【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。

【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。

【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。

※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。 最新アップデートに対応!! 話題の『GPTs』を解説!!! オリジナルのChatGPTが作れる!!! 今話題のGPTs(ジー・ピー・ティーズ)はこんな事が可能です。 ・ノーコードでオリジナルのChatGPTを手軽に作成できる ・開発したChatGPTを共有できる ・外部サービスとAPI連携できる 本書では、GPTsの概要やCreateモードとConfigureモードによる作成方法だけでなく、チャットボット・文章生成・画像生成・データ分析・外部API利用などの開発事例を上げながら、GPTsの利用方法を、ビジネスマンなどを対象に徹底解説！