※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黎明期」の伝説の事典、待望の復刻!! 本復刻版は、1988年にUPU社から刊行された初版『AI事典』（ISBN13:978-4946432064 ISBN10:494643206X）を底本とする電子書籍である。初版編集委員会より初版復刊の要請を受け、近代科学社の創立60周年記念事業の一つとして発行する。2003年に共立出版から刊行された『AI事典　第2版』、さらに2019年に近代科学社から刊行された『AI事典　第3版』とあわせた3点の『AI事典』を通観することで、AIの誕生から現在に至る研究の推移や各時代における興味・関心の高いテーマをうかがい知ることができる。

※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。 AIはいまや，さまざまな研究の根幹をなしており，関わる分野も多岐にわたる。本書は，人工知能（AI）研究を牽引する代表的な研究者が編・著を務め，各研究カテゴリーの最前線で活躍する100余名の気鋭の研究者が執筆を手掛けた事典である。 　コンセプトは「執筆者の主観を軸に，読者が興味を持って面白く読める内容にすること」。従来の主要テーマのほか，ディープラーニング，AIにおける論争，汎用人工知能など，いま外せないトピックスを幅広く解説する。 　AI研究者はもちろん，工学，理学，脳科学，医学，薬学，農学，社会学，哲学など，すべての分野の学生・研究者の未来に影響を与える，ターニングポイントとなる書!!

※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。 日本版AIを標榜しつつ登場した未来派知識の総合誌。その第1号。その内容はこれからも探索していく。ビジネスで急速に加速したAIで何が純粋で何が不純かは判然としない。原石集めから有効な純度と有効な不純物濃度を持たせていくプロセスが開始されるのだろう。AIのイメージは不動でなく、数学者・工学者・ビジネスマンそれぞれのAI認識を見据え、純粋物・異物をも取り込むことによって新たな構造と機能を誕生させる…… 　今はもうなくなったUPUから1985年から1987年まで隔月で刊行された“幻の雑誌”がデジタルで復活！ 　AI（Artificial Intelligence ＝人工知能）を科学と技術との両面から捉える“未来派知性の総合誌”。その第1号（1985年12月発行）。 表紙 目次 AIJ Radical Review 　1　アバウトだらけのAI語法 　2　人工知能はポルノクラフィーの夢を見るか 　3　AIDSとAIとミネルバの梟 　4　徐福はどこにいるのか Ahaの瞬間1――箱詰めポールの中を電子が走る……西澤潤一 特集／’85AI総決算　何ができてどんな解題が残ったか 　座談会／技術者たちのAI……棟上昭男、森健一、竹内郁雄 　アーキテクチャ――逐次処理からどこへいくのか 　　実機を製作することか基本に……相磯秀夫 　　データフローマシンの狙い……雨宮真人 　画像・音声――シンボル〈言語〉を発見せよ 　　画像認識の“平均点”を上ける知識工学……木戸出正継 　　何をさしてAI的というのか……鳥脇順一郎 　　研究者間の相互交流か重要である……溝口理一郎 　　本流から目をそらしているのか現状……辻三郎 　自然言語理解――意味の理解と場の理解 　　アリストテレスを祖とする状況意味論……石本新 　　コンピュータの自然言語は、不自然言語である……岩田誠 　　'85年は意味処理元年である……田中穂積 　　籠なみのものを乗用車なみに高める……横井俊夫 　ソフトウェア――言語の抽象化と世界のモデル化 　　人間世界の並列性を表現したい……米澤明憲 　　Prolog-KABAの背景には……桜川貴司 　　計算機は人間以外にシンボル操作ができる唯一のもの……中島秀之 　　ソフトウェア自動生成は、遠い夢ではない……大野豊 　ロボティクス――人間の知的行為の実験場 　　作業の非決定性をいかにカバーするか……吉川弘之 　　自然環境へ対応するロボット……広瀬茂男 　　ロボットは自らの存在理由を知らねばならない……佐藤晟 　知識表現――頭脳の記述への挑戦 　　工学分野を超えた知識の解明を……安西祐一郎 　数理モデル――いま数理に何が可能か 　　「情報幾何学」の提案……甘利俊一 　　問題は科学理論の実存性に溯る……佐藤文隆 　　計算機科学には計量化の理論か必要……野崎昭弘 　　ティスプレイに立ち現われる天才の頭脳内イメージ……宇敷重広 　生物モデル――現象がモデルを刺激し、モデルが現象を見せる 　　分子モデリングの研究でガンの発生を捉える。……神沼二真 　　教師なし学習、自己組織化の生体モテル。……大森隆司 　　脳の全体的な構造研究の進展を期待。……伊藤正男 　エキスパートシステム――市場に出そろった構築用ツール 　ワークステーション――本格化するAI用WS市場　ネットワーク化に標準 　　開発環境重視のDEC戦略……村上憲郎 　機械翻訳システム――課題を残しつつも実用化へ 　　AI技術を取り込んで、新世代のシステムをめざす。……山本武彦 　実用エキスパートシステム――集積された専門知識が、組織を変える 　　製鉄プラントの運営効率化システム　日本鋼管 　　建設工事災害予知情報システム　大成建設 　　“ホロン的”AI開発を指向　フジタ工業 　　金融自由化に向けてのAI戦略　三洋証券 　　溶接ロボットへの応用を検討　日立造船 　　感性の復活をめざすAI　大林組 　AIビジネスの周辺――フロンティアをめざすAIのニューカマーたち 　　9週間で580万円――KE養成講座を開設……成井弦 　　カーネギー・グループ社の開発プロジェクト ほか

※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。 マーケティングプロジェクトを成功に導く分析プロセスがサクッと学べる！ 　ビジネスの現場では多くのデータやAIの活用に関する取り組みが行われています。このようなプロジェクトが増える一方で、思うような結果が得られずにプロジェクトを中止せざるを得なかったとの声も聞こえてきます。 　そこで本書では、正しく的確にAIを活用したデータ分析を導入できるよう、具体的な活用シーンに示しながら、「要件定義」「分析マスターデータ作成」「基礎集計・可視化」「モデリング」「評価・実装」の分析プロセスにおける知識やテクニックを丁寧に解説します。 Part 1　プロセスの一般論 Part 2　顧客データ × クラスタリング分析モデル Part 3　広告効果データ × 重回帰分析モデル Part 4　キャンペーンデータ × ロジスティック回帰分析モデル Part 5　調査データ × コレスポンデンス分析モデル Part 6　Eコマースデータ × 協調フィルタリング分析モデル Appendix　AI開発の成功パターン（EDA）と失敗パターン（LISA）

「政治、産業、文化芸術、教育、医療、防衛…… ここに挙げた全ての領域に、AIは破壊的変化をもたらすだろう。その結果、人間のアイデンティティーや経験する『現実』は、近代の幕開け以来最大の変化を遂げるだろう」 AIはどのようなイノベーションを起こすのか? AIは人間には認識できない現実を認識するようになるのか? 人間の評価にAIが使われるようになったら、人間はどう変わるのか? そして、これらの変化が起きたとき「人間である」とは最終的に何を示すのか? 元・米国国務長官、元・グーグルCEO、MIT学部長、それぞれの分野で頂点をきわめた三名が、人類史という大きなスケールから、AIのもたらす社会的変化と、私たちの未来について語る。

●AI＆ソフトウェアテストにおける世界的な第一人者が、 　AIをソフトウェアテストと品質保証の視点から解説！ 　本書は、『Artificial Intelligence and Software Testing:　Building systems you can trust』（BCS, The Chartered Institute for IT：英国コンピュータ協会 刊）の翻訳書です。 　AI（Artificial Intelligence：人工知能）は、ソフトウェアに新しい可能性をもたらすとともに、私たちの生活にも大きな変化を起こしました。もちろん、その品質保証のスタイルも大きな変更を余儀なくされました。本書は、AIをソフトウェアテストと品質保証の視点から解説し、複雑なAIシステムをどのように信頼のあるシステムにしていくかを読者に示します。 　AIは、その機能品質の担保の難しさというデメリットだけではなく、テスト自動化等々のソフトウェアテストに活用できるというメリットも注目され始めています。本書では、これらについても扱います。また、シフトライトテスト（リリース後にユーザーフィードバックを素早く製品に反映すること）や、AIOps（AIを活用したIT運用管理）といったトピックなど、AIにおける品質保証とテストについても扱います。 　AI開発を行なうITエンジニアやテスト担当者に一読いただきたい一冊です。 ●本書の構成 第1章　イントロダクション――Rex Black 第2章　信用できるAIと品質――Adam Leon Smith 第3章　品質とバイアス――James Harold Davenport 第4章　機械学習システムテスト――Adam Leon Smith 第5章　AIベースのテストの自動化――Jeremias Rößler 第6章　ソフトウェアテストのオントロジー――Joanna Isabelle Olszewska 第7章　デジタルツインであるメタバースにおけるシフトライトテスト――Jonathon Wright

生成AIにどの業務を任せればよいのか？ いま多くの企業は生成AIの導入フェーズを終え、活用フェーズに移行しつつあります。 どのように生成AIと向きあい、活用するべきでしょうか？ 本書は、営業、マーケティング、R&D、製造・物流、顧客管理、人事、情報システム、経営企画・経理財務など8部署50業務ごとの活用方法を徹底分析。部署ごとの業務をどの程度AIに任せられるのか、「データ」と「ルール」の2軸で構成されたマトリクスに落とし込んで解説します。 プロジェクトの進め方、費用対効果の測定方法、そしてそしてERPやCRM、Copilotといった他のソリューションとの連携の可能性もカバーしています。 生成AIを単なるツールで終わらせない、戦略的かつ計画的に活用できるようになるための要諦を示す一冊です。

ビッグデータ。言葉だけが先行し、その活用はなかなか広がっていない。データを使ってしっかりとした効果や成果を出せるまでには至っていない。 　この分野での経験豊富なAgoop社長の著者は、ビッグデータを利活用できているのは、民間ではデータ分析の実績がある比較的大きな企業であり、公的には国や政令指定都市のような予算規模が大きく人材の豊富な自治体に限られていると分析する。 　ビッグデータという概念やその活用は、けっして末端まで浸透しているとはいえず、ビッグデータが社会実装されて継続的・永続的に活用されている事例は、まだそれほど多くない。 　なぜ、ビッグデータを活用できなかったのか。うまく利活用するにはどうすればいいのか。著者はビッグデータを、ビッグデータを超えるビヨンド・ビッグデータとして考え直し、新たな概念としてとらえることを提案する。豊富な事例をもとに解き明かされるビヨンド・ビッグデータの世界を理解できる好著。

AIの社会実装が始まった一方、AI技術を正しく理解していないことで様々な混乱が起こる懸念があります。本書は放送大学テレビ番組(BS 231ch)『AIプロデューサー～人とAIの連携～』の教材として、様々なAI技術の適用可能性と限界を正しく認識し、産業の様々な現場で有用なAIシステムを提言できる人材ーーAIプロデューサーの育成について解説しています。

※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。 AI（人工知能）の知識を正しく理解し、適切に使いこなす能力を伸ばすことを目的とした教科書。「AIの全体像の把握」「基本原理の理解」「活用方法の習得」の3ステップで構成。大学の半期で学べる全14章。文・理を問わず学習できるよう「AI関連用語解説集」も収録。

※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。 ※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。 これからのシステムリスク管理の常識をわかりやすく解説 本書は、AIと量子コンピュータが当たり前になる、これからのITシステムのリスク管理について、基本からわかりやすく解説した書籍です。特に、リスク管理を有効に機能させるために重要な考え方や具体的な手法についても詳しく解説しています。 今後、AIや量子コンピュータのもたらす技術革新にかかわるリスク管理能力の欠如は、あらゆる組織にとって致命的なウィークポイントになります。しかし、革新的な技術のもたらすリスクを網羅的に洗い出すことは難しいのが実情です。また、それらのリスクにより生じる損害の大きさや、損害がどの程度の可能性で発生するのかが不明瞭であることも多く、従来からのプロジェクトごとでのリスク管理手法がうまく適用できません。 そのようなリスクをうまく管理するために組織に必要となる、重要なITガバナンスについてまとめています。 第1章　ITシステムにおけるリスクと新技術 第2章　量子コンピュータが暗号にもたらすリスク 第3章　AIの発展と規制 第4章　AIシステムにおけるリスク管理 これからのリスク管理とガバナンス

◆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。 ◆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。 ※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。 チューニングを自動化するブラックボックス最適化について詳説 　本書は，機械学習に欠かせないハイパーパラメータ調整（チューニング）を自動化するブラックボックス最適化について一からわかりやすく，そして，詳しく説明した書籍です．合わせて，Python言語上で動作するフレームワーク“Optuna”によるブラックボックス最適化の実行を，Optunaの開発者ら自ら詳しく説明しており，基礎を理解しながら実践に即した知識を身につけることができます． 　いまや機械学習は多種多様な応用が広く図られており，技術者／研究者，学生全般にとって必修といえるスキルになっていますが，その際に手間を要するのが，ハイパーパラメータ調整です．特に，深層学習（ディープラーニング）では，ハイパーパラメータの数が多い傾向があるうえに，その調整が性能を大きく左右するといわれています．多くの技術者が，これにかなりの時間が費やされてしまっているのが実情です．ブラックボックス最適化は汎用性も高く，機械学習のハイパーパラメータ調整に限らず，工学や日常生活にかかわる多くのことを最適化できます．例えば，本書ではミドルウェアのパフォーマンス調整や，お菓子のレシピ作成にブラックボックス最適化を応用する方法も紹介しています． 　ハイパーパラメータ調整の手間を大幅に削減するブラックボックス最適化とそのPythonベースのフレームワークOptunaについて，応用例からアルゴリズムまでを一からわかりやすく説明した書籍です．機械学習に留まらず，科学技術のあらゆる分野で登場するブラックボックス最適化に入門するにあたって最適な書籍です． CHAPTER 1　ブラックボックス最適化の基礎 1.1　ブラックボックス最適化とは？ 1.2　目的関数と最適化 1.3　グリッドサーチとランダムサーチ 1.4　SMBO 1.5　ブラックボックス最適化の利用対象 CHAPTER 2　はじめてのOptuna 2.1　環境構築 2.2　簡単な数式の最適化 2.3　機械学習のハイパーパラメータのOptunaによる最適化 CHAPTER 3　Optunaを使いこなす 3.1　多目的最適化 3.2　制約付き最適化 3.3　可視化機能を用いた探索空間の調整 3.4　探索点の手動指定 3.5　分散並列最適化 3.6　サンプラーの選択 3.7　枝刈り CHAPTER 4　ブラックボックス最適化の応用例 4.1　機械学習のハイパーパラメータの最適化：音声認識ソフトウェアMozilla DeepSpeech 4.2　パイプラインフレームワークとハイパーパラメータ最適化 4.3　継続的なモデル改善でのOptunaの使い方 4.4　オンライン広告入札システムの実行環境の最適化 4.5　クッキーレシピの最適化 4.6　ニューラルアーキテクチャサーチ CHAPTER 5　Optunaの最適化の仕組み 5.1　Optunaの柔軟なインタフェース 5.2　独立サンプリング 5.3　独立サンプリングの課題 5.4　同時サンプリング 5.5　パラメータ選択の全体像 CHAPTER 6　ブラックボックス最適化のアルゴリズム 6.1　探索点選択における共通の枠組 6.2　単目的最適化における探索点選択のアルゴリズム 6.3　多目的最適化における探索点選択のアルゴリズム 6.4　探索点選択アルゴリズムの使い分け

※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。 ※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。 音楽を創りながらディープラーニングを身につける！ 音楽の自動生成を題材に、ディープラーニングの代表的な手法を解説した入門書です。 音符一つひとつに文字を割り当てれば、自然言語と同じように音楽を扱うことができ、演奏内容をピアノロールという表現に変換すれば、画像として扱うこともできます。そのため、音楽という 1種類のデータを使ってさまざまな手法を広く学ぶことができます。 本書では、PythonとTensorFlowを使って、自分で音楽データを学習させます。現状で生成される音楽のクオリティは高くはありませんが、音楽を創りながら学ぶディープラーニングは体と耳になじみ、読者の力になるはずです。 第1章　音楽を題材にディープラーニングを学ぼう 第2章　音楽データを Python で読み書きしよう 第3章　長調・短調判定で学ぶ多層パーセプトロン 第4章　ハモリパート付与で学ぶ RNN 第5章　メロディのデータ圧縮で学ぶオートエンコーダ 第6章　メロディモーフィングで学ぶVAE 第7章　多重奏生成で学ぶ CNN 第8章　多重奏生成で学ぶ GAN

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！

※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。 ★音声はどうして言語としてとらえられるのか 図や音声データ・動画を多用し、音声言語処理の仕組みをわかりやすく解説。4部構成。 まず物理学・生理学・心理物理学の切り口から音声言語の仕組みについて説明する。 次に「人間はどのようにして音声を聞き分けるのか」という問いに音声の科学的研究を通して答える。 さらに応用として、音声合成と音声認識の仕組みを解説する。 最後に今後の展望として、言語を獲得する人工知能の可能性について考察する。 掲載図版約160点、音声データ約160個、動画19本収録。 コラムとして、「ハートのこもった音を創る」「音が無いのに聞こえる」など、音声言語にまつわる興味深い話題を25編収録。 言語聴覚士のための教科書または副読本としても使用できる。 [音声ダウンロード・動画YouTube] 〈目次〉 I 音の物理学 1章 静けさの音と音の大きさ ~音が無いとシーンと聞こえるのか~ 2章 音を構成する部品 ~音色は物理的には何なのか~ 3章 スペクトル、そして美しい音とは II 音声科学 4章 音声生成の仕組み ~気管と食道がつながっている!?おかげで~ 5章 脳が音色を感じる仕組み 6章 音の心理物理 7章 言語音声の合成による分析 ~なぜハートは愛/ai/なのか~ III 音声工学 8章 AIがしゃべる人工音声 ~琉球語もしゃべる~ 9章 音声自動認識 ~自分で進化していく機械~ IV 言語の獲得・学習 10章 言語の獲得 ~ヒトとサルの違い~ 11章 言語獲得のモデル ~聞き話す赤ん坊コンピュータ~

※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。 音声対話システムの理論と実装を網羅！ Python言語による音声対話システムの実装方法を詳しく解説． 　本書は，人間の言葉を理解し，適切に応答するシステム（＝音声対話システム）の理論をわかりやすく網羅した書籍です．合わせて，Python言語による音声対話システムの実装方法を詳しく説明しており，基礎を理解しながら実践に即した知識を身につけることができます． 　音声対話システムの実用化・普及が進む中で，さまざまな課題が明確化され，取り組みが進められています．また，少子高齢化が進み，働き手が不足している社会状況から，音声対話システムに対する社会の期待は今後ますます高まっていくと予想されています． 　今後，音声対話システムの研究開発に携わる方に必携の書籍です． 第1章　音声対話システムの概要 第2章　音声対話システムの分類 第3章　音声認識 第4章　言語理解 第5章　対話管理 第6章　end-to-endモデルによる応答生成 第7章　応答文テキストの音声合成 第8章　音声対話システムの評価 第9章　人間らしい対話を実現するための要素技術 第10章 音声対話システムの未来 付　録　Dialogflow ESによる実装

【背景】 近年、RPAをビジネスの現場で積極的に利用しようとする動きが活発です。 RPAとはロボティック・プロセス・オートメーションの略語で、 日常の定型業務をソフトウェアに代行させ、自動化を図ることです。 RPAが注目される理由としては、 ・慢性的な人員不足 ・システムの乱立とつなぎ業務の多さ ・製造業の成功 が背景にあります。 【書籍の概要】 本書は、長年自動化システムについて業務開発を行ってきた著者が、 オープンソースのRPAソフトウェアを組み合わせて、 RPAシステムを構築する手法を解説した書籍です。 RPAシステムで利用するソフトウェアはオープンソース「Sikulix」を利用します。 第1部ではRPAシステム開発の基本について簡単なシステム構築を元に解説します。 第2部では需要の高いRPAモデルケースを元に開発の勘所を中心に解説します。 【対象読者】 システムエンジニア 【Sikulix（シクリ）について】 OpenCV（インテル社が開発・公開したオープンソースの画像解析ライブラリ）を利用した GUIオートメーションツールです。 【著者】 小佐井 宏之（こさい・ひろゆき） 福岡県出身。京都工芸繊維大学同大学院修士課程修了。 まだPCが珍しかった中学の頃、プログラムを独習。 みんなが自由で豊かに暮らす未来を確信していた。あれから30年。 逆に多くの人がPCに時間を奪われている現状はナンセンスだと感じる。 業務完全自動化の恩恵を多くの人に届け、無意味なPC作業から解放し 日本を元気にしたい。株式会社完全自動化研究所 代表取締役社長。 ※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。 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。

※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。

※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。 ◆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

※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。 ◆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。

【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。 最先端研究者必携シリーズ！！ ナチュラルコンピューティング・シリーズとは、自然界の様々な現象を研究し「情報処理」の全く新しい地平を切り開く未踏領域の知識を集めた本邦初のシリーズである。 思考や記憶など，脳の活動を担うニューロンの状態変化を情報処理システムと捉える新しい計算方式「カオスニューラルネットワーク・モデル」を解説。この計算方式では「アルゴリズムによる計算」ではなく，ダイナミクス—多数素子による超並列処理—により計算を行う。従来のコンピュータが“苦手”としている最適化問題などを解かせることで，その有用性や可能性を論じる。先進的な計算機科学に興味を持つ学生，研究者が対象。

※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。 最先端研究者必携シリーズ！！ ナチュラルコンピューティング・シリーズとは、自然界の様々な現象を研究し「情報処理」の全く新しい地平を切り開く未踏領域の知識を集めた本邦初のシリーズである。 可逆計算には、どの時点の状態をとっても直前の時刻の状態を唯一に決められるという性質がある。 ファインマンがその方向性を論じて以来、本格的な研究が始まった。量子コンピュータとも大変親和性があり、計算システムの全く新しい概念を提供する。 読者は、学生・研究者。

テキストに対応する画像を生成する――従来は困難であった高次元のデータを創り出す生成モデルの技術が注目されている．現在，最高の性能を発揮し，画像・動画・音声・化合物の生成など，多様な応用が期待されているのが拡散モデルである．その数理の心から課題までを世界に先駆けて解説し，理論のさらなる発展を追究する．※この電子書籍は「固定レイアウト型」で作成されており，タブレットなど大きな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，文字列のハイライト，検索，辞書の参照，引用などの機能は使用できません．

ビブリオバトルって何？コミュニケーションするロボットは創れる？ビブリオバトルの考案者にして人工知能の研究者が、既存の学問枠組みにとらわれずに、コミュニケーションの新しい視点を伝授。教授と高校生の対話によるライトノベル形式の入門書。

※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。 情報で観光を実学する！　我が国は今日、観光を産業資源として外国人の来訪を積極的に進めようとしている。このような状況の中、観光を情報の切り口から体系的に学び、実学に結びつけるのは急務である。本書はこのような視点から、観光情報学という新たな領域を具体的な事例を数多く例示しながら解説している。観光情報に関心のある読者はもとより観光資源をいかに活用しようかと考えている読者にも最適の書である。

※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。 Microsoft Officeを活用して情報リテラシーを身につけるテキスト。基本的な文書作成・表計算・プレゼン資料の作成から、データベース、HTMLまで、重要な項目を精選して解説。実践的な例題を手順に沿って丁寧に解説。スマホ中心利用でパソコンが苦手な方に向け、キーボード入力の基礎やPCメールの使い方も解説。オリジナルキャラクターが重要ポイントを視覚的に誘導。情報教育の教材や自学自習のテキストに。

画像生成AIと著作権について、イラストレーター・エンジニア・弁護士の3人と一緒に考えよう 　画像生成AIの急速な一般化に伴い、学習データや出力された画像に関して、法的・倫理的な議論が行われています。本書では、イラストレーター・AI開発者・弁護士というそれぞれ異なる立場の3名が、AIイラスト周辺の権利や倫理について説明や議論を行います。 　画像生成AIと権利をめぐる議論には、著作権法を中心とした法律の知識と、生成系モデルを中心とした機械学習の知識、さらにイラスト制作の技術や当該分野における慣習などのクリエイティブ業界の知識という異なる3分野の知見が必要となります。また、新技術として社会実装されるためには、「適法か否か」という論点だけでなく、「倫理的に正しいといえるのか」「ビジネスとして成立しうるのか」など、複数の視点からの問題提起が必要となります。 　本書では、3分野における基礎知識を説明しながら、画像生成AIの課題と可能性を指摘していきます。画像生成AIの学習データや出力に対して疑問をもっている方や、逆に画像生成AIを利用しており商用利用も考えている方など、立場問わず生成AIに関心のある方を広く読者対象として想定しています。 <本書のポイント> ・立場の異なる3人のプロが、50の質問に対して回答します ・画像生成AIをめぐる問題を広く取り上げ、法だけでなく倫理やビジネスなど複数の側面から議論します Chapter 1　画像生成AIと著作権の基本 Chapter 2　生成モデルと著作権 Chapter 3　学習データをめぐる問題 Chapter 4　生成AIをめぐるトラブルと対処法 Chapter 5　画像生成AIの課題と未来 補論 著作権法の基本

※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。 原著は中国の数多くの大学や高専で使われている機械学習の標準教科書にして、2016年の刊行以来2020年11月までの発行数が54万部を超えるベストセラー書籍。 　本書は大まかに基礎，具体的手法、先進的理論からなり、少ない数学的知識で読めて各章が短いという教科書的配慮がなされている。「スイカを切らずにその良し悪しを機械学習でどう判断するか？」が本書の骨子になっており、書影に描かれたスイカは本書のトレードマークとなっている。 　中国はいかにして機械学習の分野をリードするに至ったか、そのエッセンスを紐解く一冊。

機械学習エンジニアになりたい人に 機械学習エンジニアを志望する人が増えています。 採用数も増えており、さまざまな就職・転職サイトで「機械学習エンジニア」の募集がされており、この数は今後さらに増えることが予想できます。 しかし、採用側の話を聞くと、志望する人の大半は求める能力に達していないというミスマッチが発生しています。 これは、「機械学習エンジニア」という仕事が誕生して間もないため、 どのような能力を必要とするのかをエンジニア側が理解していないことに原因があります。 【本書の構成】 本書は「仕事編」と「実務編」の２部構成です。 「仕事編」では、機械学習エンジニアになりたい人向けに、 その仕事内容や必要な知識レベル、なるための勉強法、採用されるための履歴書の書き方などを解説します。 「実務編」では、身の周りのAI技術や実務ノウハウ、各国の機械学習エンジニア事情について解説します。 また、実際に機械学習エンジニアとして働く人やゼロから機械学習の知識を身につけた方々のインタビューも掲載しています。 ※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。 ※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。 機械学習エンジニアが知らないでは済まされない知財と契約の基礎知識をコンパクトに、わかりやすく整理 本書は、エンジニア・研究者、学生を対象に、知らないでは済まされない機械学習にかかわる知財と契約の基礎知識をコンパクトに、わかりやすくまとめた書籍です。 GoogleやAppleの創業者がエンジニアであり、スタートアップ企業から始まっているように、いまや、そして特に機械学習に関連する分野では、エンジニア自身が知財活動や法務活動に積極的にかかわることが必要不可欠です。いいかえれば、何かことが起こればエンジニア自身が矢面に立たされたり、少なくとも責任の一端をとらされたりすることは避けられません。 本書は、このような背景を踏まえて、機械学習の研究開発に関連してエンジニアが知っておくべき法律的な考え方や知識を、主に実務的な観点を交えつつ、一から丁寧に解説しています。 第1章　AI・データと法的な保護 第2章　契約－当事者のインセンティブのデザイン 第3章　AI・データと特許 第4章　専門家とのコラボレーション 第5章　OSSと知的財産権

※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。 機械学習を理解し実践するために必要な要素を選抜して解説した、実践的ガイドブック！ 　本書は、機械学習の入門者から中級者までをおもな対象として、機械学習を理解し実践するために必要なさまざまな要素を選抜して解説した、機械学習のガイドブックです。 　機械学習の概要から解説をはじめ、機械学習の歴史と主要なアルゴリズム、機械学習を実践するためのプログラミング言語であるRとPythonそれぞれの説明と連携、機械学習を正しく使いこなすためのさまざまな注意点、Kerasを活用したディープラーニングの実践、そして強化学習の例としてアルファゼロを取り上げています。付録には機械学習の理論的裏付けとなる数学の概要も取り上げています。 　入門者の方はまず本書の第1章「機械学習とは何か、どんな働きをするのか」を読み、第5章「さあ機械学習の本質を体験してみよう」の実践を繰り返してみてください。だんだんと機械学習に関する多くのことが見えるようになってきて、中級者への道が開けるでしょう。 　中級者の方には前半はやや簡単かもしれませんが、第8章「Kerasを使ったディープラーニングの実践」、第9章「さまざまなゲームの攻略法をゼロから学習するアルファゼロ」の内容が十分に理解できたのであれば、かなりのレベルに達したのだと思います。簡単かもしれない前半部分にも、参考になるさまざまな要素を仕込みました。 　機械学習の入門から中級者への道をガイドする1冊となっています。 はじめに 第1章 機械学習とは何か、どんな働きをするのか 第2章 機械学習小史：機械学習ブームの基盤を作った主人公たち 第3章 ぜひ使ってみたい役に立つアルゴリズム 第4章 RとPython 第5章 さあ機械学習の本質を体験してみよう 第6章 機械学習を上手に使いこなすコツ 第7章 RとPythonの連携 第8章 Kerasを使ったディープラーニングの実践 第9章 さまざまなゲームの攻略法をゼロから学習するアルファゼロ 付録A 機械学習の基盤となる数学の概要 A.1 機械学習の数学的基盤となるベクトル空間 A.2 ベクトル空間、ノルム空間、内積空間、ユークリッド空間とその関係 A.3 ドット積、行列、行列積 A.4 さまざまな行列の性質とその演算 A.5 行列と線形写像、固有値、テンソル、カーネル関数と射影 A.6 確率空間、確率変数、確率分布 A.7 統計的推定 A.8 最適化の手法 付録B RとPythonのデータ分析に関連する基本的コマンドの比較 B.1 基本的機能 B.2 ベクトル、行列などの作成と操作および数値計算（NumPy機能の対応） B.3 データフレームの作成・操作など（Pandas機能の対応） おわりに 参考文献とそのガイド

機械学習の予備知識がない読者を、研究の最前線までしっかり連れて行く、ひとりでも学べる入門書! 深層学習の理論を初めて学ぶ人はもちろん、今度こそ理解したい人のために。 【甘利俊一先生推薦】 ｢世の中に人工知能の解説書は多いが、基礎から始め、その仕組みを理論的に明快に説明したのは本書が初めてといってよい｣

最短経路で平易に理解できる、今までにない入門書! ベイズ主義機械学習(ベイズ学習)の基本原理にのっとり、｢モデルの構築→推論の導出｣という一貫した手順でアルゴリズムの作り方を解説。どこまでも分かりやすい!

※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。 細胞培養（培地最適化）へ機械学習を応用するための基礎やノウハウを解説 本書は細胞培養（培地最適化）へ機械学習を応用するための基礎やノウハウを解説した書籍です．現状，細胞培養に機械学習を応用しようとすると，情報工学や数理統計学のテキストを読む必要がありますが，これらでは情報工学や数理統計学の基本的なカリキュラムを修了していることが前提とされていて，細胞培養のエンジニアや学生が読みこなすのは大変です． また，情報工学や数理統計学において重要な基本原理の解説と研究事例の紹介がメインであり，必ずしも細胞培養に応用するうえで，「機械学習をどう利用するのか」「どうやってデータサイエンス化するのか」について，詳しく書いてあるわけではありません． 本書では，情報工学や数理統計学のノウハウがなくても，つまり，AIの素養がなくても，読者ご自身の細胞培養の定量性や再現性を高め，予測可能な結果につなげるためのヒントをまとめたものです．著者の経験をもとに，機械学習を応用する大切なポイントを解説しています． 第1章　細胞培養の基礎を押さえよう 　1.1　細胞培養について 　1.2　細胞培養のための培地選び 　 第2章　細胞培養を定量化しよう 　2.1　細胞の数を計測してみよう 　2.2　増える細胞の様子を数値化しよう 　 第3章　細胞培養をデータ化しよう 　3.1　データサイエンスの基本をざっくり把握しておこう 　3.2　細胞培養・培地をデータ化しよう 　3.3　データ化するための自動化 　　 第4章　細胞培養を学習分析しよう 　4.1　機械学習について知ろう 　4.2　細胞培養のデータでデータサイエンスを行おう 第5章　細胞培養を最適化しよう 　5.1　最適化するための方法 　5.2　機械学習のアルゴリズムを押さえよう 　5.3　学習データを取得しよう 　5.4　モデルを訓練しよう 　 第6章　アクティブラーニングを活用しよう 　6.1　アクティブラーニング　 　6.2　応用と展望

※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。 『機械学習と深層学習 C言語によるシミュレーション』のPython版登場!! 　本書は人工知能研究における機械学習の諸分野をわかりやすく解説し、それらの知識を前提として深層学習とは何かを示します。具体的な処理手続きやプログラム例（Python）を適宜示すことで、これらの技術がどのようなものなのかを理解できるように紹介していきます。 まえがき 第1章　機械学習とは 1.1　機械学習とは 1.1.1　深層学習の成果 1.1.2　学習と機械学習・深層学習 1.1.3　機械学習の分類 1.1.4　深層学習に至る機械学習の歴史 1.2　本書例題プログラムの実行環境について 1.2.1　プログラム実行までの流れ 1.2.2　プログラム実行の実際 第2章　機械学習の基礎 2.1　帰納学習. 2.1.1　演繹的学習と帰納的学習 2.1.2　帰納的学習の例題　―株価の予想― 2.1.3　帰納学習による株価予想プログラム 2.2　強化学習 2.2.1　強化学習とは 2.2.2　Q学習　強化学習の具体的方法 2.2.3　強化学習の例題設定　迷路抜け知識の学習 2.2.4　強化学習のプログラムによる実現 第3章　群知能と進化的手法 3.1　群知能 3.1.1　粒子群最適化法 3.1.2　蟻コロニー最適化法 3.1.3　蟻コロニー最適化法の実際 3.2　進化的手法 3.2.1　進化的手法とは 3.2.2　遺伝的アルゴリズムによる知識獲得 第4章　ニューラルネット 4.1　ニューラルネットワークの基礎 4.1.1　人工ニューロンのモデル 4.1.2　ニューラルネットと学習 4.1.3　ニューラルネットの種類 4.1.4　人工ニューロンの計算方法 4.1.5　ニューラルネットの計算方法 4.2　.バックプロパゲーションによるニューラルネットの学習 4.2.1　パーセプトロンの学習手続き 4.2.2　バックプロパゲーションの処理手続き 4.2.3　バックプロパゲーションの実際 第5章　深層学習 5.1　深層学習とは 5.1.1　従来のニューラルネットの限界と深層学習のアイデア 5.1.2　畳み込みニューラルネット 5.1.3　自己符号化器を用いる学習手法 5.2　深層学習の実際 5.2.1　畳み込み演算の実現 5.2.2　畳み込みニューラルネットの実現 5.2.3　自己符号化器の実現 付 録 A　荷物の重量と価値を生成するプログラム　kpdatagen.py B　ナップサック問題を全数探索で解くプログラム　direct.py 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。 AI精度向上はトレーニングデータが鍵。 良質なトレーニングデータを手に入れるための必須知識。 アメリカをはじめ、ヨーロッパや中国などを中心にAI（機械学習）やディープラーニングを活用としたユースケースやビジネスモデルなどが大きく進化し、日本国内においても、自動車、製造、建築・土木、公的機関、eコマースなどさまざまな業種で機械学習やディープラーニングの適用が進んできています。 　このようにAIに使われる機械学習を、高い精度・確率のものとするためには、高い品質、さまざまな条件の分布、バリエーションに富んだトレーニングデータを準備することが成功の鍵といえます。　本書では、トレーニングデータの性質に焦点をあて、解説を行います。 はじめに 第1章　機械学習とトレーニングデータ 1.1　ディープラーニングに進化する過程 1.2　ディープラーニングはブラックボックス 1.3　機械学習の種類 1.4　プログラミングから見た機械学習 1.5　トレーニングデータの位置付け 第2章　マネジメント層とエンジニアの機械学習 2.1　データ活用とは 2.2　DXからデジタルファーストへ 2.3　マネジメント層の大事な役割 2.4　エンジニアとトレーニングデータ 2.5　機械学習を取り巻く課題 2.6　実行すべきこと 第3章　AIとトレーニングデータ 3.1　音声認識とは 3.2　機械翻訳 3.3　画像認識 3.4　動画 3.5　チャットボット・ボイスボット 3.6　自然言語処理系AI 3.7　固有表現抽出 3.8　ポイントオブインタレスト（POI） 3.9　自動車関連系AI 3.10　AR／VR／MRとメタバース 3.11　その他 第4章　各種トレーニングデータ 4.1　音声データ 4.2　画像データ 4.3　動画データ 4.4　センシングデータ（3D点群データ） 4.5　シンセティックデータ 第５章　データアノテーション 5.1　データアノテーションとは？ 5.2　プリラベリングデータ 5.3　音声データからのアノテーション 5.4　テキストデータのアノテーション 5.5　画像データのアノテーション 5.6　アノテーションフォーマット 第6章　アノテーションツール 6.1　アノテーションツールの種類 6.2　データ収集 6.3　プロジェクト定義 6.4　データ管理と割り当て 6.5　音声系へのアノテーション 6.6　テキスト系のアノテーション 6.7　画像・動画系データ 6.8　品質チェック工程 6.9　データ取りまとめ 第7章　データセキュリティ 7.1　関連する法律 7.2　データセキュリティについて 7.3　AI倫理 第8章　トレーニングデータの重要性 おわりに 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。 機械学習を用いた新規分子構造の生成や最適化にまつわる技術について，基礎理論から実装まで一気通貫して解説 　本書は，機械学習の初学者であっても分子構造の生成モデルや分子構造の最適化手法を理解できるように，機械学習の基礎から分子構造の生成モデルや最適化手法にいたるまでを体系的にまとめた書籍です． 　さらに，機械学習に関する技術はプログラミングを通じて実践することでより理解が深まるものであるため，数理的な内容だけではなく，Pythonによる実装を織り交ぜて説明しています．分子構造の生成モデルや最適化手法に関する基礎知識を得ることができるだけでなく，それらを実践に活かすところまで習得できます． 　また，分子構造を取り扱うための手法や，特有の事情についても詳しく説明していますので，機械学習の研究者が分子構造を取り扱った研究を始めたい場合にも参考になります． 〈このような方におすすめ〉 材料設計、創薬に携わる技術者、研究者および学生 分子生成モデルへの応用を目指す機械学習の技術者、研究者および学生 〈目次〉 第1章　分子生成モデルと分子最適化 1.1　分子最適化 1.2　分子生成に関する問題設定 1.3　分子生成モデルの構成要素 1.4　本書の構成 1.5　記　法 1.6　プログラミング環境 第2章　分子データの表現 2.1　分子のグラフ表現 2.2　SMILES 2.3　SELFIES 2.4　分子記述子 2.5　フィンガープリント 第3章　教師あり学習を用いた物性値予測 3.1　教師あり学習 3.2　経験損失最小化にもとづく教師あり学習 3.3　予測分布 3.4　ニューラルネットワーク 3.5　最適化アルゴリズム 3.6　評　価 3.7　過剰適合と正則化 3.8　グラフニューラルネットワーク 3.9　モデルの適用範囲 3.10 予測器の実装例・実行例 第4章　系列モデルを用いた分子生成 4.1　系列モデル 4.2　系列モデルを用いた分子生成モデル 第5章　変分オートエンコーダを用いた分子生成 5.1　変分ベイズ法 5.2　変分オートエンコーダ 5.3　変分オートエンコーダを用いた分子生成モデル 第6章　分子生成モデルを用いた分子最適化 6.1　分子最適化問題とその難しさ 6.2　分子最適化問題の連続最適化問題への変換 6.3　ベイズ最適化を用いた分子最適化 6.4　ベイズ最適化を用いた分子最適化アルゴリズム 第7章　強化学習を用いた分子生成モデルと分子最適化 7.1　強化学習の定式化 7.2　分子最適化の強化学習としての定式化 7.3　方策勾配法 7.4　オフライン強化学習 7.5　SMILES-LSTMを方策とした方策最適化 第8章　発展的な分子生成モデル 8.1　原子団を組み合わせる分子生成 8.2　分子骨格を用いた分子生成 8.3　生成モデルの評価手法 付 録　正規分布にかかわる公式 A.1　モーメント母関数 A.2　線形結合 A.3　条件付き確率

※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。 ベイズモデル、生成AIの数学的動作原理を学ぶ 増補改訂でより詳しく 　本書は，機械学習の道具として使われている確率過程の書籍です．確率過程とは，誤解をおそれずにひと言でいえば「パラメータにしたがってランダムに変動するデータを解析するための数学の一分野」です．すなわち，ベイズモデル，生成AIの数学的動作原理です． 　日進月歩の勢いで発展を遂げる機械学習の研究成果を各自の専門領域に取り入れるには，これらの中で道具として使われている確率過程の基礎的な知識が必要不可欠です．本書では，数学的な厳密性は犠牲としながらも，機械学習の最新の結果を理解するために最低限必要と思われる内容にしぼって，確率過程について説明しています． 　今回の増補改訂によって内容を大幅に追加しています． 第1章　確率論の基礎 第2章　確率積分と確率微分方程式 第3章　マルコフ過程の性質 第4章　確率過程とベイズモデル 第5章　確率過程と機械学習 第6章　実問題への応用 付録A　基礎事項の復習式の復習 付録B　サンプルコード

※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。 機械学習のしくみをイラストや図解でやさしく学ぼう！ 本書は、機械学習に関するさまざまなトピックスを概説する書籍です。人工知能における機械学習の位置づけを説明したのち、機械学習内の分野をマップ化し、マップ内の街（＝機械学習内の分野）を旅する形でやさしく解説していきます。 数式や複雑な処理手順は扱わずに、「どんなしくみで、どこで使われていて、どう役に立つのか」という要点をわかりやすく示します。大枠や要点を掴むことを主眼としているため、短時間・効率的に学ぶことができます。機械学習について関心をもっているものの、専門書はハードルが高いと感じている学生やビジネスパーソンにおすすめです。 構成は、はじめに人工知能における機械学習の位置づけや手法の分類を示したうえで、機械学習の個々のトピック……すなわち、ｋ近傍法や決定木などによる分類、進化的計算や群知能による最適化、強化学習、ニューラルネット、深層学習などを説明していきます。 まえがき 目次 はじまり－機械学習の国へ行こう－ 第一章　いりぐち－機械学習ってなんだろう？－ 機械学習ってなんだろう？ AIにできること いきものとコンピューター、それぞれの学びかた コンピューターの学習 機械学習はなにができるの？ 「言葉」を認識する 「画像」を認識する 　COLUMN　強いAIと弱いAI 第二章　観光案内所－機械学習の種類と仕組み－ 機械学習には種類がある 先生に正解を教えてもらおう－教師あり学習－ 教師データとラベル　 教師あり学習の仕組み 自力で学習を進めよう－教師なし学習－ 試行錯誤の経験から学習しよう－強化学習－ コラム　いろんな機械学習 学習した知識を役立てよう－汎化・タスク・アルゴリズム－ 学習のしすぎに注意！－過学習－ COLUMN　オッカムの剃刀とノーフリーランチ定理 第三章　分類の街－k近傍法と決定木－ 並べかたで分類しよう－k近傍法－ 　一刀両断、スパッと分類！－サポートベクターマシン－ ○と×で分類しよう－決定木－ 決定木の作りかた たくさんの決定木の森－ランダムフォレスト－ COLUMN　みにくいアヒルの子定理 第四章　最適化の街－進化的計算と群知能－ 最適化ってなんだろう？ 進化を模倣してよりよい情報を残そう－進化的計算－ いきものの進化の仕組み 進化的計算ってなんだろう？ 進化的計算の代表選手、遺伝的アルゴリズム 遺伝的アルゴリズムの仕組み もっと複雑なことをするには－遺伝的プログラミング－ 生物の群れの行動から学習しよう－群知能－ 蟻みたいに近道を見つけよう －蟻コロニー最適化法－ 大勢で答えを探そう－粒子群最適化法－ 魚みたいに餌を探そう－AFSA－ 第五章　試行錯誤の街－強化学習－ 強化学習ってなんだろう？ とにかく試行回数を重ねよう－モンテカルロ法－ より効率的に試行するには？－Q学習－ Q学習で迷路を脱出しよう 第六章　神経回路の街①－ニューラルネット－ 神経細胞と神経ネットワーク 神経細胞の模倣－人工ニューロン－ 神経ネットワークの模倣－人工ニューラルネットワーク－ ニューラルネットの学びかた 視覚のシミュレーション－パーセプトロン－ ハイスピードで学ぼう！－バックプロパゲーション－ ニューラルネットワークの種類 ①階層型 ニューラルネットワークの種類 ②全結合型と再帰型 「何か」を見つける－認識－ 「何か」を動かす－制御－ 「何か」を考える－判断－ 必ず「何か」を返してくる。……それでいいのかな？ 第七章　神経回路の街②－ディープラーニング－ ディープラーニングってなんだろう？ 人間の「視覚」を真似したニューラルネット これはイヌ？　それともネコ？－畳み込みニューラルネットの画像認識－ CNNはどうして高性能なんだろう？ 時間で変わるデータを分析しよう－リカレントニューラルネットとLSTM－ 本物そっくりのニセモノをつくる－敵対的生成ネットワーク－ ディープラーニングを自動翻訳に役立てよう 経験から学ぶ深層学習－深層強化学習－ 第八章　でぐち－機械学習をはじめよう－ 機械学習に使われる言葉－プログラミング言語Python－ 機械学習に使われるソフトウェア①－TensorFlowとKeras－ 機械学習に使われるソフトウェア②－Caffe、PyTorch、Chainer－ おわりに－AIについて学べる参考図書たち－ 　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。 人工知能の構成技術を網羅的に概観する、やさしい教科書 本書は、人工知能のしくみを一から丁寧に解説する入門書です。 「人工知能とはなにか」という定義からはじまり、機械学習や画像処理といったさまざまな技術のしくみを、できるだけ数式を使わずに平易に説明します。 深層学習が火付け役となった人工知能ブームによって、人工知能は多くの方にとって馴染みのある存在になってきました。しかし、 ・　機械学習 ・　ニューラルネットワーク ・　進化的計算 ・　自然言語処理 ・　画像認識 などの個別のトピックのみが取り上げられることも多く、人工知能全体の体系はよくわからない、という方も多いのではないでしょうか。 本書では、上述したようなトピックを網羅的に扱い、人工知能を構成する技術の全体像を概観します。できるだけ数式を用いずに、平易に解説するよう心がけました。 業務上AIに関する知識が必要になった社会人や、情報系の学部・学科に所属する大学生はもちろん、人工知能に興味のある高校生にも読んでいただける内容です。 なお、各章の最後には、Pythonを使った演習を設けています。 エンジニアの方や、エンジニアを志す学生の方は、ぜひ演習問題にも取り組んでみてください。 第1章　人工知能とは 第2章　人工知能研究の歴史 第3章　学習 第4章　知識表現と推論 第5章　ニューラルネットワーク 第6章　深層学習 第7章　進化的計算と群知能 第8章　自然言語処理 第9章　画像認識 第10章　エージェントと強化学習 第11章　人工知能とゲーム 第12章　人工知能はどこに向かうのか

※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。 丁寧な解説と豊富な演習問題により、量子計算のアルゴリズムと計算量理論について一から理解できる 量子計算のアルゴリズムと計算量理論について、一からわかりやすく解説した書籍です。 現在、大きな注目を集めている量子コンピュータによる計算（量子計算）は、従来のコンピュータによる計算（古典計算）と比べて、いわゆる指数関数的な高速化を実現することがあります。 その一方で、この高速化は量子力学の基礎原理をもとにしており、アルゴリズムと計算量理論の分野の言葉で記述されるものです。したがって、この高速化の現象を正しく理解するには、量子力学特有の重ね合わせの原理とエンタングルメントをはじめとした量子計算のアルゴリズム、および、計算量理論をひと通り理解する必要があります。 本書は、線形代数と離散数学の基本的な知識のみを前提として、量子計算の原理について初学者向けに丁寧な解説を行っています。 数多くの例題と演習問題を収載しており、読者自ら手を動かしながら学ぶことができます。 第1章　計算理論の基礎事項 1.1　文字列，計算問題 1.2　ブール回路 1.3　二進列に対する演算 1.4　計算量クラス 1.4.1　P, NP, EXP 1.4.2　多項式時間帰着とNP完全問題 1.4.3　オラクル 1.4.4　乱択アルゴリズムと計算量クラス 第2章　ブラケット記法と量子計算でおなじみの行列 2.1　ベクトル 2.2　行　列 2.3　量子計算でよく出現する行列 2.3.1　ユニタリ行列 2.3.2　正規行列，エルミート行列 2.3.3　射影行列 2.3.4　半正定値行列 第3章　量子情報の基礎 3.1　量子ビット，量子状態 3.1.1　量子ビット，量子状態の測定 3.1.2　量子ビットの幾何的描像 3.1.3　量子ビット，量子状態の時間発展 3.1.4　量子ランダムアクセス符号 3.1.5　量子鍵配送 3.2　複数の量子ビット 3.2.1　テンソル積 3.2.2　複数の量子ビットからなる量子状態 3.2.3　複数の量子ビットの時間発展および測定 3.2.4　部分系の測定 3.2.5　CHSHゲーム 3.2.6　量子テレポーテーション 3.3　観測量 3.4　混合状態 3.4.1　1量子ビットと密度行列 3.4.2　部分トレースと混合状態 3.5　POVM 3.5.1　3ビット量子ランダムアクセス符号 3.5.2　2値POVM の実現方法 3.6　発展的な概念 3.6.1　トレース保存完全正値写像 3.6.2　近似と距離 第4章　量子回路 4.1　基本ゲート，量子回路 4.2　古典計算vs量子計算 4.3　量子計算の計算木 4.4　万能量子ゲート集合 4.5　よく使用される量子回路 4.5.1　量子回路のワイヤの交換 4.5.2　量子アダマール変換と一様重ね合わせ状態の生成 4.5.3　量子フーリエ変換 4.5.4　アダマールテスト 4.5.5　SWAPテスト 4.6　空間的制約が課された量子回路 第5章　量子アルゴリズム 5.1　Deutsch?Jozsaの量子アルゴリズム 5.2　Groverのアルゴリズム 5.2.1　量子計算に古典アルゴリズムを組み込む 5.2.2　量子振幅増幅 5.3　Simonのアルゴリズム 5.4　位数発見アルゴリズム 5.5　量子特有の問題に対する量子アルゴリズム 5.5.1　位相推定 5.5.2　量子シミュレーション 5.6　その他の量子アルゴリズム 5.7　通信を含む計算問題に対する量子プロトコル 第6章　量子計算量クラス 6.1　Pの量子版：BQP 6.1.1　BQPとNPの関係 6.1.2　BQPを含む古典計算量クラス 6.2　NPの量子版：QMA 6.3　量子対話型証明 6.4　量子多証明者対話型証明 付録 A.1　群と体 A.2　オーダ記法 A.3　チューリング機械 A.4　非決定性チューリング機械 A.5　確率チューリング機械 A.6　PSPACEとEXP

※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。 量子コンピューティングがやさしくわかる 「量子コンピューティング」は量子コンピュータを用いた計算手法です。量子コンピュータには、大別してゲート型量子コンピュータとアニーリング型量子コンピュータがあり、ほかにアニーリング型量子コンピュータに着想を得た疑似量子コンピュータがあります。 本書で特に力を入れて説明しているのは、イジングマシンを使った具体的な問題の解き方です。イジングマシンは、組合せ最適化問題を解く専用のコンピュータで、アニーリング型量子コンピュータと疑似量子コンピュータのことを指します。組合せ最適化問題は応用範囲が広いので、具体的な問題の解き方を知ることで、量子コンピューティングの役立つシーンがイメージしやすくなるはずです。そうしたイメージができて興味がわいてきたら、もう少し専門的な資料を読んだり、量子コンピュータを使ってみたりして、さらに上の段階に進めると思います。 量子コンピューティングのしくみと、量子コンピュータを使ってどんなように問題を解くのかを知りたい方に基礎からていねいに解説します。 1章　量子コンピューティングの概要 1.1　量子コンピューティングとは 1.2　量子コンピューティングの応用例 1.3　量子を使わない量子コンピューティング 2章　イジングマシンのしくみ 2.1　イジングマシンとイジング模型 2.2　イジングマシンの計算のしくみ 2.3　問題を解くために必要なこと 2.4　問題を解く前の注意点 3章 イジングマシンで問題を解く 3.1　最大カット問題 3.2　画像のノイズ除去 3.3　グラフ彩色問題 3.4　クラスタリング 3.5　巡回セールスマン問題 3.6　ナップサック問題 4章　イジングマシンを使った機械学習 4.1　二値分類 4.2　行列分解 4.3　ブラックボックス最適化 5章　ゲート型量子コンピュータ 5.1　ゲート型量子コンピュータの計算のしくみ 5.2　量子アルゴリズム 5.3　量子ビットと操作の方式 6章　量子コンピューティングの今後 6.1　イジングマシンの進化 6.2　ゲート型量子コンピュータの発展 6.3　量子コンピューティングへの期待 付録 A．行列とベクトル A.1　行列とベクトルの演算 A.2　行列の固有値と固有ベクトル B．ブラックボックス最適化の補足 B.1　損失関数の平方完成 B.2　多変数ガウス分布 C．量子アルゴリズムの補足 C.1　ブラケット記法 C.2　ドイチュ・ジョサのアルゴリズム C.3　グローバーの量子探索アルゴリズム 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。 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。

※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。 既存の学問分野をＩＴ利用を前提に並列的につなぐのではなく、情報とメディアを統一的・体系的に考察することで情報から出発する思考の本質的な意義と限界線を探る基礎情報学。

※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。 基本事項をコンパクトにまとめ，親切・丁寧に解説したコンピュータの基礎の教科書！現場のニーズに応じて，さらに内容をブラッシュアップしました． 　基本事項をコンパクトにまとめ，親切・丁寧に解説したコンピュータの基礎の教科書です。今回の改訂で現場のニーズに応じて，さらに内容をブラッシュアップしました． 　大学1，2年生向けの教科書として適切な内容として，ハードウェア，ソフトウェアの両面からコンピュータやネットワークの内部構成や動作原理について，基礎的かつ重要な事項に的をしぼって解説しています． 1章　コンピュータシステム 　1　コンピュータの歴史 　2　コンピュータの基本構成と動作原理 　3　現代社会におけるさまざまなコンピュータ 　練習問題 2章　情報の表現 　1　2進符号 　2　2進数による数の表記法 　3　数値データの表現 　4　文字データの表現 　5　音声・画像データの表現 　練習問題 3章　論理回路とCPU 　1　ブール代数と論理回路 　2　論理回路と中央演算処理装置（CPU） 　3　CPUの動作 　練習問題 4章　記憶装置と周辺機器 　1　記憶装置 　2　インタフェースとバス 　3　入出力装置 　練習問題 5章　プログラムとアルゴリズム 　1　プログラムとプログラミング言語 　2　アルゴリズム 　3　プログラミング言語と言語処理プログラム 　練習問題 6章　OSとアプリケーション 　1　OS 　2　制御プログラムの役割 　3　アプリケーションとミドルウェア 　4　仮想化ソフトウェア 　練習問題 7章　ネットワーク 　1　コンピュータネットワーク 　2　インターネットとTCP/IP 　3　インターネットサービス 　4　コンピュータシステムの構成と信頼性 　練習問題 8章　セキュリティ 　1　セキュリティ技術 　2　暗号化技術 　練習問題 練習問題解説・解答 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。 人工知能研究における諸分野を、C 言語による具体的な処理手続きやプログラム例によりやさしく解説する!! 　強化学習は、一連の行動の結果だけから行動知識を学習する手法です。　本書では、この強化学習と深層学習の基礎を紹介した上で、深層強化学習のしくみを具体的に説明します。単に概念を説明するだけでなく、アルゴリズムを実際にC言語のプログラムとして実装することで、実際にプログラムを動かすことで具体的な処理方法の理解を深めます。 主要目次 第1章　強化学習と深層学習 第2章　強化学習の実装 第3章　深層学習の技術 第4章　深層強化学習

※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。 ファインチューニングについて，具体的なPythonコードを通じて基本から実践までわかりやすく説明 本書は，画像識別や自然言語処理といった実務における代表的なタスクで現れるモデルのファインチューニング，さらに近年著しく発達している生成AIモデルのファインチューニング，および，強化学習を活用したファインチューニングについて，それぞれ具体的なPythonコードを通じて基本から実践までわかりやすく説明した書籍です． ファインチューニングを実務で活用することを目指すエンジニアや研究者，および学生の方々を対象に，実務に直結したアドバイスや具体的な手法を提供し，現場での実践力を高めていただくことを目標としています． それぞれのタスクを実施するための手続きを「レシピ」としてパッケージ化して，その中身を「レシピの概要」「事前準備」「ファインチューニング実装」「評価」「応用レシピ」としています．具体的なPythonコードを通じて基本的かつ実践的な考え方を理解していただき，さらにそれを読者の皆さん自身の課題に合わせて修正できるようにしています． これからファインチューニングを始めたい，あるいはファインチューニングの実践におけるコツを知りたい方におすすめの書籍です． Chapter 1　ファインチューニングの基礎知識 Chapter 2　画像のファインチューニング Chapter 3　自然言語処理のファインチューニング Chapter 4　生成AIのファインチューニング Chapter 5　強化学習によるファインチューニング Appendix　 評価指標

※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。 緊急事態は情報が「カギ」になる！ 3.11の東日本大震災時に経験したように、緊急事態（災害時）には日常とはまったく違う情報システムが必要となる。それは、いわゆる情報系だけではなく、人的リソース、行政活動、ボランティアなど様々なことが複合的に絡み合う形で動的に変化しながら形成されていく。 本書は、米国を中心にこれらについて研究された成果が整理されてまとめられている数少ない邦訳書である。実践的なケーススタディが多数盛り込まれており、我国の今後の取組みへ向けての貴重な指針となろう。

「ウェッブ2.0は終わった」。グーグルやマイクロソフトはすでにその先を目指している。それは、プログラムもデータも、すべてをネットの「雲（クラウド）」で処理する新しいコンピューティングのかたち。気鋭のITジャーナリストが、ウェブ2.0をも乗り越え、既存メディアやビジネスの前提を覆す「クラウド」のインパクトを活写する。

データやソフトをパソコンでなくネットに置いて利用するクラウド・コンピューティングは、こんなに便利で簡単！　メールやスケジュール確認を効率化し、肝心なメールや必要なファイルが見つからない！　そんな無駄な時間を一気に短縮できる。大評判『クラウド・コンピューティング』に続く活用・実践編！

※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。 従来のシステムをクラウドシステムに移行させるうえでの標準的なプロセスや必須知識を網羅 　自社システムをクラウドに移行する，あるいは自社システムにクラウドを導入するうえでの標準的なプロセスや必須知識を網羅した書籍です．AIOps，CI/CD，DevOps，IaaS/PaaS/SaaS/IDaaS/MaaS，Kubernetes，VPCなどのいま1つよくわからない専門用語の1つひとつを，IT技術者向けにていねいに解説しています． 　まずクラウドシステムを使ううえでの考え方からスタートして，クラウドシステムに関連した主な技術，考えるべき指針についてわかりやすく解説しています．さらに，各種規制への対応についても述べています．現在のクラウドシステムを支えている技術は高度かつ複雑であり，しかも日進月歩で進化しています．したがって，各社のインフラストラクチャの担当者，アプリケーション開発の担当者，およびシステム運用の担当者として，常にクラウドの個々の技術の詳細を理解しておくのは少し難しいかもしれませんが，クラウドを使用するユーザの立場から最低限の知識とポイントを押さえておく責任があります． 　本書を読むことで，クラウドの移行・導入の全体的なイメージをつかむことができ，取り組むべき課題がみえてきます． 第1章　システムのクラウド移行・導入をデザインする 第2章　クラウドのアーキテクチャを正しく理解する 第3章　クラウドにおけるアプリケーションの開発と運用 第4章　クラウドセキュリティの考え方と実践 第5章　ハイパフォーマンスマシン，モビリティのクラウドアーキテクチャ 第6章　情報管理と法制度

※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。 深層学習でネットワークを解析する世界最前線の研究を1冊で学ぶ！ 　深層学習をグラフ（ネットワーク）で表される構造データに対して適用するための研究が盛んになっています。それが、本書で解説するグラフニューラルネットワークです。グラフ中の頂点やグラフ全体を高精度に分類できれば、高度な画像認識、推薦システム、交通量予測、化合物分類、さらには新型コロナウイルス（COVID-19）への対処のための応用なども期待できる、世界最前線の研究です。 　本書では、グラフニューラルネットワークの基本的な知識および研究事例について説明し、PyTorchによる実装について紹介するとともに、今後の学習のための情報源についても解説します。Google Colaboratoryで解説するとともに、サンプルコードもついています。 まえがき 第1章　グラフニューラルネットワークとは 　1.1　はじめに 　1.2　グラフを対象とした畳み込み 　1.3　グラフを対象とした機械学習タスク 　　1.3.1　ノード分類 　　1.3.2　グラフ分類 　　1.3.3　リンク予測 　　1.3.4　グラフ生成 　1.4　グラフニューラルネットワークの応用 　　1.4.1　画像認識 　　1.4.2　推薦システム 　　1.4.3　交通量予測 　　1.4.4　化合物分類 　　1.4.5　組み合わせ最適化 　　1.4.6　COVID-19とグラフニューラルネットワーク 　まとめ 第2章　グラフエンベディング 　2.1　グラフエンベディング手法の概観 　2.2　次元縮約に基づく手法 　2.3　グラフ構造に基づく手法 　　2.3.1　DeepWalk 　　2.3.2　LINE 　　2.3.3　node2vec 　　2.3.4　GraRep 　2.4　ニューラルネットワークに基づく手法 　まとめ 第3章　グラフにおける畳み込み 　3.1　グラフ畳み込みにおけるアプローチ 　3.2　Spectral Graph Convolution 　　3.2.1　フーリエ変換 　　3.2.2　グラフラプラシアン 　　3.2.3　ChebNet 　　3.2.4　GCN 　3.3　Spatial Graph Convolution 　　3.3.1　PATCHY-SAN 　　3.3.2　DCNN 　　3.3.3　GraphSAGE 　まとめ 第4章　関連トピック 　4.1　グラフオートエンコーダ 　4.2　GAT 　4.3　SGC 　4.4　GIN 　4.5　敵対的攻撃 　4.6　動的グラフのエンベディング 　4.7　時空間グラフ畳み込みネットワーク 　4.8　説明可能性 　まとめ 第5章　実装のための準備 　5.1　Python 　5.2　NumPy 　5.3　SciPy 　5.4　pandas 　5.5　Matplotlib 　5.6　seaborn 　5.7　Scikit-learn 　5.8　t-SNE 　5.9　Jupyter Notebook 　5.10 Google Colaboratory 　まとめ 第6章　PyTorch Geometricによる実装 　6.1　PyTorch 　　6.1.1　データセット 　　6.1.2　モデル 　　6.1.3　損失 　　6.1.4　最適化 　6.2　PyTorch Geometric入門 　　6.2.1　PyTorh Geometricとは 　　6.2.2　類似ライブラリとの比較 　　6.2.3　PyTorch Geometricによるグラフのデータ構造 　　6.2.4　よく使われるベンチマークデータセット 　　6.2.5　ミニバッチ 　　6.2.6　データ変換 　　6.2.7　グラフの学習手法 　6.3　PyTorch Geometricによるノード分類・グラフ分類 　　6.3.1　PyTorch Geometricによるエンベディング 　　6.3.2　PyTorch Geometricによるノード分類 　　6.3.3　PyTorch Geometricによるグラフ分類 　まとめ 第7章　今後の学習に向けて 　7.1　書籍 　7.2　サーベイ論文 　7.3　動画 　7.4　リンク集など 　7.5　Open Graph Benchmark 　まとめ おわりに 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。 グラフ・ネットワークアルゴリズムの基礎をしっかり理解!! グラフ・ネットワークアルゴリズムの背後に横たわる数理を，例題と図を多用して，直観的なイメージを抱いて思考を巡らせながら理解できるよう，配慮．また，ほとんどのアルゴリズムにC言語によるプログラムを与え，出力結果を確認できるようにしている．さらに，各章での内容を効果的に復習できるように，章末の演習問題とともに多くの問題でその解答例を付している．また，著者の『アルゴリズムの基礎とデータ構造：数理とC プログラム』の続編でもある．アルゴリズムの基礎を学んだ読者が，より有用性のあるグラフ・ネットワークアルゴリズムを習得するためには必携の良書である．

21世紀、インターネットの登場で情報流通革命が起きた。 利便性が格段にあがり、既存のビジネスモデルに代替性が提供されてきた。 かつてはプロしか持てなかった機材を世界中の誰でも持てるようになり、消費者だった人間が自分でコンテンツを生産し発信する時代の到来である。 インターネットの流通革命は、いまや表現の革命段階に移行しつつある。 インターネットの世界で無数の表現者たちが生み出す無数のコンテンツ。 この群像の時代にメディアやコンテンツビジネス戦略はどう展開されていくのか。 放送、インターネットの海外動向を調査・分析してきた著者が、ここ数年の世界のメディア戦略の動きをレポートし、メディア・コンテンツの行く末を考えた。【※本作品はブラウザビューアで閲覧すると表組みのレイアウトが崩れて表示されることがあります。予めご了承下さい。】

※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。 Google AI Studioを使ったアプリ開発解説書です。Python、Node.js、Web、curlなどから生成AIを利用。環境構築から画像生成AI、データ変換まで網羅しています。

※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。 企業システムに関わる人が知っておくべきGoogle Cloudのサービスを 網羅的にわかりやすく解説 3つのシナリオにおける設計の進め方や注意点も収録 Google Cloudは企業情報システムへの対応を急速に進めており、DX（デジタルトランスフォーメーション）での存在感を高めています。本書は、企業情報システムの担当者やシステム企画部門、サービスを開発・運営する事業部門の担当者などが知っておくべきGoogle Cloudのサービスを網羅的に分かりやすく解説した一冊です。 データベースやセキュリティー、機械学習など11のカテゴリーに分けて重要なサービスを1つひとつ平易に解説しており、Google Cloudの基本的な知識を体系立ててつかむことができます。「ハイブリッドクラウドの構築」「データ分析基盤の構築」「IoT・機械学習システムの構築」という3つのシナリオにおける具体的な開発の進め方、設計例、考慮すべきポイントも収録しました。

Googleが提供するクラウドサービス AWSとの違いを軸に徹底解説 　「Google Cloud Platform」（GCP）は、Amazon Web Services（AWS）やMicrosoft Azureと同じく、企業向けのクラウドサービスとして提供されている。後発であることは否めないが、後発であるからこその特徴を備えている。 　一般的な用途では「マネージドサービス」の充実が特徴と言える。そのほか、今注目の「機械学習」「ビッグデータ」関連のサービスが特に充実しており、AI関連のシステム基盤として要注目であることは間違いない。 　本書では、「コンピューティング」「ストレージ」「ネットワーキング」「ビッグデータ」「機械学習」「アカウント管理」「運用監視」という７つのカテゴリーに分類し、GCPの特徴を、AWSとの違いを軸に解説している。 　また、GCPのサービスを解説するほか、エンタープライズ用途のユースケースに基づいて、GCPを用いた設計ガイドをまとめている。技術力に定評のあるGoogleのクラウドサービスを検討するのに最適な１冊である。

最新のAI開発プラットフォームで 機械学習・深層学習・強化学習の 基礎技術を学ぼう！ 【本書の概要】 本書はUdemyで大人気の講座 『AIパーフェクトマスター講座 -Google Colaboratoryで隅々まで学ぶ実用的な人工知能/機械学習-』をもとにした書籍です。 ・機械学習（回帰、k平均法、サポートベクターマシン） ・深層学習（画像識別や画像生成、RNN） ・強化学習（Cart Pole問題、深層強化学習） といった、AI開発でニーズの高い人工知能技術を、深層学習を中心に解説しています。 また本書ではサンプルを用意していますので、サンプルを動かしながら、AI技術の仕組みを理解できます。 開発環境にはGoogle Colaboratoryを使用します。 【Google Colaboratoryとは】 ブラウザ上で利用できる機械学習や深層学習向けの開発環境です。 GPUを無料で利用できるので、コードの実行時間を大幅に短縮できます。 【本書ポイント】 ・機械学習・深層学習・強化学習の基礎知識を一気に学べる ・Pythonでコードを動かしながら機械学習・深層学習・強化学習の理論を学べる 【対象読者】 ・何らかのプログラミング経験のある方 ・機械学習・深層学習・強化学習を学ぶ意欲のある方 ・高校数学以上の数学知識のある方 【著者プロフィール】 我妻幸長(あづま・ゆきなが) SAI-Lab株式会社を起業。「ヒトとAIの共生」がミッション。 人工知能（AI）関連の研究開発、教育、アプリ開発が主な事業。 著者のYouTubeチャンネルでは、無料の講座が多数公開されている。 ※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。

待望の第2版！ 定番のAI開発プラットフォームで 機械学習や深層学習、強化学習、転移学習の 基礎を習得 【本書の概要】 本書はUdemyで大人気の講座『AIパーフェクトマスター講座 -Google Colaboratoryで隅々まで学ぶ実用的な人工知能/機械学習-』をもとにした書籍です。 ●機械学習（回帰、k平均法、サポートベクターマシン） ●深層学習（画像識別や画像生成、RNN） ●強化学習（Cart Pole問題、深層強化学習） などのAI開発で必要となる人工知能技術について解説します。 サンプルを動かしながら、AI技術の仕組みを理解できます。 開発環境にはGoogle Colaboratoryを使用します。 【Google Colaboratoryとは】 ブラウザ上で利用できる機械学習や深層学習向けの開発環境です。 GPUを無料で利用できるので、コードの実行時間を大幅に短縮できます。 【本書ポイント】 ●機械学習・深層学習・強化学習の基礎知識を一気に学べる ●Pythonでコードを動かしながら機械学習・深層学習・強化学習の理論を学べる 【第2版の変更点】 ●Google Colaboratory環境のアップデート（2024年8月時点） ●各種ライブラリのアップデート ●データセット（住宅データ）の変更 【対象読者】 ●何らかのプログラミング経験のある方 ●機械学習・深層学習・強化学習を学ぶ意欲のある方 ●高校数学以上の数学知識のある方 【著者プロフィール】 我妻幸長(あづま・ゆきなが) SAI-Lab株式会社を起業。「ヒトとAIの共生」がミッション。人工知能（AI）関連の研究開発、教育、アプリ開発が主な事業。著者のYouTubeチャンネルでは、無料の講座が多数公開されている。 ※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。 ChatGPTなどの生成AIを日常やビジネスシーンで活用したい人へ。『Google Bard』は、完全無料、最新情報を取得、使用制限なし、Googleアプリと連携できるなど今一番おすすめの生成AI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。 AI分野で，いま大注目の技術 !! AIを考えるとき，「自然言語処理」は常に中心となるテーマである． 本シリーズは，実践的なアプローチで自然言語処理技術に迫っていく．すなわち，最初に具体的なシステムや応用例を示し，それらに関する理論や技術，実装のノウハウは，後からじっくり解説する． 　本書は，著者らが実用化した言語処理システムを最初に提示し，そのシステムをどのように作り上げたかを追体験しながら，設定不良問題などへの具体的な対処方法を紹介している．本書全体をとおして，システム構築に際して，学ぶべき対象と方向性の手かがりが示されている．自然言語処理の開発技術者，研究者，それを志す学生には必携の書である．

機械学習システムを実用化する 設計・開発・運用ノウハウが満載 【本書の概要】 本書は前著『AIエンジニアのための機械学習システムデザインパターン』（ISBN 978-4798169453 ）では触れられなかった、 機械学習システムを構築する上で実際に発生する課題を想定し、 動いているシステムやワークフローに機械学習を組み込む方法を解説した書籍です。 特にニーズの高い以下の機械学習システムの例を用意しています。 ・需要予測システム ・違反検知システム 【本書で学べる内容】 本書を読むことで、ケーススタディとして機械学習を実用化するための、 ・課題設定 ・ワークフロー設計 ・システム開発 ・チーム設計 を学ぶことできます。 【対象読者】 AI エンジニア、システムエンジニア 【目次】 第1章 課題、チーム、システム 第2章 需要予測システムを作る 第3章 動物画像アプリで違反検知システムを作る 第4章 動物画像アプリの検索に機械学習を活用する 【著者プロフィール】 澁井 雄介(しぶい・ゆうすけ) Launchable　Inc所属。 MLOpsエンジニア、インフラエンジニア、バックエンドエンジニア、Androidエンジニア、ネコ2匹の飼い主。家に猫用ハンモックが4台ある。 本業でDeveloper ProductivityのためのMLOps・データ基盤を開発しつつ、MLOpsコミュニティの運営や副業に精を出している。 過去にはSIer、外資ソフトウェアベンダー、スタートアップで新規プロダクトの起ち上げ、大規模システム運用、チームマネジメントに従事。 前々職のメルカリにて機械学習をシステムに組み込むデザインパターンを執筆、公開。 ・GitHubで「mercari/ml-system-design-pattern」と検索 ※本電子書籍は同名出版物を底本として作成しました。記載内容は印刷出版当時のものです。 ※印刷出版再現のため電子書籍としては不要な情報を含んでいる場合があります。 ※印刷出版とは異なる表記・表現の場合があります。予めご了承ください。 ※プレビューにてお手持ちの電子端末での表示状態をご確認の上、商品をお買い求めください。

【本書の特徴】 2015年11月にGoogleがオープンソース化したソフトウェアライブラリ「TensorFlow（テンソルフロー）」は、 多くの開発者に支持され、多企業で採用されています。 本書は、TensorFlowの導入から、高レベルAPIであるKerasを利用した実践的な深層学習モデルまで解説した、 エンジニア向けの入門書です。第1部の基本編では、深層学習とTensorFlow、Kerasの基礎について解説し、 第2部の応用編では画像処理における応用的なモデルのKerasを使った実装方法を解説します。 特に、第2部では、「ノイズ除去」「自動着色」「超解像」「画風変換」「画像生成」を取り上げています。 TensorFlowやKerasの機能面を押さえつつ、現場で使用できるような実践的な深層学習モデルまでフォローしています。 【対象読者】 深層学習に入門したいエンジニア 【目次】 第1部 基本編 第１章 機械学習ライブラリTensorFlowとKeras 第２章 開発環境を構築する 第３章 簡単なサンプルで学ぶTensorFlowの基本 第４章 ニューラルネットワークとKeras 第５章 KerasによるCNNの実装 第６章 学習済みモデルの活用 第７章 よく使うKerasの機能 第2部 応用編 第８章 CAEを使ったノイズ除去 第９章 自動着色 第10章 超解像 第11章 画風変換 第12章 画像生成 ※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。

機械学習・データサイエンスで役立つ高速処理手法 【本書の概要】 ビッグデータを扱う機械学習の現場では、Pythonの高機能で利用しやすい数学・科学系ライブラリが急速に広まってきています。 本書は、機械学習・データサイエンスの現場でよく利用されているNumPyの基本から始まり、 現場で使える実践的な高速データ処理手法について解説します。 特に、現場でよく扱う配列の処理に力点を置いています。 最終章では機械学習における実践的なデータ処理手法について解説します。 【NumPy（ナンパイ）とは】 NumPyは、機械学習・データサイエンスの現場で扱うことの多い多次元配列（行列やベクトル）を 処理する高水準の数学関数が充実しているライブラリです。 Python単体では遅い処理であっても、C言語なみに高速化できるケースもあり、 機械学習・データサイエンスの分野におけるデータ処理に欠かせないライブラリとなっています。 【対象読者】 機械学習エンジニア、データサイエンティスト 【著者紹介】 吉田拓真（よしだ・たくま） データサイエンス関連のサービスを提供する株式会社Spot 代表取締役社長。 Webメディア『DeepAge』編集長。 尾原 颯（おはら・そう） 東京大学工学部機械工学科所属。 大学ではハードウェア寄りの勉強が多め。 趣味はアカペラとテニス。基本的に運動が好き。最近、ランニングを始める。 ※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。

【概要】 人工知能関連のプロダクト・サービスの開発において、機械学習は最初の学習領域です。 本書は、機械学習の基本と実践手法について解説した書籍です。 機械学習の開発環境の準備、実際の現場での利用方法、そしてブラックボックス化しがちな理論部分もしっかりフォローしています。 データ集計・整形と組み合わせた機械学習モデルの利用方法も解説しています。 【読者対象】 人工知能関連の開発に携わる開発者、研究者 現在は推薦システムの設計からアルゴリズムのデザインのみならず、インフラ構築を含めたサーバーサイド全般に従事。 ※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。

【概要】 本書は、深層学習の開発環境の準備とPythonの基本、各種深層学習モデルの解説、そして実際の現場での利用方法について解説した書籍です。 ニーズの高い、人気の深層学習モデルを利用した画像処理モデルの構築方法を解説しています。 また最終章では深層学習のモデルをGoogle Cloud Platform（GCP）にデプロイする手法を解説しています。 【読者対象】 人工知能関連の開発に携わる開発者、研究者 【著者】 株式会社アイデミー　木村優志（きむら・まさし） 博士（工学）。ATR-trek、富士通を経て、現在はConvergence Lab.の代表として多数のAI案件を手がける。 アイデミー技術顧問。 ※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。

注目の最新AI技術！深層強化学習の開発手法がわかる！ 第一線で活躍する著者陣の書下ろしによる待望の1冊！ 【本書の目的】 AlphaGo（アルファ碁）でも利用されている深層強化学習。 AIサービスのみならずロボティクス分野でもその応用が期待されています。 本書は、AI開発に携わる第一線の著者陣が深層強化学習の開発手法について書き下ろした注目の1冊です。 【本書の特徴】 第1部では、まず、深層強化学習の概要について説明します。 次いで、強化学習の基礎（Q学習、方策勾配法、Actor-Critic法）と深層学習の基礎（CNN、RNN、LSTM）を解説します。 さらに、簡単な例題として倒立振子制御を取り上げ、DQNとActor-Critic法による実装例を紹介します。 第2部では、具体的な応用例として3つのアプローチを実装込みで解説します。 1つ目は、連続動作制御です。ヒューマノイドシミュレータの2足歩行制御を試みます。 2つ目は、パズル問題の解法です。巡回セールスマン問題（TSP）やルービックキューブの解探索について説明します。 3つ目は、系列データ生成です。文書生成（SeqGAN）やニューラルネットワークのアーキテクチャ探索（ENAS）を解説します。 全体を通して、行動の制御を担うエージェントのモデル化と、方策ベースの強化学習によるエージェントの学習法について学ぶことができます。 【読者が得られること】 深層強化学習による開発手法を学ぶことができます。 【対象読者】 深層強化学習を学びたい理工学生・エンジニア ※本電子書籍は同名出版物を底本として作成しました。記載内容は印刷出版当時のものです。 ※印刷出版再現のため電子書籍としては不要な情報を含んでいる場合があります。 ※印刷出版とは異なる表記・表現の場合があります。予めご了承ください。 ※プレビューにてお手持ちの電子端末での表示状態をご確認の上、商品をお買い求めください。

【本書について】 本書は、 杜世橋氏がKindle Direct Publishingを利用してKindleストアで販売している 『PyTorchで学ぶニューラルネットワークと深層学習』（ASIN: B078WK5CPK）を書籍化したものです。 書籍化にあたり、最新（2018年7月時点）のPyTorch v0.4に対応するなど大幅に加筆しています。 また、付録に無料で利用できるGPU環境である「Colaboratory」の利用方法の追加などを行っており、 GPU環境が利用できない読者でも様々なニューラルネットワークのモデル学習が体験できるようになっています。 【PyTorch（パイトーチ）とは】 PyTorchは主にFacebook社のメンバーが開発しているOSSの深層学習フレームワークです。 特徴としては動的ネットワーク方式を採用していてPythonの関数と同じ感覚でニューラルネットワークを構築できる点が挙げられます。 【本書の概要】 本書はPyTorchの基本から深層学習モデルの作成、そしてアプリケーション作成まで網羅した書籍です。 具体的には、PyTorchの基本から始まり、最尤推定と線形モデル、多層パーセプトロンについて解説します。 その後、画像処理と畳み込みニューラルネット、自然言語処理と再帰型ニューラルネットを扱います。 また、推薦システムやWebAPIの作成、アプリケーションのデプロイについても解説します。 さらに付録では、TensorBoardによる可視化、Colaboratoryの利用方法などを解説しています。 【対象読者】 深層学習エンジニア、機械学習エンジニア ※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。

進化したWatsonでAIアプリを開発しよう！ AIサービスの先駆けでもある「Watson（ワトソン）」。 近年急激な進化を遂げています。 機械学習や深層学習を利用したアプリケーション開発において 利用する開発者の方も増加してきています。 本書は、そうしたWatson の主力サービスである、 ・Watson Assistant ・Watson Discovery ・Watson Studio を軸にした開発手法を紹介する書籍です。 第1部では、Watson、Watson APIとIBM Cloudを利用した AIサービス開発の基本を紹介します。 第2部では、「Watson Assistant」「Watson Discovery」「Watson Studio」を利用した AIサービスの開発手法を紹介。 最終章では、ハタプロ社のロボット「ZUKKU（ズック）」の事例なども紹介します。 ※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。 ※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。 ゲームAI研究の「これまで」と「これから」を第一線の研究者がわかりやすく解説 　本書は，ゲームAI研究の「これまで」と「これから」を第一線の研究者がわかりやすく解説した書籍です． 　ゲームAI研究は従来より，AIの社会実装における重要な示唆を与えるものとして大きな役割を果たしてきました．特に近年，深層学習の登場により注目を集める分野になっています．しかし，すべての情報を得られない不完全情報ゲームや実環境の外乱が結果を大きく左右するスポーツ等の不確定ゲーム，コミュニケーションがゲームの勝敗に大きな影響を与えるコミュニケーションゲームなど，まだまだ多くのゲームで人間を超えるゲームAIをつくることが困難な分野もあります．さらに，AlphaGoZeroが人間のプロを超越したとされる完全情報ゲームの囲碁でも，囲碁AIが陥ってしまう穴が見つかっています． 　また，人間を超越したゲームAIが人間と共存するために求められる人間らしさや楽しさの理解，これからのデジタルゲームに求められるゲームデザインとゲームAI，ゲーム体験の評価手法および人間の認知機能の理解なども課題として残されています． 　本書は，これまでのゲームAI研究の理解の上に，これからゲームAI研究をする人にとってヒントとなるエッセンスの詰まった必読書です． CHAPTER 1　ゲームと知能研究 1.1　知能研究におけるゲーム 1.2　ゲーム研究のメインストリーム 1.3　ゲーム研究の残された課題 CHAPTER 2　不完全情報ゲーム 2.1　CFR 2.2　ガイスター 2.3　大貧民 2.4　ポーカー 2.5　不完全情報ゲームのゲームAIの可能性 CHAPTER 3　不確定ゲーム 3.1　バックギャモン 3.2　バックギャモンのゲームAI 3.3　ゲームAIの評価の可視化 CHAPTER 4　コミュニケーションゲーム 4.1　ゲームにおける社会的相互作用 4.2　Hanabi 4.3　人　狼 CHAPTER 5　実環境のゲーム 5.1　カーリング 5.2　測定データの処理 5.3　研究事例 5.4　実環境で人間プレイヤを支援する技術 5.5　実戦運用と課題 5.6　ミニ四駆AI 5.7　ミニ四駆AIの技術と課題 CHAPTER 6　ゲームデザイン 6.1　ゲームにおけるゴール 6.2　ルール設定 6.3　ゲームデザインの表現 6.4　レベルデザイン 6.5　難易度の調整 CHAPTER 7　メタAIとプロシージャル コンテンツ ジェネレーション 7.1　メタAI，PCG，機械学習 7.2　メタAIとは 7.3　アルゴリズムによるPCG 7.4　機械学習を用いたPCG 7.5　学習を含んだMCS-AI動的連携モデル CHAPTER 8　人間らしさと楽しさの演出 8.1　人間らしさのさまざまな側面 8.2　ゲームの要素とAI技術 8.3　ゲームAIに求められる人間らしさ 8.4　人間プレイヤの人間らしさ 8.5　人間らしさの実装方法 8.6　人間プレイヤの感じ方のモデリング 8.7　実例（FPS，スーパーマリオブラザーズ，囲碁，不確定ゲーム） CHAPTER 9　ゲーム体験の評価 9.1　AlphaZero以後のゲームAI研究 9.2　主観的事項の評価・計測手法 9.3　楽しさの評価 9.4　今後の課題 CHAPTER 10　人間の認知機能とスキルアップの原理 10.1　スキルアップの原理 10.2　熟達にともなう潜在化と自動化 10.3　熟達者の認知特性の実例 10.4　熟達者の脳 CHAPTER 11　認知研究とAIの人間への影響 11.1　ゲームと認知研究 11.2　ゲームの認知科学的研究 11.3　生体データの計測と解析 11.4　ゲームによる学習支援 11.5　人間を超えるゲームAIの反響 11.6　将棋界に起こった変化と邂逅 11.7　囲碁AIが囲碁界に与えた影響 11.8　eスポーツとゲームAI 11.9　人間の知を超えたゲームAIとその応用

※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。 ゲームAI手法を技術開発に必要な基礎的な内容から解説！ 本書は、最近のゲームAI手法をさまざまな実例で解説するとともに、実際にゲームAIを構築できるような技法の習得を目指します。さらに、人工知能の最新の話題として、人間らしいゲームAIや深層学習、機械学習、強化学習についても解説しています。 第1章　パズルとゲームのAI今昔物語 第2章　パズルを解くAI 第3章　制約従属のパズルと非単調な推理 第4章　ゲームを解くAI 第5章　学習・進化とゲームAI 第6章　ゲームAIと人間らしさ 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。 ゲーム理論から社会ネットワーク構造を明らかにする！ ▼社会ネットワーク分析とは 人と人が集まると社会が形成されます。人々には、家族であれば親子関係、婚姻関係、企業であれば上司と部下、同僚などの関係性がありあます。こうした関係はAさんとBさんの関係といった個々の関係を見るだけでは不十分であり、例えば、王族の家族関係は親子関係・婚姻関係の全体を見ることで、王位継承の争いをより深く理解できます。企業内でも、フォーマルであれ、インフォーマルであれ、誰と誰がより密な交流をしているかを全体として把握することで、企業内の派閥を確認でき、誰が出世しやすいかが見えてくるかもしれません。こうした個々の関係を超えた、集団や社会全体の関係、言い換えると、社会に存在する構造を明らかにする学問が社会ネットワーク分析です。 ▼ゲーム理論 他方、人は意思決定を行う主体にほかなりません。家族内では、子どもは学校でどのような行動をとるか（勉強するか、部活に打ち込むか、遊びに徹するかなど）を決めていき、親も子どもをどのようにしつけるかについて意思決定をしていきます。企業内でも、社員はそれぞれ意思決定をしながら、企業全体のパフォーマンスが決まっていきます。このときに、自分の望ましさは必ずしも相手の望ましさと共通にはなりません。子どもは勉強したくないし、親は勉強をさせたい。部下はサボりたいかもしれないし、上司はもっと頑張ってもらいたいかもしれない。こうした状況では、相手の行動に依存して、自分の取るべき行動が変わっていきます。こうした状況は駆け引きのある状況と言え、このような状況を分析する学問がゲーム理論です。 経済学や社会学を専攻する学部学生をはじめ、理論的な社会分析に興味のある社会人を主な読者対象として、ゲーム理論とRを通じて、社会ネットワーク分析を学ぶものです。 第1章ゲームとネットワークの記号表現 第2章ゲームとネットワークの記号表現の活用 第3章閉鎖性とネットワーク 第4章ネットワーク上の公共財供給と進化ゲーム 第5章ネットワーク形成についてのゲームとペアワイズ安定 第6章直接的なつながりの指標としての次数 第7章間接的なつながりも含めた中心性 第8章固有ベクトル中心性 第9章ナッシュ均衡と中心性 第10章社会関係資本と拡散中心性（三つの中心性の統合）

※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。 人や動物の行動データの背後にある計算過程をモデル化し，行動の理解と予測につなげる。 本書は，主に行動データの計算論モデリングの方法やその理論を初学者に向けて丁寧に解説します。実例として，心理学や神経科学の実験課題として良く用いられる，ギャンブル課題における選択行動データを扱います。本文では自分ではプログラミングをしない読者も想定して，プログラムは用いずに計算論モデリングの概要がイメージできるような解説をこころがけました。実際に計算論モデリングをするためのRコードやStanコードは付録やサポートページで解説しています。 第1章　計算論モデリングとは 第2章　計算論モデリングの基礎 第3章　強化学習モデルを用いたデータ解析の事例 第4章　パラメータ推定の実際 第5章　モデル選択 第6章　計算論モデリングに基づく統計分析 第7章　結果の解釈，モデルの統計的な性質の理解 第8章　強化学習モデルのバリエーション 第9章　計算論モデリングの課題と発展 付録A 数学的な補足 A.1 期待値 A.2 対数と指数関数 A.3 本書で用いる確率分布 A.4 コイントスに関する計算 A.5 WAIC A.6 WBIC A.7 周辺尤度のラプラス近似 A.8 信頼区間 A.9 正規分布モデルの事後分布 A.10 正規分布の周辺化 付録B R コード B.1 Rescorla-Wagner モデルのシミュレーション B.2 Q 学習のシミュレーション B.3 MAP 推定 B.4 ベイズ推定によるQ 学習の推定 B.5 集団モデルのシミュレーション B.6 階層ベイズ B.7 WAIC, WBIC の計算 References 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。 人と自然にコミュニケーションするAI，ロボットを設計するための入門書． コグニティブインタラクションは，従来の認知科学や情報科学だけではなしえていない，「状況に応じて，人と自然に，かつ持続的にインタラクションが可能な人工物を設計するための基礎理論」です．本書は，その入門書です． AIやロボットが人の社会生活にとけこむためには，人と協調行動をとれなければいけません．それには，コミュニケーション，つまり，意思疎通の能力が欠かせません．しかし，言語によるコミュニケーションよりも，非言語情報によるインタラクションのほうが重要になることがよくあります．相手が人であれ，動物であれ，AIやロボットなどの人工物であれ，人は相手の意図や欲求などの心的状況を読み取り，それに適応した行動をとるという，コグニティブ（認知的）インタラクションを繰り返すことで，円滑に対話を行っていると考えられるからです． 第1章では，人とAIのインタラクションについて，人どうしのインタラクションや人と動物のインタラクションをベースに考える枠組を説明しています．第2章では，インタラクションを分析していくための概念や方法を説明しています．続く第3章では，取得したデータをモデルベースで分析するために必要な，データの表現方法について説明しています．最後の第4章では，第3章までに学んだ基礎的な概念や方法を用いて，実際にどのようなインタラクションの分析が可能なのかを，これまでの事例の中から特に興味深いものに絞って説明しています． 本書を読むことで，人どうし，あるいは人と動物の間のインタラクションで起きていることを理解するためだけでなく，人と自然にコミュニケーションするAI，ロボット，そのほかの人工物を設計するための基本がわかります． 序章　「コグニティブインタラクション」とは 第１章　インタラクションの重要性と認知モデリング 　1.1　人と人工物のインタラクション 　1.2　コミュニケーションとインタラクション 　1.3　AIとインタラクション 　1.4　インタラクションのための認知モデリング 　1.5　他者モデルのモデリング 第２章　インタラクション分析の基礎 　2.1　仮説を立てる徴 　2.2　仮説検証のための実験デザイン 　2.3　分析データの扱い 　2.4　インタラクションの基本的な時系列モデル 　2.5　時系列データの因果関係の分析モデル 　2.6　強化学習モデルによるインタラクション解析態 第３章　データの定量的表現と変数 　3.1　表情と視線にかかわる変数 　3.2　身体運動と空間配置にかかわる変数 　3.3　音声言語にかかわる変数 　3.4　人以外において重要な変数 　3.5　動画像処理 　3.6　装着型デバイスによる身体動作計測 　3.7　音韻情報と韻律情報の計測処理 　3.8　生理指標の計測 第４章　インタラクション分析の実際とポイント 　4.1　相手が何をしようとしているのかを理解する 　4.2　みんなは何をしようとしているのかを考える 　4.3　人‐動物インタラクション 　4.4　人‐人工物インタラクション Column 　0.1　認知的インタラクションデザイン学 　1.1　インタラクションにおける相互適応学習 　1.2　社会脳仮説と心の理論 　1.3　ヒューリスティックとアルゴリズム 　1.4　適応認知における認知バイアス 　2.1　 相談の成否を決める隠れ状態の推定（二者間インタラクションの時系列分析） 　2.2　鹿狩りゲームと読みの深さ 　3.1　音声に含まれる個人性と生成・識別モデル 　3.2　複数ロボットの発話の重なりによって創発する空間の知覚 　3.3　ヘッドマウントディスプレイ（HMD） 　3.4　アバターの情動表現と仮想空間の文脈理解 　4.1　ロボットを介した人‐人インタラクションの分析 　4.2　人‐ウマインタラクションにおける人馬一体感とは 　4.3　ウマの歩法変化の計測と解析方法 　4.4　電動車いすを使った応答性と鋭敏性に関する実験 　4.5　ユーザの信頼を誘発する商品推薦エージェントのデザイン 　4.6　人とAIの間にリーダ‐フォロワ関係は成立するか

情報とは生命の意味作用であり、ヒト特有の言語もその発展形にほかならない。すなわち、ヒトの“心”とは“情報”が織りなすダイナミックなプロセスなのである!　それでは、機械で心をつくろうとする現代人の心とはいったい何か?　理系の知と文系の知を横断しながら、まったく新しい心の見方を提示する、冒険の書。

※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。 習熟者の勘とデータにより正確な見積り計算を行う。 　ソフトウェア開発現場の熟練者は、これまでの経験からソフトウェア規模を推定し必要な工数を「勘」を働かせて調整します。例えば、今回のプロジェクトは「開発 期間の制約が厳しい」、「信頼性要求のレベルが高い」、「要件がかなりあいまいだ」、といった状況を念頭において工数を予測します。ただし、勘も完璧ではありません。過去の実績データを使って「勘」の確からしさを評価する必要があります。 　CoBRA法は、このベテランの勘と過去の実績データとを相互補完させること で、信頼できる工数見積りモデルを構築する手法です。容易に取り組め、精度が高い特徴があります。ソフトウェア工数見積りの世界のKKDのDを「データ」に置き換え、「勘（K)」、「経験（K)」に科学的アプローチを導入するものです。 　また、 ・国立情報学研究所の教育プログラム「トップエスイー」 ・情報処理推進機構SECセミナー にもCoBRA法は取り上げられており、実用的・合理的な見積り手法です。 第1章　本書の読み方 第2章　やってみよう工数見積り　－30分で工数見積り－ 第3章　CoBRA見積りモデルでできること 第4章　CoBRA法とは 第5章　CoBRA見積りモデルの構築手順詳細 第6章　CoBRA見積りモデルの保守 第7章　構築・活用ベストプラクティス

※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。 ネットワーク管理者にとってセキュリティーへの対応は終わることがありません。ある時点で安全なシステムであっても、新たな攻撃手法が出てきたり、脆弱性が見つかったりすることで、危険にさらされる恐れがあります。 本書は、日経NETWORKに掲載したセキュリティーに関連する最近の主要な記事をまとめたたものです。最新の攻撃手法や、セキュリティーの事例などを詳しく紹介しており、最近のセキュリティー関連で知っておかなければいけないことを1冊で理解できるようになっています。 「Gmail届かない問題」や「CrowdStrikeによる大規模障害」といった知っておきたい事件についても解説しています。また「コスパで考えるセキュリティー対策」といった、現実的な対策法についても紹介しています。 ≪目次≫ ●第1部　インシデント対応 　第1章　解剖！日本警察のサイバー捜査 　第2章　被害を抑える初動対応 　第3章　「史上最大規模」の障害起こしたCrowdStrike 　第4章　神奈川県教育委員会「Gmail届かない問題」の全貌 　第5章　「内部不正」との闘い方　ほか ●第2部　攻撃を知る 　第1章　脆弱性対応「必勝」のポイント 　第2章　ランサムウエア解体新書 　第3章　防止不可能「ソフトウェアサプライチェーン攻撃」の脅威 　第4章　改めて備えるDDoS攻撃 　第5章　生成AI時代のサイバー防衛最前線　ほか ●第3部　守りを固める 　第1章　コスパで考えるセキュリティー対策 　第2章　ファイアウオール徹底解説 　第3章　セキュリティー製品 利用実態調査 　第4章　プラットフォーム型セキュリティーサービスの真実 　第5章　動き出すIoTセキュリティーの評価制度　ほか

※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。 企業にとってシステムを守ることは大きな課題です。不正アクセスやランサムウエアなどサーバー攻撃による企業の被害は増える一方であり、ひとたび被害に遭えばその影響も業績に直接響いてきます。 本書では、企業のセキュリティーを向上させる方法を様々な角度から紹介しています。万が一、被害に遭ったときにどう対処するかといったインシデント対応についても詳しく説明しています。図解を中心としており、これまでセキュリティー分野について詳しくなかった人でも理解しやすいようになっています。用語解説も豊富に盛り込んでいます。 ≪目次≫ ●第1部　製品とサービス 　第1章　セキュリティー製品　利用実態調査 　第2章　法人向けパソコンのセキュリティー機能 　第3章　2024年こそ「脱パスワード」 　第4章　「SASE」を読み解く 　第5章　知っておくべき「ID」の基礎 ●第2部　攻撃を知る 　第1章　詐欺メール撲滅大作戦 　第2章　メールは危ない 　第3章　ランサムウエア解体新書 　第4章　ランサムウエア攻撃対策の勘所 　第5章　多要素認証を破る「プロンプト爆撃」の罠 　第6章　「USBメモリー」の罠に気をつけろ ●第3部　インシデント対応 　第1章　インシデント対応「虎の巻」 　第2章　「内部不正」との闘い方 　第3章　CSIRT体験記 　第4章　ドメイン管理トラブル撲滅術 　イラストで学ぶ　ネットワークキーワード　SIEM 　第5章　クラウドセキュリティー総点検 ●第4部　キーワード 　第1章　セキュリティーキーワード 　第2章　セキュリティー基準「NIST SP800-171」の正体 　第3章　身に付けるべきネットワーク技術

※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。 不正アクセスやランサムウエアなどサーバー攻撃による企業の被害が急激に増えています。国内でも過半数の企業が1年以内に被害に遭ったという調査もあり、企業活動において大きなリスクとなっています。 本書では、「すべてのアクセスを信用しない」という原則で作る「ゼロトラストネットワーク」の構築や基本となる認証や暗号化など、企業のセキュリティーを向上させる方法を様々な角度から紹介しています。図解を中心としており、これまでセキュリティー分野について詳しくなかった人でも理解しやすいようになっています。用語解説も豊富に盛り込んでいます。 第1部　ゼロトラストネットワークで守る 第2部　セキュリティー機器やツールの使い方を学ぶ 第3部　セキュリティー事故に対処する 第4部　セキュリティー技術を学ぶ 第5部　暗号や認証を学ぶ 第6部　セキュリティー用語を理解する

※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。 画像生成AIを、Webコンテンツ作成に活用するための手引書です。AIに的確な結果を生成させるための命令（プロンプト）について、考え方の基本から解説。ブログやSNSなど、実際の活用におけるヒントも紹介しています。

※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。 【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。

※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。 現代的な「情報リテラシー」と「情報技術」の基本が身に付く。 これまでの「理工系情報学科の入門書」としての基礎知識は踏まえた上で、「Python」の紹介、「人工知能（AI）」「ビッグデータの解析」等の基礎概念を加え、高度情報化社会に求められる人材育成に向けた「コンピュータ概論」の入門書。 コンピュータの原理から、基礎となる理論、「n進数」等の情報数理、ネットワーク技術、AI、ビッグデータ処理の基本までをコンパクトにまとめ、わかりやすく解説（各章末に練習問題掲載）。 1章　コンピュータの原理 2章　情報の基礎理論 3章　ハードウェア構成 4章　ソフトウェア構成 5章　コンピュータシステムと情報セキュリティ 6章　知識情報処理 7章　人工知能 8章　ビッグデータ 9章　マネジメント 練習問題／付録／参考文献／練習問題略解／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。 Wolfram|Alpha，Python，R，Mathematicaをフル活用して，大学教養レベルの統計，微分積分，線形代数の全体像を把握する．学び直しにも最適な一冊． コンピュータ（Wolfram|Alpha，Python，R，Mathematica）を活用して，数学の学びの質を高めましょう． 本書の具体的な目標は，線形回帰分析を理解することです．そのために必要な微分積分と線形代数も学びます．微分積分は多変数の微分積分まで，線形代数は特異値分解までです．これで，大学教養レベルの数学はほぼ網羅できます． すべてが線形回帰分析につながるので，何の役に立つのかと疑うことはありません．面倒な計算はコンピュータにまかせるので，計算に迷い込んでしまうこともありません． 線形回帰分析はデータサイエンス（人工知能・機械学習）の出発点です．本書を読んで，データサイエンスにおいて必要とされる数学力とプログラミング力を身に付けましょう． 大学教養レベルの数学の全体像の把握，学び直しにも最適な一冊です． コードは全てウェブで公開されます． 第I部　入門 第1章　実行環境 第2章　数と変数 第3章　データ構造 第4章　可視化と方程式 第5章　論理式 第II部　統計 第6章　1次元のデータ 第7章　2次元のデータ 第8章　確率変数と確率分布 第9章　多次元の確率分布 第10章 推測統計 第11章　線形回帰分析 第III部　微分積分 第12章 関数の極限と連続性 第13章 微分 第14章 積分 第15章 多変数関数の微分積分 第IV部　線形代数 第16章 ベクトル 第17章 行列 第18章 ベクトル空間 第19章 固有値と固有ベクトル 第20章 特異値分解と擬似逆行列

※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。 学問の最先端にいる研究者がコミュニケーションの科学をテーマに様々な角度から語る画期的なシリーズ。第一弾のテーマはコンピュータのカオス。

※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、人文・社会科学系の学生を中心に、大学で学びを行うための基本となるコンピュータスキルを、具体的な演習課題を通して得ることができる。また、学習者の習熟度に対応すべく傍注にアドバンスな内容を配し、章末には学んだ操作手順を表し、確実なスキルの習得ができるよう工夫してある。

※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。 コンピュータ理論の古典に学ぶ！ 本シリーズは，「コンピュータ理論の起源」を当時の原典に探る試みとして，現在もコンピュータ理論の古典と呼ばれる，チューリングとフォン・ノイマンの論文を紹介する。 第1巻である本書には，チューリングのコンピュータに関わる重要な論文4編の完訳と，それぞれの論文に対し，内容を的確に理解するための時代背景を含めた詳細な解説が収められている。 コンピュータ理論に興味のある読者はもちろん，コンピュータに携わる読者には必携の書である。

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!

本書では、筆者自身がコールセンターで直接1万本のクレーム電話を受電し、大半の顧客はAI対応でも容認し得るだろう事を検証し、具体的にどの様にAIを導入するかについて解説しています。 　日本企業が技術や展開ボリュームでGAFAに対抗する事は難しいものがあります。しかし、日本語によるAI対応能力開発なら、まだ日本人が外国人に優っているでしょう。問題は、企業サービスのAI化ではスマホとの親和性が絶対条件になりつつあるにも関わらず、日本企業の多くを占める中小企業でAI導入を実行できず、日本製AI技術のスタンダードが何であるかが未だ見えて来ないことにあります。 　そして、AI対応へのノウハウを積み上げるには時間がかかるため、少しでも早いAI化取り組みが必要な事も理解されていません。ここでいうAI化取り組みとは、日本製AI利用、すなわちユーザーとなる企業を増やすことが必要です。

※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。 ＜A5判の書籍を固定レイアウトで制作したものです。大きめの端末でご覧ください＞ GQM+Strategies（目標・質問・メトリクス＋戦略）アプローチ 　本書で解説するGQM+Strategies（目標・質問・メトリクス＋戦略）アプローチは、目標に沿って測ることを決めるという意識的・無意識的に広く用いられているGQM（目標・質問・メトリクス）法を拡張し、残念なITシステムを作らないようにするためのものである。具体的には、測定を通じて目標を定量管理する中で、組織のあらゆる箇所や階層において目標とITシステム化に代表される戦略を整合させ、改善させ続けることを可能とする。 　本書執筆にあたっては、ドイツIESE研究所（実験的ソフトウェア工学研究所）ならびに日本国内における豊富な実践適用を経た結果を反映させており、経営者や投資（特にIT投資）を検討する立場の方から、戦略（特にITシステム）の企画立案や運用に携わる方まで、幅広く役立つものとなっている。 ★このような方におすすめ 企業のITシステム開発者 ★目次 第1章　まず理解しておくこと 第1部　GQM＋Strategiesアプローチ 第2章　GQM＋Strategiesのポイント 第3章　フェーズ0：初期化 第4章　フェーズ1：環境の特性化 第5章　フェーズ2：目標と戦略の設定 第6章　フェーズ3：実行計画の策定 第7章　フェーズ4：計画の実行 第8章　フェーズ5：成果の分析 第9章　フェーズ6：結果のまとめ 第2部　業界への適用と他の手法との関係 第10章　各社の適用例 第11章　他のアプローチとの関係 第12章　まとめと今後に向けた見解 付録A　GQM＋Strategiesプロセスチェックリスト 付録B　GQM＋Strategies評価アンケート

「神の一手」の謎にせまる！ 【概要】 2017年5月にAlphaGoと柯潔（カ・ケツ）九段の最終決戦が行われ、 AlphaGoの3連勝となりました。AlphaGoは今回の対戦で さらに進化をとげました。 このようにAIの技術進化は日進月歩で進んでおり、国内でも 企業で研究開発が進んでいます。中でも目されているのは、 機械学習・深層学習・強化学習です。 本書はネイチャーで提供されているAlphaGoに関する 難解な学術論文を著者のほうで読み解き、「AlphaGo」で 利用されている深層学習や強化学習、モンテカルロ木探索の 仕組みについて、実際の囲碁の画面も参照しながら、 わかりやすく解説した書籍です。 本書を読むことで、最新のAIに深層学習、強化学習、 モンテカルロ木探索がどのように利用されているかを 知ることができ、実際の研究開発の参考にすることができます。 【読者対象】 ・人工知能関連の開発に携わる開発者、研究者 ・ゲームAI開発者 ※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。 1．はじめてのLinuxでもつまずかずに学習できます はじめて学習する方が疑問に思ったり理解しづらい、つまずきやすいポイントを丁寧に解説してあります。 本書を読み進めていくことで、Linuxに関わる基礎知識が得られるだけでなく、LPI Linux Essentialsに合格に必要となる知識が得られます。 2．LPIC-1、LinuC-レベル1にも対応 LPI Linux Essentialsの試験範囲だけでなく、LPIC-1、LinuC-レベル1の試験範囲もできるだけカバーしました。 101試験範囲はすべてカバーしてあります。 LPI Linux Essentials合格後にLPIC-1、LinuC-レベル1を受験する予定のある方はこの1冊で続けて学習できます。 3．ハンズオンでさわって学べる 本書は学習環境の構築（CentOS）もやさしく解説しております。はじめてのLinuxだからこそ、実際にコマンドを叩きながら学習ことをオススメします。 入力コマンドや実行結果がひと目でわかるように構成してあります。 ■対象試験： LPI Linux Essentials、LPIC-1（101、102は途中まで）、LinuC-レベル1（101、102は途中まで）

ロジカルモンスター白鳥圭輔が日本の医療の闇を斬る! 日本の解剖率2%台は、先進国中ぶっちぎりの最下位。98%は、体の表面を見るだけのいい加減な死亡診断が下されている。死亡診断が軽視される社会では、明らかな犯罪行為や児童虐待すら発見できず、治療効果判定も行われない無監査医療がはびこる。社会に様々な不利益をもたらす｢死因不明社会｣に立ち向かうにはAiを中核とする新たなパラダイムシフトが必要となる。

その死因、本当ですか? 日本には｢Ai=死亡時画像診断｣が必要だ。｢ブラックペアン｣シリーズの著者、渾身の一冊。解剖率は先進国中最低レベルという日本の状況を変えようと、Ai(死亡時画像診断)の導入を訴える著者が、ブルーバックス『死因不明社会』を刊行してから10年。その後Aiの理解と導入は進んだが、いまだ死因不明社会は解消されていない。その原因とは。文庫化に際しこの10年を振り返る新章を書き下ろし。

※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。