ・13-3 時系列データ分析演習（二酸化炭素排出量の予測） ・13-4 文章データ分析 ・13-5 文章データ分析演習（スパムメールフィルタの作成） ●第14講 データ活用実践（教師あり学習と教師なし学習） ・14-1 AIの学習方式 ・14-2 教師あり学習の出力 ・14-3 教示なし学習の出力 ・14-4 過学習と汎化 ・14-5 データ活用実践1－教師あり学習、分類 ・14-6 データ活用実践2－教師あり学習、回帰 ・14-7 データ活用実践3－教師なし学習、連関分析 ■著者略歴 岡嶋裕史：中央大学大学院総合政策研究科博士後期課程修了。博士（総合政策）。中央大学国際情報学部教授。NHKスマホ講座講師。著書多数。 吉田雅裕：東京大学大学院博士課程修了。博士（学際情報学）。中央大学国際情報学部准教授。コンピュータネットワークとAIに関する研究教育活動に従事。中央大学AI・データサイエンスセンター所員，東京大学客員研究員，電子情報通信学会幹事。

※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。 ◆推論のしくみから紐解く高速化の原理◆ 本書は深層ニューラルネットワークによる予測を高速化する技法を解説します。巨大なニューラルネットワークを用いた予測には多くの時間と計算コストがかかります。これにより、応答が遅くなりユーザー体験が悪くなるといった問題や、運用コストが大きくなるといった問題が生じます。本書はニューラルネットワークの予測性能を下げることなく高速化することでこれらの問題を解決する技法を解説します。紹介する技法は量子化・枝刈り・蒸留・低ランク近似・モデルマージなど多岐にわたり、幅広い局面に対応します。また、平坦解や宝くじ仮説など、深層ニューラルネットワークの理論を通して、これらの手法がうまくいく理由についても深く本質的な理論を解説します。深層ニューラルネットワークを活用するエンジニアや研究者は必読の一冊です。 ■こんな方におすすめ ・ニューラルネットワークの計算や時間にかかるコストを削減したい人 ・Webサービスにニューラルネットワークを使っている方 ■目次 ●第1章 はじめに ・1.1 高速化の意義 ・1.2 高速化の理論的背景 ・1.3 用語の整理 ●第2章 高速化手法の概要 ・2.1 量子化と低精度計算 ・2.2 枝刈り ・2.3 蒸留 ・2.4 低ランク近似 ・2.5 高速なアーキテクチャ ・2.6 ハードウェアの改善 ・2.7 複数の技法の組み合わせ ・2.8 その他の技法 ●第3章 量子化と低精度計算 ・3.2 その他の低精度浮動小数点数フォーマット ・3.3 自動混合精度計算 ・3.4 整数量子化 ・3.6 なぜ低精度計算でうまくいくのか ●第4章 枝刈り ・4.1 代表的な枝刈り手法 ・4.2 訓練前の枝刈り ・4.3 構造枝刈り ・4.4 枝刈りの実装 ・4.5 ReLU活性化関数を用いた適応的な枝刈り ・4.6 なぜ枝刈りを行うのか・なぜうまくいくのか ・4.7 枝刈りの使いどころ ●第5章 蒸留 ・5.1 蒸留の問題設定 ・5.2 蒸留のアプローチ ・5.3 生徒モデルの選び方 ・5.4 推論に必要なデータの変更 ・5.5 生成モデルの利用 ・5.6 事例 ・5.7 なぜ蒸留でうまくいくのか ・5.8 蒸留の使いどころ ●第6章 低ランク近似 ・6.1 低ランク性とは ・6.2 畳み込みニューラルネットワークの低ランク近似 ・6.3 注意機構の低ランク近似 ●第7章 高速なアーキテクチャ ・7.1 深さ単位分離可能畳み込み ・7.2 高速なトランスフォーマーの亜種 ・7.3 ニューラルアーキテクチャ探索 ・7.4 高速なアーキテクチャと圧縮手法の比較 ●第8章 チューニングのためのツール ・8.1 PyTorchプロファイラ ・8.2 CPU上のプロファイリング ・8.3 GPU上のプロファイリング ●第9章 効率的な訓練 ・9.1 省メモリ化 ・9.2 モデルパラメータの算術 ■著者プロフィール 佐藤竜馬：1996年生まれ。2024年京都大学大学院情報学研究科博士課程修了。博士(情報学)。現在、国立情報学研究所 助教。専門分野はグラフニューラルネットワーク、最適輸送、および情報検索・推薦システム。NeurIPSやICMLなどの国際会議に主著論文が採択。競技プログラミングでは国際情報オリンピック日本代表、ACM-ICPC世界大会出場、AtCoderレッドコーダーなどの戦績をもつ。PDF翻訳サービスReadableを開発し、深層ニューラルネットワークを用いた翻訳システムにも詳しい。著書に『グラフニューラルネットワーク』『最適輸送の理論とアルゴリズム』(ともに講談社)がある。

【データ加工の技とモダンなコードで織りなすAwesomeな実践知識を厳選！】 　BigQuery、Pandas、Polarsを使った実用的なモダン前処理を学びましょう！ 　データ分析において前処理が重要かつ多くの時間をとられる業務であることは広く知られてきました。同時に前処理を実現するためのライブラリは大きく改善されてきています。また、機械学習モデルの進化によって、求められる前処理の内容も変わってきています。本書は、初めて学ぶ方にも昔学んでから知識をアップデートしていない方にも、悪いサンプルコードと良いサンプルコードを紹介しながら丁寧にデータ分析の前処理を学べる技術書です。 　本書は、第一版の前処理大全から大きく構成や内容を変更しています。SQLはBigQuery準拠に変更し、Pandasは最新バージョンの思想に沿い新機能を使ったコードに変更しました。Rの代わりにR同様にパイプラインで書きやすくかつ処理エンジンがRustベースで書かれているため高速なPolarsに変更しました。また、前処理内容も大きく変更し、より現在よく使われる処理を実用ケースとともに解説しています。また、新たな試みとしてコラムとして少しマニアックだけど役立つプログラムの裏側の解説や分析テクニックを紹介しており、中級者の方にとっても有用な知識をお届けしています。 ■こんな方におすすめ データ処理業務に従事するエンジニア、データ分析者 ■目次 ●Part1 前処理の基礎知識 　　第1章 前処理とは 　　第2章 SQL 　　第3章 pandas 　　第4章 Polars ●Part2 データの構造を対象とした前処理 　　第5章 抽出 　　第6章 集約 　　第7章 結合 　　第8章 分割 　　第9章 整形 ●Part3 データの内容を対象とした前処理 　　第10章 数値 　　第11章 カテゴリ 　　第12章 日時 　　第13章 文字列 　　第14章 ウィンドウ関数 ●Part4 実践前処理 　　第15章 演習問題 ■著者プロフィール 本橋智光（モトハシトモミツ）：SIerの研究員、Web系企業の分析者を経て、SUSMEDのCTO。株式会社ホクソエムのメンバーでもある。基盤・Webアプリ・機械学習・数理最適化等幅広くこなす。最近の好きなプログラミング言語はRust。 橋本秀太郎（ハシモトシュウタロウ）：北海道大学 大学院情報科学研究科 博士後期課程修了。博士（情報科学）。大学院修了後はSIerでデータ分析関連の研究開発やコンサルティングに従事。現在は国内でも有数の膨大なデータを持つインターネット企業に勤め、データサイエンスチームのリードとして、日々サービスグロースのためのデータ分析を行う。

※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。 【例題を通してJuliaを学ぼう！】 Juliaは、2018年にver.1.0がリリースされて以降、速さと書きやすさで、特に数値計算分野で注目を集めている言語です。本書ではそれぞれの数値計算問題に対し、さまざまな手法でアプローチしており、例題を通してJuliaを学べる書籍となっています。原理まで解説しており、他の手法とどのように違うのか、またどのようなメリット・デメリットがあるのかも解説しています。 第I部ではJuliaの基礎的な内容を、第II部では具体的な計算方法を例題と一緒に実装していく構成になっています。fortranやPythonから移行してくるユーザーが多いと考えられますが、初学者でも学べるような内容になっています。みんなもJulianになろう！ ■こんな方におすすめ ・理工系のJuliaプログラミングを始めたい学生 ・FortranやPythonから移行したい人 ・数値計算プログラミングに興味のある人、更にレベルアップしたい人 ■目次 第I部 基礎編 　　Chapter1 Juliaをはじめよう 　　Chapter2 Julia の基本 　　Chapter3 そのほかの特筆すべき点 第II部 実践編 　　Chapter0 Julia的数値計算 　　Chapter1 連立一次方程式 　　Chapter2 非線形方程式 　　Chapter3 固有値 　　Chapter4 数値積分 　　Chapter5 補間と近似 　　Chapter6 常微分方程式 　　Chapter7 偏微分方程式 付録 Jupyter Notebookを利用した環境作りと実行方法 ■著者プロフィール 永井 佑紀（ながい ゆうき）：1982年 北海道生まれ。2005年 北海道大学工学部応用物理学科卒業。2010年 東京大学大学院理学系研究科物理学専攻博士課程修了。博士（理学）。2010年-2019年 国立研究開発法人日本原子力研究開発機構 研究員。2016年-2017年 米国マサチューセッツ工科大学物理学科客員研究員。2018年-2023年 国立研究開発法人理化学研究所革新知能統合研究センター客員研究員。2019年-2024年 国立研究開発法人日本原子力研究開発機構 副主任研究員。現職 東京大学情報基盤センター学際情報科学研究部門 准教授。専門は物性理論、計算物理。近年では機械学習と物理学を組み合わせた研究も行っている。

※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。 【入門！ コンピュータとプログラミングの基礎の基礎】<br/〉 コンピュータに関する教育が高校でも正規授業として必修化され、大学入試の共通テストでも受験生は情報科目に直面せざるを得なくなったような状況が生まれている現在、この「情報とプログラミング」に焦点を当てた入門書の決定版として本書をお贈りします。もちろん、内容的には高校生にとどまらず社会人のプログラミング入門にも十分に応え得るものです。何らかの言語の入門ではなくプログラミングの「考え方の入門」であることから、まったく何の知識もない方にも抵抗なく入っていただけます。これからの社会人が基礎知識を獲得するのにも役立つこと間違いなし。まずは本書を読んで、プログラミングとはどういうものか、どういう考え方をすればよいのかを理解したうえで、Pythonなど具体的な言語の入門書を手に取るなりして次のステップに進んでいただくのが、遠回りなようで実は最も効率的な学習方法なのです。前提知識は必要ありません。 今後社会で活躍する人に必ず求められるはずの教養（＝プログラミング）を獲得するための第一歩として、本書をご活用ください。 ■こんな方におすすめ<br/〉 これからプログラミングを勉強する（または、しなければならない）方／情報科目でプログラミングに触れた高校生／社会人や大学生を含むプログラミング入門者 ■目次<br/〉 ●第1章 情報とコンピュータ 　　1 「情報を処理する」ってどういうこと？ 　　2 情報×コンピュータ＝快適な暮らし ●第2章 コンピュータのしくみ 　　1 コンピュータが情報を処理する方法 　　2 コンピュータってどんな機械？ 　　3 プログラミングのすすめ ●第3章 プログラムを書こう！ 　　1 コンピュータへの命令のしかた 　　2 日本語の指示書の役割 　　3 日本語の指示書を作ろう（その1）── ロボボのお使いプログラム 　　4 日本語の指示書を作ろう（その2）── 秘密の暗号プログラム 　　5 これからのこと 　　6 ところで「アルゴリズム」って何？ ●第4章 データの入れ物 　　1 値を入れる箱──変数 　　2 箱の使い方 　　3 箱の大きさ──データ型 ●第5章 コンピュータの演算 　　1 変数に値を入れる──代入 　　2 コンピュータを使って計算する──算術演算 　　3 コンピュータを使った計算の宿命 　　4 2つの値を比較する──比較演算 　　5 TrueとFalseを使った演算──論理演算 　　6 演算子の優先順位 ●第6章 命令を実行する順番 　　1 プログラムの流れは3通り──制御構造 　　2 分かれ道を作る──条件判断構造 　　3 同じ道を何度も通る──繰り返し構造 　　4 改訂版：ロボボのお使いプログラム ●第7章 データをまとめて入れる箱 　　1 同じ種類のデータを並べて入れる──配列 　　2 縦横に並べた箱にデータをまとめて入れる──二次元配列 　　3 関連するデータをまとめて入れる──構造体 　　4 大事なデータを保存する──ファイル ●第8章 プログラムの部品を作る 　　1 プログラムを入れる箱──関数 　　2 関数を定義する 　　3 関数を利用する 　　4 プログラムで使う「箱」を整理しよう 　　5 改訂2版：ロボボのお使いプログラム ●第9章 日本語からプログラミング言語へ 　　1 プログラミング言語の選び方 　　2 これからの勉強のしかた ●第10章 情報を整理する力 　　1 間違いはどこにある？ 　　2 AIが出した答えは本当に正しい？ 　　3 コンピュータにできること、人間がすべきこと 　　4 おわりに ■著者プロフィール<br/〉 谷尻かおり：データベースから画像認識・画像処理、機械学習まで手掛ける現役のプログラマー。それぞれの分野に関する入門的解説書から数学やプログラミングの入門書まで数多くの書籍や雑誌記事の執筆も手掛けてきており、誰にとってもわかりやすい、その優しい語り口には定評がある。

本書は文系理系を問わず、高校卒業レベルの読者が、情報科学とデータ分析の基礎を学ぶための入門書です。とくに「データサイエンス」を理解するための基礎知識と、その関連技術の紹介に重点を置いています。 また、本書は数理・データサイエンス教育強化拠点コンソーシアムが公開しているリテラシーレベルのモデルカリキュラムを参考に構成しています。たとえば、第1章は標準カリキュラムの「1.導入、社会におけるデータ・AI 利活用」に、第2章は「2.基礎、データリテラシー」、第3章は「3. 心得、データ・AI 利活用における留意事項」、第4章は「4.選択、オプション」に相当します。数理・データサイエンス・AI教育プログラム認定制度（リテラシーレベル）に 対応させると、第1章が「項目1」と「項目2」、「項目3」に、第2章が「項目5」に、そして第3章が「項目4」に対応しています。

※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。 インターネットが普及し、待ったなしで求められている教育が「情報モラル」です。炎上、なりすまし、拡散、誹謗中傷など、さまざまな問題があります。この情報モラルは、一般的なモラル（倫理や道徳）を基盤として、PCやインターネットに関する「技術」と、社会のルールである「法律」を両輪として、合わせて学んでいくことがポイントです。本書は、児童生徒の身近な題材を用い、モラル、技術、法律、情報、健康をテーマとして取り上げ、「情報モラル」をわかりやすく解説し、理解できるようになっています。動画・ゲーム・ショッピング編では、YouTubeやヤフーオークション、メルカリなど、人気サービスを具体的に取り上げながら、しくみや気をつけたいこと、便利に上手に使う方法を解説します。

※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。 インターネットが普及し、待ったなしで求められている教育が「情報モラル」です。炎上、なりすまし、拡散、誹謗中傷など、さまざまな問題があります。この情報モラルは、一般的なモラル（倫理や道徳）を基盤として、PCやインターネットに関する「技術」と、社会のルールである「法律」を両輪として、合わせて学んでいくことがポイントです。本書は、児童生徒の身近な題材を用い、モラル、技術、法律、情報、健康をテーマとして取り上げ、「情報モラル」をわかりやすく解説し、理解できるようになっています。SNS編では、LINEやTwitterなどの人気サービスを具体的に取り上げながら、便利に上手に使う方法を解説します。

※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。 インターネットが普及し、待ったなしで求められている教育が「情報モラル」です。炎上、なりすまし、拡散、誹謗中傷など、さまざまな問題があります。この情報モラルは、一般的なモラル（倫理や道徳）を基盤として、PCやインターネットに関する「技術」と、社会のルールである「法律」を両輪として、合わせて学んでいくことがポイントです。本書は、児童生徒の身近な題材を用い、モラル、技術、法律、情報、健康をテーマとして取り上げ、「情報モラル」をわかりやすく解説し、理解できるようになっています。インターネット・メール・セキュリティ編では、インターネットやメールのしくみや特徴、便利なサービスや危険、セキュリティなどについて触れています。

※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。 インターネットが普及し、待ったなしで求められている教育が「情報モラル」です。炎上、なりすまし、拡散、誹謗中傷など、さまざまな問題があります。この情報モラルは、一般的なモラル（倫理や道徳）を基盤として、PCやインターネットに関する「技術」と、社会のルールである「法律」を両輪として、合わせて学んでいくことがポイントです。本書は、児童生徒の身近な題材を用い、モラル、技術、法律、情報、健康をテーマとして取り上げ、「情報モラル」をわかりやすく解説し、理解できるようになっています。スマホ編では、初めて手にしたときの設定や、使い方の注意点、無くしたときや、上手な使い方、しくみなどについてわかるようになります。

本書は、IT投資の評価手法とその効果を図解でわかりやすく解説した書籍です。汎用機などの IT資産を対象にした従来の評価手法に加え、モバイル機器や情報セキュリティなどの投資効果を定量的に測定する手法も解説しています。モデル例も含めて解説しているため、誰でも即、実務に使えるガイドラインとなるでしょう。さらに、役員向けにIT投資の稟議申請をするときの効果的な企画書の書き方についても紹介しています。職業柄、多くのリーディングカンパニーで幾多もの社内稟議書に目を通してきた著者だからこそ言える貴重なアドバイスも満載です。

AIを使えばこれからの世界での生き方・働き方が大きく変わるはずです。AIは、Excelを使うことさえできれば、数学もプログラミングもなしで無料で作ることができるのです。本書では、足し算をAIに教えるという、拍子抜けするほど簡単にできる手法を応用し、モンティ・ホール問題、東大入試問題予測、エイリアン遭遇回避作戦、囚人のジレンマ等をAIで解きます。本書のほぼ全ての実習ができるデータを作成するためのExcelマクロダウンロード特典付。

※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。 イラストや図表が随所に入った、「やさしくわかりやすい、情報倫理の教科書」が新しくなりました。 新版では、これからの時代の課題となる「ビッグデータとAIの倫理」の章を新設。さらに「メディア・リテラシー」「ネット時代のコミュニケーション」「企業と情報倫理」などの既存章もアップデートし、 ネットトラブルに巻き込まれたときの対処法など、ネットを活用する誰もが知っておくべき情報を盛り込みました。 幅広い観点から、情報に関するモラルやルールを学ぶことができる1冊です。

Excel VBAを本気で自分のものにしたい方、入門書を終えてから一気のレベルアップを狙う方、ユーザーフォームやコントロールなど実務でExcel VBAを思いのままに操りたい方、そんなExcel VBAユーザーの皆さまにとっての最高の教科書です。 マクロ記録やVBEの使い方といった基本のキから、関数、イベント、エラー処理まで、Excel VBAプログラミングにマストな22テーマを完全網羅。本書をやりきることで、Excelユーザーの方がExcel VBAプログラマーと名乗れるレベルに到達できることを請け合います。

VBAに関して、世にある情報の多くは「使い方」にフォーカスしすぎており、「構造」や「体系」、「作法」に触れていない場合も多く、そのためか他の言語にくらべ、メンテナンス性や再利用性の低いコードや運用しづらいマクロがまん延している状況にあるともいえます。こうした状況を打破するためには、本質的には、最初から言語の体系や構造を理解し、作法が身につくように学ぶことが最善の策といえます。本書は、Excel VBAで本格的なアプリ開発などを目指す人のためのバイブル的1冊として、基礎から応用までを、体系的に詳しく学べる解説書です。

「FOR文やIF文といったステートメントは理解しているし，フォームの作り方，呼び出しなどもわかっている」しかし，「目の前にある業務を効率化するプログラムをどう作ればいいかわからない」。こんな悩みを抱える方を対象に，「プログラム化するためのロジックを考える力を養う」「システム化するためのスキルを習得する」ことを目的とする本です。 コーディングの定石から，汎用化・省力化でよりよいプログラムを作る方法，ユーザに合わせてUIやエラーケースを考慮しながら業務システムとして仕上げる方法まで，数多くの例題を用意し，少しずつレベルを上げながら詳しく解説していきます。

Amazonから発売された注目のAIスピーカー「Amazon Echo」。本書ではこのEchoの音声認識・応答を担うソフトウェアである「Alexa」のスキルを開発する方法を学びます。こうした音声認識に関わるソフトウェアの開発を経験したことのないエンジニアにもやさしい概要の解説から，実践的なスキルの開発を詳細に追うところまで，Alexaスキルの開発に取り組みたいエンジニアであれば必携の一冊です！

機械学習は，人工知能の実装を支える基盤技術として注目されています。人工知能の基盤と聞くと，難解な数学に対する素養が必要だと感じるかもしれませんが，その基礎は高校数学と大学初学年級の一部の数学が理解できていれば十分にマスターできます。本書は，理系出身ではない方，プログラムは多少作れるけれども数学はちょっと…という方を対象に，豊富なグラフとシンプルな数学により各手法のイメージをつかみながら機械学習の基礎を学んでいくことができます。ソフトはRを使っています。

※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。 Apple Payは，Suicaや電子マネーがiPhone7やApple Watchで使える便利なサービスです。電車の乗り降りもコンビニなどでの買い物も，定期券やおサイフを出すことなくタッチだけでスムーズに行うことができます。本書は，Apple Payのはじめ方や使い方，疑問点を初心者の方にもわかりやすくまとめました。