●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

※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。 『データサイエンスってなんだろう？』 「データサイエンス」という言葉を聞いたことはあるけれど、内容がよくわからないという人に向けて書かれた入門書です。 できるだけ難しい数式は使わずに、データサイエンスの考え方や役割をイメージしやすく紹介しています。たくさんのデータを整理・分析して、未来を予測したり、よりよい判断をするための方法を学ぶのがデータサイエンスです。その根本には、「私たちが見るデータは、見えない確率のルールから生まれている」という考えがあります。 本書では、どんな分野で役立っているのかも具体例を通して解説し、データと向き合う力がこれからの社会でどれほど大切かを伝えています。専門家でなくても、データサイエンスの考え方に触れることは、自分の考える力を育てるために役立つ一冊です。

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

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 ※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。 数理最適化を使って現実の問題を解決できるようになる！ 　本書は、数理最適化の基礎から実務に応用する際のポイントや注意点まで、「モデリング」の観点を中心にして初学者にもわかりやすく解説します。 　モデリングには、「教科書的な問題」と「現実の問題」の間に大きな壁があります。本書は、数理最適化の実応用に日々取り組んでいる著者たちが、その経験をもとに、「数理最適化を使う際にどのようなことを気にするか」「どのように問題を捉えるか」などを、「数理最適化の考え方」としてまとめたものです。 　典型的な例題を、条件を変えながら深く考察しているので、様々に応用できるモデリングの考え方が身につきます。本書の「考え方」を習得することで、現実の問題を数理最適化を使って解決できるようになります。 また、モデリングスキルだけでなく、実際に数理最適化を応用する際のノウハウについても学べる点が特徴です。 　数学的な予備知識はなるべく仮定せず、必要となる概念は本を読み進める中で自然に身につくようになっています。 まえがき 第1章　数理最適化という考え方 1.1　数理最適化について知ろう 1.2　今，数理最適化が注目されている理由 第2章　実務に活かす数理最適化の考え方 2.1　数理最適化とモデリング 2.2　定式化，求解，分析 2.3　最適化ソルバー 2.4　数理最適化問題の分類 2.5　まとめ 第3章　数理最適化問題の問題構造という考え方 3.1　配合問題 3.2　輸送問題 3.3　生産計画問題 3.4　まとめ 第4章　二択が含まれる最適化モデルの考え方 4.1　二択を表す変数 4.2　取捨選択問題 4.3　輸送問題再訪 – 問題拡張１ 4.4　輸送問題再訪 – 問題拡張２ 4.5　まとめ 第5章　割り当てという考え方 5.1　世の中にある割当問題 5.2　割当図と割当表 5.3　割当問題のモデル化 5.4　まとめ 第6章　割当問題を応用するための考え方 6.1　人員配置問題 6.2　シフトスケジューリング問題 6.3　配送計画問題 6.4　まとめ 第7章　問題を分割するという考え方 7.1　問題を分割するとは？ 7.2　期間で分割する 7.3　粒度で分割する 7.4　問題構造で分割する 7.5　制約の強さで分割する 7.6　まとめ 第8章　数理最適化プロジェクトを成功させるための考え方 8.1　問題をどう定めるか 8.2　システム化における注意点 8.3　数理最適化プロジェクト開始前の見極め 8.4　数理最適化プロジェクト進行の要諦 8.5　数理最適化の課題の発見について 付録 A　Excelソルバー B　よく使う数学記号 C　スラック変数 文献案内 あとがき 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。 もう一つのLLM ―大規模言語モデルの一手法― 　解析木を中間データとする機械翻訳方式は，原言語解析木発生，原言語解析木から目的言語解析木への言語変換，目的言語解析木から目的言語文発生という縦続する3つの処理から構成される．このうち原言語文解析木発生処理は，方式が原言語文を理解することに相当し，処理誤りの9割がこの処理で発生するといわれている． 　本書の「文例を用いた文解析木発生方式」は，この原言語解析木発生動作を行うものであり，既存の機械翻訳方式KATEの解析木発生部分をベースとして，これに多数の文例文とその句構造解析結果である文例解析木の対を用いるための改良を加えた方式である．この方式は，大量の言語データを用いる点において大規模言語モデル（LLM）の一種といえる． 　「文例を用いた文解析木発生方式」は，1つのデータ対の効果が大きいことにより，学習データの枯渇の影響を受けにくいという利点が得られる．本書の後半で通常のニューラルネットワークを用いた単語列間変換（seq2seq）方式との共同動作の構想を示している．同一入力に対して「文例を用いた文解析木発生方式」とニューラルネットワークを用いたseq2seq変換方式という動作機構の全く違う2つの方式の出力間の共通部分を得ることにより，信頼度の高いデータ対を獲得し，それを新しいデータ対として用いることにより，両方式に対してより信頼性の高いデータ対の自動取得が可能となることが期待される． Ⅰ編　文解析木発生方式 序章 まえがき 1章 機械翻訳における文例を用いた文解析木発生方式の構成 2章 共通単語列の検出 3章 文例排他木の作成 4章 一時排他木木値算出 5章 上位被覆 6章 解析木発生 7章 禁止木非含有判定 8章 文解析木発生方式各部分の役割 9章 機械翻訳における文例を用いた文解析木発生方式の動作実験 10章 ニューラルネットワークを用いた単語列間変換との結合動作に関する構想 11章 ニューラルネットワーク単語列間変換による翻訳に対する1つの提案 12章 Ⅰ編のまとめ Ⅱ編　文解析木発生方式のアルゴリズム A. Ⅱ編の構成 B. 一時排他木木値ユニットを除く一時排他木発生モジュール C. 一時排他木木値ユニット D. 上位被覆モジュール E. 最大木値木発生ユニット F. 解析木発生モジュール G. ニューラルネットワークを用いた単語列間変換との共同動作 H. ニューラルネットワーク単語列間変換による翻訳に関するアルゴリズム

※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と一緒なら、できることがこんなに広がる！ ◆------------------------------------------------------------◆ 『生成AIと一緒に学ぶ Excel VBAふりがなプログラミング』は、生成AIを活用してExcel VBAやマクロの基本を楽しく学べる新しいスタイルの学習書です。企業のDX推進課を舞台に、「AIでプログラムを生成する」→「生成されたコードを読んで、ふりがなをふってみる」→「しくみを理解する」という実践的な流れで進行。プログラムにふりがなをふることで理解が深まり、Excel VBAの基礎をしっかり身につけられます。 AI生成のコードは、意図通りに動かないこともありますが、それを修正したりカスタマイズしたりする力を養えるのがこの本の大きな魅力。「Excel VBAを仕事で使いたい」「入門書で挫折した経験がある」という方にぴったりです。具体的なミッションを解決しながら、プログラミングスキルを楽しくステップアップできます。生成AIと一緒に、Excel VBAの世界に飛び込んでみませんか？ ■本書の内容 Chapter 1　「Excel VBAと生成AIでDXして！」といわれて Chapter 2　「1日でExcel VBAの基礎を身に付けて！」といわれて Chapter 3　「便利な小物マクロをたくさん作って！」といわれて Chapter 4　「見積書の作成を自動化して！」といわれて Chapter 5　「大量のデータの突合せ作業をやって！」といわれて Chapter 6　「ピボットグラフを自動的に作って！」といわれて ■本書はこんな人におすすめ ・Excel VBAの基本を身につけたい人 ・過去にExcel VBAの入門書で挫折してしまった人 ・仕事でExcel VBAを活用してみたい人

※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（2025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。

「メルマガ配信を自動化したい」「社内資料をもとに提案書を作成させたい」「お客様からの問い合わせに 24時間対応できる仕組みが欲しい」……こういったリクエストを耳にすることが増えてきました。AI（人工知能）はすでに私たちの生活に入り込み、日常生活や業務などのあらゆることを効率化してくれています。 しかし、実際に導入してみると、「思ったほどの精度が出ない」「期待したようには使えない」と戸惑う場 面も少なくありません。そういった背景には、AIに対する過度な期待と誤解があることがほとんどです。 あるいは「AIを使えば需要なんて簡単に予測できるんだろう」「提案書くらいAIに任せればいいじゃないか」……そんな言葉を、上層部や管理職の何気ない一言として耳にすることもあるでしょう。 「生成AIに任せてよい仕事」と「生成AIには任せてはならない仕事」の境界線は、どこにあるのでしょうか？ ブレーンストーミング、ドキュメント要約、営業AIエージェント、メルマガ生成といった活用事例をもとに、新進気鋭のデータサイエンティストが生成AI・LLM（大規模言語モデル）の可能性と限界、ビジネス活用の注意点を解き明かします。 【目次】 ◆第1章 AIで何ができるのか 【活用の基本】 1-1 生成AIがビジネスシーンで活躍する理由 1-2 ３つの生成AI活用例 ◆第2章 AI活用5つのキーワード【活用の段取り】 2-1 言葉のエンジン［LLM］ 2-2 うまく指示する技術［プロンプトエンジニアリング］ 2-3 外部情報を活用する［RAG］ 2-4 AIの司令塔［AIエージェント］ 2-5 研修で育成する［ファインチューニング］ ◆第3章 その仕事、AIには無理です【活用の現実】 3-1 ビジネス活用のハードルを乗り越えるには 3-2 営業ロールプレイングの課題 3-3 ドキュメントの質が左右する社内ナレッジ検索 3-4 「業務の流れの言語化」がAIエージェントを活かす 3-5 メルマガ生成で自社らしさを出すには ◆第4章 任せられる仕事、任せられない仕事【活用の戦略】 4-1 AI時代の成功の鍵 4-2 実際の現場が示す「生成AIとの協働」 4-3 「生成AIに任せてよい仕事」と「任せてはならない仕事」の境界線

※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に指示するだけで動画を作れる「動画生成AI」がこの1冊でわかる！　専門知識や高価な機材は不要で、誰もが動画クリエイターになれる時代が来ました。本書は「作りたい」をカタチにするための動画生成AIの活用ガイドです。基本操作はもちろん、クオリティを左右するプロンプト（指示文）のコツや、動画の素材にする画像の作り方、キャラクターを思い通りに動かす技術まで、動画生成AI利用のコツを解説しています。本書では高精度な動画生成AIサービス「Midjourney」を活用して動画を作ります。特典のプロンプトとサンプル画像をダウンロードして、すぐに実践可能です。ご自身のPCで手を動かしながら読み進めることで、動画制作のノウハウが自然と身につく、最初の一歩に最適な一冊です。

※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。 ※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。 見えないAIリスクを“見える化”する、生成AI時代の実務ガイド いま、生成AIを活用して新しいサービスを作りたい、自社の業務にAIを取り入れたいという企業が増えています。 しかし、導入や運用の段階で注意すべき法律上のポイントを、明確に理解している人はまだ多くはありません。 本書では、AIに関する法務リスクを体系的に整理し、「ここだけは押さえておきたい実務の勘所」を分かりやすくまとめています。 法律の専門書というよりも、「何を相談すればいいのか分からない」「どこまで聞けばいいのか迷う」という方のための、最初の一冊としてお役立ていただけます。 この書籍を読むことで、AIに関する法的リスクを全体的に把握できます。 開発や運用における法務上の問題点を、一般論から具体的な事例まで体系的に理解できます。 〇AIに関する法的リスクを全体的に把握できる 開発や運用における法務上の問題点を、一般論から具体的な事例まで体系的に理解できます。 〇AI導入・運用の各段階で注意すべきポイントが分かる 企画・開発・運用といったフェーズごとに、どの場面でどんなリスクがあるのかを明確にできます。実際に注意点を把握したうえで運用・開発計画が立てられるので、計画進行中のトラブル発生のリスクを軽減できます。 〇参照すべき法律・ガイドラインを見つけられる ポイントを把握することで、自社に関係するルールやガイドラインをスムーズに確認できます。 〇有識者・法律家・弁護士への相談がスムーズになる どのように相談すれば良いかのイメージがつかめるため、具体的で効率的なやり取りが可能になります。結果として、法務上・ビジネス上の落とし穴を事前に可視化でき、無駄なコストやトラブルを避けられます。 ◎有識者・法律家・弁護士に相談するための下地をつくり、安心してAI活用を進めるための実務的なガイドブックです。 AIを活かした開発や事業を安全に、そして前向きに進めたい方におすすめです。 序章　LLM開発者、LLMを使うスタートテック経営者の皆様へ 第1章　LLMモデル開発、運用とかかわる法律権利の一覧 第2章　LLMモデルの開発運用までのスケジュール 第3章　モデル開発に関する法務 第4章　モデル運用に関する法務 第5章　LLM開発者、提供者として知るべきAIに関する考え方 第6章　おわりに―開発運用後にLLM事業者の進むステージ

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

※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。 生成AIおよびエージェントが拓くソフトウェア開発新時代 - 学会監修による全工程網羅の体系、事例、動向 　本書は、情報処理学会ソフトウェア工学研究会の監修のもと、生成AI・LLM・エージェントをソフトウェアの設計からテスト、運用・保守にいたる全工程、さらにはマネジメントにまで組み込むための実践的な体系をまとめた一冊です。表面的な技術の流行にとらわれず、事例や研究動向を交えながら、社会や産業における新たな方向性を解説しています。 　生成AIは、従来の自動化ツールでは困難だった多様で複雑なタスクを、思考のプロセスをともない、人と自然に対話するように遂行できます。これにより、顧客の声を的確に反映し、価値を継続的に高め、効率的かつ信頼性の高い開発と運用が可能になります。本書を通じて、従来の常識を超えたAI時代の開発のあり方を体得してください。 Chapter 1　生成AIの仕組み Chapter 2　生成AIによるソフトウェアの要求 Chapter 3　生成AIによるソフトウェアの設計 Chapter 4　生成AIによるプログラムの実装 Chapter 5　生成AIによるソフトウェアのテスト Chapter 6　AIエージェントによるソフトウェア開発の自動化 Chapter 7　生成AIの評価 Chapter 8　生成AIを活用したプロセスとマネジメント Chapter 9　生成AIによるソフトウェア産業の将来

※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。 感性情報処理では，人々のものやコト，サービスに関する感性情報を収集し，それらを解析して，どのような要素や特徴が人々のどのような感じ方につながるのかを解明したり，人々の感性情報を用いて，その人好みのものやコト，サービスを提案するシステムを開発したりします．本書では，感性情報処理について，特に前者に焦点を当て，ざっくばらんに理解することを目的としています．主眼点は，感性情報を得る対象はどのようなものか，感性情報はどのように計測されるか，取得した感性情報はどのように解析･利用されるかの3点です．

※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。 「やりたい！ができる」シリーズは、生成AIを使って「やりたいことを叶える」ための指南書です。 生成AIを仕事や生活にもっと活用したい、生成AIでアプリ開発やイラスト制作にチャレンジしたい、そんな「やりたい」を実現するための方法を、その道の第一人者に教えてもらいます。 Officeツールの使い方をわかりやすく解説するYouTubeチャンネル（登録者数45.6万人）やオンライン講座で人気の「ユースフル（長内 孝平氏）」を著者に迎え、Copilotの基本から実践までを、初心者の視点に立って丁寧に解説します。 無料で使えるCopilot（MicrosoftのAIチャット）を中心に、Copilotを業務に取り入れて“やりたいことができる”状態に変えていくための会話術と活用ノウハウを紹介。 メール作成や情報整理、資料の要約、アイデア出しの壁打ちなど、日々の業務をスムーズにする具体的な使い方を、対話形式で楽しく学べます。 セキュリティ設定や情報漏えいリスクへの対処法といった、業務で安心して使うためのAIリテラシーも、専門知識がなくても理解できるよう丁寧に解説。 無料版と有料版の違いにも触れながら、Copilotを正しく、安全に使いこなすための知識が身につきます。 Copilotの導入を検討している方はもちろん、生成AIをこれから活用したいビジネスパーソンにも最適な一冊です。

※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。 「やりたい！ができる」シリーズは、生成AIを使って「やりたいことを叶える」ための指南書です。生成AIを仕事や生活にもっと活用したい、生成AIでアプリ開発やイラスト制作にチャレンジしたい、そんな「やりたい」を実現するための方法を、その道の第一人者に教えてもらいます。 本書では、『新たなAI活用を作る』AIディレクターであり大人気YouTuberでもあるKEITOさんと一緒に、生成AIに指示を出しながらアプリを作っていく様子を紙上で再現。ちょっとしたコツや難しいポイントもじっくり掘り下げながら丁寧に解説しているので、プログラミングなどの専門知識がなくても楽しくアプリづくりを実現できます。 【本書で作るアプリ】自分専用のAIチャットボット、SNS画像生成アプリ、音声日記アプリ、リスキリングに役立つ英単語クイズアプリなど 【使用AIツール】カスタムGPT、Claudeアーティファクト、Dify、bolt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。 Windows 11に標準搭載のAI「Copilot」の基本から便利な使い方まで紹介。著作権侵害や情報漏洩のリスクといった注意点や、プロンプトを設定するコツも紹介しているため、生成AIの進化に合わせて長く利用できます。また、調べものや資料作成、アイデア出しなど、仕事や日常における様々な作業にCopilotを役立てる方法を満載しています。さらに「Microsoft 365」と組み合わせて使う方法も解説。Word、Excel、PowerPointなどのアプリで作業を効率化する方法も紹介しています。

※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。 クラウドベースのWebアプリ開発ツール「Replit」とその生成AI機能「Replit Agent」の解説書籍。環境構築からコード生成までAIが支援する開発手法をフレームワークや知識データベースとともに徹底解説。

※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。 手を動かして理解する、実務で役立つMLOps 本書は、サービスに活用できる機械学習システムの開発・運用を解説する書籍です。 　機械学習をサービスで活用するとき、機械学習モデル自体ではなく、運用上・管理上の問題に直面することは数多くあります。どれだけ優れた機械学習モデルを構築できたとしても、それをサービスに活かすためのシステムがなければ運用できません。 　そこで本書では、機械学習システムを運用するための技術であるMLOpsを、機械学習システムの構築を通じて学んでいきます。具体的には、広告クリック率をリアルタイムで予測する機械学習システムをAWS上にデプロイします。 　機械学習パイプラインや推論サービスの構築だけでなく、バージョニングやシステム監視など、サービス活用のために必要とされる一歩進んだ内容にまで踏み込んでいる点が特徴です。 【このような方におすすめ】 ◎ 機械学習システムに関わるソフトウェアエンジニア ◎ 開発だけでなくデプロイまで行うデータサイエンティストや機械学習エンジニア 〇 機械学習をビジネス活用しようと考えているプロダクトマネージャー 〇 機械学習をサービスで活用している企業で働きたいと考えている大学生 はじめに・目次 1章　MLOps概要 2章　環境構築 3章　モデル作成 4章　機械学習パイプライン 5章　実験基盤 6章　バージョン管理 7章　CI・CD 8章　推論サービス 9章　継続的学習 10章　監視 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。 現場で使えるLLMを構築、本番環境に展開！成功へ導くための包括的なガイド本書では、大規模言語モデル（LLM）を実装し、本番環境にデプロイするためのノウハウを解説。LLMの基礎概念から、実装、デプロイ、運用、管理における複雑な課題とその解決策まで、包括的に取り上げます。まず、LLMの可能性と限界、そして自社構築か既存サービスかの判断基準などから説明。また、運用（LLMOps）に関しては、ダウンロード時間、デプロイ時間、レイテンシー、GPU管理、トークン制限、ハルシネーション、バイアスといった具体的な課題への対策を詳しく解説。データエンジニアリングの重要性にも触れ、成功に不可欠なデータ準備、評価指標、クリーニング、前処理を説明。トレーニングとファインチューニングのほか、効果的なプロンプトエンジニアリングについても具体的に紹介。さらに、Llamaの再実装、Raspberry Piというエッジデバイスへのデプロイ、AIコーディング拡張機能の構築など、読者が自らの手で動かせるようなサンプルプロジェクトを説明します。本書は、LLMの可能性を最大限に引き出し、実際に機能する製品に変えるために必携の一冊となっています。※ 本書は『LLMs in Production: From language models to successful products』（Manning Publications）の翻訳書です。※本書の内容はPythonとPyTorchの知識があることが前提となっています。【章構成】第1章 言葉の覚醒：なぜLLMは注目を浴びたのか第2章 LLM：言語モデリングの本質を探る第3章 LLMOps：LLM向けのプラットフォームを構築する第4章 LLMのためのデータエンジニアリング：成功へのステップ第5章 LLMの訓練：生成モデルの作り方第6章 LLMサービス実践ガイド第7章 プロンプトエンジニアリング：プロンプトの魔術師になる第8章 LLMアプリケーションの構築：インタラクティブな体験を作り出す第9章 LLMプロジェクトの作成：Llama 3を再実装する第10章 AIによるコーディング支援プロジェクト：この機能がもっと早くほしかった第11章 Raspberry Piでのデプロイ：限界に挑戦第12章 本番環境は絶えず変化する：物語はまだ始まったばかり

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 インターネット上に蓄積された、膨大な量のデータを活用できるようにするため、いまデータサイエンスが注目されています。本書はそうしたデータサイエンスの基礎技術や関連するAI技術などのことをオールカラーでビジュアルに解説します。 ■世界中に雲のように存在するビッグデータ 現在、インターネットを介して誰でも閲覧できるサーバーが無数にあります。そこには文字情報だけでなく画像、音声、動画などの膨大な情報があります。こうした未整理の状態の複雑なデータをビックデータと呼びます。 ■ビッグデータから宝を掘り出す このビッグデータはただのガラクタの山ように見えて、じつはこの中にはお宝が埋まっています。お宝を、道具を使って採掘することをデータサイエンスではデータマイニングと呼びます。 ■データ分析の技術やツール 本書では、データの山から必要なデータを抽出する方法やデータから意味のある情報を取り出す統計の技法、ツールのことを、イラストや模式図、チャート図、表などを使ってフルカラーでていねいに解説しています。 ■切っても切れないAI技術との関連 また本書では、AIがデータを分析する手法であるニューラルネットワークやビッグデータを使ってニューラルネットワークを強化する機械学習、ディープラーニングについてもていねいに解説しています。

※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。 フリーソフトのScilabを使ってシステム制御を理解できる！ 　「制御工学」は数学的な知識を前提に解説されるが、現場では数値解析ソフトを使って設計がなされる場合が多い。 　本書は、フリーソフトであるが入門には十分な機能があるScilabでの演習を通じて「制御工学」を実感し、必要な知識を身に付けられることを目的としたテキストで、豊富な例題により自習書としても役立つ。 このような方におすすめ ・高専、大学学部、大学院、専門学校の学生（教科書・参考書・自習書として） ・上記学校の教員 ・制御関連の初級技術者 主要目次 第１章　はじめに 第２章　Scilab入門 第３章　システム制御に必要な数学 第４章　伝達関数とブロック線図 第５章　時間応答 第６章　周波数応答 第７章　フィードバック系の安定性 第８章　PID制御 第９章　状態方程式の構造と性質 第10章　状態フィードバックとオブザーバ 第11章　最適制御 第12章　ディジタル制御

※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。 「データを伝える力」を高める、データ実務者のためのデザイン原則 データ理解からデザインの基礎、ダッシュボード設計まで網羅した可視化の必読書 （Data Graphics Inc. 荻原和樹 推薦） データビジュアライゼーションデザインの実践に役立つ知識を体系的に解説。データの基礎知識から人間が情報をどう認識・処理するか、アクセシビリティ、色彩理論、タイポグラフィ、良いチャートの作り方、インタラクションデザイン、ダッシュボード設計まで幅広く紹介しています。 ●目次 第1部 　第1章 データビジュアライゼーションの世界にようこそ 　第2章 人はどのようにして情報を認識するか 　第3章 データについての基礎知識 第2部 　第4章 色の選択 　第5章 タイポグラフィ 　第6章 よいチャートの作り方 　第7章 インタラクションデザイン 第3部 　第8章 調査立案、デザイン設計、製作開発 　第9章 トラブル対策 付録　参考資料 ●著者 ●著者 Desireé Abbott 製品分析、ビジネス インテリジェンス、科学、設計、ソフトウェア エンジニアリングの分野で10年以上の経験を持つ。 ●日本語版監修 山辺真幸　博士（政策・メディア） 情報可視化研究者。一橋大学大学院ソーシャル・データサイエンス研究科特任講師、慶應義塾大学大学院メディアデザイン研究科特任講師。複雑な大規模データのビジュアライズデザインを専門とし、手掛けた作品は、NHK、日本科学未来館などで展示されている。グッドデザイン賞、可視化情報学会賞、他受賞多数。 ●翻訳 長尾 高弘 株式会社ロングテール社長、技術翻訳者。最近の訳書として『数式なしでわかるAIのしくみ』（マイナビ出版）、『Wiring the Winning Organization　成功する組織を導く3つのメカニズム』（日本能率協会マネジメントセンター）、『scikit-learn、Keras、TensorFlowによる実践機械学習 第3 版』（オライリー・ジャパン）、『Web APIテスト技法』（翔泳社）、『継続的デリバリーのソフトウェア光学』（日経BP 社）、『Scalaスケーラブルプログラミング 第4 版』（インプレス）などがある。 ※この商品は固定レイアウト型の電子書籍です。 ※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、文字列のハイライトや検索、辞書の参照、引用などの機能が使用できません。 ※お使いの端末で無料サンプルをお試しいただいた上でのご購入をお願いいたします。 ※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

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

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

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

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 ★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。 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。 AIエージェント時代の標準規格MCP（モデル コンテキスト プロトコル）の入門書。 大バズりしたスライド「やさしいMCP入門」の著者が新技術の基礎をやさしく解説。 Chapter 1　MCPとは Chapter 2　MCPの仕組み Chapter 3　MCPを実際に触ってみよう Chapter 4　MCP対応クライアント紹介 Chapter 5　MCPサーバー紹介 Chapter 6　MCPサーバー紹介（開発者向け） Chapter 7　MCPがもたらすビジネスインパクト Chapter 8　MCPの展望と今後の発展

※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。 Transformerを用いた代表的検出モデル「DETR」を中心に、ViT（Vision Transformer）による物体領域の検出、「CenterNet」による中心点予測型の検出、言語生成型アプローチである「Pix2Seq」、さらには「RetinaNet」などのCNN系アーキテクチャまで幅広くカバー、近年の物体検出分野の主要モデルを、比較・理解しながら習得できます。 全編にわたり、「Keras」（一部対応）と「PyTorch」の両ライブラリに対応しており、モデルの構築、推論、可視化、バックボーン（ResNet101/152）の変更や、COCOデータセットを用いた大規模推論処理の実装までを丁寧に解説しました。 画像分類のその先…「どこに、何があるのかを検出する」という実践的課題に挑むすべての人にお勧めの一冊です。 1章　開発環境について 2章　ViTモデルによる物体領域の検出（Keras） 3章　ViTモデルによる物体領域の検出（PyTorch） 4章　CenterNetによる物体領域の検出（PyTorch） 5章　DETRモデルによる物体検出（ResNet101） 6章　ResNet152をバックボーンとするDETRによる物体検出 7章　COCOトレーニングセットを使用下物体検出 8章　事前トレーニング済みDETRモデルによる物体検出 9章　Pix2Seqモデルを用いた物体検出（PyTorch） 10章　RetinaNetによる物体検出（Keras）

※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。

※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。 はたしてなぜ生成AIは嘘をつくのか？ ハルシネーションの原理とその対策を一からわかりやすく解説 　生成AIを利用する際に最も厄介な問題となるのがハルシネーション（hallucination）です．ハルシネーションは幻覚とも呼ばれる現象で，一見もっともらしいのに，まったく正しくない文章が生成されることをいいます．これによって，実際にはありもしない発言や事実が大量につくり出され，SNSなどで拡散されて私たちの社会や認識を大きくゆがめてしまっています．これからの情報系エンジニアにとって，ハルシネーションの対策に必要な知見やスキルは非常に重要です． 　本書では，ハルシネーションに挑むための土台となるべき自然言語処理や機械学習の基礎的な知識や，「言語の正しさ」に関する基本的な知見から解説しています．そして，これまで研究されてきたハルシネーションの検出方法や，LLMの学習方法および構造の改善，RAGや外部モデルの利用によるハルシネーション対策について解説しています．　AI関連の技術は日進月歩で進歩していますが，エンジニアにとって重要なことは流行に乗り遅れないことより，少しずつ自分の引き出しを増やしていくことであると考えられます．この観点から，本書では「スタンダードな手法への手っとり早い入門」という以上の価値を提供できるように心がけています． Chapter 1　自然言語処理の基礎 1.1　自然言語処理とは 1.2　トークン化と分散表現 1.3　言語モデル 1.4　自然言語処理の評価指標 1.5　言語の研究の歴史 Chapter 2　統計学と機械学習の基礎 2.1　帰　納 2.2　統計的推測 2.3　強化学習 2.4　さまざまな生成AI Chapter 3　TransformerとLLM 3.1　Transformer登場の背景 3.2　Transformerの内部構造 3.3　学　習 3.4　TransformerによるLLM 3.5　ChatGPT 3.6　さまざまな大規模言語モデル Chapter 4　ハルシネーションの基礎 4.1　ハルシネーションとは 4.2　事実性／忠実性 4.3　内在型／外在型 4.4　文や知識の正しさとは 4.5　ハルシネーションの発生源 4.6　ハルシネーションの検出と評価 4.7　ハルシネーションに関する評価ベンチマーク Chapter 5　ハルシネーションの抑制 5.1　学習データの改善 5.2　デコーディング方法の改善 5.3　モデル構造の改良 5.4　プロンプトエンジニアリング Chapter 6　外部知識活用にもとづく生成 6.1　検索を組み合わせた生成 6.2　疎ベクトル検索 6.3　密ベクトル検索 6.4　知識データベース 6.5　RAGの発展的な話題 6.6　ツール拡張生成

◆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。

AI開発に必要な 数学の基礎知識を しっかり習得！ 【本書の目的】 本書は線形代数、確率、統計／微分といったAI開発に必要な数学の基礎知識をコードを動かしながらわかりやすく解説した書籍です。 【対象読者】 ・数学がAIや機械学習を勉強する際の障壁になっている方 ・ビジネスでAIを扱う必要に迫られた方 ・数学を改めて学び直したい方 ・文系の方、非エンジニアの方で数学の知識に自信のない方 ・コードを書きながら数学を学びたい方 【第2版のポイント】 ・Python 3.12に対応 ・Anaconda及びライブラリのバージョンアップに対応 【目次】 序章　イントロダクション 第1章　学習の準備をしよう 第2章　Pythonの基礎 第3章　数学の基礎 第4章　線形代数 第5章　微分 第6章　確率・統計 第7章　数学を機械学習で実践 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（https://sai-lab.co.jp）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。Web上のコミュニティ「自由研究室 AIRS-Lab」を主宰。オンライン教育プラットフォームUdemyで、20万人以上にAIを教える人気講師。複数の有名企業でAI技術を指導。 ※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。

本書では激化する東西AI覇権争いの最前線を読み解き、AIの本質と未来像を示します。さらに、この東西AI覇権争いの狭間で、日本はどう立ち向かうべきかを解説します。日本が独自の強み――漢字文化、省エネ技術、文化翻訳――を武器に、AI先進国へと飛躍するための具体的な戦略を提言します。AIの最前線を知り、次の一手を考える上で、欠かせない視点を提供する一冊です。

※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。 ※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

日本のAI研究の第一人者（『AIに心は宿るか』の著者。手塚治虫AI新作漫画プロジェクトにも参加）松原仁さん推薦！ 「現代の手習いは『読み・書き・情報』！　その基礎となる必須の知識がこの一冊に」 高校必修科目の「情報Ⅰ」、文理共通で必修化が進む大学の「数理・データサイエンス・AI」（リテラシーレベル）にも対応！★高校生から社会人に必須の2100語（用語1800語、重要人名300人）を収録。全用語に英語を並記したコンパクトな用語辞典です。

※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。 医療健康情報に関するデータを適切に取り扱うための知識をわかりやすく整理！ IT技術者を主要読者対象として、医療健康情報を高度に活用するための、医療倫理にもとづくELSI（Ethical, Legal, Social Implications）、ならびに、関係法令等についてわかりやすく解説した書籍です。 医療健康情報の活用の歴史やポイント、および、医療健康情報を扱う研究者・技術者ならば当然抑えておくべき倫理的配慮、ならびに活用事例や課題についてまとめています。 人の医療健康にかかわる分析や、生成AIとの連携など、今後の発展や方向性に興味がある方にもお勧めです。 第1章　医療におけるDX～なぜ、医療機関で情報処理技術者が必要とされるのか？～ 第2章　医療機関の現状と課題 第3章　医療健康情報の利活用の現状と課題 第4章　医療保健情報を取り巻く法制度と解説 第5章　匿名加工医療情報、仮名加工医療情報の利活用

※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。 ｟生成AIの登場で社会が変わった｠ 人工知能の最前線 AI技術の可能性と限界を知り 将来の社会の変革に備える。 ｟最新用語とメカニズムを基礎から学ぶ！｠ ●生成AIとは ●トランスフォーマーモデルとは ●大規模言語モデル（LLM） ●LLMの覇権を巡る争い ●AIの弱点となる「ハルシネーション」 ●独自情報に対応する「RAG」 ●続々と登場する「日本語LLM」 ●自律学習型汎用AI ●AI業界の覇者「NVIDIA」の今後の戦略 ●AGIとSGI、強いAIと弱いAI ●バーチャルとロボットとAIエージェント ●AIの開発、機械学習、モデルの作成・推論 ------------------------------------------------------ 最近ChatGPTとか生成AIとか、Office AIとか人工知能(AI)のことを知らないとマズイようだが、簡単に知りたい。 いまビジネスマンが知りたい、現在の人工知能がビジネス的にどこまで活用できるのかという疑問がわかる本。 進化の激しいAIについて、最新の状況をさっと知ることができます。

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 プロンプトエンジニアリングの入門書です。プロンプトエンジニアリングの基本的な手法から、最後は生成AIを利用したアプリを作成する方法まで説明します。プログラマでなくても、プロンプトエンジニアリングを覚えれば生成AIを利用するだけでなく、AIを利用したアプリまで作れる、という内容です。

※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。 ◆「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。 DX・AI時代における技術の本質を掴む！データ基盤技術の叡智とビジネス活用を徹底解説 ★大規模プロジェクトを複数手掛ける著者2名が執筆！ ★500ページ超のボリュームで包括的に解説！ 近年、データ活用の重要性が高まる一方で、適切な技術を選んで効果的に活かすことは容易ではありません。データ基盤の構築手段は多様化しているため、どの技術をどのように組み合わせるべきか迷う場面も多いでしょう。 本書は、ビジネスの成長に不可欠な「データプラットフォーム」の構築と活用について解説する一冊です。ユーザー行動やセンサーログなどのデータを収集・整理し、ETL処理やELT処理を経て価値ある情報に変換し、意思決定に活かす方法を紹介します。データ品質の維持や、効率的な分析手法についても詳しく解説しています。 DX（デジタルトランスフォーメーション）が進むなか、データとデジタル技術の役割はさらに重要になっています。本書では、Apache Sparkをはじめとする技術の選定や活用方法、設計の考え方を詳しく解説。最新技術だけでなく、将来の変化にも対応できる普遍的な知識を提供します。データを活用してビジネスの競争力を高めたい方、最適なデータ基盤を構築したい方は、本書を通じてデータプラットフォームの理解を深め、より効果的な活用を目指しましょう。 ＜本書で紹介する要素技術・原則（一部）＞ ・ログ転送：Fluentd ・アーキテクチャパターン：CQRS+ES、Delta、Kappa、Lambda、Lakehouse、メダリオンアーキテククチャ ・データフォーマット：Apache Hudi、Apache Iceberg、Delta Lake ・データレイク：Apache Spark、Databricks ・データウェアハウス：Amazon Redshift、Google BigQuery、Snowflake、Treasure Data ・ストリーミング：Amazon Kinesis、Apache Kafka ・ジョブスケジューラ：Apache Airflow、Digdag ・ETL処理：Apache Spark、Embulk ・ELT処理：dbt ・BIツール：Metabase、Redash ・データサイエンス：A/Bテスト、LLM、MLflow ・設計開発：データメッシュ、ドメイン駆動設計（DDD）、RDRA ・法則・原則：DIKWモデル、SOLID原則、YAGNI原則 Chapter 1 データプラットフォーム概論 Chapter 2 データプラットフォームの構成要素 Chapter 3 ログ転送 Chapter 4 データ変換・転送（バッチ編） Chapter 5 データ変換・転送（ストリーミング編） Chapter 6 データプロビジョニング Chapter 7 データマネジメントを支える技術 Chapter 8 要件分析 Chapter 9 データプラットフォームの構築 Chapter 10 データプラットフォームの改善 ＜著者＞ 島田 雅年（Masatoshi Shimada） インターネット広告、動画メディア、リテール、金融、官公庁など、さまざまな業界のプロダクト設計や開発に従事。得意分野は、組織内のデータを整理して、企業価値の向上を目的とするビッグデータ処理基盤構築。データ活用の現場では、営業職などのビジネス職域における多彩な課題が存在するケースが多く、円滑なデータ提供を支えるデータプロビジョニングシステムの構築はもちろん、組織構築や教育支援などのコンサルティングも手掛ける。 藪本 晃輔（Kosuke Yabumoto） 10年以上にわたりインターネット広告のプロダクト開発に従事。大量のトラフィックを処理する広告配信システムをはじめ、データ管理システムや広告効果計測ツール、媒体収益化など、さまざまなインターネット広告関連プロダクトにて、プロジェクトマネージャーや開発責任者を歴任。ロケーションデータを活用したインターネット広告事業を展開する株式会社ジオロジックではCTOに就任し、データプラットフォーム構築を中心に、エンジニアリングマネージャーから設計・開発まで幅広く担当。現在はスマートニュース株式会社にて、エンジニアリングマネージャーとして広告システムの開発に従事。 ＜編集者＞ 丸山 弘詩（Hiroshi Maruyama） 書籍編集者。早稲田大学政治経済学部経済学科中退。佐賀大学大学院博士後期課程編入（システム生産科学専攻）、単位取得の上で満期退学。大手広告代理店勤務を経て現在は書籍編集に加え、さまざまな分野のコンサルティングや開発マネジメントなどを手掛ける。著書に『スマートフォンアプリマーケティング 現場の教科書』（マイナビ出版）など多数、編集書籍に『ブロックチェーンアプリケーション開発の教科書』『ビッグデータ分析・活用の ためのSQLレシピ』（マイナビ出版）など多数。 ※この商品は固定レイアウト型の電子書籍です。 ※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、文字列のハイライトや検索、辞書の参照、引用などの機能が使用できません。 ※お使いの端末で無料サンプルをお試しいただいた上でのご購入をお願いいたします。

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

令和のビジネスマンにはデータ分析が求められています。 もはや特定の専門家だけのものではありません。 大人気書籍「Python実践 データ分析 100本ノック」の著者が、 数字で考える思考技術を伝授します。 --- 『ＡＩを使う側になる』 数字で考える技術と 現代に必要な発想法。 実はデータ分析の世界は、想像以上に “クリエイティブ”で“楽しい”のです。 ―――― データを活用するためのツールや技術が広まっています。 TableauなどのBIツールなどで、今ある手持ちの数字を、デジタルデータ化するという流れは非常に多く、グラフ化、ビジュアル化、データ基盤やダッシュボードなどは多くの企業で導入されています。 しかしながら、言われたとおりにデータをビジュアライズすることができても、その意味を理解するデータ分析脳が育っていないので、手順通りにやってみたにとどまり、説明ができずにデータが活用できていません。 本書は、その何故と方法を結び付け、データ分析をするための思考を学ぶことのできる必読の書籍です。

※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。 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

本書では，情報技術の利活用を通して重要になる情報ならびに情報技術に係る倫理についての様々な考え方を紹介します．本書により①倫理と情報技術についての用語を理解②情報技術開発で必要となる倫理面での課題と解決手法を理解③情報技術がもたらす社会的影響を理解④情報技術者が遵守すべき法令と制度を知っている、これらの能力を身につけられることを想定しています．発展を続ける情報技術社会の中で本書を役立てていただければ幸いです．

※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。 2000年以降は、ICTの目まぐるしい進歩があり、特にAIによる様々な分野への影響が広がり、社会現象としてこれまでにない様相が生まれつつあります。現象に内包される要因を正しく認識し、本質的な視点で問題解決を行うには、対象を正しくモデル化することが鍵となります。利用できる数理モデルを体系的に理解しておく必要があることから、本書では「システム数理」としてまずは導入となる内容をまとめました。

※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。 ヒューマンコンピュータインタラクションの基本をわかりやすく解説する定番の教科書、改訂3版！ 本書は、人間の感性や認知に関する基礎知識とともに、対話システム、GUI、インタフェースの評価技術など、人間とコンピュータの親和性が高いシステムづくりに必要な技術を解説する教科書としてご好評いただいている『IT Text ヒューマンコンピュータインタラクション』の改訂3版です。今回の改訂では、XR、UX、人間中心設計、人工知能（AI）、技術者倫理などの近年注目されているキーワードを軸に情報をアップデートするとともに、図解を増やしさらに学びやすい構成としました。 第1章　ヒューマンコンピュータインタラクションとは 第2章　人間の感覚と知覚 第3章　人間の認知と理解 第4章　インタラクティブシステムのデザインと分析・評価 第5章　入力インタフェース 第6章　ビジュアルインタフェース 第7章　ビジュアルデザインとビジュアライゼーション 第8章　コミュニケーションインタフェース 第9章　協同作業支援とソーシャルコンピューティング 第10章　XR（クロスリアリティ） 第11章　環境と融合するインタフェース 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。 ◆誰でもはじめられる「関係性」活用の第一歩◆ 　ネットワークデータは、点と点の「つながり」によって表現されるデータです。決して特別なデータではなく、私たちの日常生活のさまざまな場面に存在しています。たとえば、SNSのフォロー関係やWebページ間のリンクのような明らかにネットワーク構造を持つデータだけでなく、ECサイトの購買履歴や株式市場の取引といった、一見ネットワークとは無関係に思えるデータにも、つながりの構造を見出すことができます。この「つながり」を活用することで、これまで見えなかったデータの新しい特徴を引き出すことが可能になります。 　近年では、計算機リソースの向上や新しいアルゴリズムの登場により、ネットワークデータの実用化が急速に進んでいます。本書では、各手法について平易な言葉で解説することを目指すだけでなく、Pythonを用いたコード例を通じて、データの取り扱いから特徴抽出、さらにNode EmbeddingやGNNといった機械学習手法への応用までを実践的に紹介します。 　また、単なる技術の羅列ではなく、身近なデータからネットワーク構造をどのように見出し、意味付けし、課題解決に結びつけるかという思考プロセスや応用事例にも重点を置いています。具体例としては、SNSのフォロー関係やWebページのリンクといった典型的なネットワークデータはもちろん、ECサイトの購買履歴やビジネス文書、さらにはレシートといった、通常「表形式」で扱われるデータに隠れた「つながり」を抽出・活用する手法を丁寧に解説します。 ■こんな方におすすめ ・ネットワーク分析を学びたい方、データから新しい知見を見つけたい方 ■目次 ●1章 ネットワークデータの基礎 ・1.1 ネットワークとは ・1.2 さまざまなネットワーク ・1.3 ネットワークデータの表現方法 ●2章 ネットワークデータの発見・観測・構築 ・2.1 分析前の確認事項 ・2.2 ネットワークを発見する ・2.3 ネットワークデータを観測・入手する ・2.4 ネットワークのデータ形式 ・2.5 ネットワークデータのハンドリング ●3章 ネットワークの性質を知る ・3.1 どのようなノードか ・3.2 2つのノードはどのような関係にあるか ・3.3 どのようなネットワークか ・3.4 NetworkXを用いてネットワークの特徴を知る ●4章 ネットワークの機械学習タスク ・4.1 ネットワークを対象とした機械学習タスクの整理 ・4.2 ノードを対象とした機械学習タスク ・4.3 エッジを対象にした教師あり学習 ・4.4 ネットワーク構造を対象とした機械学習タスク ●5章 ノード埋め込み ・5.1 表データを対象とした機械学習の復習 ・5.2 単語埋め込み ・5.3 ノード埋め込み ・5.4 ノード埋め込みの実装 ●6章 グラフニューラルネットワーク ・6.1 深層学習の発展と構造データの扱い ・6.2 GNNのフレームワーク ・6.3 グラフ畳み込みネットワーク ・6.4 GraphSAGE ・6.5 GATフィルタ ・6.6 Relational GCN ・6.7 GNNの実装 ●7章 さまざまな分野における実例 ・7.1 自然言語処理におけるネットワーク分析 ・7.2 金融分野におけるネットワーク分析 ・7.3 労働市場におけるネットワーク分析 ・7.4 情報推薦におけるネットワーク分析 ・7.5 ネットワーク科学とソーシャルネットワークの分析 ・7.6 生物学におけるネットワーク分析 ■著者プロフィール ●黒木 裕鷹（くろき ゆたか）：2020年東京理科大学大学院工学研究科修士課程修了。同年よりSansan株式会社に入社し、現在は企業データのドメイン横断での分析・利用や、実験的な機能の開発に従事。2018年度統計関連学会連合大会 優秀報告賞、2022年度人工知能学会金融情報学研究会 (SIG-FIN) 優秀論文賞 などを受賞。大阪公立大学 客員研究員。 ●保坂 大樹（ほさか たいじゅ）：2020年に早稲田大学で工学修士号を取得し、Sansan株式会社に入社。入社後は帳票の解析技術の研究開発および運用に取り組む。現在は同社のSaaS事業においてプロダクトマネジメントを行う一方で、帳票解析チームのリーダーとしてプロジェクトマネジメントも担当する。単語の意味や主体の持つ特性が単語埋め込みやノード埋め込みで得られる数値表現にどのように反映されるかに強い関心をもつ。

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 ※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。 個人データ活用ビジネスの指南書！ 　ユーザーの行動や購買のデータをもとに、サービスが最適化されることが当然の時代となりました。ネットで買いものをするときは閲覧や購買の履歴に基づいて商品の推薦が行われますし、動画を閲覧するときは過去の視聴履歴に基づいてホーム画面に表示される動画が変わります。データに基づいた調整によって、ユーザーはより適切なサービスを受けられるようになりました。 　しかしユーザーに紐づくデータ（≒個人データ）は、うまく活用すればビジネス強化につながる反面、使いかたを間違えれば社会的に大きな非難を受ける可能性があります。近年ではプライバシー保護に対する社会の目が厳しくなっており、グローバルプラットフォーマーがGDPRで高額な罰金を課せられたり、これまで明確な法規制のなかった国に日本の個人情報保護法に相当する法律が次々と制定されるなど、国際社会は法規制を強める方向に動いています。日本国内でも、データの不適切な取扱いにより問題となった事例は枚挙に暇がありません。いままさに個人データを活用するサービスを開発・運用している実務担当者であっても、以下のような不安を抱えている人は多いのではないでしょうか。 ・いま行っている個人データ活用の施策が、プライバシー法規制に抵触するリスクはないか？ ・ユーザーの同意はどんなときに必要で、必要となる場合はどうやって合意を取得するべきか？ ・事業者間でのコラボレーションや第三者機関での分析を考えるとき、適法性やセキュリティをどのように担保すればよいか？ ・データ処理過程で個人が特定されるリスクはないか？ ・レピュテーションリスクを想定したとき、どんな情報を公表しユーザーへ提供するべきか？ 本書では、こういった疑問への解答を示し、顧客の個人データを扱う当事者が実務レベルで適切な対応をとれるよう導きます。まずはビジネスでの個人データ活用の利点と懸念点を概説し、関連する法律や技術を説明したのち、どう対応していけばよいか具体例を示していきます。 　 <本企画のポイント> ・国内外のプライバシー規制の動向を理解できる ・企業におけるプライバシー保護体制（プライバシーガバナンス）の具体的な確立方法がわかる ・ビジネスにおける個人データ活用のリスクを適切に評価し、必要な対策がとれるようになる はじめに／目次 1章　なぜ個人データの活用が注目を集めているのか？ 2章　プライバシー保護と炎上 3章　個人データと法規制 4章　プライバシーガバナンスを構築する 5章　個人データの定義と活用における注意点 6章　個人データを守るプライバシーテック 7章　プライバシーテックを活かした個人データ活用のフレームワーク おわりに／索引

頻発するサイバー攻撃に対処するために、導入に向けて国会で議論されている「能動的サイバー防御」。 能動的サイバー防御とは、起こりうるサイバー攻撃が安全保障上の問題になると政府が判断したとき、攻撃による被害の顕在化を未然に防ぐものである。 本書では、能動的サイバー防御に関する議論の歴史的プロセス、サイバー攻撃の実態、核兵器による抑止との違い、主要国のサイバー対策などを官公庁からも頼りにされている専門家が網羅的に解説しています。 セキュリティ、システム・DX担当者から、インフラ事業者、政策立案者まで必読の書です。

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

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

※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、数理・データサイエンス教育強化拠点コンソーシアムが公表している「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～データ思考の涵養」の「基礎（2.データリテラシー）」で示されている「データを適切に読み解く力」「データを適切に説明する力」「データを扱うための力」を養うことを目的としています。主に大学１年生を対象に、初学者にも扱いやすいスプレッドシート（Microsoft ExcelやGoogleスプレッドシート）を用いてデータサイエンスの基礎を学習します。序盤では、スプレッドシートの使い方やオープンデータの利用方法を通して、データの扱い方を学習します。中盤では、高等学校までの情報教育との接続としてデータの可視化や基本統計量についてより理解を深めていき、終盤では、代表的な確率分布を取り上げ、統計学への理解を深める構成としています。

※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。 ◆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

●知識ゼロでもAI時代の波に乗れる！　●仕事で使えるAI活用法がこの一冊に凝縮　●「わかりやすい」「即実践」「AIがパートナーに」これからの必須スキルを網羅！　【本書のポイント】・AI初心者でもスムーズに始められる簡単解説！　・AIを使った効率的な仕事術やクリエイティブな応用法を詳しく紹介　・AIによる文章作成、画像生成、検索方法など、今すぐ使える具体例を多数掲載　・最新のAIモデル「OpenAI o1」などChatGPTの革新性を徹底解説　【AIの力でこんなことが可能に！】・数時間かかっていた文章作成が、わずか数分で完了！　・高度なデータ分析やマーケティング戦略もAIと一緒に考えられる　・あなた専用のAIアシスタントをカスタマイズして、日々の業務を劇的に効率化！

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

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

フィンテック（金融とテクノロジーの融合）とは何か。フィンテックが日本の産業界にもたらす影響とは。もっとも変化が現れるであろう資産運用を中心に分析を進め、株式市場に与えるインパクトについても探る。

デジタル通信メディアを軽々と使う若者たちは、どんなコミュニケーションをしているのか？ 緻密な調査から、彼らの生態とともに、現代の日本社会が抱える問題点が浮かびあがってくる。 物心ついたころから、PCやケータイでコミュニケーションをとることが当たり前の“デジタルネイティブ世代”。彼らのコミュニケーションは、旧世代のものとどう違っているのだろうか？　文化人類学の手法を駆使して、15年にわたって調査をつづけてきた著者に見えてきたのは、PCやケータイなどのコミュニケーションメディアや、SNSやツイッターなどのサービスによって、大きく違いが出てきているという実態だった。そして驚いたことに、彼らがコミュニケーションで抱える問題は、現代の日本社会が抱えている問題──不確実なことを避ける傾向、ネット社会への不信感──と同じものだった。若者への調査から鮮やかに浮かびあがってくる、現代日本の姿。

※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。 大好評『ITエンジニアが覚えておきたい英語動詞30』の改訂版。本書では、IT会話の6割をカバーする基本動詞30を取り上げ、実例とともに解説します。

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。

※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。 本書はFOSE主催ワークショップの予稿集（2024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。 【本電子書籍は固定レイアウトのため7インチ以上の端末での利用を推奨しております。文字列のハイライトや検索、辞書の参照、引用などの機能が使用できません。ご購入前に、無料サンプル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】 あたらしい1年生シリーズ 「データサイエンス1年生」の登場！ ヤギ博士、フタバちゃんと一緒に データサイエンスの世界に飛び込んでみよう！ 【本書の概要】 Python1年生でもおなじみのヤギ博士とフタバちゃんと一緒にデータサイエンスの基本について体験できる書籍です。データサイエンスに必要な知識から始まり、基本的なデータの読み解き方や、データの傾向や特徴をつかむ方法について解説します。 【本書の開発環境】 Google Colaboratory 【対象読者】 ・Pythonの基本文法は知っている方（『Python1年生』を読み終えた方） ・データサイエンスについて知りたい初心者 ・Pythonを使ってデータサイエンスの手法を体験したい初心者 【本書のポイント】 ・対話形式で、イラストを交えながら、基礎知識を解説します。 ・データの読み解き方をサンプルを元に学習できます。 ・データの傾向や特徴のつかみ方を学習できます。 【目次】 第1章 「好奇心×データ」で世の中の謎を解き明かそう 第2章 データサイエンスの基本的な手順 第3章 データからわかることは？：探索的データ分析 第4章 本当にそうだろうか？：確証的データ分析 第5章 アイスクリームの売り上げ分析で体験 第6章 AIで変わるデータサイエンスの未来 【著者プロフィール】 森 巧尚（もり・よしなお） 『マイコンBASICマガジン』（電波新聞社）の時代からゲームを作り続けて、現在はコンテンツ制作や執筆活動を行い、関西学院大学非常勤講師、関西学院高等部非常勤講師、成安造形大学非常勤講師、大阪芸術大学非常勤講師、プログラミングスクールコプリ講師などを行っている。近著に『Python2年生 スクレイピングのしくみ 第2版』、『Python2年生 データ分析のしくみ 第2版』『ChatGPTプログラミング1年生 Python・アプリ開発で活用するしくみ』、『Python3年生 ディープラーニングのしくみ』、『Python2年生 デスクトップアプリ開発のしくみ』、『Python1年生 第2版』、『Python3年生 機械学習のしくみ』、『Java1年生』、『動かして学ぶ！ Vue.js 開発入門』（いずれも翔泳社）などがある。 ※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。

人工知能と哲学、「人」に迫る二つの学問が影響し合うその先を問い、考える 　本書は、人工知能学会誌『人工知能』の連載記事：レクチャーシリーズ「AI哲学マップ」および関連記事を再編集し、書籍化するものです。 　レクチャーシリーズ「AI哲学マップ」は、人文系（主に哲学）の研究者と人工知能分野の研究者の対談から、相互の知見を共有し集積した先に、「人工知能のフロンティアを描き出す」ことを目的として企画されました。本書では、記事・対談の内容から浮かび上がった下記四つの問いを提示し、これらを軸に対談内容を理解することで、人工知能研究の「現在地」と「方向性」を明らかにし、学問としての発展に示唆を与えます。 　問い1　人工知能にとってコミュニケーションとは何か 　問い2　人工知能にとって意識とは何か 　問い3　人工知能にとって社会とは何か 　問い4　人工知能にとって実世界とは何か 　記事再編にあたり、人工知能を専門としない多くの方々にもわかりやすく読めるよう、技術解説の補足や挿絵の追加など、内容理解の助けとなる工夫を凝らしました。 はじめに 問い1　人工知能にとってコミュニケーションとは何か 問い2　人工知能にとって意識とは何か 問い3　人工知能にとって社会とは何か 問い4　人工知能にとって実世界とは何か おわりに 注釈語索引 対談参加者プロフィール一覧

※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。 POSデータでマーケティング・リサーチの基本を学ぼう！ この本は、POSデータ（販売状況の管理データ）の分析を通じて、マーケティング・リサーチにおけるデータの集計・分析・可視化の基礎を身につける入門書です。以下4つのコンセプトに沿って構成しました。 ① POSデータのダミーデータを用い ② 現実に近い分析のストーリーをもたせ ③ なるべく簡単なExcel 操作で ④ 分析の手順やコツを自然に学べる 各章の冒頭で「スーパーのマーケティング部の新人が、部長から集計や分析を依頼される」というストーリーが示され、そこで提示された課題に沿って学習を進めていきます。高度な理論の説明は控えて、実際にPOSデータの分析で求められる内容を中心に扱っています。本書を通読することで、単純集計やクロス集計、集計結果のグラフ化や検定、データ間の相関や回帰、同時に購買されやすい商品の分析方法やPOSデータから得られる指標（店頭カバー率、PI値など）の解釈などを身につけることができます。 数学が苦手な方、Excelの複雑な操作が苦手な方にもおすすめです。 ＜おすすめの用途＞ ・インターンや就職前の独習教材として ・大学のデータリテラシーの授業の教科書として ・ゼミ活動の準備段階の参考書として ・企業の新人、若手研修の補助教材として ＜本書のポイント＞ ・ダミーデータを使って、実際にPOSデータの分析でよくぶつかる課題の解決方法を学ぶため、小売り業の現場に近いかたちでデータ分析の基礎を身につけられます。 ・数式をほとんど使わないため、数学や統計学が苦手でも読み進めることができます。 ・Excelの高度な操作は行わず、初出の操作は都度説明するため、Excelが苦手でも読み進めることができます。 第0章　この本の読みかた 第1章 「売り上げをまとめた資料を作っといて！」－データを集計してみよう－ 第2章 「売り上げ、顧客層で違うよね？」－属性ごとに集計して検定してみよう－ 第3章 「季節ごとの売上傾向ってわかる？」－時系列データを集計してみよう－ 第4章 「なにが売り上げに影響したんだろう？」－データ間の関係性を調べよう－ 第5章 「どの商品を同じ棚に置いたら売れやすい？」－併売の分析をしてみよう－ 第6章 「売れる商品を狙って入荷しよう！」－店頭カバー率とPI値から売れ筋商品を見つけよう－ 第7章 「新店舗、うまくいくかな？」－回帰分析で新店舗の売り上げを予測しよう－

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。 データサイエンス・AIの数学的な内容について詳細に説明し、紙と鉛筆だけで取り組める問題を数多く配置した教科書。各手法のアルゴリズムを学習と予測に分けて明示し、一般的な数学の教科書と同じように、概念の説明、例、問という構成で、章末には確認問題を掲載しています。 [問]　例の類題や概念の説明を補うための問題。 [確認問題]　章の内容を確認するための問題。データサイエンス検定やG検定などの検定を意識した4択問題もあり。 数理・データサイエンス・AI教育プログラム認定制度における「応用基礎レベル」から「エキスパートレベル」にステップアップするための必読書籍！

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

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

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 ファーストステップシリーズは、コンピュータを初めて本格的に学ぶ大学生・高専生を対象にしたものです。シリーズの中で、本書は、政府の「AI 戦略2019」によって、すべての大学・高専生が習得すべき「数理・データサイエンス・AI ／リテラシーレベル」として策定されたモデルカリキュラム（2024年2月改訂）に準拠した内容のテキストです。特に、コンピュータに関する学習をこれから始める文系学部の学生の皆さんにとっても、分かりやすく学んでいただけるように配慮しました。 本書ではAI やデータサイエンスの知識や仕組みについて、事例や図解を使って具体的に説明しています。また、それらがどのように使われ、どんな有効性があるのか、反面、どんな問題があるのかについても示しました。AI・データサイエンスを1から学ぶためにこの上ない一冊です。

※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。 ※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。 現場での問題解決に役立つ、ソフトウェア品質保証のための実践的な指南書／解説書！ 　組織におけるソフトウェア品質保証部門はソフトウェア品質を向上・維持するべく活動していますが、実際の現場においては、開発部門に対して手数のかかる検査を高頻度に要求せざるをえないなどの理由により、開発部門と対立してしまうことがあります。開発部門はコストや納期の成果達成を重視する傾向があり、品質保証部門からの要求はその支障となりがちなため、品質保証部門は開発部門に協力してもらうために、自身の要求の意図・意義を正しく伝えられなければなりません。 　本書は、ソフトウェアの品質を高めたいと思いながらも、具体的な施策を立案できない、開発部門との調整がうまくいかない、などと悩んでいる読者に向けて、解決の基となる普遍的・本質的な考え方と、現場の実践で得られた知見による具体的な解決方法を解説します。 第１章　ソフトウェア品質の基本概念 　1.1　品質の概念 　1.2　品質マネジメントの概念 　1.3　ソフトウェア品質マネジメントの特徴 第２章　組織レベルのソフトウェア品質マネジメント 　2.1　ソフトウェア品質マネジメントシステムの構築と運用 　2.2　ライフサイクルプロセスのマネジメント 　2.3　ソフトウェアプロセス評価と改善 　2.4　検査のマネジメント 　2.5　監査のマネジメント 　2.6　教育および育成のマネジメント 　2.7　法的権利および法的責任のマネジメント 第３章　プロジェクト共通レベルのソフトウェア品質マネジ メント 　3.1　意思決定のマネジメント 　3.2　調達マネジメント 　3.3　リスクマネジメント 　3.4　構成管理 　3.5　プロジェクトマネジメント 第４章　プロジェクト個別レベルのソフトウェア品質マネジ メント 　4.1　品質計画のマネジメント 　4.2　要求分析のマネジメント 　4.3　設計のマネジメント 　4.4　実装のマネジメント 　4.5　レビューのマネジメント 　4.6　テストのマネジメント

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

データの海から本質をつかみ、洞察を得る データ可視化は膨大なデータから意思決定に役立つ洞察を導き出すための必要不可欠なスキルです。 同時に、専門外の方へ知識を伝えたり説得するためのコミュニケーション術としても活用できます。 本書は、情報デザイン、コンピュータサイエンス、データサイエンス、統計学、記号学、インタラクションデザイン、ストーリーテリングなどさまざまな分野に分散しているデータ可視化の知見を統合し、ビジネスの最前線で役立つ内容に整理しています。 データ可視化の実践と普及に10年以上携わってきた著者が、本当に必要な基礎的な知識から実務でのワークフローや可視化の実践法、最適なチャートの選び方までをやさしく解説します。 ツール不要でプログラミング言語に依存しない記述なので、本質的な理解につながる内容です。 とくに次のような方にはおすすめの一冊です。 ・データ分析の実務者 ・UI・UXデザイナーやエンジニア ・プロダクトマネージャー、プロジェクトマネージャー ・マーケティングや事業戦略の担当者 ・企業の広報・コミュニケーションの担当者 【読者特典】手軽に使えるデータ可視化・データ処理ツール47選付き！ 【目次概要】 〈基礎編〉 第1章　なぜデータを可視化するのか 第2章　データ可視化とは何か 第3章　どんな分野で用いられているか 第4章　チャートの文法とは何か 第5章　可視化表現の三層モデルとは何か 第6章　色はどのように選ぶか 第7章　コミュニケーションとしての可視化 〈実務編〉 第8章　ワークフローを理解する 第9章　ゴールを設定する 第10章　タスクを抽象化する 第11章　データの実務知識をおさえる 第12章　データを収集し処理する 第13章　チャートの選び方を知る 第14章　数値（How Many）を可視化する 第15章　言葉（What）を可視化する 第16章　時間（When）を可視化する 第17章　場所（Where）を可視化する 第18章　関係（To Whom）を可視化する 第19章　インタラクティブに操作する 第20章　レイアウトする 第21章　制作ガイドラインとしての価値観と原理原則 ※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。 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。 ◆推論のしくみから紐解く高速化の原理◆ 本書は深層ニューラルネットワークによる予測を高速化する技法を解説します。巨大なニューラルネットワークを用いた予測には多くの時間と計算コストがかかります。これにより、応答が遅くなりユーザー体験が悪くなるといった問題や、運用コストが大きくなるといった問題が生じます。本書はニューラルネットワークの予測性能を下げることなく高速化することでこれらの問題を解決する技法を解説します。紹介する技法は量子化・枝刈り・蒸留・低ランク近似・モデルマージなど多岐にわたり、幅広い局面に対応します。また、平坦解や宝くじ仮説など、深層ニューラルネットワークの理論を通して、これらの手法がうまくいく理由についても深く本質的な理論を解説します。深層ニューラルネットワークを活用するエンジニアや研究者は必読の一冊です。 ■こんな方におすすめ ・ニューラルネットワークの計算や時間にかかるコストを削減したい人 ・Webサービスにニューラルネットワークを使っている方 ■目次 ●第1章 はじめに ・1.1 高速化の意義 ・1.2 高速化の理論的背景 ・1.3 用語の整理 ●第2章 高速化手法の概要 ・2.1 量子化と低精度計算 ・2.2 枝刈り ・2.3 蒸留 ・2.4 低ランク近似 ・2.5 高速なアーキテクチャ ・2.6 ハードウェアの改善 ・2.7 複数の技法の組み合わせ ・2.8 その他の技法 ●第3章 量子化と低精度計算 ・3.2 その他の低精度浮動小数点数フォーマット ・3.3 自動混合精度計算 ・3.4 整数量子化 ・3.6 なぜ低精度計算でうまくいくのか ●第4章 枝刈り ・4.1 代表的な枝刈り手法 ・4.2 訓練前の枝刈り ・4.3 構造枝刈り ・4.4 枝刈りの実装 ・4.5 ReLU活性化関数を用いた適応的な枝刈り ・4.6 なぜ枝刈りを行うのか・なぜうまくいくのか ・4.7 枝刈りの使いどころ ●第5章 蒸留 ・5.1 蒸留の問題設定 ・5.2 蒸留のアプローチ ・5.3 生徒モデルの選び方 ・5.4 推論に必要なデータの変更 ・5.5 生成モデルの利用 ・5.6 事例 ・5.7 なぜ蒸留でうまくいくのか ・5.8 蒸留の使いどころ ●第6章 低ランク近似 ・6.1 低ランク性とは ・6.2 畳み込みニューラルネットワークの低ランク近似 ・6.3 注意機構の低ランク近似 ●第7章 高速なアーキテクチャ ・7.1 深さ単位分離可能畳み込み ・7.2 高速なトランスフォーマーの亜種 ・7.3 ニューラルアーキテクチャ探索 ・7.4 高速なアーキテクチャと圧縮手法の比較 ●第8章 チューニングのためのツール ・8.1 PyTorchプロファイラ ・8.2 CPU上のプロファイリング ・8.3 GPU上のプロファイリング ●第9章 効率的な訓練 ・9.1 省メモリ化 ・9.2 モデルパラメータの算術 ■著者プロフィール 佐藤竜馬：1996年生まれ。2024年京都大学大学院情報学研究科博士課程修了。博士(情報学)。現在、国立情報学研究所 助教。専門分野はグラフニューラルネットワーク、最適輸送、および情報検索・推薦システム。NeurIPSやICMLなどの国際会議に主著論文が採択。競技プログラミングでは国際情報オリンピック日本代表、ACM-ICPC世界大会出場、AtCoderレッドコーダーなどの戦績をもつ。PDF翻訳サービスReadableを開発し、深層ニューラルネットワークを用いた翻訳システムにも詳しい。著書に『グラフニューラルネットワーク』『最適輸送の理論とアルゴリズム』(ともに講談社)がある。

進化の速いAIはここを押さえる 製造業の業務活用のための人工知能講義 業務改革、DX推進部門、IT部門、生産技術部門、経営層の悩みに応える 　製造業が人工知能（AI）を業務で活用するために、押さえておくべき「本質」を講義形式（読み物）でまとめました。AIは業務の生産性や付加価値の向上に非常に役立つ技術です。ところが、技術の進化が極めて速いため、多くのビジネスパーソンにとって理解が追い付かず、「どうやって使いこなせばよいのか、よく分からない」という現実があります。こうしたビジネスパーソン、中でも企業の業務改革やDX、AI、IT推進部、生産技術部の社員や管理者、経営者の悩みに応えるために、業務活用を進める上で押さえるべきAIのポイントを伝授し、変化に対応してAIを学ぶ際の「見取り図」を描くためのガイドを提供します。 　筆者は、名だたる日本の大手企業からAI活用に関する研修のオファーを受け続けている速水悟教授。AIをどのように学べば実務において活用できるかについて、AIの専門知識を持たない人でも理解できます。

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

AIとより効果的な対話をするために 人工知能（AI）、特に大規模言語モデル（LLM）が私たちのコミュニケーション、働き方、そして思考に大きな革命をもたらしつつある現在、AIとのコミュニケーションは、単なる技術の領域を越えて、未来を形作るための重要な能力になっています。とくに、ChatGPTのような進化した大規模言語モデルがもたらす可能性を最大限に引き出すためには、プロンプトを理解して適切に操る能力（プロンプトリテラシー）が不可欠です。 本書は、大規模言語モデルの仕組みと「プロンプトエンジニアリング」の基本を理解するところから、AIに適切な質問をし、AIとより効果的な対話をするための「プロンプトパターン」「トリガープロンプト」、さらに進んだ発展的な技術、また最先端の「AIエージェント」にいたるまで、AIとのやりとりを最適化するための知識とノウハウが学べます。 具体的に例を挙げながらわかりやすく解き明かしているので、学生や一般のビジネスマンから読んでいただける内容になっています。本書を読めば、AIと効果的に対話するためのスキルや知識が身につき、すぐに日常生活や業務に活かすことができるはずです。 〈目次〉 第1章　大規模言語モデルの登場 第2章　プロンプトエンジニアリング 第3章　プロンプトパターン 第4章　トリガープロンプトの威力 第5章　発展的な技術 第6章　AIエージェントと社会 〈著者紹介〉 岡瑞起（Mizuki Oka） 研究者。筑波大学システム情報系 准教授/株式会社ConnectSphere代表取締役。2003年、筑波大学第三学群情報学類卒業。2008年、同大学院博士課程修了。博士（工学）。同年より東京大学 知の構造化センター特任研究員。2013年、筑波大学システム情報系 助教を経て現職。専門分野は、人工生命、ウェブサイエンス。著書に『ALIFE | 人工生命より生命的なAIへ』（株式会社ビー・エヌ・エヌ）、『作って動かすALife - 実装を通した人工生命モデル理論入門』（オライリージャパン）などがある。 橋本康弘（Yasuhiro Hashimoto） 研究者。会津大学コンピュータ理工学部上級准教授。1995年、東京大学工学部卒業。2000年、同大学院博士課程修了。博士（工学）。学術振興会特別研究員、東京大学工学系研究科講師、筑波大学システム情報系 助教などを経て現職。専門分野は、人工生命、計算社会科学。訳書に『ネットワーク科学入門』（丸善出版株式会社）、『人工知能チューリング/ブルックス/ヒントン』（株式会社岩波書店）などがある。 ※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。

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

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 「システム開発で失敗したくない！」　担当者が抱えてる不安を解消しよう！　システム開発の受注者、発注者が抱えるリスクを回避するために知っておくべき知識や視点を架空のプロジェクトを通して解説します。

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 一番気軽にはじめられて、一番使いこなせる対話型生成AIは「Gemini」です！「無料で使える」「最新情報を取得できる」「使用制限がない」対話型生成AIはGeminiだけ。

※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。 人工知能は作曲家の夢を見るか？ 【本書のポイント】 ・深層学習による自動作曲技術の全体像を知る ・Colaboratoryを使った自動作曲のお試し ・データセットを多数紹介 　機械学習による自動作曲（AI作曲）技術を解説した専門書です。機械学習やメディアアート関係の研究者、学生、音楽産業の技術者を主な読者対象として、現在の自動作曲技術をまとめています。また、実践要素（Python/Colaboratoryを使った自動作曲の実践）を設けて、情報科学の知識のないクリエイターやアマチュア作曲者、動画制作者などが自動作曲にチャレンジできるようにしました。 　近年、画像生成を中心にAI（機械学習）によるメディア生成が注目を集めています。自動作曲はその名の通り、音楽を生成する技術で、近年では機械学習・深層学習による自動作曲・音楽分析が盛んに研究されています。 　本書では、言語・音声などの従来の時系列データと異なる音楽データの特徴に基づく分析や、音声の生成のような「それっぽい」にとどまらない美的な質の学習方法や評価といった、音楽に特化した機械学習のアプローチを解説します。 　読者は本書によって、現時点での深層学習による自動作曲の全体図を理解でき、またGoogleのMusic TransformerやOpenAIのJukeboxなど、最先端の重要モデルの仕組みや性能を学ぶことができます。自身のAI作曲の性能向上や実用性の改善を図ることが可能となります。 第 1 章 AI による自動作曲とは 1.1 背景 ── AI と作曲 1.2 自動作曲の歴史 1.3 本書の目的と構成 1.4 本章のまとめ 第 2 章 音楽の基礎知識 2.1 音楽の存在形式 2.2 平面的な要素 2.3 立体的な要素 2.4 音楽制作の流れ 2.5 本章のまとめ 第3章 AI モデル 3.1 時系列モデル 3.1.1 RNN・LSTM・GRU 3.2 畳み込みネットワークネット (CNN) 3.3 生成モデル 3.4 強化学習 3.5 本章のまとめ 第4章 楽譜（MIDI）としての自動作曲 1：時系列学習による自動作曲 4.1 RNN 基盤の自動作曲 4.2 トランスフォーマー基盤の自動作曲 4.3 本章のまとめ 第5章 楽譜（MIDI）としての自動作曲 2：生成モデルによる自動楽曲 5.1 GAN 基盤の自動作曲 5.2 VAE 基盤の自動作曲 5.3 拡散モデルによる自動作曲 5.4 本章のまとめ 第6章 楽譜（MIDI）としての自動作曲 3：強化学習による自動作曲 6.1 報酬の設定 6.2 他モデルとの融合 6.3 強化学習の二つのアプローチ 6.4 本章のまとめ 第7章 波形としての自動作曲 7.1 なぜ難しいのか 7.2 音声生成 7.3 波形としての音楽生成 7.4 本章のまとめ 第 8 章 データセットおよび評価指標 8.1 データセット 8.2 評価指標 8.3 本章のまとめ 第 9 章 前処理とデータ拡張 9.1 前処理 9.2 データ拡張 9.3 本章のまとめ 第 10 章 AIの他の音楽分野への応用 10.1 音源推薦 10.2 ジャンル識別 10.3 音源分離 10.4 自動ミックスダウンおよびマスタリング 10.5 本章のまとめ 第 11 章 まとめと今後の課題 11.1 今後の課題 11.2 音楽への関わり方の変化と意義 11.3 本章のまとめ 参考文献 索引

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

※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。 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。

【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。

【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！

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

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 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。

【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。