情報科学作品一覧
-
5.0※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 -
5.0※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。 -
5.0※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 -
5.0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。 -
5.0※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 -
5.0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。 -
5.0※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 -
5.0※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・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」準拠テキスト データ活用社会を生きる学生・社会人に必須の【データ分析・解析の基本的な考え方と手法】をわかりやすく解説！ データサイエンスは、さまざまなデータを分析・解析し、そこから新しい知見や価値を生み出していく技術・手法です。統計学などの数学を基礎とし、必要に応じコンピュータを活用して、さまざまな分野の専門知識と融合しながら、データから新しい価値を生み出していくデータサイエンスは、いまや大学生・社会人にとって必須の教養といえます。 本書は、政府の「AI戦略2019」での議論を経て策定・公表された「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」に準拠した内容です。具体的な事例と分析手法を扱いながら、社会のさまざまな場面で必要とされるデータサイエンスの考え方を、関連する数学とともに丁寧に解説します。また、大学におけるリテラシーレベルの授業に続く、半期の授業に対応した構成としました。 【著者一覧】 第1章 小澤誠一 神戸大学数理・データサイエンスセンター 第2章 大川剛直 神戸大学大学院システム情報学研究科情報科学専攻 第3章 藤井信忠 神戸大学大学院システム情報学研究科システム科学専攻 第4章 青木 敏 神戸大学大学院理学研究科数学専攻 第5章 光明 新 神戸大学数理・データサイエンスセンター 第6章 為井智也 神戸大学数理・データサイエンスセンター 第7章 大森敏明 神戸大学大学院工学研究科電気電子工学専攻 第8章 為井智也 神戸大学数理・データサイエンスセンター 第9章 寺田 努 神戸大学大学院工学研究科電気電子工学専攻 第10章 熊本悦子 神戸大学情報基盤センター 第11章 高島遼一 神戸大学都市安全研究センター 第12章 村尾 元 神戸大学大学院国際文化学研究科 第13章 白石善明 神戸大学大学院工学研究科電気電子工学専攻 第14章 小澤誠一 神戸大学数理・データサイエンスセンター 第15章 羽森茂之 神戸大学大学院経済学研究科 第1章 データサイエンスの考え方 1.1 データサイエンスとは 1.2 データサイエンスを学ぶ理由 1.3 データから価値を生み出すプロセス 第2章 アルゴリズムとデータ構造 2.1 はじめに 2.2 データサイエンスにおけるアルゴリズムとデータ構造 2.3 アルゴリズムの基礎 2.4 基本的なデータ構造 2.5 探索 2.6 ソーティング 第3章 システム最適化 3.1 最適化問題とは 3.2 線形計画問題 3.3 非線形計画問題 3.4 整数計画問題 第4章 統計的データ解析の考え方 4.1 標本調査 4.2 信頼区間と仮説検定 4.3 分布の近似と標準誤差 4.4 線形回帰モデル 4.5 非線形回帰モデル 第5章 教師なし学習 5.1 クラスタリング 5.2 高次元データの次元削減と可視化 第6章 教師あり学習 6.1 教師あり学習とは 6.2 学習モデルとトレーニング（パラメータ最適化） 6.3 データのセットの分割とテスト（モデルの評価） 6.4 実データへの適用例（回帰） 第7章 確率モデル・確率推論 7.1 はじめに 7.2 確率モデルとベイズの定理 7.3 確率推論 7.4 確率推論の応用 第8章 強化学習 8.1 強化学習とは 8.2 強化学習の理論 8.3 強化学習アルゴリズム 8.4 探索と利用のトレードオフと意思決定モデル 第9章 情報センシング 9.1 情報センシングとは 9.2 センサデータ処理 9.3 センシング応用 第10章 画像解析・深層学習 10.1 画像解析 10.2 デジタル画像の特徴とフィルタ処理 10.3 深層学習 第11章 時系列データ解析・音声解析 11.1 時系列データ解析 11.2 音声解析 第12章 テキスト解析 12.1 はじめに 12.2 テキストデータの収集 12.3 テキストクレンジング 12.4 トークン化 12.5 ベクトル化 12.6 探索的データ分析 12.7 テキスト分析 第13章 情報セキュリティ 13.1 情報資産と情報セキュリティ 13.2 情報セキュリティの基本：アクセス制御 13.3 情報セキュリティのCIA 第14章 プライバシー保護技術 14.1 データが価値を生む仕組みと提供リスク 14.2 匿名化によるプライバシー保護 14.3 差分プライバシーによるプライバシー保護 14.4 準同型暗号によるプライバシー保護 14.5 協調学習によるプライバシー保護 第15章 意思決定論 15.1 意思決定の基本的枠組み 15.2 相関関係と因果関係 参考文献 索引 -
-
5.0政府は「AI戦略2019」の中で，リテラシー教育として文理を問わず，全ての大学・高専生約50万人を対象に，初級レベルの数理・データサイエンス・AIを課程にて習得する方針を打ち出しました。これを踏まえ，各大学・高専で参照可能な「モデルカリキュラム」の検討と策定が進められています。本書はこのモデルカリキュラムのうち，基礎的な範囲に対応した教科書です。AIリテラシーの基礎を薄く広く扱います。文科省の認定制度に準拠し，半期15回の講義で進められるよう工夫されています。これから導入を考えているすべての大学・高専が対象です。 -
5.0※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。 来る量子コンピュータ時代の暗号を徹底解説！ 暗号技術は、われわれの生活のさまざまな場面で利用されており、情報化社会の安全基盤として重要性を増しています。たとえば、暗号技術がなければネットショッピングも安心してできませんし、ブロックチェーンを用いた仮想通貨も生まれることはありませんでした。 ですが、現在これらのサービスに用いられている暗号技術は従来型のコンピュータによる計算を前提として開発されています。そのため、近年注目されている量子コンピュータによる異なったアルゴリズムで計算を行うと、現在の暗号は高速に解かれてしまうのではないか、という懸念があります。具体的には、素因数分解を前提としたRSA暗号などは危殆化する状況にあります。 本書は、量子コンピュータが暗号技術に与える影響について多角的な切り口から考察し、読者に、来る量子コンピュータ時代における暗号技術の基礎知識を提供します。読者は、量子コンピュータが与える情報化社会へのインパクトを知るとともに、自身のかかわる情報セキュリティにおいて、今後知っておくべき、対策する必要がある必須の情報を得ることができます。 情報セキュリティに携わる技術者・エキスパートのみならず、暗号や量子コンピュータに興味をもつ一般の方にも向けて、やさしくていねいに解説しています。 1章 社会で利用される暗号技術 2章 暗号の危殆(きたい)化リスク 3章 量子コンピュータについて 4章 量子コンピュータによる暗号解読 5章 ブロックチェーンなど暗号応用技術に対する量子コンピュータの影響 6章 暗号のディレンマ － 設計者と攻撃者の攻防 7章 耐量子計算機暗号とは 8章 耐量子計算機暗号の標準化活動 9章 今後の課題 参考図書 索引 -
5.0※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。 GAN（Generative Adversarial Networks）：敵対的生成ネットワークは機械学習技術の一種で、2つの分離したニューラルネットワークを使い実物と区別が付かないほどリアルな画像を生成することを可能とします。 本書はGAN：敵対的生成ネットワークを学びたい方のために入門から実装まで、理論を交えつつ解説していきます。本書全体を通じてJupyter Notebookを使い、実装はPython、Kerasで行っていきます。 機械学習とニューラルネットワーク、Pythonプログラミングについてある程度の経験がある方を主な対象読者としており、数学に関しては最小限のものに絞って解説します。 本書の目的は、GANが達成してきたことを理解するための知識と道具を提供し、そこから新しい応用を見つけ作り出す力をつけていただくことです。GANは多くの可能性に満ちていますから、意欲的な方々であれば学術界・実世界に大きなインパクトを与えられることでしょう。 Part 1 GANと生成モデル入門 Part 2 GANの発展的な話題 Part 3 ここからどこへ進むべきか -
5.0※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。 パターン認識の決定版教科書、待望の改訂2版！ 本書は1998年刊行の『わかりやすいパターン認識』の改訂版です。パターン認識を初めて学ぶ読者をおもな対象として、扱うテーマを基本的な項目にしぼり、それらを重点的かつ詳細に解説しました。 改訂にあたっては、具体例・実験例をもっと増やしてほしいという初版に与えられた要望に答え、補足・実験例、演習問題を加えました。演習問題の詳細な解答はオーム社のホームページに掲載されています。初版発行から20年の間に開発・提案された新しい手法の解説ではなく、基本的な内容を充実させ、より使いやすい書籍となるように改訂いたしました。 第1章 パターン認識とは 第2章 学習と識別関数 第3章 誤差評価に基づく学習 第4章 識別部の設計 第5章 特徴の評価とベイズ誤り確率 第6章 特徴空間の変換 第7章 部分空間法 第8章 学習アルゴリズムの一般化 第9章 学習アルゴリズムとベイズ決定則 -
5.0※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。 定番「わかりやすい パターン認識」の続編！ベイズ統計学の基礎から、最新のノンパラメトリックベイズモデルまでやさしく解説した唯一の書籍！ 初学者にはとっつきにくいパターン認識の基本を丁寧な図解と数式展開で解説して好評を得てきた、1998年発行「わかりやすい パターン認識」の続編です。前作で取り上げることのできなかった教師なし学習を主に取り上げてわかりやすくまとめました。教師なし学習を理解することで、より広い対象の音声・画像処理技術、ビッグデータなどを扱うことができるようになります。また、ノンパラメトリックベイズモデルについてわかりやすく解説した日本語の書籍は本書のみで、機械学習やパターン認識をこれから志す研究者、学生の方にもおすすめです。 第1章 ベイズ統計学 第2章 事前確率と事後確率 第3章 ベイズ決定則 第4章 パラメータ推定 第5章 教師付き学習と教師なし学習 第6章 EMアルゴリズム 第7章 マルコフモデル 第8章 隠れマルコフモデル 第9章 混合分布のパラメータ推定 第10章 クラスタリング 第11章 ノンパラメトリックベイズモデル 第12章 ディリクレ過程混合モデルによるクラスタリング 第13章 共クラスタリング 付録A 補足事項 （凸計画問題と最適化，イェンゼンの不等式，ベクトルと行列に関する基本公式，KLダイバージェンス，ギブスサンプリング，ウィシャート分布と逆ウィシャート分布，，ベータ・ベルヌーイ過程） -
5.0業務でVBAプログラムを組んでいる人の多くは，部署で一番パソコンやExcelに詳しいからという理由で任されていることも多く，プログラミングの基本的な素養や知識を知らない方も多いでしょう。このため，動けばOKといった，その場しのぎのコードを書いてしまいがちです。そういったコードは，あとから見直したり再利用する際にトラブルを起こしやすく，またどこになにが書いてあるかわかりにくいので，せっかくの生産性や効率性を落としがちです。本書は，そのようなVBAではじめてプログラムを組んだという人たちにプログラミングの基礎を示し，あとから見て読みやすく，変更や再利用に強いVBAプログラムの書き方を身につけるための本です。 -
5.0進化発展するディープラーニング。その代表格がRNN（Recurrent Neural Network／再帰型ニューラルネットワーク）とDQN（Deep Q-Network／深層Qネットワーク）です。RNNは自然言語処理の分野で最も注目されるアルゴリズムです。またDQNは強化学習の手法で目覚ましい精度を挙げています。これらはいずれもAI応用の入り口となります。本書は，これらを万人のツールであるExcelを用いて，難しい数学やプログラミングの知識抜きに，動かしながら，目で見てしくみを理解できる画期的な入門書です。難解といわれるRNNとDQNの「最適化」などの難しい計算部分をExcelにまかせ，その動作原理をわかりやすく知ることができます。本書がAI学習のハードルを一気に下げてくれます。 -
-
値引きあり5.0※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。 マーケティング自動化の予測モデル、ベストプラクティス、アーキテクチャをまとめた大著！ 1・2章では、アルゴリズムマーケティングの概念、ケーススタディ、理論基盤となる機械学習/経済モデルを説明します。3～6章では、「プロモーションと宣伝」「検索」「レコメンデーション」「価格設定と品揃え」といった領域を取り上げ、「顧客と商品のマッチング」「顧客に適した商品の特定」「商品特性の最適化」を考察します。本書は、どのような理論を基に各領域のシステムが実現されるか、総合的に理解できる稀有な一冊です。（本書は『Introduction to Algorithmic Marketing: Artificial Intelligence for Marketing Operations』の翻訳書です。統計学や微積分学などの数学的知識を前提としています）。原著への読者の声―「市場原理を理解して実装しようとする者にとってきわめて有益」「小売業に関わるデータサイエンティストは必読」。推薦の言葉―「本書はマーケティング分野でのデジタル変革を鮮やかに映し出しており、データサイエンスがいかにしてあらゆるマーケティング活動に不可欠な部分になるのかを示している。データ駆動型アプローチとスマートなアルゴリズムによって、従来の労働集約型のマーケティングタスクにディープな自動化がどのようにしてもたらされるのかを詳しく解説している。意思決定は改善されるだけでなく、はるかに高速になる。このことは、加速する一方の競争環境において決定的に重要である。データサイエンティストとマーケティング責任者の必読書である」（Andrey Sebrant, Director of Strategic Marketing, Yandex）。 -
5.0※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。 学ぶことの多い機械学習をマンガでさっと学習でき、何ができるかも理解できる!! 本書は今後ますますの発展が予想される人工知能分野のひとつである機械学習について、機械学習の基礎知識から機械学習の中のひとつである深層学習の基礎知識をマンガで学ぶものです。 市役所を舞台に展開し、回帰(イベントの実行）、識別１（検診）、評価（機械学習を学んだ結果の確認）、識別２（農産物のサイズ特定など）、教師なし学習（行政サービス）という流れで物語を楽しみながら、機械 学習を一通り学ぶことができます。 序章 機械学習を教えてください！ 第1章 回帰ってどうやるの？ 第2章 識別ってどうやるの？ 第3章 結果の評価 第4章 ディープラーニング 第5章 アンサンブル学習 第6章 教師なし学習 エピローグ 参考文献 -
5.0※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。 昨今、ソフトウェアの正しさを保証するソフトウェア検証の技術が重要視されているが、その中でも特にモデル検査が脚光を浴びている。それは数理論理学などに関する知識があまりない技術者にも、ソフトウェア開発の中で利用することが可能だからであろう。本書はSPINを中心にモデル検査をいかにしてソフトウェア開発のプロセスの中に位置づけるかについて実例を通して詳説している。 -
5.0※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。 オープンソースの広がりにより、多様な機能を実現することは以前と比較すると驚くばかりに容易になっている。しかし、このような開発法ではスケーラビリティと高信頼性を同時に保証することはできない。機能の実現や追加が比較的安易にできる時代になったからこそ、成長し続けるシステム全体の正常な動作を保証しうる開発検査手法の必要性が増している。 本書では、優れた開発者として最先端の理論やツールと使ってソフトウェア開発をするために必要な基礎知識である、論理学、並行システム、オートマトン、モデル検査のアルゴリズムや実装技術、モデル検証ツールをまとめて解説する。 -
5.0※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。 仕様の段階で誤りをなくす注目の手法「Bメソッド」を実践活用するための解説書。安心安全を含めてますます高度な機能や性能が要求されるソフトウェアシステムの開発において、厳密な仕様記述を基に開発を行う形式手法に対する関心と期待が高まっている。本書は、我が国初のBメソッドの書き下ろし入門書である。実際の開発への適用を意識した実用指向の内容が、平明でわかりやすく記述されている。 -
5.0※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 時系列データとは気温や株価のように時間順に得られる系列データを指します。時系列データの分析方法にはさまざまありますが、本書では確定的な方法と確率的な方法を解説します。確定的な方法については移動平均法に基づく方法、確率的な方法については、状態空間モデルに基づく方法を取り上げ、これらの解説と合わせてどのようにコードに落とし込むかについても丁寧に解説します。初めて時系列分析を試みる方はもちろん、応用的な手法についても取り上げているのですでに時系列分析に携わっている方にも興味を持っていただける内容になっています。 -
4.8 -
4.8※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。 1979年に発行された『ソフトウェア・テストの技法』は、「作ったソフトウェアが意図した通りに動き、意図していないことはしないようにするにはどうしたらよいか」という、もっとも根本的な問題を扱っており、四半世紀にわたって読み継がれる、この分野の古典となっている。 第2版では、インターネット時代に合ったソフトウェアの品質を確保するため、第8章を全面的に書き換え、第9章と付録を新たに追加した。 -
4.8自社システムに人工知能を導入したいときに読む本！ 人工知能の開発は進んでいますが、人工知能システムを開発するプロジェクトマネージャーの数は現在足りておらず、その数は今後さらに必要になっていきます。 また、大規模システムに人工知能が入るようになっていくと、それを運用・保守する仕事も必要となります。 しかし、人工知能の運用・保守に関するノウハウは世にほとんど存在せず、近い将来大きな需要が生じることが予想できます。 本書では、人工知能のシステムの企画に対して提案して開発し運用・保守したい人向けに、 人工知能システムの企画書の書き方やベンダーの提案書や開発計画の良し悪しの判断基準、 人工知能システムの開発および運用・保守の一連のプロセスについて解説します。 【本書のポイント】 ・人工知能の導入を検討しているビジネスマン向けの人工知能プロマネ読本 ・人工知能システムの企画書が書けるようになる ・ベンダーに要求仕様を提案したり、ベンダーの提案書や開発計画の良し悪しが判断できるようになる ・人工知能システムの開発および運用・保守の一連のプロセスを把握できる ※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。 -
4.7ゲーム開発者、AIエンジニア、 すべての意思決定に悩んでいる方に必見！ 戦略ゲームAIの仕組み、戦略的意思決定プロセスを紐解くバイブル書 【戦略ゲームAIについて】 戦略ゲームの元にとなるストラテジー＆シミュレーションゲームはボードゲームを発端として、発展してきました。 近年では、スマートフォン向けのソーシャルゲームを筆頭に、数多くのゲームでストラテジー＆シミュレーション要素が取り入れられており、 いまやゲーム開発において戦略ゲームAIは避けて通れない非常に重要な要素になっています。 またゲーム開発のみならず、一般の人工知能開発、複雑な意思決定のプロセス形成において、その技術は非常に注目されています。 【本書の特徴】 ストラテジー＆シミュレーションゲームに利用されている戦略ゲームAI技術について、 国内や海外の事例を交え、その仕組みを丁寧に解説した書籍です。 基本的な技術の概論の解説から始まり、 著者が注目するシミュレーション＆ストラテジーゲームAIのアルゴリズムについて、 ビジュアルを交えながら解説します。 【読者対象】 ・ゲーム開発者 ・AI開発者 ・意思決定に興味を持つ方 【本書のゴール】 戦略ゲームAIの仕組みを学ぶことができる 【プロフィール】 ゲームAI研究者・開発者。 京都大学で数学を専攻、大阪大学（物理学修士）、東京大学工学系研究科博士課程（単位取得満期退学）。 博士（工学、東京大学）。2004年よりデジタルゲームにおける人工知能の開発・研究に従事。 国際ゲーム開発者協会日本ゲームAI専門部会設立（チェア）、日本デジタルゲーム学会理事など。 ※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。 -
4.6※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。 複数のプログラミング言語とパラダイムを使いこなせれば、プログラマとしての幅が広がります。本書は、1週間で1つの新しい言語を学ぶ“Seven Languages in Seven Weeks”を、Rubyの作者まつもとゆきひろ氏の監訳で発行するものです。言語の特徴を映画の登場人物になぞらえて、Ruby、Io、Prolog、Scala、Erlang、Clojure、Haskellという個性的な7つの言語を紹介。各言語の特性とそこにあるプログラミングパラダイムを、体験を通してものにしましょう。 母に捧ぐ 謝辞 序文 第1章 はじめに 第2章 Ruby 第3章 Io 第4章 Prolog 第5章 Scala 第6章 Erlang 第7章 Clojure 第8章 Haskell 第9章 全体のまとめ 付録A 参考資料 監訳者あとがき 索引 著者・監訳者・訳者について -
4.5※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。 -
4.5※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 -
4.5最も身近な仕事のツールであるExcel。ついつい，こんな使い方をしていないでしょうか？「取引先とExcelファイルをメールでやりとり」「データを月別にファイルやシートに分けている」「Excel方眼紙を愛用」「Excelで紙の資料や伝票を再現してしまうことがある」「プリントアウトのことを考えて，どう罫線を引けばよいか迷ってしまう」「クイックアクセスツールバーをクリックして操作している」「消費税の計算でROUNDDOWN関数を使っている」……。「これはやったほうがいいよ」「こうすると速いよ」と教えてもらうことはあっても，「Excelでこれをやるのはダメ」とは，なかなか指導してもらえないものです。本書は，まわりは教えてくれないけれど，ついついやってしまいがちで，仕事のパフォーマンスにブレーキをかけているExcelの“やってはいけない”を幅広く集めました。心得から始まって，ファイル，見た目，データ入力，操作，数式・関数，集計と，幅広く網羅。“やってはいけない”をキレイに一掃すれば，明日からのExcel仕事がぐっとよくなります。 -
4.5 -
4.5※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。 2025年に人工知能が到達しているであろう地点を現実的に予想！ これからの社会に人工知能を活かすための技術を解説！ 東京五輪も終わり、超・超高齢社会を迎え大きく様変わりしているであろう「2025年」。人工知能はどこまで発展・進歩し、我々の社会に活用されているのでしょうか。 本書は、2025年に人工知能が到達しているであろう地点、およびクリアできていないであろう問題点について、AIX（電気通信大学人工知能先端研究センター）を代表する研究者が独自の視点で予想します。 1章 2025年が やって来る！ 2章 ロボットと人工知能 3章 ＩｏＴとは 時間・空間・人―物間をつなげることの効果とインパクト 4章 自然言語処理と人工知能 5章 人工知能における感性 6章 社会に浸透する汎用人工知能 あとがき -
4.5【本書の特徴】 2015年11月にGoogleがオープンソース化したソフトウェアライブラリ「TensorFlow（テンソルフロー）」は、 多くの開発者に支持され、多企業で採用されています。 本書は、TensorFlowの導入から、高レベルAPIであるKerasを利用した実践的な深層学習モデルまで解説した、 エンジニア向けの入門書です。第1部の基本編では、深層学習とTensorFlow、Kerasの基礎について解説し、 第2部の応用編では画像処理における応用的なモデルのKerasを使った実装方法を解説します。 特に、第2部では、「ノイズ除去」「自動着色」「超解像」「画風変換」「画像生成」を取り上げています。 TensorFlowやKerasの機能面を押さえつつ、現場で使用できるような実践的な深層学習モデルまでフォローしています。 【対象読者】 深層学習に入門したいエンジニア 【目次】 第1部 基本編 第１章 機械学習ライブラリTensorFlowとKeras 第２章 開発環境を構築する 第３章 簡単なサンプルで学ぶTensorFlowの基本 第４章 ニューラルネットワークとKeras 第５章 KerasによるCNNの実装 第６章 学習済みモデルの活用 第７章 よく使うKerasの機能 第2部 応用編 第８章 CAEを使ったノイズ除去 第９章 自動着色 第10章 超解像 第11章 画風変換 第12章 画像生成 ※本電子書籍は同名出版物を底本として作成しました。記載内容は印刷出版当時のものです。 ※印刷出版再現のため電子書籍としては不要な情報を含んでいる場合があります。 ※印刷出版とは異なる表記・表現の場合があります。予めご了承ください。 ※プレビューにてお手持ちの電子端末での表示状態をご確認の上、商品をお買い求めください。 -
4.5 -
4.4 -
4.3※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。 第3次AIブームが起こり、現在はAIの活用に関心が移りつつある。著者らはHAI（ヒューマンエージェントインタラクション）と呼ばれる、擬人化エージェント（ロボットやAI）と人間の相互作用を研究しており、本書ではこのHAI研究を通じてAIにココロを持たせる（持っているように思わせる）デザインとその効果をわかりやすく解説している。 マインドインタラクションは著者の造語で、人と人工物が持つココロの間でやり取りされる情報、と定義されている。1章でマインドインタラクションを概説し、2章と3章では身近な諸問題—生活環境の不満や課題、対人関係のストレスやトラブル—などを、擬人化エージェントを使って改善・効率化する事例を述べている。 社会科学、認知心理学、社会心理学、哲学などの幅広い知識を用いて説明しているものの、平易な本文かつ会話調の脚注を組み合わせて、一般的なビジネス書と同列で読める内容となっている。 -
4.3※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。 本書ではディープラーニングの発展・応用手法を実装しながら学習していきます。ディープラーニングの実装パッケージとしてPyTorchを利用します。扱うタスク内容とディープラーニングモデルは次の通りで「ビジネスの現場でディープラーニングを活用するためにも実装経験を積んでおきたいタスク」という観点で選定しました。 ［本書で学習できるタスク］ 転移学習、ファインチューニング：少量の画像データからディープラーニングモデルを構築 物体検出（SSD）：画像のどこに何が映っているのかを検出 セマンティックセグメンテーション（PSPNet）：ピクセルレベルで画像内の物体を検出 姿勢推定（OpenPose）：人物を検出し人体の各部位を同定しリンク GAN（DCGAN、Self-Attention GAN）：現実に存在するような画像を生成 異常検知（AnoGAN、Efficient GAN）：正常画像のみからGANで異常画像を検出 自然言語処理（Transformer、BERT）：テキストデータの感情分析を実施 動画分類（3DCNN、ECO）：人物動作の動画データをクラス分類 本書は第1章から順番に様々なタスクに対するディープラーニングモデルの実装に取り組むことで高度かつ応用的な手法が徐々に身につく構成となっています。各ディープラーニングモデルは執筆時点でState-of-the-Art（最高性能モデル）の土台となっており、実装できるようになればその後の研究・開発に役立つことでしょう。 ディープラーニングの発展・応用手法を楽しく学んでいただければ幸いです。 -
4.3※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。 東大 松尾研究室が提供するあの人気講座が待望の書籍化！ 本書は、2017年と2018年に東京大学で実施された講座で使われた教材がベースになっています。約400名ほどの受講枠（2年間）に、のべ1,800人以上の応募があった人気の講義です。この本のベースとなるコンテンツをさらに精査、ブラッシュアップし、読みやすく整えたものが本書になります。 本書には、データサイエンティストになるための基礎をつめこんでいます。データサイエンティストは、Pythonや確率・統計、機械学習など、幅広くさまざまな分野の知識を必要とします。 この本は主にPython 3を使って、基本的なプログラムの書き方、データの取得、読み込み、そのデータ操作からはじまり、さまざまなPythonのライブラリの使い方、確率統計の手法、機械学習（教師あり学習、教師なし学習とチューニング）の使い方についても学びます。取り扱っているデータは、マーケティングに関するデータやログデータ、金融時系列データなどさまざまで、モデリングの前にそれらを加工する手法も紹介しています。データサイエンティストになるには、どれも必要なスキルです。 本書には、さらに以下の3つの特徴があります。 ・実際のデータを使って手を動かしながら、データサイエンスのスキルを身に付けることができる ・データ分析の現場で使える実践的な内容（データ前処理など）が含まれている ・練習問題や総合問題演習など実際に頭を使って考える内容がたくさんある ◆目次 Chapter 1 本書の概要とPythonの基礎 Chapter 2 科学計算、データ加工、グラフ描画ライブラリの使い方の基礎 Chapter 3 記述統計と単回帰分析 Chapter 4 確率と統計の基礎 Chapter 5 Pythonによる科学計算（NumpyとScipy） Chapter 6 Pandasを使ったデータ加工処理 Chapter 7 Matplotlibを使ったデータ可視化 Chapter 8 機械学習の基礎（教師あり学習） Chapter 9 機械学習の基礎（教師なし学習） Chapter 10 モデルの検証方法とチューニング方法 Chapter 11 総合演習問題 Appendix 本書の環境構築について/練習問題解答/参考文献・参考URL -
4.3本書は，AIに関心はあるがあまり数学が得意でない，多くの社会人や大学生，高校生が持つ「ディープラーニングがどうして動作するの？」という疑問に答える超入門書です。偏微分方程式などの難しい大学レベルの数学抜きに，Excelで見て動かして，ディープラーニングを学べます。図示しやすいパターン認識を題材にし，Excelの確認，数学の復習を織り込みます。数学的に難しいことはExcelに任せるため，計算に自信のない人でも，ディープラーニングを学ぶことができます。本書では，簡単なExcel操作と初等的な数学の知識だけで，ディープラーニングの動作原理を基本から理解できるようになります。 -
4.3 -
4.2システム開発における最初の関門である「要件定義」を、豊富なイラストや表、具体例を用いてわかりやすく解説しています。現場に立つうえでエンジニアが身につけておくべき知識が満載の一冊です。 -
4.2本書は、ブロックチェーンの基本やしくみ、開発手法やツールなどを一通り学ぶことのできる図解入門書です。ブロックチェーンの基礎技術としては、最も普及しているビットコインブロックチェーンや、スマートコントラクトのプラットフォームとして注目されるイーサリアムなどを題材に解説を行い、現在のブロックチェーンの技術的課題や最新動向もしっかりフォローします。エンジニア1年生、フィンテック業界への転職・就職を目指す人、ブロックチェーンを導入したい企業の担当者に向け、豊富なイラストや具体的な資料を用いてわかりやすく解説します。 -
4.2 -
4.2 -
4.1 -
4.1 -
4.1 -
4.1 -
4.1 -
NEW4.0【「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。 -
4.0※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。 -
4.0※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 -
4.0※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 -
4.0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 -
4.0印刷本なのか、電子本なのか。これからの出版社・取次・書店・読者を考えるために必読の1冊！ 出版をめぐる状況は世界的な規模で、大きな変貌を遂げている。学術雑誌はインターネット上であたりまえに公開。電子出版・インターネット書店・出版情報と物流情報のデジタル化・電子図書館、そして出版メディアのゆくえを語り尽くす、書店員の書いた一冊。 前書きより〜 （前略）私は「電子出版」と呼ばれるものが、現在の出版物の一般的な形態である本や雑誌をすべてなぎ払ってしまうなどと主張するつもりはありません。また、「電子出版」の良いところだけをことさら取りあげて、バラ色の出版未来論を展開する気もありません。そうではなく、現在進行形の事態をできるだけ総合的に分析して、今後の出版メディアをその流通も含めて展望してみたいと思っているのです。（後略） 【目次】 はじめに ●一時間目 学術出版の世界は激変している ●二時間目 電子出版は出版を変えるか ●三時間目 成長するインターネット書店 ●四時間目 出版情報・物流情報のデジタル化 ●五時間目 出版メディアのゆくえ あとがき 索引 【著者】 湯浅俊彦 1955年、大阪府豊中市生まれ。追手門学院大学・国際教養学部・教授。学校法人追手門学院図書・情報メディア部長。日本図書館協会・出版流通委員。 著書に『電子出版学概論―アフターコロナ時代の出版と図書館』（出版メディアパル）、『図書館情報学用語辞典 第5版』（丸善出版）、『文化情報学事典』（勉誠出版）、『電子出版活用型図書館プロジェクト―立命館大学文学部湯浅ゼミの総括』（出版メディアパル）、 『ICTを活用した出版と図書館の未来―立命館大学文学部のアクティブラーニング』（出版メディアパル）など -
4.01巻8,800円 (税込)※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。 ソフトウェアエンジニアリング・スタンダードの第9版 「ソフトウェア技術者なら、この財産を活用しない手はない」とマイクロソフト榊原彰氏よりの推薦文にあるように、その通りに期待できる内容です。 「本書は米国においての第1版が発行（1982年）されて以来、世界累積300万部を超えるベストセラーの最新刊である第9版の邦訳書です。ソフトウェア同様、改良が続けられているソフトウェアエンジニアリングの「最良の手法」を解説している書籍であり、現役のソフトウェアエンジニアならびに学生諸氏におすすめする1冊です。 原書：Roger S. Pressman, Bruce R. Maxim, Software Engineering,McGraw-Hill, 2020 著者について／まえがき／訳者まえがき 第1章 ソフトウェアとソフトウェアエンジニアリング 第1部 ソフトウェアプロセス 第2章 プロセスモデル 第3章 アジャイルとプロセス 第4章 推奨のプロセスモデル 第5章 ソフトウェアエンジニアリングの人間的側面 第2部 モデリング 第6章 プラクティスの指針となる原則 第7章 要求エンジニアリング 第8章 要求モデリングの推奨手法 第9章 設計の概念 第10章 アーキテクチャ設計の推奨手法 第11章 コンポーネント設計 第12章 ユーザエクスペリエンス設計 第13章 移動体端末におけるソフトウェアの設計 第14章 パターンに基づく設計 第3部 品質とセキュリティ 第15章 品質の概念 第16章 レビューの推奨手法 第17章 ソフトウェア品質保証 第18章 ソフトウェアセキュリティエンジニアリング 第19章 ソフトウェアテスト―コンポーネントレベル 第20章 ソフトウェアテスト―統合レベル 第21章 ソフトウェアテスト―移動体端末と特定ドメインに対するテスト 第22章 ソフトウェア構成マネジメント 第23章 ソフトウェアメトリクスと分析 第4部 ソフトウェアプロジェクトのマネジメント 第24章 プロジェクトマネジメントの概念 第25章 実行可能で役立つソフトウェア計画 第26章 リスクマネジメント 第27章 ソフトウェアサポート戦略 第5部 先端的な話題 第28章 ソフトウェアプロセス改善 第29章 ソフトウェアエンジニアリングの新興トレンド 第30章 おわりに 付録／参考文献／索引／訳者プロフィール -
値引きあり4.0※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。 実践・自然言語処理シリーズの第3巻。本書は自然言語処理におけるテキスト処理の様々な要素技術を、実用的な手法に厳選してまとめている。前処理、類似度、重要度、検索、要約、フィルタリング処理といった基礎的な処理方法が網羅され、自然言語処理の各種ツールの使い方も丁寧に解説している。教科書だけでは不十分な、実践に足る情報をこの一冊を通して得ることができる。 -
4.0企業のデジタルトランスフォーメーション（DX）への取り組みが加速する中、システムやサービスにおけるUX（ユーザーエクスペリエンス）の重要性は高まっています。システム開発において、質の高いUXデザインが強く求められるようになっているのです。 しかしシステム開発を手掛けるITエンジニアの中には、UXデザインを見栄えを良くすることだと限定的に捉えている人が少なからずいます。ユーザーにとって価値のある使いやすいシステムをつくるには、見栄え以外にも改善すべき項目がたくさんあります。 またUXデザインに取り組みたくても、その方法がわからないという声も少なくありません。本書は、ITエンジニアがシステム開発の中でより良いUXデザインを実現するための知識やノウハウを、基本と実践の2部構成で解説した一冊です。 基本編となる第1章では、UXデザインのプロセスをシステム開発と同様に上流から「戦略」「要件」「構造」「骨格」「表層」の5 つのフェーズに分け、各フェーズで取り組むことや進め方、よく利用されるメソッドやつまずきポイントなどをわかりやすく解説します。 実践編となる第2章では、基本編で紹介した5つのフェーズの実践に必要な体制や仕組み、実際に取り組んだ事例などを、具体的な勘どころも交えて解説しています。UXデザインに取り組んでいくうえで組織的に準備しておきたいことや、UXデザインの活用方法など、実践を支えるヒントや心構えなどにも触れています。 著者が実際のシステム開発現場で積み重ねた豊富な経験を基に、UXデザインの実践的なノウハウをITエンジニアの目線で整理し、解説しています。ぜひご活用ください。 -
4.0※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。 今やニュースで聞かない日はないＡＩ〈人工知能〉。ディープラーニングに代表される先進的技術が世界を変えるとして産業界やビジネス社会からの関心も高い。そもそも人工知能とは何か、どういう歴史を歩んできたのか、どういった課題があるのか、そして私たちの生活にどのような影響を与えるのかを説いた、これからを生き抜く教養としてのＡＩ入門書。話題の先端科学に触れたいという知的好奇心に応えるシリーズ第6弾。 -
4.0※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 インターネットが普及し、待ったなしで求められている教育が「情報モラル」です。炎上、なりすまし、拡散、誹謗中傷など、さまざまな問題があります。この情報モラルは、一般的なモラル（倫理や道徳）を基盤として、PCやインターネットに関する「技術」と、社会のルールである「法律」を両輪として、合わせて学んでいくことがポイントです。本書は、児童生徒の身近な題材を用い、モラル、技術、法律、情報、健康をテーマとして取り上げ、「情報モラル」をわかりやすく解説し、理解できるようになっています。基本編では、モラル、技術、法律についてバランスよく解説し、情報モラルの基本な考え方がわかるようになります。 -
4.0 -
4.0本書は、現在話題となっているキャッシュレス決済に関心のある方へ向けて、キャッシュレス決済の定義と分類、各決済方式の仕組み、代表的な企業やサービスなど、キャッシュレス決済の全体像を俯瞰して解説する書籍です。現在急速に普及の進む「QRコード決済」の最新情報から、「カード決済」「電子マネー」を含む各種決済サービス、キャッシュレス化が進んだ中国の現状といった情報を整理し、図解を使ってわかりやすく解説します。 -
4.0IoTについての基本的な知識が身に付く本です。IoTサービスの導入の際に必要となる知識や、IoT機器の仕組みなど、幅広い分野について理解できるようになります。2018年10月より開始されたIoT検定ユーザー試験パワー・ユーザーの教科書&問題集としても使うことができます。 -
4.0ビッグデータ。言葉だけが先行し、その活用はなかなか広がっていない。データを使ってしっかりとした効果や成果を出せるまでには至っていない。 この分野での経験豊富なAgoop社長の著者は、ビッグデータを利活用できているのは、民間ではデータ分析の実績がある比較的大きな企業であり、公的には国や政令指定都市のような予算規模が大きく人材の豊富な自治体に限られていると分析する。 ビッグデータという概念やその活用は、けっして末端まで浸透しているとはいえず、ビッグデータが社会実装されて継続的・永続的に活用されている事例は、まだそれほど多くない。 なぜ、ビッグデータを活用できなかったのか。うまく利活用するにはどうすればいいのか。著者はビッグデータを、ビッグデータを超えるビヨンド・ビッグデータとして考え直し、新たな概念としてとらえることを提案する。豊富な事例をもとに解き明かされるビヨンド・ビッグデータの世界を理解できる好著。 -
4.0 -
4.0注目の最新AI技術！深層強化学習の開発手法がわかる！ 第一線で活躍する著者陣の書下ろしによる待望の1冊！ 【本書の目的】 AlphaGo（アルファ碁）でも利用されている深層強化学習。 AIサービスのみならずロボティクス分野でもその応用が期待されています。 本書は、AI開発に携わる第一線の著者陣が深層強化学習の開発手法について書き下ろした注目の1冊です。 【本書の特徴】 第1部では、まず、深層強化学習の概要について説明します。 次いで、強化学習の基礎（Q学習、方策勾配法、Actor-Critic法）と深層学習の基礎（CNN、RNN、LSTM）を解説します。 さらに、簡単な例題として倒立振子制御を取り上げ、DQNとActor-Critic法による実装例を紹介します。 第2部では、具体的な応用例として3つのアプローチを実装込みで解説します。 1つ目は、連続動作制御です。ヒューマノイドシミュレータの2足歩行制御を試みます。 2つ目は、パズル問題の解法です。巡回セールスマン問題（TSP）やルービックキューブの解探索について説明します。 3つ目は、系列データ生成です。文書生成（SeqGAN）やニューラルネットワークのアーキテクチャ探索（ENAS）を解説します。 全体を通して、行動の制御を担うエージェントのモデル化と、方策ベースの強化学習によるエージェントの学習法について学ぶことができます。 【読者が得られること】 深層強化学習による開発手法を学ぶことができます。 【対象読者】 深層強化学習を学びたい理工学生・エンジニア ※本電子書籍は同名出版物を底本として作成しました。記載内容は印刷出版当時のものです。 ※印刷出版再現のため電子書籍としては不要な情報を含んでいる場合があります。 ※印刷出版とは異なる表記・表現の場合があります。予めご了承ください。 ※プレビューにてお手持ちの電子端末での表示状態をご確認の上、商品をお買い求めください。 -
4.0機械学習・ディープラーニングについて学ぶための、図解形式の解説書です。エンジニア1年生、機械学習関連企業への就職・転職を考えている人が、機械学習・ディープラーニングの基本と関連する技術、しくみ、開発の基礎知識などを一通り学ぶことができます。 -
4.0※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 機械学習が話題に上ることも増えてきましたが，実際には手っ取り早くできるものではなく，ライブラリを使うだけではやりたいことをうまく実現できません。もとになる考えかたや基礎的なモデルを知っていなければ，パラメータの意味がわからなかったり，目の前の問題に対してまったく向いていないモデルを使ってしまうからです。こういった状況に対し本書では，機械学習の理論を知ることで，機械学習を実際に活用していくための基礎をきっちりと固めることを目的とします。 -
4.0※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。 アジャイル導入のメリット最大化へ！ ソフトウェア工学分野の“大御所”バートランド・メイヤー博士の手による、アジャイル入門書にして具体的な開発手法にまで言及した一冊。アジャイルのプラス面だけでなく、マイナス面にも切り込んで紹介している点が本書の特徴である。 アジャイルができること・できないこと、世間一般のアジャイルへの誤解などを明らかにすることで、アジャイル導入のメリットの最大化を目指す。各章ともコンパクトにまとめられており、初学者でも無理なく読み進められる一方、開発現場で頻出する諸問題にも詳しいため、現場レベルでも役立つ。 -
4.0DTMアプリ（DAW）で使用する音源「ソフトシンセ」。今やソフトシンセは，音楽の音源としてだけでなく，ゲームやムービーの効果音にも利用されており，すべてのメディア制作の現場でなくてはならない存在になっています。本書は，すべてのクリエーターに向けたソフトシンセの使いこなしガイドブックです。前半でソフトシンセの基本概念と使用方法を解説し，後半ではプリセットでは飽き足らない上級者に向けて，必要なサウンドを手にするための音色エディットのテクニックを目的別に解説しています。この1冊を読めば，多種多様なソフトシンセを自在に操れるようになります！ -
4.0※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。 テキストマイニングの手法がよくわかる!! 本書はテキストマイニングの基礎と事例について、フリーの計量テキスト分析ソフトKH Coderを利用したテキストの解析と、Excelによるその分析手法を通して解説する入門書です。 テキストマイニングをいかに業務に活かしていくか、つまづきがちなポイントをマンガやイラスト、図解を用いてわかりやすく解説します。 はじめに 登場人物 プロローグ 第1部 テキストマイニング 基礎編 第1章 テキストマイニングとは 第2章 テキストマイニングで実現できること 第3章 気軽に始めるテキストマイニング 第4章 テキストデータを準備する 第5章 KH Coderで伝える！分析アウトプット5選 第6章 分析の精度を高める！データクレンジング 第2部 テキストマイニング 実践編 第7章 アンケートのテキストマイニング 付録 A.1 Jaccard係数の計算方法 A.2 先輩おすすめの参考書籍 索引 -
-
4.0※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。 データベース入門の決定版！ データベースを学びたい初学者に向けて、平易な言葉で基礎を解説した入門書です。 大規模な情報を効率よく処理するために、いまやデータベースは欠かせないコンピュータの基盤技術となっています。 本書は、データベース技術に関する、大学・高専の標準的な教科書として、また社会人の方の入門書として、データベース技術のポイントを選んで、それぞれの基本的な考え方，内容をていねいにわかりやすく説明しています。 1章 データベースとは 2章 関係表とは 3章 データベースの代数 4章 関係表の正規化 5章 基底表と視野表 6章 やわらかい内部スキーマ 7章 安全なデータベース -
4.0※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。 JavaScriptによるネイティブアプリ開発の現場のノウハウ、教えます！ 「React Native」は、Facebookが開発しているスマートフォンアプリ向けの開発環境で、2015年3月にオープンソースとして公開されました。ほとんどのコードをJavaScriptで記述でき、スマートフォンのAndroidとiOSに両対応したネイティブアプリの開発が可能です。名前からもわかるように、同じくFacebookが開発したUI用のライブラリであるReactをベースの技術としており、コンポーネントを組み合わせてUIを構築できます。Facebookは、自社や傘下のInstagramのスマートフォンアプリ開発にReact Nativeを利用しています。 Reactをベースにし、JavaScriptで開発を行えるため、Web系の開発者がスマートフォンのネイティブアプリ開発を始めるには、React Nativeは最適なプラットフォームといえるでしょう。 また、「Expo」は、React Nativeによる開発・アプリ配布を支援するためのツールとサービスです。本書では、開発環境としてExpoを使って解説しています。 本書では、ある程度、Web開発の知識があり、これからスマートフォンのネイティブアプリ開発に取り組もうという人に向けて書かれています。 【各章の内容】 ●第1章 React Nativeの概要、および、その開発支援ツールである「Expo」と「Create React Native App（CRNA）」について説明しています。 ●第2章 React Nativeに必要となるnode.js、そしてExpoの導入について説明しています。 ●第3章 Androidエミュレータ／iOSシミュレータの導入と、デバッグ環境などの具体的な利用方法を解説します。また、実機での動作確認方法にも触れています。 ●第4章 TODOアプリの開発を通してReact Nativeの基本を学んでいきます。 ●第5章 Flexboxレイアウトを学ぶために、逆ボーランド電卓を作成します。 ●第6章 統一的なUIを持ったアプリの作成を可能にする「UIライブラリ」を使ってTODOアプリを拡張します。 ●第7章 Fluxアーキテクチャを使って、TODOアプリを書き直してみます。 ●第8章 トイレマップとGPSロガーの2つのアプリを通して、ライブラリの利用、GPSやカメラといったスマートフォン機能の使い方など、本格的で実践的なReact Nativeプログラミングについて学びます。 ●第9章 アプリ内でWebページを表示するための「WebView」を使ったプログラミングを解説しています。 ●第10章 React Native CLIを使ったネイティブモジュールを使った開発について解説しています。 ●第11章 Google Play／App Storeでの配信について説明しています。 ●第12章 意外とハマるポイントでもあるReact Native／Expoのバージョンアップについて解説しています。 ●付録 tvOS／Windowsに対応したアプリの対応方法を解説しています。 -
4.0※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 ゲームAI手法を技術開発に必要な基礎的な内容から解説！ 本書は、最近のゲームAI手法をさまざまな実例で解説するとともに、実際にゲームAIを構築できるような技法の習得を目指します。さらに、人工知能の最新の話題として、人間らしいゲームAIや深層学習、機械学習、強化学習についても解説しています。 第1章 パズルとゲームのAI今昔物語 第2章 パズルを解くAI 第3章 制約従属のパズルと非単調な推理 第4章 ゲームを解くAI 第5章 学習・進化とゲームAI 第6章 ゲームAIと人間らしさ 参考文献 索引 -
4.0※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。 多変量解析手法の理論と実践をバランスよく習得できる！ 様々な媒体、経路を通じて大規模データが、驚くほど低コストで入手できるようになった現在、多変量解析手法に習熟したデータサイエンティストに対する学術界、ビジネス界からのニーズは非常に高まっており、これに対して大学や企業では、高いデータ解析力を持った人材の育成に注力し始めています。しかし、多くの多変量解析についての学習書は、理論的な説明に終始し、実務場面でどのように利用されているかについて、殆ど配慮がないのが現状です。 そこで本書は、多変量解析手法の理論と実践をバランスよく解説することで、統計が得意ではない大学生や実務者にも利用しやすい構成とし、本書1冊で多変量解析手法を実務に応用できるまで習得できる内容となっています。 第I部 多変量解析の基礎 第1章 多変量解析の基礎を学びたい―R による多変量データの基本的な統計処理 第2章 R によるデータハンドリングを学びたい ―アンケートデータと ID-POS データのハンドリング 第II部 量的変数の説明・予測 第3章 現象を説明・予測する統計モデルを作りたい (1) ―重回帰分析 第4章 現象を説明・予測する統計モデルを作りたい (2) ―階層的重回帰分析 第5章 さまざまな集団から得られたデータを分析したい―マルチレベルモデル 第6章 複雑な仮説を統計モデルとして表したい (1)―パス解析 第III部 心理尺度の分析 第7章 心理尺度を開発したい (1) ―探索的因子分析 第8章 心理尺度を開発したい (2) ―確認的因子分析 第9章 複雑な仮説を統計モデルとして表したい (2) ―潜在変数を伴うパス解析 第IV部 質的変数の説明・予測 第10章 クロス集計表をもっとていねいに分析したい―対数線形モデル 第11章 カテゴリに所属する確率を説明・予測したい―ロジスティック回帰分析 第V部 個体と変数の分類 第12章 似たもの同士にグループ分けしたい―クラスター分析 第13章 質的変数間の連関を視覚化したい―コレスポンデンス分析 第VI部 多変量解析を使いこなす 第14章 データが持つ情報を視覚化したい―パッケージggplot2による描画 第15章 多変量解析を実践で生かしたい―手法の組み合わせ -
4.0世の中で氾濫している「人工知能・AI」という言葉に惑わされないようにするため、人工知能についての正しい知識を身につけ、理解することが必要です。 人工知能分野の発展に貢献しているのが 機械学習・深層学習（ディープラーニング）と呼ばれる技術で「人工知能（AI）を使ってなにかプロジェクトをやってほしい」と言われたとき「ビジネス課題を機械学習・深層学習でどのように解決すればよいか」と置き換えて考えればよいケースがほとんどです。 本書では、あいまいな状態になっているビジネス上の課題を機械学習を試すことのできるような形に課題を書き換えたり、人工知能の代表的な手法である推論・探索、知識表現、機械学習、深層学習の各手法をフレームワークとして考え、実際のビジネスで活用できるといった“AI的思考力”を高める方法を解説していきます。 また人工知能は万能ではなく、ビジネス上における課題は千差万別です。本書の目指すところは「人工知能で解決できるものなのか」を自ら判断し、「人工知能のどの技術を使えばよいのか」が分かるようになることです。 人工知能技術の大部分は数学によって支えられていますが、本書はあくまでも「ビジネスで人工知能を活用するために知っておくべきこと」をまとめたものですので“難しい数式”は一切出てきません（もちろん、プログラミングも）。 『機械学習・深層学習という言葉は聞いたことはあるけれど、よく分からない』『ビジネス課題に適用できる自信がない』『どのように評価すればよいのか検討がつかない』といった方にとって、本書は役に立つはずです。 -
4.0Googleが提供するクラウドサービス AWSとの違いを軸に徹底解説 「Google Cloud Platform」（GCP）は、Amazon Web Services（AWS）やMicrosoft Azureと同じく、企業向けのクラウドサービスとして提供されている。後発であることは否めないが、後発であるからこその特徴を備えている。 一般的な用途では「マネージドサービス」の充実が特徴と言える。そのほか、今注目の「機械学習」「ビッグデータ」関連のサービスが特に充実しており、AI関連のシステム基盤として要注目であることは間違いない。 本書では、「コンピューティング」「ストレージ」「ネットワーキング」「ビッグデータ」「機械学習」「アカウント管理」「運用監視」という７つのカテゴリーに分類し、GCPの特徴を、AWSとの違いを軸に解説している。 また、GCPのサービスを解説するほか、エンタープライズ用途のユースケースに基づいて、GCPを用いた設計ガイドをまとめている。技術力に定評のあるGoogleのクラウドサービスを検討するのに最適な１冊である。 -
4.0 -
4.0※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。 LinkedDataは、構造をもったデータを適切に公開・共有するための新しいWeb技術である。 本書は、このLinked Dataを包括的に解説する日本初の書籍である。内容は、最先端の技術情報をまことに分かりやすく簡潔に述べており、NII（国立情報学研究所）を中心とした我が国の精鋭研究者が翻訳に当たった。 -
4.0※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。 社会の様々なところにソフトウェアが組み込まれる中、従来その信頼性を確保するための手法であったテスト手法は、時間やコストなどの面で開発の現状に追いつけない状況にある。そのテスト手法に代わるものとして注目されてきているのが形式的手法による検証（モデル検査法）であり、その中の一つがSPINである。本書はSPINの基礎から実際の利用方法までを具体的に解説する日本で初めての書籍である。 -
4.0※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。 Chainerのバージョン2でディープラーニングのプログラムを作る 本書はChainer を使ってディープラーニングのプログラムの作り方を示すものです。ディープラーニングは複雑なネットワークで表現された関数の回帰の問題と見なせます。そしてこのような問題は勾配法で解きます。この観点から Chainer によるプログラムの作成法を示しました。Chainerが2にバージョンアップしたため、2に対応し発行するものです。畳み込みニューラルネットワークについても解説しています。 主要目次 はじめに 第0章 Chainer とは 第1章 NumPy で最低限知っておくこと 第2章 ニューラルネットのおさらい 第3章 Chainer の使い方 第4章 Chainer の利用例 第5章 Trainer 第6章 Denoising AutoEncoder 第7章 Convolution Neural Network 第8章 word2vec 第9 章Recurrent Neural Network 第10章 翻訳モデル 第11章 Caffe のモデルの利用 第12章 GPU の利用 参考文献 ソースプログラム -
4.0IoTを知らずにこれからのビジネスはできない 「IoT」の全てを網羅した決定版！ 日本だけではなく世界が「IoT(Internet of Things、もののインターネット)」の時代に突入しつつあります。IoTの時代には、身の回りのあらゆるものがセンサーや制御装置を介してインターネットにつながり、データを集める。こうして集めたビッグデータを人工知能(AI)を使って分析し、効率や性能を高めます。さらには、新たなサービスを生み出し、これまでにないビジネスモデルを構築する──。IoTは「第4次産業革命」を起こし、既存のビジネスの世界を激変させるとまで言われています。 こうしたIoTの時代には、全てのビジネスパーソンにIoTの基礎的な知識やスキルが必須となります。あらゆるビジネスがIoTをベースに動くため、IoTを知らなければ仕事ができず、時代に取り残される可能性すらあるのです。一方で、IoTという言葉はよく聞くものの、内容が複雑でよく分からないという人が多いというのも現実です。 本書は「IoT」とは何かについて、基礎から体系的に学べる唯一の書です。IoT分野で使われる用語を網羅し、定義はもちろん、図版や事例を多用しつつ分かりやすく解説しました。 第1章から読んで体系的に学ぶことはもちろん、知りたいことがあったときに参照するという使い方もできます。検定試験「IoT検定」の公式本でもあります。 これから本格化するIoT時代を勝ち残りたいビジネスパーソンにとって、決定版となり得る1冊です。 -
4.0金融分野でのITの活用が進み，FinTech（フィンテック）という名称で話題を読んでいます。本書は，FinTechの基礎知識から，具体的なサービス，スタートアップ企業，FinTechを支える最新ITのしくみ，さらには企業での導入や家庭での活用方法までを1冊にパッケージ。これ1冊で，FinTechの全貌がわかります！ -
4.0 -
4.0※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Webアプリケーションの脆弱性をチェックするための解説書です。Webアプリケーションはユーザーの個人情報や商品情報など重要な情報を扱っています。Webアプリケーションの開発者がセキュリティに自信がある場合でも、開発者のちょっとした打ち間違いや、勘違いがあることでWebアプリケーションに進入・改ざんなどが行われこれらの個人情報が悪用される恐れがあります。 本書ではWebアプリケーションの開発後にセキュリティを確認するための脆弱性診断についてまとめています。脆弱性診断を行う際のスタンダードツールとなっているOWASP ZAPとBurp Suiteを使用することで、開発者やセキュリティ担当者がセキュリティに問題がないかを検査することができます。 本書の前半では、Webアプリケーションがどのような仕組みで通信をし、どのようにして脆弱性が起こるのかといった診断に必要なネットワークの知識を学んでいきます。後半では、実際に問題があるBAD STOREというWebアプリケーションデータを使用し、仮想マシン上で実際に手を動かしながら脆弱性診断の手法を学んでいきます。診断の仕方はOWASP ZAPを使用して通信経路などを診断する方法と、手動で検索窓などにパラメータを挿入し診断する方法など様々な手法を解説しています。 著者の上野宣はOWASP ZAPの日本リーダーであり、脆弱性診断の第一人者です。脆弱性診断の手法を身に付けることで、セキュリティを客観的に判断することができますので、Webアプリケーションの開発者だけでなく、経営者の方にもおすすめの1冊です。 ※電子書籍版にはチェックシートは付属していません。 ※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。 -
4.0※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 学問の最先端にいる研究者がコミュニケーションの科学をテーマに様々な角度から語る画期的なシリーズ。第一弾のテーマはコンピュータのカオス。 -
3.9★【シリーズ累計35万部】Excel本の歴史を塗り替えた伝説の1冊が全面リニューアル！ 「5時間かかる作業が3時間でできます」ではなく「1秒で終わらせます」へ―― 作業そのものをゼロにしてしまう“究極の効率化”を実現するExcel VBAのポイントと、毎日の業務を瞬時に終わらせるしくみの作り方をかつてないアプローチで解説した定番書がリニューアル。 大量の書類作成の自動化、イミディエイトウィンドウによる効率的なデバッグなどの話題を追加し、画面をすべてOffice 365＋Windows 10に刷新しました。 300社5000人の指導実績に裏打ちされた、実務直結のExcel入門決定版！ -
3.9機械学習エンジニアになりたい人に 機械学習エンジニアを志望する人が増えています。 採用数も増えており、さまざまな就職・転職サイトで「機械学習エンジニア」の募集がされており、この数は今後さらに増えることが予想できます。 しかし、採用側の話を聞くと、志望する人の大半は求める能力に達していないというミスマッチが発生しています。 これは、「機械学習エンジニア」という仕事が誕生して間もないため、 どのような能力を必要とするのかをエンジニア側が理解していないことに原因があります。 【本書の構成】 本書は「仕事編」と「実務編」の２部構成です。 「仕事編」では、機械学習エンジニアになりたい人向けに、 その仕事内容や必要な知識レベル、なるための勉強法、採用されるための履歴書の書き方などを解説します。 「実務編」では、身の周りのAI技術や実務ノウハウ、各国の機械学習エンジニア事情について解説します。 また、実際に機械学習エンジニアとして働く人やゼロから機械学習の知識を身につけた方々のインタビューも掲載しています。 ※本電子書籍は同名出版物を底本として作成しました。記載内容は印刷出版当時のものです。 ※印刷出版再現のため電子書籍としては不要な情報を含んでいる場合があります。 ※印刷出版とは異なる表記・表現の場合があります。予めご了承ください。 ※プレビューにてお手持ちの電子端末での表示状態をご確認の上、商品をお買い求めください。 -
3.9■AIについての最も重要な命題=人類はAIを制御できるか、という「AIコントロール問題」と真正面から格闘した本命本。 ■近未来に、汎用的な能力においても思考能力においても、そして、専門的な知識・能力においても、人類の叡智を結集した知力よりもはるかに優れた超絶知能(スーパーインテリジェンス)が出現した場合、人類は滅亡するリスクに直面する可能性がありうる。そのリスクを回避するためには、スーパーインテリジェンスを人類がコントロールできるかどうかが鍵を握る。果たして、そのようなことは本当にできるのか? ■オックスフォード大学の若き俊英、ニック・ボストロム教授が、スーパーインテリジェンスはどのようにして出現するのか、どのようなパワーを持つのか、いずれ人類がぶち当たる可能性のある最大の難問、「AIのコントロール問題」とは何か、解決策はあるのかなどについて、大胆にして、きわめて緻密に論じる。2014年秋に原著が出版されるや、瞬く間にニューヨーク・タイムズ紙ベストセラーとなり、イーロン・マスク、ビル・ゲイツ、S・ホーキング博士およびその他多数の学者や研究者に影響を与え、AIの開発研究は安全性の確保が至上命題であることを広く認識させるきっかけとなった。 ■近未来においてスーパーインテリジェンスは実現する可能性はあるのか? どのようなプロセスで実現されるのか?スーパーインテリジェンスはどのような種類の能力をもち、人類に対してどのような戦略的優位性をもつのか? その能力が獲得される要因は何か? 人類が滅亡する危機に直面するリスク、人類との共存の可能性についてどう考えるべきか? これらAIをめぐる真に根源的な問題について著者は、類書をはるかに超えた科学的、論理的な考察を徹底して慎重に積み重ね、検証する。 -
3.8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。 -
3.8※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 機械学習のしくみをイラストや図解でやさしく学ぼう！ 本書は、機械学習に関するさまざまなトピックスを概説する書籍です。人工知能における機械学習の位置づけを説明したのち、機械学習内の分野をマップ化し、マップ内の街（＝機械学習内の分野）を旅する形でやさしく解説していきます。 数式や複雑な処理手順は扱わずに、「どんなしくみで、どこで使われていて、どう役に立つのか」という要点をわかりやすく示します。大枠や要点を掴むことを主眼としているため、短時間・効率的に学ぶことができます。機械学習について関心をもっているものの、専門書はハードルが高いと感じている学生やビジネスパーソンにおすすめです。 構成は、はじめに人工知能における機械学習の位置づけや手法の分類を示したうえで、機械学習の個々のトピック……すなわち、ｋ近傍法や決定木などによる分類、進化的計算や群知能による最適化、強化学習、ニューラルネット、深層学習などを説明していきます。 まえがき 目次 はじまり－機械学習の国へ行こう－ 第一章 いりぐち－機械学習ってなんだろう？－ 機械学習ってなんだろう？ AIにできること いきものとコンピューター、それぞれの学びかた コンピューターの学習 機械学習はなにができるの？ 「言葉」を認識する 「画像」を認識する COLUMN 強いAIと弱いAI 第二章 観光案内所－機械学習の種類と仕組み－ 機械学習には種類がある 先生に正解を教えてもらおう－教師あり学習－ 教師データとラベル 教師あり学習の仕組み 自力で学習を進めよう－教師なし学習－ 試行錯誤の経験から学習しよう－強化学習－ コラム いろんな機械学習 学習した知識を役立てよう－汎化・タスク・アルゴリズム－ 学習のしすぎに注意！－過学習－ COLUMN オッカムの剃刀とノーフリーランチ定理 第三章 分類の街－k近傍法と決定木－ 並べかたで分類しよう－k近傍法－ 一刀両断、スパッと分類！－サポートベクターマシン－ ○と×で分類しよう－決定木－ 決定木の作りかた たくさんの決定木の森－ランダムフォレスト－ COLUMN みにくいアヒルの子定理 第四章 最適化の街－進化的計算と群知能－ 最適化ってなんだろう？ 進化を模倣してよりよい情報を残そう－進化的計算－ いきものの進化の仕組み 進化的計算ってなんだろう？ 進化的計算の代表選手、遺伝的アルゴリズム 遺伝的アルゴリズムの仕組み もっと複雑なことをするには－遺伝的プログラミング－ 生物の群れの行動から学習しよう－群知能－ 蟻みたいに近道を見つけよう －蟻コロニー最適化法－ 大勢で答えを探そう－粒子群最適化法－ 魚みたいに餌を探そう－AFSA－ 第五章 試行錯誤の街－強化学習－ 強化学習ってなんだろう？ とにかく試行回数を重ねよう－モンテカルロ法－ より効率的に試行するには？－Q学習－ Q学習で迷路を脱出しよう 第六章 神経回路の街①－ニューラルネット－ 神経細胞と神経ネットワーク 神経細胞の模倣－人工ニューロン－ 神経ネットワークの模倣－人工ニューラルネットワーク－ ニューラルネットの学びかた 視覚のシミュレーション－パーセプトロン－ ハイスピードで学ぼう！－バックプロパゲーション－ ニューラルネットワークの種類 ①階層型 ニューラルネットワークの種類 ②全結合型と再帰型 「何か」を見つける－認識－ 「何か」を動かす－制御－ 「何か」を考える－判断－ 必ず「何か」を返してくる。……それでいいのかな？ 第七章 神経回路の街②－ディープラーニング－ ディープラーニングってなんだろう？ 人間の「視覚」を真似したニューラルネット これはイヌ？ それともネコ？－畳み込みニューラルネットの画像認識－ CNNはどうして高性能なんだろう？ 時間で変わるデータを分析しよう－リカレントニューラルネットとLSTM－ 本物そっくりのニセモノをつくる－敵対的生成ネットワーク－ ディープラーニングを自動翻訳に役立てよう 経験から学ぶ深層学習－深層強化学習－ 第八章 でぐち－機械学習をはじめよう－ 機械学習に使われる言葉－プログラミング言語Python－ 機械学習に使われるソフトウェア①－TensorFlowとKeras－ 機械学習に使われるソフトウェア②－Caffe、PyTorch、Chainer－ おわりに－AIについて学べる参考図書たち－ 索引 -
3.8世界最大のデータ分析コンペサイト Kaggle（カグル）に挑戦して データ分析の基礎知識を身に付けよう！ 【本書の概要】 本書はこれからデータ分析をはじめたいと思っている方や、 Kaggleに興味のあるデータ分析の初心者に向けて、 Pythonの実際のコードとともに丁寧に解説した書籍です。 データ分析で必要な一般的な知識とともに、 Kaggleへチャレンジするフローや、 Kaggleの初心者向けコンペへの取り組み方を紹介します。 データ分析や機械学習の一端に触れ、 実際に課題を解決するプロセスを体感できます。 【本書の対象読者】 ・データサイエンティストを目指す学生 ・データ分析に興味はあるが、あまり経験や知見がないデータ分析の初学者の方 【本書のポイント】 Kaggleの初心者向けチュートリアル「Titanicコンペ」「House Pricesコンペ」について、 分析の準備から結果の考察、そして精度を上げるプロセスを ステップバイステップでコードとともに、わかりやすく解説しています。 【本書より扱うコンペの特徴：本書より抜粋】 ・Titanicコンペの特徴 乗客ごとに性別や年齢、乗船チケットクラスなどのデータが、 生存したか死亡したかのフラグとともに与えられています。 生死に影響する属性の傾向をデータから分析して、 生死がわからない（予測用に隠されている）乗客について、 生死結果を予測することが目的です。 ※本電子書籍は同名出版物を底本として作成しました。記載内容は印刷出版当時のものです。 ※印刷出版再現のため電子書籍としては不要な情報を含んでいる場合があります。 ※印刷出版とは異なる表記・表現の場合があります。予めご了承ください。 ※プレビューにてお手持ちの電子端末での表示状態をご確認の上、商品をお買い求めください。 -
3.8Amazon Web Services（AWS）のしくみや関連技術についてわかりやすく解説する図解本です。エンジニア1年生、IT業界などへの転職・就職を目指す人が、AWS関連の用語、しくみ、クラウドとネットワークの基礎技術などを一通り学ぶことのできる、1冊目の入門書としてふさわしい内容を目指します。本書では、クラウドやネットワークの基礎から解説し、AWSのサーバーサービス、ストレージサービス、ネットワークサービス、データベースサービスについて具体的なサービス名を挙げながら初心者向けにわかりやすく紹介します。今までのAWS解説書では用語がわからず難しかったという人も本書なら安心して学ぶことができます。 -
3.8※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 人工知能って、いったい何ですか? 人工知能学会の歴代会長を含む人工知能研究の権威が答えます! ! 今話題の深層学習(ディープラーニング)で注目されている機械学習など、人工知能分野で最先端の研究を行う研究者13人が、人工知能学会誌に連載したものを大幅に加筆修正した。研究者として自ら「人工知能とは何か」の再定義を行い、それをふまえて、各研究について一般読者に伝わるようにシッカリと解説を行っている。人工知能に興味のある読者はもちろん、知能、認知、脳科学、人間、哲学などに関心のある読者は必読必携である。13人の紙面上でのキャッチボールが示唆に富んでおり、読んでいてとにかく面白い! !大変好評を得ている『深層学習 Deep Learning 』に続く、人工知能学会監修企画! -
3.8 -
3.82014年末に『エクサスケールの衝撃』を上梓させていただいたとき、世の中では「人工知能・AI」という言葉も「シンギュラリティ」という言葉も、まだそれほどメディアで目にすることはなく、新しい世界と社会の到来に対する感覚は希薄なものでありました。しかし今、まさに時代が大きく変わりつつあり、「エクサスケールの衝撃」に向けて速度を速めて世界が進みつつある状況を鑑みましたときに、これまで以上に多くの方々にその内容を知っていただき、迫る「プレ・シンギュラリティ（前特異点）」の意味や本質を理解していただき、それに対する準備を進めていただきたいと考えるに至りました。本書は、『エクサスケールの衝撃』の内容を約半分に凝縮した抜粋版でありますが、原書の重要箇所を余すところなく盛り込んでおります。ですから、その要点以上の内容を十分にご理解いただけるであろうことをお約束することができます。（「まえがき」より抜粋） -
3.8 -
3.7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。