※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。 これからの仕事効率化に欠かせない生成AI「ChatGPT」の導入法から活用術まで、知りたいことをすべて網羅した入門書。ChatGPTの基本的な使い方だけでなく、使用時の実務的・法的な注意点や他の生成AI活用サービスとの違いも解説。

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 CNNとViTによる画像認識を本格的に学ぶために！ 本書は、深層学習（ディープラーニング）に基づく2つの技術、畳込みニューラルネットワーク（CNN）とVision Transformer（ViT）を通して、画像認識の基礎を実践例とともに解説するものです。 画像認識技術は、顔認証や異常検知など、現代社会に欠かせない技術として広く応用されており、研究開発も盛んに行われています。本書では、確かな理解のもとに画像認識技術の研究開発が可能となるよう、前半において理論的な基盤（深層学習の基本事項、畳込みニューラルネットワーク（CNN）、Vision Transformer（ViT））を、紙数を割いてわかりやすく解説していきます。また後半では、画像認識の基本的手法である物体検出と領域分割、学習データの大規模化に欠かせない自己教師あり学習を実例とともに解説し、最終章では今後ますます重要になると見込まれるVision and Languageのマルチモーダル処理を詳細に扱います。 全体を通して、擬似コードなどでアルゴリズムを把握できるようにしたほか、Python（PyTorch）のサンプルコードも用意し、読者自身が手を動かして画像認識を実践することができるようにしました。 第1章　画像認識の概要 第2章　深層学習の基礎 第3章　畳込みニューラルネットワーク 第4章　Vision Transformer（ViT） 第5章　物体検出 第6章　領域分割 第7章　自己教師あり学習 第8章　画像と自然言語

※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

【「わかりやすい」「即実践」「上級者まで上達」すべて凝縮！】多くのニュースなどで取り上げられ、広く知られてきているAI、ChatGPT。いまやChatGPTはLINEの操作と同じ気軽さで使えて、専門家レベルの頭脳とクオリティで仕事をこなしてくれます。ChatGPTを代表とする生成AIが浸透していないいまは「お金を稼ぐチャンス」でもあります。本書は　・知識がない人でも始められる丁寧な解説　・著者のノウハウを凝縮し、プロ仕様のカスタマイズや知識が身につく　・副業やビジネスなどで使う方法を職業別や用途別に分けて、自分の稼ぎ方がわかる　・面倒な指示（プロンプト）も本書をそのまま使うだけでバッチリ！　と、誰にとってもスキルアップが実現できる一冊です。

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 うまく活かしてデザインをもっとラクに！“AI”のあるデザイン AI（人工知能）はいまインターネット上で賛否両論;さまざまな議論を巻き起こしています。 つくりたいものを入力するだけで;写真からイラストまで自由自在に生み出せる生成AIは;日に日に;その精度を高めており;試した人なら誰もが;その品質に驚くことでしょう。 AI はいま;なにができ;なにができないか;将来;なにができそうか。AIとデザイン・制作の現在地を知り;未来への準備を始めましょう。 ※本書内容はカラーで制作されているため;カラー表示可能な端末での閲覧を推奨いたします

【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。

※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。 情報技術において欠かせない「データベース」の基礎を体系的に解説した教科書 本書は、データベースの基本概念から、データベースのモデル、SQL、論理設計やDBMS、ファイル編成などデータベースの基礎を体系的に、できるだけ図や例を多く用い、データベースとは何か直感的に理解できる教科書です。 ERモデルから関係モデルへの変換方法だけでなく、「基幹系と解析系（情報系）」「マスターテーブル、ファクトテーブル、スタースキーマ」なども解説しており、「データベース」の実務的な基礎を固めるうえで役立ちます． 第1章　データベースの概念 第2章　関係データベース 第3章　関係代数 第4章　SQL 第5章　概念スキーマ設計 第6章　意思決定支援のためのデータベース 第7章　データの格納と問合せ処理 第8章　トランザクション 演習問題略解

※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。 【豊富な図と数式のコンビで、深層学習の基本原理が直感的に理解できる！】 　本書では「深層学習に使用する数学」について、意味を直感的に理解できるように図を多用することで式を補完する。 　第I部では深層学習についての基礎事項と次の部で使用する数学について、第II部ではニューラルネットワーク（深層学習）の中身について、第III部では深層学習の自動チューニングについてそれぞれ詳述。深層学習の実践・応用へステップアップするための基礎がじっくりと学べる、第一歩に相応しい一冊。

ChatGPT＆Midjourneyによる プロンプトエンジニアリングの 基本的な手法が学べる 【企画背景】 画像生成AIのMidjourneyやStable Diffusion、文章生成AIのChatGPTなどに代表される生成AIは、その高い精度と自然言語によるインターフェイスにより現在世界中の注目を集めています。生成AIはビジネスや開発の現場など多方面で利用が活発になり、生成AIでコンテンツを作成するプロンプトエンジニアリングの需要が高まってきています。 【ChatGPTとは】 会話形式で質問に答えてくれる文章生成AI。 【Midjourneyとは】 テキストから画像を作成する画像生成AI。 【書籍の概要】 生成AIを利用したプロンプトエンジニアリングの実践手法について解説した書籍です。生成AIの概要と基本的な利用手法から始まり、文章生成AIや画像生成AIを利用したコンテンツ生成の基本的な手法を解説します。最終章では今後の生成AIの展望についても触れています。 【対象読者】 ・文章生成AIや画像生成AIを利用したい方 ・プロンプトエンジニアリングに興味ある方 【本書の特徴】 ・ChatGPTやMidjourneyといった人気の生成AIの概要をつかめる ・文章生成AIや画像生成AIのプロンプトエンジニアリングの基本手法がわかる ・ChatGPTとMidjourneyを組み合わせたプロンプトエンジニアリング手法がわかる 【目次】 Chapter0 イントロダクション Chapter1 生成AIの躍進 Chapter2 文章を生成するAI：ChatGPTによるプロンプトエンジニアリング Chapter3 画像を生成するAI：MidjourneyによるAI画像生成 Chapter4 生成AIによる創作活動 （ChatGPT＆Midjourney） Chapter5 生成AIの未来 Appendix　さらに学びたい方のために 【著者プロフィール】 我妻 幸長（あづま・ゆきなが） 「ヒトとAIの共生」がミッションの会社、SAI-Lab株式会社の代表取締役。AI関連の教育と研究開発に従事。 東北大学大学院理学研究科修了。理学博士（物理学）。 法政大学デザイン工学部兼任講師。 オンライン教育プラットフォームUdemyで、10万人以上にAIを教える人気講師。 ※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。 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。 プロジェクトの情報を整理し、メンバーで共有するために必要な仕様書の種類や目的、作成のポイントを最近の開発案件なども交えながら解説する入門書の最新アップデート版。

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。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 Pythonでデータサイエンスの理論と実践を学ぶ 　データサイエンスは、「データを科学的に扱う」学問分野です。近年、ICTの進展によって、センサやインターネットを通じて取得できるデータ量が爆発的に増加したこと、コンピュータの高性能化に伴ってこれまでできなかった大規模なデータ処理が可能となったことなどから注目されています。 　本書は、データサイエンスの基礎となる統計分析からパターン認識（機械学習）、時系列データ分析、深層学習などを、Pythonを使って実際に分析しながら学ぶものです． 　データの取り扱い、確率・統計の基礎といった基本的なところから、パターン認識、深層学習といった統計・機械学習手法、時々刻々と変化する時系列データの分析などの解説を行い、読者がデータサイエンスの一通りを俯瞰できるようになっています。 　Pythonを使った解説によって理論と実践を同時に学ぶことができるので、データサイエンスを学び、自身の分野に応用したい方にピッタリの一冊です。 　第2版にあたっては深層学習を大幅に拡充し、自然言語処理、生成系（AutoEncoder、GAN）などの近年重要視されるテーマを取り上げました。 1章　はじめに 2章　データの扱いと可視化 3章　確率の基礎 4章　統計の基礎 5章　回帰分析 6章　パターン認識 7章　時系列データ分析 8章　深層学習の基礎 9章　深層学習による画像処理 10章　深層学習による自然言語処理 11章　生成系深層学習 12章　深層強化学習 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。 本書はFOSE主催ワークショップの予稿集（2023年度）。ソフトウェア工学研究の活性化に寄与する情報がまとめられています。

※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。 生成AIへの指示を理論的アプローチで解説。プロンプトエンジニアリングの基礎からChatGPTパラメータ、Azure OpenAI活用まで詳解。多様な応用への命令方法の工夫も。

※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。 数式なしでデータ分析が理解できる!! 　いったいデータとは何か、データ分析から何がわかるのか、何のためにデータ分析を行うのか、ということからスタートし、「仮説構築」と「仮説検証」を中心に、プロセス全体をマンガで説明します。 　これからデータ分析に取り組むたい人、現在取り組んでいるが完全に納得していない人、いまよりデータ分析を効率的に行い人に役立つ内容となっています。 プロローグ 登場人物紹介 第1章：何が問題か？（思考プロセスと因果関係 　1.1　何が問題か掴めなければデータ分析は無意味 　1.2　物事を因果関係で捉える 第2章：「問い」を探す（観察力と洞察力 　2.1　「具体」と「抽象」をマスターせよ！ 　2.2　ルールに合致しない例外を探す 　2.3　観察力と洞察力を磨く 第3章：「仮説」を立てる（演繹法と帰納法） 　3.1　どんな意思決定を下すのか？が全て 　3.2　仮説構築と仮説検証の違い 　3.3　演繹法と帰納法 第4章：「仮説」を証明する 　4.1　なぜ調査をするのか？ 　4.2　論証と実証、2つの証明 第5章：意思決定を下す 　5.1　なぜ発表（プレゼン）は失敗したのか？ 　5.2　どうすればうまくいくか エピローグ

※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

※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）

第一線の人工知能研究者が見通す、近未来の「人と人工知能」の協働シナリオとは？ 人工知能が急速に能力を高めているなか、 近い将来、シンギュラリティは本当にやってくるのだろうか。 それはいつごろなのか。 人間の価値観を揺るがすような、パラダイムシフトは起こるのだろうか。 そのとき、労働はどう変わる？ 教育は？ 芸術はどうなる？ 富の偏在はどうなる？ 著者は、俳句を生成する人工知能「AI一茶くん」を開発した人工知能研究者。 研究者から見たGhatGPT出現の意味とは。 GhatGPTなどの大規模言語モデルの仕組みから、 近未来の社会変容までを平易に解説。 【目次】 序 章 六十七年の時を経て 第一章 人工知能は自ら学習する――脳の仕組みとディープラーニング 第二章 本能と知能と、生と死と――「知能」と「人工知能」の違い 第三章 ChatGPTで見えた次のフェーズ――人工知能研究の現在地と近未来 第四章 人工知能との「協働」シナリオ――「強い人工知能」と「弱い人工知能」 第五章 新たな価値の出現と富の再配分――人工知能時代のパラダイムシフト 第六章 人工知能が人工知能を開発する日――研究の最前線と課題 第七章 代替される「知能」、代替されない「芸術」――人間に残される仕事は何か 第八章 一変する「教育」の風景――人工知能時代に必要な自発的「学び」 終 章 人間とも人工知能とも「仲良く」する力 【著者】 川村秀憲 1973年、北海道に生まれる。小学生時代からプログラムを書きはじめ、人工知能に興味を抱くようになる。同研究院で調和系工学研究室を主宰し、2017年9月より「AI一茶くん」の開発をスタートさせる。ニューラルネットワーク、ディープラーニング、機械学習、ロボティクスなどの研究を続けながらベンチャー企業との連携も積極的に進めている。

※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。 ※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 　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． 第1章　確率論の基礎 1.1　ランダム事象と確率 1.2　確率空間と確率変数 1.3　確率変数の独立性 1.4　確率変数の相関 1.5　確率変数の和 1.6　確率変数の変換 1.7　累積分布関数と特性関数 1.8　モーメントとキュムラント 1.9　多変量の確率変数 第2章　確率積分と確率微分方程式 2.1　ランダムな運動 2.2　確率過程 2.3　ブラウン運動とその性質 2.4　ブラウン運動と確率積分 2.5　確率微分方程式 2.6　伊藤の公式 2.7　確率微分方程式の具体例 2.7.1　オルンシュタイン・ウーレンベック過程 2.7.2　幾何ブラウン運動 2.7.3　一般化コーシー過程 2.7.4　多変数オルンシュタイン・ウーレンベック過程 第3章　マルコフ過程の性質 3.1　確率密度関数による表現 3.2　マルコフ過程 3.3　フォッカー・プランク方程式の導出 3.4　フォッカー・プランク方程式の解法 3.4.1　1変数の場合 3.4.2　多変数の場合 第4章　確率過程とベイズモデル 4.1　ベイズモデルの基礎 4.1.1　線形回帰モデルとベイズモデル 4.1.2　変分推論 4.1.3　マルコフ連鎖モンテカルロ法 4.2　時系列と状態空間モデル 4.2.1　時系列モデリング 4.2.2　状態空間モデル 4.2.3　カルマンフィルタ 4.2.4　拡張カルマンフィルタ 4.2.5　アンサンブルカルマンフィルタ 4.2.6　粒子フィルタ 4.3　連続空間のベイズモデル 4.3.1　確率的パラメータ 4.3.2　EMアルゴリズム 第5章　確率過程と機械学習 5.1　ガウス過程回帰 5.1.1　ガウス過程回帰の導入 5.1.2　ガウス過程回帰のパラメータ推定 5.1.3　ガウス過程回帰の予測分布 5.1.4　ガウス過程潜在変数モデル 5.1.5　ガウス過程動的潜在変数モデル 5.2　スチューデントのt-過程回帰 5.2.1　スチューデントのt-過程回帰の導入 5.2.2　スチューデントのt-過程回帰のパラメータ推定 5.2.3　スチューデントのt-過程回帰の予測分布 5.2.4　スチューデントのt-過程回帰潜在変数モデル 5.2.5　スチューデントのt-過程動的潜在変数モデル 第6章　実問題への応用 6.1　環境ゆらぎの影響を受けるブラウン粒子の運動 6.2　オプションの価格付け問題 6.3　深層学習への応用 6.3.1　深層学習とガウス過程回帰 6.3.2　拡散モデル 付録　 サンプルコード A.1　状態推定のサンプルコード A.2　機械学習のサンプルコード

■その仕事、ChatGPTに任せて時短しませんか？ 　本書は便利さにハマって「ChatGPT」を500時間以上使い込んだ著者が、仕事に本当に役立ち、時短につながるChatGPTと画像生成AIの使いこなし術を基本から応用まで指南します。ChatGPTだけでなく、画像生成AIについてもとても簡単で、ビジネスにすぐ使えるテクニックを解説しています。 　「AIは難しそうで……」と、躊躇してきた人にこそ、この本をお薦めします。リスクを避ける心得や使いこなしのコツ、セットアップなど初歩の初歩から丁寧に説明しています。 ■面倒な顧客への謝罪メール、商談相手に送る英文の催促メール、営業日報や出張報告、社内会議の資料作り……。面倒な仕事はぜんぶ、ChatGPTに任せましょう 　目的別に整理して、使いこなし術を２３の基本技と１２の応用技に絞り込みました。課題のリストアップ、資料の要約、文章の添削、メールの代筆、日報や報告書の作成、エクセルの上手な使い方を探す方法などなど、すべてをChatGPTで自動化する方法を解説します。 　無数のプロンプトを羅列するのではなく、なぜそのプロンプトになるのか、どう考えて作ったのか、作り方から丁寧に説明しました。真似してやってみて納得し、ご自分でその技を応用していくことができます。 　使わない理由を探すことはやめて、まずは使ってみましょう。本書では、すぐにビジネスで使えるプロンプトをたくさん紹介しています。まずは、まねして入力するところからチャレンジしてください。

ChatGPTをはじめとする生成AIの可能性と限界を見通す！ ChatGPTに代表される「生成AI」は、急速に浸透したが、内容の間違いへの対応や著作権保護等、多数の課題がある。さらに、一層の開発をめぐる企業間、国同士の覇権争いまで、多くの論点を含む。生成AIをどう活かすべきなのか、AIの歴史や動作の理由も知り、その本質をあぶりだす。

打たれ強いシステムを考える！ レジリエンスとは、大きなアクシデントを受け、一時的に機能を失ったとしても柔軟に回復できる能力を指す概念である。この能力を持つシステムは、生物、生態系、国家や企業などの社会システム、人間の心理など、多様な分野で様々なかたちで存在する。 本書は、この多様な分野のレジリエンスを調べて共通な知識を体系化し、持続可能社会の構築に向けての提案を分かりやすい語り口で説いている。上述の分野のシステムに係わる読者はもちろん、自然界の復元力、柔軟な耐障害性構築などに興味のある読者には大変示唆に富んだ内容で、必読必携である。

※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。 イノベーションを解き明かす！ インターネットを基盤とした情報技術が、あらゆる分野の産業に新しいイノベーションを起こしている。本書は、これらの背景を歴史的変遷と技術的変遷の両方から紹介する。特にその中核となるデジタル・イノベーションやデジタルプラットフォームについては、単なる技術の視点だけでなくビジネスと技術の両面から本質を解き明かしており、また、イノベーション・モデルの転換やプラットフォームの役割についても、技術基盤としてのソフトウェアとビジネス思想としてのオープン＆クローズ戦略という、2つの視点から解説する。ドイツのインダストリー4.0をはじめとする各国の動きにも触れており、産業政策などに関心のある読者にとって有意義な1冊である。

※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。 2017年発行のアジャイル開発入門書『アジャイル開発への道案内』の「実践編」。アジャイルをソフトウェア開発のみならず、ITサービスの開発・運用にも適用していくための考え方や、そのための様々なツール、実際の適用例などについて解説する。第1～8章で、ITサービスの開発における各フェーズで、どのようなツールを使用すれば効率化が図れるのかということを丁寧に解説し、第9章で、実際の適用例との効果を紹介する。

※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。 研究と学びの新たなる地平！ 「知」を研究対象とする著者ら人工知能研究者は今までの客観性を第一義とし、多数の中から普遍性を求める研究手法のみでは「知」を攻略することはほぼ難しいと考えるにいたった。 「知」は個人の中に内在するため、その文脈の中で語られてこそ本質を理解することができる。すなわち、「一人称」が研究のスタートとなる。これを積み上げることで「知」の攻略につなげられると考える。 本書は、この一人称研究の考え方と、実際の研究事例を丁寧な語り口で解き明かす。人工知能に興味のある読者はもちろん、新たな研究姿勢を模索する理工学、人文系の読者も興味を持って読むことができる。

※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。 マイナンバー法が求める個人情報影響評価の手法が分かる 2013年に成立した行政手続番号法（通称マイナンバー法）は、2016年1月から運用が開始され、行政機関に提出する税や社会保険などに関する書類への番号記載が必要となる。同法は大変重要な個人情報を扱うため、違反者には厳罰が用意されている。 そのマイナンバー法が、個人情報を適正に運用するために義務づけたものが「個人情報影響評価」である。本書はプライバシーバイデザインと個人情報影響評価の考え方を示し、実践例や評価書のサンプルを提示して具体的なスキルが身につくよう工夫してある。 同法に直接携わる行政機関、ソフトウェア会社、または民間においても従業員の「個人番号」、個人支払先等の「個人番号」を取扱う担当部門には必携の書である。

※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。 実は自然は計算をしている！ 自然界は、私たちが考える以上に様々な手法で計算をしている。 本書は、その計算手法—アルゴリズム—を読み解き、新たな情報処理を確立しようという最先端の試みを、数式を極力避けて平易に解説した。わくわくする最先端の科学・技術に興味のある学部生、大学院生、研究者には必携の書である。

※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。 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。

※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。

※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。 本巻は、DNAナノエンジニアリングについて、基礎から最先端の研究までを解説。読者は、情報科学、材料科学、生命科学、システム工学等の学生・研究者である。

※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。 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。 第１巻『光計算』は光物理現象を演算系とする情報処理を考え、光を用いる計算ならではの独自計算方式やアイデアを取り上げ、その基本概念や手法を説明。応用例も紹介する。

※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。 変化し、長期運用するシステムの信頼性を確保する！　本書は、現代社会において、変化しつつ長期的に運用される巨大で複雑な複合システムに対し、いかにしてその不具合を減らし、重大事故を防ぎ、信頼性を保ちつつ運用を継続していくかについて体系的に議論した初めての技術書である。機能や構造、その境界が変化するシステムは通常「オープンシステム」と呼ばれる。我々はこのための技術体系を「オープンシステムのためのディペンダビリティ工学」、英文で“Dependability Engineering for Open Systems”、その略称をDEOS（デオス）と呼んでいる。システム開発・保守・運用に従事する技術者、研究者に必携の書である。

※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。 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。

※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は、入力する質問・指示次第でいくらでも使い勝手が変わります。しかし、その圧倒的な自由度のせいで、効果的に使いこなせていない人が多いのが現状です。特に多いのが、ChatGPTに自分の知らない知識を求めてしまうパターンです。ChatGPTはでたらめな回答をすることも多いので、失望して「使えない」と思った人も多いでしょう。しかし、それはあくまで使い方に問題があっただけなのです。ChatGPTには、あなたの優秀な部下だと思って接してあげましょう。部下への指示の出し方にコツがあるように、ChatGPTにも質問や指示の出し方にコツがあります。そのコツさえ掴んでしまえば、ChatGPTはいくらでもあなたのために働いてくれます。　※本書はGPT-4にも完全に対応し、解説した1冊となっています。　※本書はKindleで発売されている『おばちゃんでもわかる超入門ChatGPT』『ChatGPT の応答精度はプロンプトが9割』に最新情報を加え、大幅に加筆修正して出版したものです。

※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。 【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。 ChatGPTは人間に話すような問いかけに応えるだけでなく作曲や演奏、著作、集約、画像の認識まで対応します。このChatGPTの全体像から利用方法やビジネスへの影響までAI初心者向けに丁寧に解説した書籍です。

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

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 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。 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

若手システムエンジニアが、予期せぬ大トラブルと出会い、自身の運命を切り開く！ 　後藤智彦、34歳主任、まじめで優秀だが不安いっぱいのシステムエンジニア（SE）。新技術の急速な進歩と変化、不確実なキャリアパス、そして自分の未来への疑問…。技術・キャリア・未来、ぜんぶ不安……。 　大手メーカー系列の中堅システムインテグレーターでSEとして働く後藤智彦。しかし彼は12年働いた会社をやめようと決心していた。後輩に抜かれる昇進レース、生成AIのような画期的な新技術の出現、SEという彼の職業の未来への信頼が揺らいだからだ。 　ある金曜日の夕方、後藤は退職願を懐に入れて上司のもとへ向かう。待ち受けていたのは、担当企業のシステムが大トラブルに見舞われたという連絡だった。上司の命で緊急対応に向かった彼はそこで、自分の運命を大きく変える男、五十嵐優一と出会う…… 　本作は、一夜に渡るシステムトラブル対応の物語を通じて、コンピューター業界で働く若手ビジネスマンが抱える様々な課題に答えます。「ChatGPT」に代表される生成AIのような急速な技術進歩にどう対応すべきか、キャリアをどのように形成するか、昇進や転職成功の秘訣は何か、「稼ぐ」にはどうするか、そしてSEやIT業界には未来があるのか…。五十嵐が語る「37の鉄則」があなたの悩みに答えます。 　キャリアや未来に悩む若手ビジネスマン、必読の書です。

※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。 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。

※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。 テキストアナリティクスの技術と実践を詳しく解説！ 本書は、アンケートやSNSといったテキストデータを対象とした分析に興味がある方や実務で応用したい方に向けて、テキストアナリティクスに関する基本的な知識と、著者が非常に重要であると考える技術について解説した入門書です。テキストアナリティクスは従来のテキストマイニングにとどまらず、より明確な分析目的や理論的枠組みをもった方法論です。 本書では、データの構築から分析までを行った、汎用性の高い事例を紹介しています。また、単にツールとしてのRの使い方を知るだけでなく、読者が目的に応じた分析方法を判断できるようになるようにまとめています。 サンプルのデータやコードを参考に手を動かしながら学習することができ、初心者の「一冊目」にうってつけです。 はじめに [基礎編] 第1章　テキストアナリティクス入門 　1.1　テキストアナリティクスとは 　1.2　社会で活用されるテキストアナリティクス 　1.3　テキストアナリティクスの活用事例の探し方 　1.4　テキストアナリティクスの歴史 第2章　テキストアナリティクスの理論的枠組み 　2.1　テキストデータの構築 　2.2　テキストデータの分析 [準備編] 第3章　分析データの準備 　3.1　データセットの構築 　3.2　テキストファイルの作成 　3.3　CSVファイルの作成 　3.4　テキスト整形 第4章　Rの基本 　4.1　Rの導入 　4.2　コードの入力 　4.3　変数と代入 　4.4　ベクトル 　4.5　行列とデータフレーム 　4.6　ファイルの操作 　4.7　パッケージのインストール 　4.8　ヘルプの参照 第5章　データ分析の基本 　5.1　データハンドリング 　5.2　文字列処理 　5.3　可視化 　5.4　統計処理 第6章　テキスト分析の基本 　6.1　RMeCabの導入 　6.2　形態素解析 　6.3　単語の分析 　6.4　n-gramの分析 　6.5　共起語の分析 　6.6　複数テキストの分析 　6.7　頻度表の加工 　6.8　用例検索 [実践編] 第7章　授業評価アンケートの分析 　7.1 授業評価アンケートに基づく授業改善 　7.2 分析データ 　7.3 単純な頻度集計 　7.4 品詞別の頻度集計 　7.5 用例検索 第8章　オンラインレビューを用いたクチコミ分析 　8.1 マーケティングのためのクチコミ分析 　8.2 分析データ 　8.3 レビューの評価と集計 　8.4 低評価コメントと高評価コメントの比較 　8.5 共起語の集計 　8.6 共起ネットワークによる可視化 第9章　スクレイピングによる特徴語抽出 　9.1 スクレイピングによるデータ収集 　9.2 分析データ 　9.3 特徴語抽出 　9.4 用例検索 第10章　警察白書のトピック分析 　10.1 白書から見る現代社会の諸相 　10.2 分析データ 　10.3 トピックモデル 　10.4 階層型クラスター分析 第11章　文学作品の著者推定 　11.1 文体識別指標を用いた著者推定 　11.2 分析データ 　11.3 箱ひげ図 　11.4 対応分析 　11.5 ランダムフォレスト 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。 ※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。 NFTを仕組みとコードで知り尽くす！ 　NFTは、ブロックチェーン技術における最大のトレンドです。唯一無二のデジタルトークンとして、アートはもちろん、メタバースの不動産、チケット機能など、様々な応用があります。本書は、NFTについて基礎から応用まで深く学べる、実践的なガイドです。暗号通貨の歴史やブロックチェーンの基本概念、そしてスマートコントラクト設計やデプロイ方法など、理論と実践の双方を広くカバーします。すぐにデプロイできる多数のサンプルも紹介、NFTやDeFiの開発に興味ある方は必読の一冊です。この本を手に取って、NFTの深い世界に飛び込んでみてください！ はじめに 第1章　NFTの全体像 　1.1 NFTとは 　1.2 NFTが誕生するまで 　1.3 NFTの様々な事例 　1.4 Fungibility?代替可能性とは 　1.5 ブロックチェーンとNFT 　1.6 NFTのエコシステム 第2章　NFTを体験する 　2.1 ウォレットの準備 　2.2 ETHの購入と出庫 　2.3 NFTの購入 　2.4 NFTの発行と販売. 第3章　NFTを支える技術 　3.1 ブロックチェーンの設計思想と仕組み 　3.2 BitcoinとEthereum 　3.3 ブロックチェーンノードとNode as a Service 　3.4 メインネットとテストネット 　3.5 ブロックチェーンエクスプローラ 　3.6 スマートコントラクト 　3.7 Ethereum上のスマートコントラクト 　3.8 コンテンツのホスティング 　3.9 Dappsフロントエンドとweb3.js 第4章　最初のトークン：Hello NFT 　4.1 事前準備 　4.2 NFTコードの作成 　4.3 ローカル環境でのテスト 　4.4 パブリックブロックチェーンへのデプロイ 　4.5 フロントエンドの実行 　4.6 コントラクトコードのアップロード 第5章　スマートコントラクト開発に役立つ知識 　5.1 Solidity言語について 　5.2 Ownableによる管理用の関数の実装 　5.3 アップグレード可能なコントラクト 　5.4 ガスの節約 　5.5 パブリックブロックチェーンへのデプロイ 　5.6 テストの記述 　5.7 TypeScriptを用いた開発 第6章　NFTの規格ERC-721について 　6.1 実装すべき関数 　6.2 2種類の移転関数 　6.3 2種類の委任 　6.4 実装すべきイベント1 　6.5 トークンのメタデータについて 　6.6 トークンを列挙できるようにするERC721Enumerable 　6.7 発展的な内容 第7章　IPFS上のアートNFT 　7.1 IPFSについて 　7.2 Pinataへのアップロード 　7.3 コントラクトの作成 　7.4 トークンの発行 　7.5 NFT売買サービスでの確認 第8章　チケットトークンの実装 　8.1 設計について 　8.2 チケットコントラクトの開発 　8.3 フロントエンドの開発 　8.4 バックエンドの開発 　8.5 動作の確認 　8.6 発展的な検討事項 第9章　ジェネラティブNFTの実装 　9.1 設計について 　9.2 コントラクトの開発 　9.3 メタデータ生成ロジックとバックエンドの準備 　9.4 フロントエンドの準備 　9.5 動作の確認 　9.6 テストネットでの実験 付録 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。 画像生成AIの仕組みと概要が図版と解説でわかる入門書です。

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

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 エヌアイデイ流スクラムのトリセツ＆スクラムの品質管理 【雛型】プロジェクト計画書兼報告書解説付き 　本書は、筆者が実施してきたスクラム開発の経験を基に、「これからスクラム開発プロジェクトに参画しようとしているが、どのように進めてよいかよくわからない方」や、「すでにスクラム開発に従事しているが、あまりうまくいっていない方」のために開発の進め方やアプローチの方法を具体的にガイドしているものです。プロジェクト計画書の雛形も掲載しており、共通認識としてスクラムチームで活用参照してほしい書籍です。 発刊にあたって はじめに 第1部 アジャイル開発の基礎 第1章　アジャイル開発とは 1.1 なぜアジャイル開発が求められるのか 1.2 アジャイルソフトウェア開発宣言とその意図 1.3 アジャイル宣言の背後にある原則 1.4 ウォータフォール開発とアジャイル開発との違い 第2章　アジャイル開発の手法 2.1 アジャイル開発の手法と特徴 2.2 開発手法の適用状況 第3章　スクラム開発 3.1 スクラム開発とは 3.2 スクラム開発の理論 3.3 スクラム開発の価値基準 3.4 スクラム開発の流れとフレームワーク 3.5 スクラム開発の進め方 第4章　スクラム開発での契約 4.1 契約の前に 4.2 契約形態について（請負契約と準委任契約） 4.3 顧客と当社の役割分担 4.4 契約前チェックリスト 第2部 開発の現場 第5章　受　　注 5.1 契約前の合意および確認事項 5.2 見積りおよび契約 第6章　計画・立ち上げ 6.1 スクラムチームの編成と立ち上げ計画策定 6.2 インセプションデッキ作成 6.3 プロダクトバックログ作成 6.4 プロダクトバックログ見積り 6.5 初期リリース計画 6.6 スプリント準備 6.7 プロジェクト計画書の作成 第7章　スクラム開発のフレームワーク 7.1 スプリントプランニング 7.2 開発（技術プラクティス） 7.3 デイリースクラム 7.4 問題・障害・リスクの共有 7.5 進捗管理 7.6 スプリントレビュー 7.7 スプリント・レトロスペクティブ 7.8 リリース 7.9 プロダクトバックログ・リファインメント 第8章　品質管理 8.1 スクラム開発での品質の考え方 8.2 品質管理活動 8.3 品質データの収集および分析について 第9章　終 結 9.1 プロジェクトの実績評価とふりかえり 9.2 プロジェクト完了報告 9.3 プロジェクト実績の保管 第3部 各種資料 資料1　インセプションデッキの作り方・注意点 項目1：我われはなぜここにいるのか 項目2：エレベーターピッチを作る 項目3：パッケージデザインを作る 項目4：やらないことリストを作る 項目5：「ご近所さん」を探せ 項目6：解決案を描く 項目7：夜も眠れなくなるような問題は何だろう 項目8：期間を見極める 項目9：優先順位は？ 項目10：何がどれだけ必要なのか 資料2　プロジェクト計画書の解説 1 管理表 2 体制 3 リスク管理 4 予算・要員計画 5 マスタスケジュール 6 進捗管理 7 品質管理 8 完了報告書 資料3 【雛型】プロジェクト計画書兼報告書 資料4 見積リスク評価表 資料5 スクラム開発プロセス俯瞰図 資料6 スクラムの実例紹介 1 プロジェクトの背景 2 プロジェクトの概要 3 インセプションデッキ 4 プロダクトバックログ 5 スプリントバックログ 6 デイリースクラム 7 スプリントレビュー 8 レトロスペクティブ 資料7 用語集 参考文献 あとがき

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．

※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。 Amazon社のAlexaやマツコロイドなど、人との対話を通して仕事をこなすコンピュータ内蔵システムやロボットが活躍している。 　私たちが日常使う言語（自然言語）を、AIを用いてコンピュータに組み込むための技術「自然言語処理」を集めた本シリーズの第5巻『対話システムの作り方』では、様々な実例を通して対話システムを体系的に紹介していく。マツコロイドの制作にも関わった著者が、対話というものの本質から目的に沿った対話システムの作り方まで、幅広く解説する。対話システムの導入書！

※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。 電力網や物流、サプライチェーン、インターネットやSNSの流行など、現代社会は複雑に絡み合ったネットワークによって支えられていると言っても過言ではありません。このようなつながり構造を、物理学やコンピュータ科学あるいは社会学を基礎として解析していくのがネットワーク科学です。本書は複雑ネットワークの最適化に費やしてきたこれまで研究成果をできるだけ包括的に紹介しつつ、創世記からの進展も分かるように編集された貴重な1冊です。

ディープフェイクとは、人工知能（AI）の技術を用いて合成された、本物と見分けがつかないほどリアルな人物などの画像、音声、映像やそれらを作る技術のことである。大統領が敵国への降伏を呼びかける動画が拡散されたり、ある企業のCEOの偽音声を用いた詐欺事件が発生するといった事例が生まれる一方、画像生成AIを用いて作成された絵画が米国の美術品評会で優勝するなど、アートやエンターテインメントの分野にも大きな変革が生じる可能性がある。ディープフェイクを生み出す原理や社会への影響などを平易に解説し、共存せざるを得ない未来に向けて知っておくべきことを語る。　●偽ゼレンスキーかく語りき　●ディープポルノ――日本では逮捕者も　●GANの発明――敵対的生成ネットワークというアイデア　●画像生成AI――言葉を入力すれば絵ができる　●人はディープフェイク顔を信頼する　●脳はディープフェイクに気づいている　●フェイク動画を見破る　●ディープフェイクと共存する

※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。 ※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。 民事裁判におけるIT化法案（「民事訴訟法等の一部を改正する法律」）が成立したことをきっかけに、IT技術および人工知能技術の導入が急速に発展してきている。 本書ではまず第1部で「人工知能と法」分野の歴史、次に法律における推論についての基礎的な知識を説明する。第2部では法律への具体的な人工知能の技術の詳細について紹介を行っている。現在の法学に対する人工知能の到達点と、今後の日本の社会像が見えてくる充実の一冊。

※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。 Windows 11でのコンピュータ操作、Office 2021活用などの基礎を学べる1冊。 本書は、パソコンやインターネットを使用するうえで身につけておくべき情報リテラシーの習得を目標としています。 好評の『情報リテラシー教科書』最新版となる本書は、機能・インターフェースが一新されたWindows 11とOffice 2021に対応しています。 キーボードでの入力やマウスの扱い方などの初歩的なＰＣ操作から始めて、コンピューターやネットワークの基礎的な知識を学んだのち、Ｍｉｃｒｏｓｏｆｔ　Ｏｆｆｉｃｅのソフト（Word、Excel、PowerPoint）の操作法を学んでいきます。 レポート作成、プレゼンテーション、データ処理、グラフ作成などを解説しつつ、私たちにとって不可欠な存在になりつつあるクラウドコンピューティングや人工知能（ＡＩ）の話題にもコラムなどで触れています。 イントロダクションにはマンガページを設けるなど、学生の学習意欲を沸かせるように工夫を凝らしています。苦手意識のある方でも、情報基礎がしっかり身につく一冊です。 第1章　パーソナルコンピュータの基礎 第2章　インターネット利用 第3章　Microsoft Word 第4章　Microsoft Excel 第5章　Microsoft PowerPoint

※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。 Windows 11でのコンピュータ操作、Accessを含めたOffice 2021活用など基礎を学べる1冊。 本書は、パソコンやインターネットを使用するうえで身につけておくべき情報リテラシーの習得を目標としています。 好評の『情報リテラシー教科書』最新版となる本書は、機能・インターフェースが一新されたWindows 11とOffice 2021、Access 2021に対応しています。 キーボードでの入力やマウスの扱い方などの初歩的なPC操作から始めて、コンピューターやネットワークの基礎的な知識を学んだのち、Microsoft Officeのソフト（Word、Excel、PowerPoint、Access）の操作法を学んでいきます。 レポート作成、プレゼンテーション、データ処理、グラフ作成、データベース処理などを解説しつつ、私たちにとって不可欠な存在になりつつあるクラウドコンピューティングや人工知能（AI）の話題にもコラムなどで触れています。 イントロダクションにはマンガページを設けるなど、学生の学習意欲を沸かせるように工夫を凝らしています。苦手意識のある方でも、情報基礎がしっかり身につく一冊です。 第1章　パーソナルコンピュータの基礎 第2章　インターネット利用 第3章　Microsoft Word 第4章　Microsoft Excel 第5章　Microsoft PowerPoint 第6章　Microsoft Access

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。

※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。 さらにパターン認識・機械学習を学ぶ！ 本書は『わかりやすいパターン認識』（第1版1998年、第2版2019年）、『続わかりやすいパターン認識』（2014年）の姉妹書として、教師付き学習における非線形な識別処理を主テーマに、パターン認識・機械学習を解説したものです。本書ではサポートベクトルマシン、カーネル法、畳み込みニューラルネットワークを取り上げ、それらの前段階として、一般化線形識別関数、ポテンシャル関数法も紹介しています。 　パターン認識・機械学習を学びたい初学者が独学で学べるようにわかりやすい記述として、具体例、実験例をできるだけ取り入れて解説しています。また章末に演習問題を設けて、力試しができるようにもなっています。演習問題の解答はオーム社Webページからダウンロードできるようになっています。 第1章　線形識別関数とパーセプトロン 第2章　線形分離不可能な分布 第3章　一般化線形識別関数 第4章　ポテンシャル関数法 第5章　サポートベクトルマシン 第6章　カーネル法 第7章　ニューラルネットワーク 第8章　畳み込みニューラルネットワーク 付録　補足事項

※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（ディープラーニング）の全体像が理解できる一冊。 日々進化し続ける深層学習技術の基礎をなす知識や考え方を体系的に，応用を俯瞰的にまとめた教科書。 　本書は、人工知能（AI）技術の一つである深層学習（ディープラーニング）の全体像を体系的にまとめた教科書です。 　SNS、スマートスピーカー、画像診断、自動運転、……などなど、身のまわりには深層学習の技術や手法が広く応用されています。このことからもわかるように、深層学習は今日に至るまでさまざまな場面で成功を収めていますが、その技術や手法は、今現在も、非常に速いスピードで進歩し続けています。「以前は当たり前のように利用されていた技術が、ある日突然、それを上回る別の技術に置き換えられた」ということも十分にあり得ます。しかし、そのような深層学習技術の基礎には、普遍的かつ不変的な知識や考え方があります。 　本書は、現代の深層学習の技術や手法を理解するうえで基礎となる知識や考え方を、必要に応じて数式を用い、詳細に解説しています。また、代表的な応用例として、画像、音声、自然言語の処理を俯瞰的に解説し、深層学習の全体像が理解できるように構成しました。論文や国際会議等で深層学習技術の最新動向を追うためのベースは、本書で十分に学ぶことができます。 第1章　序論：深層学習登場の前と後 1.1　パターン認識とは 1.2　パターン認識の困難さと深層学習による成功 1.3　深層学習と従来のパターン認識手法の違い 第2章　深層学習以前のパターン認識手法 2.1　深層学習以前のパターン認識の概略 2.2　特徴抽出 2.3　機械学習・パターン認識手法 2.4　クラスタリング 2.5　評価指標 演習問題 第3章　深層学習ネットワーク 3.1　深層学習のアイディア 3.2　パーセプトロン 3.3　多層パーセプトロン 3.4　深層学習ネットワークにおける基本レイヤ群 3.5　基本ネットワーク構造 演習問題 第4章　ネットワークの学習 4.1　深層学習ネットワークの学習の基本的アイディア 4.2　誤差関数 4.3　確率的勾配降下法 4.4　誤差逆伝播法 4.5　畳込み層の学習 4.6　学習の実際 4.7　学習した畳込みフィルタの例 演習問題 第5章　学習のための技術 5.1　学習パラメータの初期値 5.2　学習率の設定 5.3　データ拡張 5.4　ドロップアウト 5.5　入力データの正規化 5.6　モデルアンサンブル 5.7　事前学習とファインチューニング 5.8　中間信号の画像特徴量としての利用 5.9　距離学習 5.10　マルチタスク学習 5.11　自己教師学習 5.12　ネットワークを小さくする工夫 演習問題 第6章　系列データへの対応 6.1　再帰型ネットワーク 6.2　1次元畳込み 6.3　Transformer 演習問題 第7章　画像認識への適用 7.1　主な画像認識ネットワーク 7.2　画像認識ネットワーク内部の可視化 7.3　物体検出 7.4　領域分割 7.5　人物姿勢推定 7.6　動画認識 演習問題 第8章　画像生成・変換への適用 8.1　エンコーダ・デコーダ型ネットワーク 8.2　オートエンコーダ 8.3　深層生成モデル 8.4　画像変換 8.5　画像最適化による画像変換 演習問題 第9章　音声処理への適用 9.1　音声認識ネットワーク 9.2　音声合成ネットワーク 演習問題 第10章　自然言語処理への適用 10.1　単語ベクトル 10.2　系列変換モデル 10.3　事前学習モデル 演習問題 第11章　マルチモーダル学習 11.1　マルチモーダル・クロスモーダル 11.2　画像と言語ル 11.3　画像・映像と音声 演習問題 演習問題略解 参考文献

膨大な量のデータを解析し、企業などにとって有用な知見を導き出す職業、データサイエンティスト。データサイエンスで用いられる、様々な「アルゴリズム（問題を解決するための処理手段）」の考え方を、恋愛や仕事など、日常の難題と立ち向かうために使ってしまう、狂気のデータサイエンティストによる「アルゴリズム入門」エッセイ。

※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。 ICTやIoT技術の発展によって社会にあふれる「ビッグデータ」を活用して、有用な「価値」を引き出す学問分野「データサイエンス」は、ビジネスから行政、医療、スポーツなど、あらゆる分野で注目されている。データサイエンスの基礎となるデータ処理（情報学）やデータ分析（統計学）手法の基本やあらまし、さまざまな分野での活用実例などを、図版や写真、イラストを使ってやさしく解説するシリーズ第10弾。

※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FOSE主催ワークショップの予稿集（2022年度）。ソフトウェア工学研究の活性化に寄与する情報がまとめられています。

※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。 ※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。 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。

※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。

※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

進化し続ける情報生態系 求められるメディアリテラシー 2016年、フェイクニュース元年から、 2020年、インフォデミックの時代へ――。 フェイクニュース現象の全体像を「計算社会科学」を武器に描き出す。 新型コロナ・パンデミックに端を発したインフォデミック、 米大統領選挙をめぐる陰謀論など、フェイクニュースの猛威が止まらない。 本書では、偽情報を信じる認知特性、その情報を拡散させる情報環境、 情報過多と注意力の限界などを解説し、 ファクトチェックをはじめとする対抗手段の有効性を検討する。 文庫版では、2018年以降のフェイクニュースをめぐる重要な動向をまとめた 「追補 インフォデミックの時代へ」を追加収録。 ※本書は、2018年12月に刊行された『フェイクニュースを科学する』(DOJIN選書)を加筆・修正し文庫化したものです。

【松尾豊氏推薦！】人工知能が社会に浸透するとき、どのような変化が起こるのか。汎用人工知能、自動運転車、仕事が奪われる、自律型兵器などをめぐる議論のほかにも、考えておくべきポイントはないだろうか。本書では人工知能に関わる論点を、技術開発者、政策立案者、ユーザ、法・倫理関係者などの立場に分けて、具体的な事例とともに整理。そのうえで、多様なステークホルダーをつなぐための対話を経て見えてきた、人工知能と社会の関係の地図を描き出す。楽観論にも悲観論にも流されない、人工知能との付き合い方を考える。

※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。 いま必要とされるデータサイエンスの素養がしっかり身につく一冊。 さまざまな場面で入手できるデータを価値に転換することが、データサイエンスの目的です。データサイエンスという言葉は、ビジネスやアカデミーを問わず、いまや多くの場面で聞かれるようになり、それだけ重要性が高まっている概念といえます。本書は、データサイエンスを理解し実践したいと考えている方に必要とされる、データサイエンスの素養がしっかり学べる一冊です。 データサイエンスは、統計的、計算的、人間的という3つの視点の有機的結合という一面があるといわれます。本書では、データ分析に必要な統計学や関連する数学を丁寧にフォローし、確率・統計的な考え方が自然に身に付くよう配慮しました。また、データを適切に処理するための計算法は、プログラミング言語としてRを用いつつ、近年注目度の高い機械学習を含む具体例を通して納得しながら理解できる構成です。さらに、データの前処理から分析結果のプレゼンテーションまでの過程には人間が関わるという観点で、データを取り扱ううえで心がけるべき倫理的側面も扱いました。 なお、本書は「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」、「数理・データサイエンス・AI（応用基礎レベル）モデルカリキュラム」に準拠した授業の副読本・参考書としてもご利用いただけます。 第1章　イントロダクション 第2章　Rの基礎 第3章　データの記述・可視化 第4章　関連と因果，データ分析における注意事項 第5章　データ倫理 第6章　確率 第7章　確率分布 第8章　標本分布と中心極限定理 第9章　点推定・区間推定・仮説検定・p値 第10章　機械学習の基礎 第11章　回帰モデル 第12章　分類 第13章　ベイズ線形モデル 第14章　決定木とアンサンブル学習 第15章　スパース学習 演習問題略解 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。 レッドハットのエンジニアが直伝！ 導入からシステム管理コンテナー構築まで完全網羅。 サーバー向けLinux分野で圧倒的なシェアを誇る米Red Hat社の商用Linuxディストリビューション「Red Hat EnterpriseLinux（RHEL）」解説書の決定版。 2022年5月にリリースされた最新バージョン9だけでなく、いまだ多数のユーザーが利用しているバージョン8についても完全対応。 すぐに移行せず、しばらく8を使おうと考えている人にも役立ちます。 RHELの導入方法から各種サーバーのインストール方法や設定・管理方法、運用に役立つコマンドやツールの利用方法などを豊富なコマンド実行例と共に解説。 本書を片手にサーバーの管理や運用に必要な作業をすぐ試せる構成になっています。 セキュリティやコンテナ技術、仮想化技術など今どきのサーバー管理者に必須の技術要素についてもしっかりと学べます。 さらに、RHELを運用する際に起こりがちなトラブルの対処法や、RHELでサーバーを安定的に運用し続けるために欠かせない メンテナンスに関する知識なども70ページ以上のページを使って詳しく紹介しています。RHELを初めて触る人から既にサーバーを運用している人まで、 RHELの導入・管理・運用に欠かせない情報を網羅的に掲載しています。

※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。 世界を変える技術は絶えることなく誕生している。SNS（交流サイト）やチャットアプリはコミュニケーションの世界を、EC（電子商取引）はビジネスの世界を一変させた。ほかにも、2010年代のスマートフォンやAI（人工知能）、さかのぼれば1990年代のインターネット、さらに1970年代のPCなど、枚挙にいとまがない。本書では、現在にとどまらずこれからの世界の変化をリードするであろう注目の技術を選び解説する。 　主なものを挙げれば、Web3、メタバース、ブロックチェーン、デジタルツイン、量子コンピューター、クラウド、5Gを含むネットワーク技術、セキュリティーとなる。これらは独立して存在するのではなく、互いに関連しながら社会への影響度を高めていく。 　今まさに、Web1.0、Web2.0に続く、10年、あるいは20年に一度のインターネットの変革が起ころうとしている。この変化にあらがうことはできない。どんな技術が存在し、どういった変化を起こしていくのかを知ることが最良の対応であり、本書はそのガイドとなるものである。 ≪目次≫ 第1章　Web3/メタバース最新動向 第2章　量子コンピューター最新動向 第3章　クラウド/ネットワーク最新動向 第4章　セキュリティー最新動向 第5章　挑戦者たち 第6章　シリコンバレー最新動向 第7章　GAFA深読み最新動向 第8章　サイバー攻撃最新動向

大人気の機械学習フレームワーク「PyTorch」で 深層学習モデルとAIアプリを開発しよう！ 【PyTorchについて】 PyTorch は、主に深層学習で利用されている機械学習フレームワークです。 世界中で幅広く利用されており、国内でもここ数年で多くの方が利用し始めています。 【本書の概要】 Udemyで公開中の大人気講座『【PyTorch+Colab】PyTorchで実装するディープラーニング -CNN、RNN、人工知能 Web アプリの構築』の書籍化企画です。 PyTorch を使い、CNN による画像認識、RNN による時系列データ処理、深層学習モデルを利用した AI アプリの構築方法を学ぶことができます。 本書で PyTorch を利用した深層学習のモデルの構築からアプリへの実装までできるようになります。 【本書で得られること】 ・機械学習フレームワーク「PyTorch」の基礎が身につきます。 ・PyTorchのコードの読み書きができるようになります。 ・CNN、RNN などを実装できるようになります。 ・自分で調べながら、ディープラーニングのコードを実装する力が身につきます。 ・最終的に人工知能アプリを構築し、公開できるようになります。 【目次】 Chapter0 イントロダクション Chapter1 PyTorchと深層学習 Chapter2 開発環境 Chapter3 PyTorchで実装する簡単な深層学習 Chapter4 自動微分とDataLoader Chapter5 CNN（畳み込みニューラルネットワーク） Chapter6 RNN（再帰型ニューラルネットワーク） CHapter7 AIアプリの構築と公開 APPENDIX さらに学びたい方のために 【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。 理学博士（物理）。解決策のモデル化、数式化が得意で、プログラミング教育も行う。 近著に『Google Colaboratoryで学ぶ！あたらしい人工知能技術の教科書 機械学習・深層学習・強化学習で学ぶAIの基礎技術』、 『Pythonで動かして学ぶ！あたらしい数学の教科書』（いずれも翔泳社）がある。 ※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。

暗号学の先駆者が情報セキュリティの理念と現実を語る！ サイバーセキュリティ、本人確認、ブロック・チェーン、暗号資産（仮想通貨）、クラウド環境やテレワーク・リモートワーク…。これらの普及によって、軍事・外交の道具だった「暗号技術」は、いまやサイバー空間の基盤技術となりました。 その「暗号技術」の先駆者が、情報工学や暗号理論を専門としない方々にも理解できる分かりやすい言葉で、サイバー空間とフィジカル空間を融合させたソサエティ5.0社会、そして情報セキュリティの理念と現実の最適化について語ります。 【目次】 プロローグ――理念と現実 ［加藤尚武編］辻井重男語録 第１章 太平洋戦争をはさんで ――暗号学者の小さな履歴書Ⅰ 第２章 戦時中の文化人の現実認識 対話篇１ 天国からの恩師のご下問に応えて ――楕円曲線暗号から情報セキュリティ総合科学まで 第３章 サイバーセキュリティをめぐる活動 ――暗号学者の小さな履歴書Ⅱ 第４章 情報社会のセキュリティと倫理の課題 対話篇２ 天国からの恩師のご下問に応えて ――デジタル社会基盤としての暗号について 第５章 サイバーセキュリティの未来 資料篇 【著者】 辻井重男 専門は情報通信システム、暗号理論。1958年、東京工業大学卒業。1979年、東京工業大学教授。1994年、中央大学教授。1996年、電子情報通信学会会⾧。1999年、中央大学研究開発機構機構⾧。2003年、日本学術会議会員。2004年、情報セキュリティ大学院大学初代学長。2004年、中央大学研究開発機構教授。主な著書に、『情報社会・セキュリティ・倫理』（コロナ社）、『暗号と情報社会』（文藝春秋）、『暗号理論と楕円曲線』（共著、森北出版）、『暗号――情報セキュリティの技術と歴史』（講談社）など。

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 ビジネスパーソン必見! データ分析に不可欠なAIスキルを最短で習得できる！ 本書は機械学習を実際のビジネスシーンに適用してデータ分析を行うための実践書である。機械学習そのものの解説というよりは、データ分析に不可欠な機械学習の手法を駆使してビジネスを予測的に改善する手法を解説していく。具体的な適用事例を用いて説明がなされるため、読者は目的やケースに合った手法（アルゴリズム）や実際の適用方法などを効率的に身に付けることができる。原著はMITで使われている教科書であり、講義の目的に応じて章を選択可能。ビジネスで使えるデータ分析手法を最短で習得したい読者に役立つ一冊である。

※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。 ※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。 深層学習をベースとした自然言語処理の基礎が体系的に身につく！ 本書は、深層学習に基づく自然言語処理の基礎となる知識や考え方を、丁寧に展開し解説するものです。自然言語処理技術の概観から始め、機械学習の基本的枠組み、言語モデル・系列変換モデルとして非常に有用なTransformerとそれを活用した事前学習モデルの詳解、さらに自然言語処理の基本的なタスクである系列ラベリング、構文解析、意味解析と、自然言語処理を学ぶうえで必須の基礎知識や背景となる仕組みを幅広くカバーし、体系的に身につけることができる構成としました。 大学の学部上級から大学院の学生、さらには自然言語処理を学び始めた若手技術者にお薦めの教科書です。 第1章　自然言語処理の概要 　1.1　自然言語処理の応用 　1.2　コーパスと自然言語処理 　1.3　自然言語処理の難しさ 　演習問題 第2章　自然言語処理のための機械学習の基礎 　2.1　機械学習とは 　2.2　教師あり学習 　2.3　特徴量表現 　2.4　パーセプトロン 　2.5　ロジスティック回帰 　2.6　ソフトマックス回帰モデル 　2.7　機械学習モデルの評価 　2.8　正則化 　2.9　ニューラルネットワーク 　2.10　計算グラフと自動微分 　2.11　ニューラルネットワークに関するその他の話題 　演習問題 第3章　単語ベクトル表現 　3.1　記号からベクトルへ 　3.2　素性関数による単語のベクトル表現 　3.3　分布仮説と単語文脈行列 　3.4　特異値分解による次元削減 　3.5　Word2Vec：ニューラルネットワークによる学習 　3.6　単語ベクトルの応用 　3.7　FastText：単語よりも小さな単位の利用 　3.8　単語ベクトル表現の課題と限界 　演習問題 第4章　系列に対するニューラルネットワーク 　4.1　単語ベクトルの合成 　4.2　再帰型ニューラルネットワーク（RNN） 　4.3　勾配消失問題と勾配爆発問題 　4.4　長期短期記憶（LSTM） 　4.5　ゲート付き再帰ユニット（GRU） 　4.6　畳込みニューラルネットワーク（CNN） 　演習問題 第5章　言語モデル・系列変換モデル 　5.1　言語モデル・系列変換モデルの導入 　5.2　言語モデルの定式化 　5.3　言語モデルの利用例 　5.4　言語モデルの具体例1：nグラム言語モデル 　5.5　言語モデルの具体例2：ニューラル言語モデル 　5.6　系列変換モデル 　5.7　言語モデルの評価：パープレキシティ 　5.8　未知語問題への対応 　演習問題 第6章　Transformer 　6.1　Transformerの歴史的背景 　6.2　自己注意機構（セルフアテンション） 　6.3　Transformerの構成要素 　6.4　学習時の工夫 　演習問題 第7章　事前学習済みモデルと転移学習 　7.1　事前学習済みモデルの背景 　7.2　デコーダの事前学習：GPT 　7.4　エンコーダ・デコーダの事前学習：BART 　7.5　事前学習済みモデルと知識蒸留 　7.6　事前学習済みモデル利用上の注意点 　演習問題 第8章　系列ラベリング 　8.1　系列ラベリングとは 　8.2　系列ラベリングの定式化 　8.3　点予測による系列ラベリング 　8.4　線形連鎖に基づく条件付き確率場 　演習問題 第9章　構文解析 　9.1　構文解析とは 　9.2　句構造解析 　9.3　依存構造解析 　9.4　さまざまな構文解析手法 　演習問題 第10章　意味解析 　10.1　意味解析とは 　10.2　テキスト間含意関係認識 　10.3　ニューラルネットワークによる意味解析 　10.4　述語項構造解析 　10.5　論理表現 　10.6　セマンティックパージング 　10.7　意味解析のその他の話題 　演習問題 第11章　応用タスク・まとめ 　11.1　機械翻訳 　11.2　質問応答 　11.3　対話 　11.4　自然言語処理の過去・現在 演習問題略解 参考文献

本書は「応用人工知能」という視点で、広がるAI応用の全体像は何なのかをまとめています。AIの変遷とこれからを解説することで、AI応用を志す人たちが知るべき道筋を示した一冊。

「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。

分析手法からAIの基本まで、 知っておきたい知識を全部図解 【本書のポイント】 ・解説とイラストがセットで理解しやすい！ ・グラフや値の種類、データ構造など、基礎知識から解説！ ・技術関連の項目も図解。初心者にもわかりやすい！ ・統計学やAIの基本などの周辺知識もしっかりカバー！ ・情報社会におけるデータ活用の問題点や課題まで網羅！ 【こんな方におすすめ】 ・データサイエンスの基本を知りたい人 ・業務でデータ分析に関わる人 ・AIの基礎や今後の課題など周辺知識まで知りたい人 ・現場の実態や出来事など、最新動向についても知りたい人 【内容紹介】 データを活用して、自社のビジネスやサービスに 生かそうという動きが活発化しています。 しかし、データの分析には幅広い知識が求められます。 本書では、データやグラフの種類、統計学の基本など、 基礎から周辺知識まで、データサイエンスを学ぶ際に 知っておきたいことを一通り解説しています。 見開きで1つのテーマを取り上げているので、 最初から順に読んで体系的な知識を得るのはもちろん、 気になるテーマやキーワードに注目しながら読むなど、 状況に合わせて活用してください。 【目次】 第1章 データサイエンスを支える技術～需要が高まる未来の必修科目～ 第2章 データの基本～データの表現方法と読み方～ 第3章 データの処理と活用～データを分類し、予測する～ 第4章 知っておきたい統計学の知識～データから答えを導き出す～ 第5章 知っておきたいAIの知識～よく使われる手法とそのしくみ～ 第6章 セキュリティとプライバシーの問題点～データ社会はどこに向かうのか？～ ※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。 パーソナルデータを「正しく」活用するための教科書 パーソナルデータとは、個人を識別したうえで収集されたデータのことです。たとえば、ECサイトで買い物をしていると、自分がカートに入れたものに関連するおすすめ商品が出てきたり、検索エンジンでの検索結果が自分と友人とで違ったりするのは、パーソナルデータとして「自分や友人が識別されたうえで集められたデータ」の活用によってサービスが作られているからです。 パーソナルデータは世界中のさまざまなサービスで活用されていて、企業は利益を効率的に改善できるようになり、ユーザーは個々人にとって適切なサービスを受けられるようになりました。 その一方で、パーソナルデータの利用目的や手段によっては、法的あるいは倫理的な課題にぶつかり、議論となることが多々あります。場合によっては大きなニュースとなり、企業イメージを低下させ、ユーザーの生活に悪影響を与え権利を侵害する恐れすらあります。これらは個人が識別されることによっておきる弊害です。 本書は、以上の背景のもと、パーソナルデータの適正な利活用に必要な基本事項を提示するものです。 リスクを回避し、「有用性」と「ユーザーのプライバシーや第三者の権利の保護」とを両立しながらデータを活かすにはどうしたらよいのか、法律・倫理・技術などの複数分野を横断しながら、多角的に解説します。 本書のおもな読者対象は、パーソナルデータを活用するサービスのプロデューサー、マネージャー、ディレクター、そして実際にパーソナルデータを処理する、いわゆるデータサイエンティストや機械学習エンジニアなどです。 ほかにも、パーソナルデータを使ったサービスを提供する企業の社会人であれば、それ以外の職種の方（企画、広報、営業など）にも有用な内容です。 また、自分のパーソナルデータがどのように活用されているのか気になる一般のユーザーの方にもおすすめです。 ■本書の特徴 ・法的な側面だけでなく、倫理やセキュリティや技術に関するものや、意図せずして社会に与える影響など、周辺知識を幅広く解説します。 ・Web業界を例として、職種問わず共通認識として把握しておきたいことを網羅的に解説します。 ・実際にサービスをつくるときに考慮すべき事項を、表とフローチャートを用いて解説します。 はじめに／目次 第1章　パーソナルデータってなんだろう？ 　1.1 パーソナルデータの定義 　1.2 パーソナルデータでできること 　1.3 本書の構成 第2章　パーソナルデータの事件簿 　2.1 知られたくないことを知られる・利用される 　2.2 公的機関から監視される 　2.3 自分のデータが利用されることへの同意の有無と実態 　2.4 誰でも手に入るデータによる問題 　2.5 過剰なデータ取得に対する拒否感 　2.6 パーソナルデータの「値段」 第3章　パーソナルデータ活用の分類 　3.1 個人情報？　個人データ？ 　3.2 個人情報 　3.3 ところで「パーソナルデータ」とは？ 　3.4 「誰が」「なにから」「なにを」「なにに」？ 　3.5 《処理結果》を深掘りする 　3.6 「誰と」「どこまで」？ 第4章　パーソナルデータまわりの権利や決まり 　4.1 著作権 　4.2 限定提供データ 　4.3 通信の秘密 　4.4 複合的に考えるべき事例 　4.5 顔画像による個人認証や本人確認 第5章　データ収集と処理に使われる技術 　5.1 通信技術と個人情報の関係 　5.2 個人の特定と個人の識別のしくみ 　5.3 個人を特定せずにデータ活用するための技術 　5.4 情報科学的な理論に基づく技術 第6章　「信頼できるサービス」の構造 　6.1 「信頼」の難しさ 　6.2 信頼概念の整理 　6.3 企業に対する「安心」のもと 　6.4 「使われるサービス」と「受け入れられるサービス」 第7章　プライバシー・リスク・倫理 　7.1 プライバシーの懸念と消費者の行動 　7.2 パーソナルデータのリスク 　7.3 パーソナルデータと倫理 第8章　パーソナルデータの「正しい」活用のフロー 　8.1 データ分析の目的と手順 　8.2 データの利用基準はいつ考えるべきか 　8.3 データ利用基準の実例 　8.4 データ利用基準実施手順 第9章　パーソナルデータ活用の応用事例 　9.1 【自社データの自社利用】自社で収集したデータを情報推薦に活用する 　9.2 【グループ会社データの自社利用】ユーザーの行動ログなどを用いて論文を書く 　9.3 【自社データの外部利用】コミュニケーションデータから違反行為の予兆を発見する 　9.4 【外部サービスによる自社データ取得】アンケートと行動ログを合わせて活用する 　9.5 【自社データの外部利用】アンケート調査結果と行動ログを 用いて共同研究を行う 　9.6 【自社データの外部利用】ハッカソンの課題としてパーソナルデータを利用する 　9.7 【外部データの自社利用】投稿コンテンツから特定商品への言及を抽出してレポートする 第10章　パーソナルデータがもたらす副作用 　10.1 社会の偏りの増大 　10.2 統計的差別 　10.3 情報接触の偏り 　10.4 社会関係の偏り 　10.5 ヘイトスピーチ対策システムが生み出してしまう差別 　10.6 ステレオタイプの強化 　10.7 マイクロターゲティングの弊害 　10.8 おわりに 索引

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 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

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。 ※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

※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。 ワンランク上のパソコン活用を楽しもう 最新技術や使いこなしの知識も満載！ パソコンを買うとき、良いものを安く手に入れるのに不可欠なのが、スペック（仕様）に関する知識です。CPUの性能はどのくらいか、メモリーやストレージの容量はどの程度必要かなど、自分が必要とする性能や機能を考えながらそれに見合うマシンを選ぶ“目利き”の力が求められます。 パソコンを買うときだけではありません。手持ちのパソコンは十分な性能を備えているのか、足りない機能はないのか、持っている能力を100％引き出せているのかなど、愛機の実力を理解し、効果的に活用するためにも、パソコンのハードウエアに関する知識は身に付けておきたいものです。 本書では、パソコンの選び方はもちろん、パソコンの性能を生かすための適切な活用法、OSやアプリの「重い」「遅い」を解決する方法など、一歩進んだノウハウを解説しています。パソコンをより快適に、賢く使いこなすための情報が満載の1冊です。 ＜目次＞ 特集1 愛機はWin 11時代を乗り切れるか 　　　PCスペック完全理解 特集2 技術も選び方もトラブル対策も丸わかり 　　　爆速ストレジSSDのすべて 特集3 仕組みを理解して根本から解決する! 　　　パソコンはなぜ「遅く」「重く」なるのか 特集4 知らないと絶対に損する! 　　　USB Type-C あるある落とし穴 特集5 最新の第12世代CPUで構成 　　　できる! 楽しい! パソコン自作

データ×AI領域のキャリア設計を徹底解説！ 自分に合った道筋と戦略がわかる ビッグデータや人工知能の活用が本格化されつつある現代、 データ×AIの領域で活躍できる人材が、様々な業界で求められています。 本書は、そんなデータ×AI人材への就職・転職を目指す方に向けて、 職種やプロジェクトごとの具体的な仕事内容、 求められるスキルなどを、網羅的に解説した書籍です。 【本書で扱う職種】 ・データサイエンティスト ・データエンジニア ・機械学習エンジニア ・データアナリスト ・BIエンジニア 【本書で扱うプロジェクト】 ・機械学習システム構築プロジェクト ・データ分析プロジェクト ・データ可視化・BI構築プロジェクト 本書を読めば、ファーストキャリアを獲得するために取るべきアクション、 自分の市場価値を高めてキャリアアップするための戦略がわかります。 これからデータ×AI領域で活躍したい方、 どのようなキャリアを描いていけばいいのか知りたい方にお薦めの一冊です。 【目次】 ■第1部 データ×AI業界の全体像 第1章 データ×AIによる社会の変革 第2章 データ×AI活用に関する基礎知識 ■第2部 データ×AIプロジェクトの全体像と各職種の果たす役割 第3章 データ×AIプロジェクトの種類と概要 第4章 機械学習システム構築プロジェクト 第5章 データ分析プロジェクト 第6章 データ可視化・BI構築プロジェクト ■第3部 データ×AI人材になるために必要なこと 第7章 データ×AI人材になるためのロードマップ 第8章 データ×AI人材としての転職を決めるポートフォリオ（概要編） 第9章 データ×AI人材としての転職を決めるポートフォリオ（作成編） 第10章 10年後を見据えたキャリア設計 ※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。 AIのしくみと，使いこなすための技術がいっぺんに身につくディープラーニングの入門書 ディープラーニングをゼロから始めて，しっかりと理解したい人のための入門書です．ディープラーニングの基礎を一歩一歩着実に理解しながら，NumPyとKerasを使った実践的なAIプログラミングを学ぶことができます。 本書は，ディープラーニングの原理を説明しているテキストでも，そのプログラミングを実践形式でまとめたチュートリアルのような本でもありません．それらの両方をバランスよく組み合わせた，本当の意味でディープラーニングをわかるように解説した本です．「AIの学習とは」から，「ディープラーニングによる画像認識プログラムの作成」までを，なるべくやさしい言葉で，しかし大事なところを省くことなく説明しています． これからディープラーニングを学ぶ人，また，いまいちディープラーニングについてわからないことがある人，プログラムがうまく実行できない人におすすめの書籍です． 第1章　AIプログラミングを始めよう 1.1　AIとAIプログラミング 1.2　NumPyを使ってみよう 1.3　Matplotlibを使ってみよう 第2章　AIの学習の基本的な考え方 2.1　AIはどうやって学習するのか 2.2　再帰計算法を理解しよう 2.3　学習アルゴリズムの基本形 2.4　勾配降下法を理解しよう 2.5　多変数関数の勾配降下法 第3章　AIの学習の基本的なしくみ 3.1　重みを導入しよう 3.2　損失関数と重みの最適解 3.3　確率的勾配降下法 3.4　簡単なデータセットをつくってみよう 3.5　確率的勾配降下法による重みの最適解を求めるプログラム 3.6　ミニバッチ勾配降下法 3.7　ミニバッチ勾配降下法による重みの最適解を求めるプログラム 第4章　ニューラルネットワークの導入 4.1　単純パーセプトロン 4.2　活性化関数（その1）：ステップ関数 4.3　基本論理ゲートの学習問題 4.4　誤り訂正学習法 4.5　学習プログラムを作成するときの注意点（その1） 4.6　プログラム例：AND ゲートの学習問題 第5章　ニューラルネットワークに勾配降下法を適用する 5.1　活性化関数（その2）：シグモイド関数 5.2　単純パーセプトロンに確率的勾配降下法を適用する 5.3　学習プログラムを作成するときの注意点（その2） 5.4　プログラム例：単純パーセプトロンの確率的勾配降下法 5.5　単純パーセプトロンにミニバッチ勾配降下法を適用する 5.6　プログラム例：単純パーセプトロンのミニバッチ勾配降下法 第6章　単純パーセプトロンを組み合わせる 6.1　パーセプトロンを「多出力」にする 6.2　活性化関数（その3）：ソフトマックス関数 6.3　多出力のパーセプトロンに確率的勾配降下法を適用する 6.4　学習のためのデータを十分に用意しよう 6.5　プログラム例：アイリスの種類を判別する学習問題 第7章　ニューラルネットワークを2層にする 7.1　ニューラルネットワークの層を重ねる 7.2　1出力2層のニューラルネットワークの確率的勾配降下法 7.3　XORゲートの学習問題 7.4　プログラム例：XORゲートの学習問題 第8章　ニューラルネットワークを多層にする 8.1　多出力多層のニューラルネットワーク 8.2　一般的なニューラルネットワークの確率的勾配降下法 8.3　誤差逆伝播法 8.4　学習プログラムを作成するための補足説明 8.5　プログラム例：手書き数字を認識する学習問題 第9章　Kerasを使ってプログラミングする 9.1　Kerasとは何か 9.2　Kerasの導入 9.3　Kerasを用いたプログラムの基本構成 9.4　Kerasを用いたプログラムにおける損失関数 9.5　Kerasを用いたプログラムにおける学習アルゴリズム 9.6　Kerasを用いたプログラムにおける学習の評価指標 9.7　Kerasを用いた学習プログラムの例 第10章 CNNで時系列データを処理しよう 10.1　畳み込みとは何か 10.2　CNN（畳み込みニューラルネットワーク） 10.3　活性化関数（その4）：tanh関数 10.4　1次元CNNのプログラム例 10.5　Kerasによる1次元のCNNの実現 10.6　Kerasによる1次元CNNのプログラム例 第11章 RNNで時系列データを処理しよう 11.1　簡単な再帰型システム 11.2　RNN 11.3　簡単なRNNの学習アルゴリズム 11.4　簡単なRNNのプログラム例 11.5　KerasによるRNNの実現 11.6　KerasによるRNNのプログラム例 第12章 ディープラーニングで画像認識を行おう 12.1　2次元畳み込み 12.2　活性化関数（その5）：ReLU関数 12.3　画像処理の2次元CNNのプログラム例 12.4　Kerasによる2次元CNNの実現 12.5　Kerasによる2次元CNNのプログラム例

※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。 ポストコロナ時代、企業はどうあるべきか？生き残りにはDXによる変革が一段と重要に――。 ポストコロナ時代、企業の在り方が問われる時代になった。本書では、単なる概論にとどまらず、金融、公共、流通といった業界を中心にDXの最新動向を追いかける。さらにデジタル庁のトップ、日本を代表する大手金融機関トップのインタビューを含め、ほかでは読めない独自コンテンツを満載した1冊。 ■総合解説 ポストコロナ、DXはこう進む ■金融DX最新動向 地銀の反転攻勢 東京海上、正攻法のＤＸ インタビュー 東京海上ホールディングス社長 小宮暁氏 勘定系の新常態 インタビュー ＳＢＩホールディングス社長　北尾吉孝氏 「ｅＫＹＣ」急拡大／岐路の全銀システム／CAFISの葛藤　求められる競争原理 迷走、給与デジタル払い　賛否拮抗で解禁見えず　ほか ■公共DX最新動向 激変する行政システム／デジタル庁 その理想と課題 役所・銀行・薬局　マイナカード利用に挑む／デジタル庁の試金石　ワクチン接種ＤＸ 政府テレワークの今　拒むのは技術にあらず　ほか ■流通DX最新動向 クルマも化粧品も　「ノールック商売」台頭 デジタル直販「Ｄ２Ｃ」　最新ＥＣ誰でも手軽に 物流、再発明　ほか ■DXコラム システムの保守運用体制が瓦解　他人事ではない、みずほの惨事 量子コンピューターとメタバース　ＩＴ産業と社会を変える技術はこれ ２０２２年に日本のＤＸの真価を問う　「地獄の沙汰」が意味するもの 日本のＤＸを阻む規制を見直す　デジタル臨調への期待と不安 公取委がＩＴ業界の暗部を調査　ＥＳＧで「見ぬふり」は許されず 岸田新政権

※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。 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。

AIの技術から歴史、 活用方法まですべて図解 確かな知識がつく「使える教科書」 【本書のポイント】 ・解説とイラストがセットで理解しやすい！ ・AIの基礎から最新のトレンドまでカバー！ ・機械学習やディープラーニングもすべて図解！ ・キーワードから知りたい項目を調べやすい！ ・初心者からエンジニアまで知っておきたい知識を収録！ 【こんな方におすすめ】 ・複雑なしくみからAIの歴史、最新動向まで広く理解したい人 ・AIシステムを発注・管理している人 【内容紹介】 現代においてAI（人工知能）は世の中に広く知れ渡っていますが、 技術の発展とともにますます活用される範囲は広がり、 私達の生活にとって欠かせないものになっていくでしょう。 しかし、AIの全体像をつかむには 複雑で難しい技術を知る必要があり、 初めて学ぶときには難易度の高さを 感じる人も多いのではないでしょうか。 そこで、本書では見開きで 1つのテーマを取り上げ、 図解を交えて解説しています。 最初から順に読んで 体系的な知識を得るのはもちろん、 気になるテーマやキーワードに 注目しながら読むなど、 状況に合わせて活用してください。 【目次】 第1章 AIを取り囲む全体図 第2章 AIの基本的なしくみ 第3章 AIにおけるデータの取扱い 第4章 機械学習のしくみ 第5章 ディープラーニングに関わる技術 第6章 様々なAIと実用化 第7章 他分野と交わり進化するAI 第8章 AIにまつわる様々な議論 第9章 未来のAI ※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。 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

推薦・細田守監督(『サマーウォーズ』『竜とそばかすの姫』) 生まれながらの身体を離れ、スキルをインストールせよ！ ロボット、バーチャルキャラクター、すべての人間がアバターとなり 一人の体験が、人類の体験になる—— 仮想空間[メタヴァース]に身体性をもたらすことで現実との融合をはかり、すべての人びとが身体と体験を共有し合う世界の実現を目指す気鋭の情報工学者の「思考」と「実践」とは。 米TIME誌「世界の発明50」に選出されるなど いま世界が注目する研究者・起業家による「テクノロジーの最前線」と「未来予測」! 目次 序章 誰か一人の体験が世界を輝かせる 第1章 感覚伝達とインターフェース ——新しいメディアの創造 第2章 BodySharing ——体験を入出力する未来のデヴァイス 第3章 サイバーとフィジカルが融合する世界 第4章 変容する脳と身体——ポストヒューマンへの解放 第5章 溶け合う心と知の変容——データ駆動社会における能動的誤配と自由意志 第6章 未来を創造する——2050年自己複製化[マルチスレッド]と死の克服 終章 未来を生み出すための物語

※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。 長年親しまれてきた『IT Text 情報セキュリティ』が待望の改訂！　情報セキュリティの最新の技術や標準化の動向、情報セキュリティにかかわる社会動向を反映 長年多くの大学・企業で採用されてきた『IT Text 情報セキュリティ』を、内容をアップデートし改訂2版として発行するものです。 初版の発行以降、暗号技術をはじめとして多くの技術が更新され、またセキュリティに対する関心の高まりや法令の整備など社会事情も大きく変化しました。そこで本書では、標準化などの最新動向や、量子コンピュータ、暗号資産、ブロックチェーンなどの最新技術に触れるとともに古い記述を改め、現代の情報セキュリティ技術を幅広く学ぶことのできる構成としました。また、情報倫理に関する記述を全面的に改め、初版発行後の社会動向やハクティビズムなど、情報技術者が身につけるべき知識を盛り込みました。 情報セキュリティの全分野を体系的に学習できる教科書としてお薦めの一冊です。 第1章　情報セキュリティ 第2章　共通鍵暗号 第3章　公開鍵暗号・ディジタル署名の基礎理論 第4章　公開鍵暗号 第5章　ディジタル書名 第6章　だ円曲線記号 第7章　暗号プロトコル 第8章　ゼロ知識証明と社会システムへの応用 第9章　ネットワークセキュリティ 第10章　インターネットセキュリティ 第11章　不正アクセス 第12章　情報ハイディング 第13章　バイオメトリクス 第14章　セキュリティ評価 第15章　情報セキュリティにおける倫理問題

※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。 情報システムの開発を担うために必要な実際の知識をわかりやすく解説したテキスト 本書は、これから情報システムの開発を担う方々を対象に、実際に必要となる知識をわかりやすく解説したテキストです。 「情報システムの開発とは何か」から始め、企業情報システムの開発の基礎とその品質の維持と新技術への対応、IE、アジャイル、UML、データフロー図、エンティティリレーションシップ図、ペトリネットによるシステム記述、IDEFといった基本をひととおり学ぶことができます。 ICT分野の学生、若手エンジニアにとって必読の書です。 ※本書は『IT Text ソフトウェア工学演習』の改題改訂書籍です。 第1章　情報システムの開発 　1.1　ソフトウェア指向から情報システム指向へ 　1.2　情報システムを学ぶ人たちへ 　1.3　情報システム 　1.4　情報システムの開発 　1.5　要求分析と設計 　1.6　ソフトウェア工学 　1.7　開発過程のモデル 第2章　企業情報システムの開発 　2.1　企業情報システムとは 　2.2　経営戦略とシステム化計画 　2.3　モデリングによる情報システム開発 第3章　企業情報システムの開発（品質と新技術への対応） 　3.1　高品質システム開発 　3.2　デジタルビジネス 第4章　IE 　4.1　IEの基本的な考え方 　4.2　モデル構築の基本要素 　4.3　教務情報システムの分析 　4.4　開発方法論としての補考 第5章　アジャイル開発 　5.1　要求の不確実性と仮説検証 　5.2　アジャイル要求 　5.3　アジャイル開発 　5.4　その他の手法、フレームワーク、テクニック 第6章　UMLによるシステム記述 　6.1　UMLの概要 　6.2　ユースケース図 　6.3　クラス図 　6.4　オブジェクト図 　6.5　シーケンス図 　6.6　コミュニケーション図 　6.7　状態マシン図 　6.8　アクティビティ図 　6.9　コンポーネント図 　6.10　配置図 第7章　データフロー図、ER図、ペトリネットによるシステム記述 　7.1　データフロー図 　7.2　ER図 　7.3　ペトリネット 第8章　IDEF によるシステム記述 　8.1　IDEF0の概要 　8.2　IDEF0によるセミナ情報システムの記述例 　8.3　IDEF0による医療情報システムの記述例 　8.4　IDEF3の概要 　8.5　IDEF3によるセミナ情報システムの記述例 　8.6　IDEF3による医療情報システムの記述例 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。 本書はアルゴリズムの基礎的な内容をJavaScriptを用いて解説したものです。従来の教科書で扱われていた内容を大幅に削減し，初等的なアルゴリズムに限定して実例を入れて詳しく解説しました。また，それらのアルゴリズムを用いて解ける問題のプログラム例をできる限り含めています。それは，著者がこのような基礎的なアルゴリズムの理解とプログラミングは不可分であると考えているからです。 本書を通じて多くの人たちがアルゴリズムの本質を理解して，そのスキルを色々な場面で，よりスマートで洗練されたシステムづくりのために発揮してもらえれば，本書の目的は十分に達成されたとものと考えます。

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 ※この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。 スモールなデータの解析手法・ノウハウが身につく！ Webデータや画像データに代表されるようなビッグデータが注目される一方で、機械の故障データのように発生自体がまれであったり、患者さんの検査データのように倫理的な問題からデータを集めることに制約があったり、あるいはデータの判読が専門家以外では困難で機械学習に利用しにくいデータは、どうしても忘れられがちです。ビッグデータの時代において、収集が難しいために私たちが忘れかけているデータのことをスモールデータとよびます。 スモールデータでは、測定されている変数の数に比べて学習に必要なサンプルが不足していたり、それぞれのクラスのサンプル数が極端に偏っていたりするため、深層学習のようなビッグデータの方法をそのまま適用するのは適当ではなく、異なるアプローチが必要になります。 本書は、スモールデータとはどのようなデータであるのかを具体的に紹介して、スモールデータ解析の基本となる次元削減と回帰分析を説明します。特に部分的最小二乗法（PLS）はスモールデータ解析の大きな武器となるでしょう。そして、機械学習においてモデルの性能向上のために必要な変数（特徴）選択を紹介し、特にクラスタリングに基づいた新しい変数選択手法を説明します。つづいて、不均衡なデータの解析手法と異常検知を紹介して、最後にスモールデータ解析についての筆者の経験に基づいたポイント・考え方を述べました。本書ではPythonプログラムとスモールデータ解析の例題を通じて、読者がスモールデータを有効に解析できるようになるよう工夫しています。 ビッグデータの世界は、もはやデータ量と資本力が支配するレッドオーシャンとなっています。しかし、スモールデータの世界は、まだまだ現場の創意工夫次第でデータから新たな価値を引き出すことのできるブルーオーシャンなのです。みなさんも、この未知の世界に飛び込んでみませんか？ 第1章 スモールデータとは 第2章 相関関係と主成分分析 第3章 回帰分析と最小二乗法 第4章 線形回帰モデルにおける入力変数選択 第5章 分類問題と不均衡データ問題 第6章 異常検知問題 第7章 データ収集や解析の心構え

※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が体系的に学べる。数式なしで！ 人工知能（AI）の第3次ブームが来ていると言われて久しいが，ディープラーニングを中心とした機械学習による本格的な社会実装が始まっているのが大きな特徴でもある．2021年度より文・理の区別なく大学初学年からAIに関する教育が実施されることが文科省で決まり，AI技術は本格的な過渡期に突入しようとしている．そこで本書では，文系学生を含めた様々な分野の読者に必須の教科書とするべく，AIの基礎から応用までを体系的に，ほぼ数式なしで解説した．AIと社会とのつながりやAIの限界などについても，これまでの研究の歴史を踏まえて紹介している。