《これが世界標準！　世界もここから始めてる！！》 データサイエンス・機械学習を学ぶ「はじめの一歩」として、スタンフォード大学にて使用されている教科書“Introduction to Applied Linear Algebra: Vectors, Matrices, and Least Squares”がついに翻訳！！ ・豊富な事例を示しながら、ベクトル・行列の基本から最小二乗法による機械学習までをていねいに解説！ ・データサイエンス・機械学習に必要な数学の学び直しにうってつけ！ ・章末問題が298問掲載されているから、完全に理解できる！ ・Julia言語によるプログラミング課題が原著者のウェブサイトから入手できる！　 ・プログラミング課題を日本語に翻訳したものを、訳者のGitHubにて無料公開！ 【プログラミングの補足資料と追加の演習問題の入手先】 ・原著者のウェブサイト：http://vmls-book.stanford.edu ・補足資料の日本語訳：https://github.com/tttamaki/julia_companion_jp 【推薦の言葉：原著刊行にあたって】 データサイエンスの学生だけでなく，すべての学生に必読の入門書 ――ローラン・EI・ガウイ（カリフォルニア大学バークレー校） これが正攻法！ ――ギルバート・ストラング（マサチューセッツ工科大学） この本は多くの授業で使われるだろう．これだけ演習問題が大量にあるのだから ――トレバー・ヘイスティ（スタンフォード大学） 【主な内容】 第1部　ベクトル 1章　ベクトル 2章　線形関数 3章　ノルムと距離 4章　クラスタリング 5章　線形独立 第2部　行列 6章　行列 7章　行列の例 8章　線形連立方程式 9章　線形動的システム 10章　行列積 11章　逆行列 第3部　最小二乗法 12章　最小二乗法 13章　最小二乗当てはめ 14章　最小二乗識別 15章　多目的最小二乗法 16章　制約付き最小二乗法 17章　制約付き最小二乗法の応用 18章　非線形最小二乗法 19章　制約付き非線形最小二乗法 付録A　記法 付録B　計算量 付録C　微分と最適化 付録D　さらなる話題

・深層学習を用いた音声認識技術の解説を大幅に加筆！ ・音声認識の基本が凝縮された一冊！ 【主な内容】 第1章　はじめに 第2章　音声とは 第3章　統計的パターン認識 第4章　有限状態オートマトン 第5章　ニューラルネットワーク 第6章　音声からの特徴抽出 第7章　統計的音声認識：音響モデル 第8章　統計的音声認識：言語モデル 第9章　統計的音声認識：探索 第10章　End-to-End の音声認識 第11章　事前学習モデルによる音声認識 第12章　音声対話システム

※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。 けっしてやさしくはない。だが、知っておきべきである。2進数から誤り訂正符号までを明快に説く、初学者にとって最良の教科書。抽象的でとっつきにくいシャノンの情報理論をイラストとともに学ぼう!筆者が長年講義した内容から、学生の反応が良かったものを厳選し、わかりやすく説明しています。情報理論の本質ともいえる「典型系列」について章を設け、詳しく解説しています。

★初学者向けの名著を100ページ増の大改訂！　ホイールダック２号は深層学習を手に入れた！★ ・全面的に記述を見直すも、第1版との連続性を最大限保ち、ますますパワーアップ！ ・「ニューラルネットワーク」の章を新設し、深層学習の歴史的位置づけ、CNN、RNNをわかりやすく解説した！ ・「確率的生成モデル」の章を新設し、強化学習・状態推定・教師なし学習などに関わる解説に芯を通すことができた！ まずは、この１冊から始めよう！ 【主な内容】 第1章 人工知能をつくり出そう　 第2章 探索(1)：状態空間と基本的な探索 第3章 探索(2)：最適経路の探索 第4章 探索(3)：ゲームの理論 第5章 計画と決定(1)：動的計画法 第6章 確率モデル(1)：確率とベイズ理論の基礎　 第7章 確率モデル(2)：確率的生成モデルとナイーブベイズ 第8章 計画と決定(2)：強化学習 第9章 状態推定(1)：ベイズフィルタ 第10章 状態推定(2)：粒子フィルタ 第11章 学習と認識(1)：クラスタリングと教師なし学習　 第12章 学習と認識(2)：パターン認識と教師あり学習　 第13章 学習と認識(3)：ニューラルネットワーク　 第14章 言語と論理(1)：自然言語処理　 第15章 言語と論理(2)：記号論理　 第16章 言語と論理(3)：証明と質問応答　 第17章 まとめ：知能を「つくる」ということ

★初版発行から多くの学校で採用されている定番テキストの改訂版★ 生成AIが世の中を席巻、ヒューマンインタフェースにも大きな影響を与えている中、AIの原理から最新動向までを平易に解説し、さらにパワーアップ！ ・「第5章　AIとユーザインタフェース」を新設し、AI技術の変遷から、ディープニューラルネットの原理、生成AIの原理、ユーザインタフェースのAI化などをとりあげ、わかりやすく解説した。 ・AIやロボットが製造業などで知的作業を代行しつつあり、医療分野，福祉分野，教育分野にもアシスト技術が進出している。また、人をアシストするオンラインコミュニケーションツールも私たちの生活に浸透した。これらユーザアシストの要素技術や特徴について、わかりやすく解説した。 ・プラットフォームデバイスとして、スマートフォンが定着した。いまや、若年層中心に主要な情報処理基盤はPCからスマートフォンになっている。そのため、本書でもスマートフォンを主要デバイスとして、そのユーザインタフェースについての解説を大幅に増やした。 【主な内容】 第1章　ヒューマンインタフェース概論 第2章　人間の情報処理モデル 第3章　ヒューマンエラー 第4章　人間サイドからの設計 第5章　AIとユーザインタフェース 第6章　入力系インタフェース 第7章　出力系インタフェース 第8章　インタラクティブシステム・アプリのユーザインタフェース 第9章　インタラクション設計 第10章　ユーザインタフェースデザイン 第11章　ユーザのアシスト 第12章　ユーザビリティ評価 第13章　インタラクションの拡張 第14章　ユニバーサルデザイン 第15章　ヒューマンインタフェースの新しい動きと諸課題

※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。 「どうやってデータを守ればいいの？」 「ハッカーはどんな攻撃をしてくるの？」 いまさら聞けない人に最適な入門書！ 難しそうな概念も、絵本のようにすぐにわかる。 基礎知識から最新情報まで、あっという間に即戦力！　 【目次】 第1章　セキュリティの入門――門の前くらい　～　セキュリティとリスク 　1-1　セキュリティ 　1-2　リスクとその3つの要素 　1-3　リスクマネジメント 　1-4　セキュリティの歴史 　1-5　IoT時代のセキュリティ 第2章　つながると、便利であぶない　～　ネットワークの基礎 　2-1　ネットワーク 　2-2　プロトコル 　2-3　IPアドレス 第3章　入鉄砲と出女　～　サイバーセキュリティの基礎 　3-1　識別、認証、認可 　3-2　暗号 　3-3　ハッシュ 　3-4　PKI 第4 章　ハッカーの手練手管　～　サイバー攻撃の方法 　4-1　侵入の経路や手口 　4-2　脆弱性につけ込む攻撃 　4-3　負荷をかける攻撃 　4-4　標的型攻撃 　4-5　その他の攻撃 第5章　脆弱性とは、家にあいた大穴だ　～　セキュリティ対策の方法 　5-1　攻撃を検出する 　5-2　不正アクセスの検知 　5-3　ネットワークからの攻撃に耐える 　5-4　公共の場所を安全に使う 　5-5　システムとデータを守る 第6章　えっ！？ ITにも法律？　～　サイバーセキュリティの法規と制度 　6-1　セキュリティ関連の法律 　6-2　知的財産権 第7章　セキュリティ対策実施の両輪　～　ポリシーとマネジメントシステム 　7-1　情報セキュリティポリシー 　7-2　情報セキュリティマネジメントシステム 第8章　油断大敵、火がぼうぼう　～　セキュリティ事故が起こったら 　8-1　セキュリティ事故対応のフェーズ 　8-2　インシデント遭遇時の初動対応とセキュリティ教育の必要性 　8-3　インシデント発生時に業務を止めないためには ※この商品は紙の書籍のページを画像にした電子書籍です。文字だけを拡大することはできませんので、タブレットサイズの端末での閲読を推奨します。また、文字列のハイライトや検索、辞書の参照、引用などの機能も使用できません。

「Ｐｙｔｈｏｎで強化学習が実装できる！」と好評を得た入門書の改訂版。読者からの要望・指摘を反映させた。主に、Ｐｏｌｉｃｙ ＧｒａｄｉｅｎｔとＡ２Ｃの記述・実装を見直した。・Pythonプログラミングとともに、ゼロからていねいに解説。・コードが公開されているから、すぐ実践できる。・実用でのネックとなる強化学習の弱点と、その克服方法まで紹介。【おもな内容】Day1　強化学習の位置づけを知る　強化学習とさまざまなキーワードの関係　強化学習のメリット・デメリット　強化学習における問題設定：Markov Decision Process　Day2　強化学習の解法(1): 環境から計画を立てる　価値の定義と算出: Bellman Equation　動的計画法による状態評価の学習: Value Iteration　動的計画法による戦略の学習: Policy Iteration　モデルベースとモデルフリーとの違いDay3　強化学習の解法(2): 経験から計画を立てる　経験の蓄積と活用のバランス: Epsilon-Greedy法　計画の修正を実績から行うか、予測で行うか: Monte Carlo vs Temporal Difference　経験を価値評価、戦略どちらの更新に利用するか：Valueベース vs PolicyベースDay4　強化学習に対するニューラルネットワークの適用　強化学習にニューラルネットワークを適用する　価値評価を、パラメーターを持った関数で実装する：Value Function Approximation　価値評価に深層学習を適用する：Deep Q-Network 　戦略を、パラメーターを持った関数で実装する：Policy Gradient　戦略に深層学習を適用する：Advantage Actor Critic (A2C)　価値評価か、戦略かDay5　強化学習の弱点　サンプル効率が悪い　局所最適な行動に陥る、過学習をすることが多い　再現性が低い　弱点を前提とした対応策Day6　強化学習の弱点を克服するための手法　サンプル効率の悪さへの対応: モデルベースとの併用/表現学習　再現性の低さへの対応: 進化戦略　局所最適な行動/過学習への対応: 模倣学習/逆強化学習Day7　強化学習の活用領域　行動の最適化　学習の最適化

★★管理職も技術者も必読！「機械学習」のやさしい活用法★★ 機械学習プロジェクトの上手な進め方、機械学習を活用するときに気をつけること、活用事例などをていねいに解説。 「機械学習を作る側」と「機械学習活用する側」との橋渡しとなる一冊！ [本書で学べること］ ・そもそも機械学習で何ができるのか？ ・現場への適切な組み込み方法は？ ・どうやって精度を保証するのか？ ・実運用を見すえたときに確認すべき部分は？ [主な内容] 　第1章　本書の使い方 第1部　機械学習の基礎 　第2章　機械学習とは何か 　第3章　機械学習手法の種類と基礎 　第4章　機械学習のタスク 第2部　機械学習の利活用 　第5章　機械学習は一般企業でも活用できる 　第6章　機械学習を現場で活用するには 　第7章　機械学習の適用事例 　第8章　実運用に耐えうる機械学習モデルの構築 　第9章　機械学習モデルの説明性

・私たちの頭の中では、ことばに対してどのような処理が行われているのだろうか？ ・頭の中で（いままさに）行われている処理は、コンピュータによって再現できるのだろうか？ これらの問いに、ことばの意味を計算する2つのアプローチ（計算言語学と統計的言語処理）から挑む！ 【言語処理学会前会長　乾健太郎先生推薦！】 本書は、ChatGPTで周知となった「ことばのテクノロジー」としての自然言語処理と、哲学・数学・論理学から「ことばをサイエンスする」計算言語学との架け橋となる教科書である。 どちらの世界も知り尽くした第一線の若手研究者が基礎から最先端までを妥協なしに書き上げた。 骨太だが、豊富な例とかみ砕いた説明が読者の背中を押してくれる。 生成AIを作る人使う人はもちろん、「ことばを数学する」と聞いて心がざわつくようなすべての人に届けたい。 【主な内容】 第1部　ことばの意味を計算するには 第1章　はじめに：文の容認可能性 第2章　ことばの分析から解析へ 第2部　計算言語学からみた，ことばの意味を計算するしくみ 第3章　形式統語論の考え方 第4章　形式意味論の考え方 第5章　形式意味論の準備：集合論 第6章　形式意味論の準備：記号論理学 第7章　形式意味論に基づく含意関係の計算 第8章　組合せ範疇文法に基づく意味合成 第9章　イベント意味論と推論 第10章　談話意味論 第3部　自然言語処理からみた，ことばの意味を計算するしくみ 第11章　分布意味論 第12章　ニューラル言語モデル 第13章　大規模言語モデル 第14章　分布意味論の特性と問題点 第4部　学際的視点からみた，ことばの意味を計算するしくみ 第15章　古典的計算主義とコネクショニズム 第16章　深層ニューラルネットの体系性の分析 第17章　計算言語学と自然言語処理の融合の展望

「最適化」を使うことを目指して、さまざまな最適化モデルを解説した。理論は必要最低限にとどめ、具体的な例とＰｙｔｈｏｎコードを多く掲載している。東京大学のＵＴｏｋｙｏＯＣＷの講義映像「数理手法３」とも連携！ 【データサイエンス入門シリーズ】 第1期として、以下の3点を同時刊行! ・データサイエンスのための数学：椎名　洋・姫野哲人・保科架風（著）清水昌平（編） ・データサイエンスの基礎：浜田悦生（著）狩野　裕（編） ・最適化手法入門：寒野善博（著）駒木文保（編） 第2期の刊行は2019年11月の予定(^o^)/ 【「巻頭言」より抜粋】 データサイエンス分野の遅れを取り戻すべく、日本でも文系・理系を問わず多くの学生がデータサイエンスを学ぶことが望まれます。 文部科学省も「数理及びデータサイエンスに係る教育強化拠点」6 大学（北海道大学、東京大学、滋賀大学、京都大学、大阪大学、九州大学）を選定し、拠点校は「数理・データサイエンス教育強化拠点コンソーシアム」を設立して、全国の大学に向けたデータサイエンス教育の指針や教育コンテンツの作成をおこなっています。 本シリーズは、コンソーシアムのカリキュラム分科会が作成したデータサイエンスに関するスキルセットに準拠した標準的な教科書シリーズを目指して編集されました。またコンソーシアムの教材分科会委員の先生方には各巻の原稿を読んでいただき、貴重なコメントをいただきました。 データサイエンスは、従来からの統計学とデータサイエンスに必要な情報学の二つの分野を基礎としますが、データサイエンスの教育のためには、データという共通点からこれらの二つの分野を融合的に扱うことが必要です。この点で本シリーズは、これまでの統計学やコンピュータ科学の個々の教科書とは性格を異にしており、ビッグデータの時代にふさわしい内容を提供します。本シリーズが全国の大学で活用されることを期待いたします。 ――編集委員長　竹村彰通（滋賀大学データサイエンス学部学部長、教授）　 【推薦の言葉】 データサイエンスの教育の場や実践の場で利用されることを強く意識して、動機付け、題材選び、説明の仕方、例題選びが工夫されており、従来の教科書とは異なりデータサイエンス向けの入門書となっている。 ――北川源四郎(東京大学特任教授、元統計数理研究所所長) 国を挙げて先端IT人材の育成を迅速に進める必要があり、本シリーズはまさにこの目的に合致しています。本シリーズが、初学者にとって信頼できる案内人となることを期待します。 ――杉山将(理化学研究所革新知能統合研究センターセンター長、東京大学教授)

面倒な操作が一瞬でサクサクできて、オフィスでも自宅でもパソコンが劇的に快適化!ワード・エクセル・ネット・メールなど、いつもの作業が10倍はかどる超高速ワザから、「パソコンの本当の買い時の見極め方」「大量のIDとパスワードの超便利な管理方法」など、知らないとソンするパソコン&デジタルツールの常識までを徹底網羅。「できる人」が知っている数々のワザを、すぐに読めて今日から役立つ一冊に凝縮して公開します!

◆RとPython両方学べる。コスパ最強の一冊！◆ ・コードが理解の試金石！ ・「データサイエンスの準備」にページを割いているから、プログラミング経験ゼロで大丈夫！　 ・自分に合った言語を見つけたい、言語を乗り換えたいという方にもおすすめ！ [サポートサイト] https://github.com/taroyabuki/fromzero [主な内容] 第1部　データサイエンスのための準備 1章　コンピュータとネットワーク 2章　データサイエンスのための環境 3章　RとPython 4章　統計入門 5章　前処理 第2部　機械学習 6章　機械学習の目的・データ・手法 7章　回帰1（単回帰） 8章　回帰2（重回帰） 9章　分類1（多値分類） 10章　分類2（2値分類） 11章　深層学習とAutoML 12章　時系列予測 13章　教師なし学習 付録A　環境構築

★実務に役立つ「理論」こそが、最も実践的な「知識」なのだ！★ ・理論とPython実装をバランスよく学べる、初学者向け入門書 ・古典的な技術から、比較的新しい手法までを丁寧に解説 ・実践的な実装技術や分析におけるTipsについても解説 【サポートサイト】 https://logics-of-blue.com/python-tsa-intro-book-support/ 【本書より抜粋】 本書では実際にデータを分析しているあなたが、納得感を持って分析できるような知識を身につけてもらうことを目指しました。本書ではできる限り暗黙知を言葉にすることに努めました。入門書なので数式はかなり減らしましたが、理論的な話が多いので、読み切るのはそれなりに大変かもしれません。それでも、こういった理論こそが、現在では最も実践的な知識なのだと信じています。 【主な内容】 第1部 時系列分析の基本 1章 時系列分析をはじめよう 2章 時系列データの構造 3章 データ生成過程の基本 第2部 Pythonによる時系列分析の基本 1章 環境構築 2章 Pythonの基本 3章 Pythonによる統計分析の基本 4章 pandasによる日付処理の基本 5章 Pythonによる時系列分析の基本 6章 時系列データのシミュレーションと見せかけの回帰 第3部 基本的な時系列分析の手法 1章 単純な時系列予測の手法 2章 季節調整とトレンド除去 3章 sktimeの使い方 4章 指数平滑化法とその周辺 第4部 Box-Jenkins法とその周辺 1章 Box-Jenkins法から自動予測アプローチへ 2章 ARIMAモデル 3章 SARIMAXモデル 4章 モデル選択 第5部 線形ガウス状態空間モデル 1章 状態空間モデルの概要 2章 ローカルレベルモデルの基本 3章 ローカルレベルモデルの実装 4章 ローカルレベルモデルの数理 5章 基本構造時系列モデル 6章 状態空間モデルの分析事例 第6部 機械学習法 1章 LightGBM 2章 ニューラルネットワークと深層学習 第7部 時系列予測の実践的技術 1章 モデルの保存と読み込み 2章 時系列分析の実践におけるTipsと注意点

★データ分析の現場の、即戦力になる！★ ・データの前処理からモデリングに至るまでのデータ分析のプロセスを体系的に解説 ・位置情報・テキスト・音声・画像などの非構造化データも扱う ・現場での課題解決を意識し、架空の旅行代理店データを用いたストーリー形式で解説 ・生成AIを用いたデータハンドリング、特徴量エンジニアリング、不均衡データへの対処法、クラウド技術の活用など、最新のトレンドにも対応 ・コードを公開しているから、すぐに実践できる！ 【バーチャルデータサイエンティスト　アイシア＝ソリッド推薦！】 実際の分析事例を軸に前処理の技法を見ることで、 地に足のついた実践的な知識を得られる良書！ 不均衡データへの対処や位置情報データの扱いなど、 実務頻出なのに解説が少ないテーマも扱っており、 データのプロや、プロを目指す人のための書籍と言えます。 本書を読み終わったらすぐに実践に飛び込めるでしょう！ 【おもな内容】 1 前処理とは何か 2 前処理に向けたデータ理解 3 データクレンジングとしての前処理 4 データの基本事項確認としての前処理 5 データのソート・抽出 6 データの集計 7 データ結合 8 データ変換 9 モデリングのためのデータ変換 10 非構造化データの前処理――テキストデータ 11 非構造化データの前処理――位置情報・音声・画像 12 クラウド技術の活用と機械学習の実行

AIが｢学ぶ｣とは、｢考える｣とは、｢判断を下す｣とはどんなことなのか。つまり、人工知能の思考構造がどうなっているのかを、基本から学びます。｢深層学習とは何か｣｢画像認識の原理とは｣｢評価関数の意味｣｢完全解析の思考法｣など、最新技術の核心にも触れていきます。さらに、囲碁のAlphaGo、チェスのDEEP BLUEなど、対戦型AIの進化を振り返ることからも、｢人工知能(AI)とは何か｣に迫ります。

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 機械の特徴ある動きを支える、遊星歯車、リンク機構、空気圧制御、インバータ制御、熱電対、形状記憶合金、ペルチェ効果など、メカトロニクスの基本を楽しく図解。身近な機械には意外なアイデアがいっぱい！　（ブルーバックス・1997年4月刊）

★ありそうでなかった、劇的一冊！！★ ・ボイスチェンジャのしくみが根本からわかる、音声処理プログラミングのはじめの一歩！ ・博士とマルオ君のやりとりを通して、音の研究の基本が、楽しく学べる！ ・簡単なものから順番に、自分の手でプログラムを動かすことが上達への最短コース！ 【サポートサイト】 https://floor13.sakura.ne.jp/book10/book10.html 【主な内容】 第1講　周波数特性って、なんですか？ 第2講　画像から音って復元できるの？ 第3講　重ね合わせれば歌声だってつくれます 第4講　音声って、一体どんな音？ 第5講　つくればわかる日本語の音声の特徴 第6講　音声認識がやっていること、ご存じですか？ 第7講　音声生成の物理とつながる美しい数学の世界 第8講　音響分析すれば見えてくる音声の特徴 第9講　ボコーダを使えばロボットの声もつくれます 第10講　ボイスチェンジャでカワイイ声をつくるには 第11講　その人の声質で音声合成してみます 第12講　ニューラルネットワークを使ってみよう

ツールとして不可欠な技術をコンパクトに！ ・データベースの活用を目的とし、SQLの操作は「問い合わせ」を中心に、MySQLに準拠して解説！ ・関係データベースの基本とその使い方、データの可視化、NoSQLまで網羅！ ・実践的なデータ分析事例として、Wikipediaダンプデータの分析を紹介！ 【サポートページ】 https://sites.google.com/view/dbfordatascience 【主な内容】 1章 はじめに 2章 関係データベースの基本 3章 SQLと正規化 4章 データの可視化と分析 5章 NoSQL 6章 実践的データ分析事例 【「巻頭言」より抜粋】 文部科学省は「数理及びデータサイエンスに係る教育強化拠点」6 大学(北海道大学、東京大学、滋賀大学、京都大学、大阪大学、九州大学)を選定し、拠点校は「数理・データサイエンス教育強化拠点コンソーシアム」を設立して、全国の大学に向けたデータサイエンス教育の指針や教育コンテンツの作成をおこなっています。 本シリーズは、コンソーシアムのカリキュラム分科会が作成したデータサイエンスに関するスキルセットに準拠した標準的な教科書シリーズを目指して編集されました。またコンソーシアムの教材分科会委員の先生方には各巻の原稿を読んでいただき、貴重なコメントをいただきました。 データサイエンスは、従来からの統計学とデータサイエンスに必要な情報学の二つの分野を基礎としますが、データサイエンスの教育のためには、データという共通点からこれらの二つの分野を融合的に扱うことが必要です。この点で本シリーズは、これまでの統計学やコンピュータ科学の個々の教科書とは性格を異にしており、ビッグデータの時代にふさわしい内容を提供します。本シリーズが全国の大学で活用されることを期待いたします。 ――編集委員長 竹村彰通(滋賀大学データサイエンス学部学部長、教授) 【推薦の言葉】 データサイエンスの教育の場や実践の場で利用されることを強く意識して、動機付け、題材選び、説明の仕方、例題選びが工夫されており、従来の教科書とは異なりデータサイエンス向けの入門書となっている。 ――北川源四郎(東京大学特任教授、元統計数理研究所所長) 国を挙げて先端IT人材の育成を迅速に進める必要があり、本シリーズはまさにこの目的に合致しています。本シリーズが、初学者にとって信頼できる案内人となることを期待します。 ――杉山将(理化学研究所革新知能統合研究センターセンター長、東京大学教授)

※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。 ★誰でも無理なく学べるテキストの決定版！★ ・全学必修のデータサイエンス教育の「さきがけ」となった講義がついに書籍化。 ・文部科学省「数理・データサイエンス・AI教育プログラム認定制度（リテラシーレベルプラス）」に採択された「信頼」と「実績」。 【主な内容】 第1部　社会におけるデータサイエンス 1章　社会におけるデータサイエンスの位置づけと活用事例 1.1　データサイエンス概論 1.2　言語教育にデータはどのように活用されるのか 1.3　データサイエンスと社会科学 1.4　ヒューマンコンピュータインタラクション 1.5　臨床医学・社会医学とデータサイエンス：ヘルスサービスリサーチの視点から 1.6　生物科学研究におけるデータサイエンス：発生生物学研究を例に 1.7　サッカーの上達にデータを活かす 1.8　データサイエンスとWeb 1.9　マテリアルズ・インフォマティクス 1.10　ロボティクスとAI 1.11　都市計画とデータサイエンス 1.12　ビジネスとデータサイエンス 第2部　データサイエンス入門 2章　データの種類と収集 3章　データの前処理 4章　データの管理 5章　高度なデータ活用とビッグデータ 6章　1つの質的データの解析 7章　2つ以上の質的データの解析 8章　1つの量的データの解析 9章　2つ以上の量的データの解析 10章　時系列データの解析 11章　データの可視化 12章　実際のデータ分析 13章　人工知能と機械学習 14章　データ倫理とAI倫理 【著者一覧】 名畑目 真吾／内藤 久裕／落合 陽一／田宮 菜奈子／ 堀江 健生／中山 雅雄／岡 瑞起／岩﨑 悠真／ 袖山 慶太郎／境野 翔／藤井 さやか／岡田 幸彦 川口 一画／滝沢 穂高／遠藤 結城／平田 祥人／ 三谷 純／天笠 俊之／五十嵐 康彦／今倉 暁／ 青砥 隆仁／福地 一斗／三末 和男／津川 翔／馬場 雪乃 ※この商品は紙の書籍のページを画像にした電子書籍です。文字だけを拡大することはできませんので、タブレットサイズの端末での閲読を推奨します。また、文字列のハイライトや検索、辞書の参照、引用などの機能も使用できません。

現代社会を支える根幹技術をPythonで！　 Pythonプログラミングのスキルアップにも最適！ 名著『Pythonスタートブック』の著者である辻真吾氏が書き下ろす至極の入門書！　ソートやグラフ構造など基本的な内容から、乱択アルゴリズムや数論、ブロックチェーンの仕組みなどの幅広い話題までを解説。コードはWeb公開（ https://github.com/tsjshg/pyalgdata）。 【データサイエンス入門シリーズ】 第2期として、以下の2点を刊行! 『統計モデルと推測』松井秀俊・小泉和之（著）竹村彰通（編） 『Pythonで学ぶアルゴリズムとデータ構造』辻真吾（著）下平英寿（編） 【「巻頭言」より抜粋】 　文部科学省は「数理及びデータサイエンスに係る教育強化拠点」6 大学(北海道大学、東京大学、滋賀大学、京都大学、大阪大学、九州大学)を選定し、拠点校は「数理・データサイエンス教育強化拠点コンソーシアム」を設立して、全国の大学に向けたデータサイエンス教育の指針や教育コンテンツの作成をおこなっています。 　本シリーズは、コンソーシアムのカリキュラム分科会が作成したデータサイエンスに関するスキルセットに準拠した標準的な教科書シリーズを目指して編集されました。またコンソーシアムの教材分科会委員の先生方には各巻の原稿を読んでいただき、貴重なコメントをいただきました。 　データサイエンスは、従来からの統計学とデータサイエンスに必要な情報学の二つの分野を基礎としますが、データサイエンスの教育のためには、データという共通点からこれらの二つの分野を融合的に扱うことが必要です。この点で本シリーズは、これまでの統計学やコンピュータ科学の個々の教科書とは性格を異にしており、ビッグデータの時代にふさわしい内容を提供します。本シリーズが全国の大学で活用されることを期待いたします。 ――編集委員長 竹村彰通(滋賀大学データサイエンス学部学部長、教授) 【推薦の言葉】 データサイエンスの教育の場や実践の場で利用されることを強く意識して、動機付け、題材選び、説明の仕方、例題選びが工夫されており、従来の教科書とは異なりデータサイエンス向けの入門書となっている。 ――北川源四郎(東京大学特任教授、元統計数理研究所所長) 国を挙げて先端IT人材の育成を迅速に進める必要があり、本シリーズはまさにこの目的に合致しています。本シリーズが、初学者にとって信頼できる案内人となることを期待します。 ――杉山将(理化学研究所革新知能統合研究センターセンター長、東京大学教授)

３２ビットＣＰＵ搭載機の登場で、パソコンは新しい局面に突入し、確実に新世紀を迎えた。コンピュータ界の巨人ＩＢＭがパソコン市場に参入するに当たり、１６ビットＣＰＵを採用して大成功したが、１９８７年４月、ふたたびＩＢＭ衝撃の発表である。コンピュータ界の巨人が放った新パソコン戦略とは？

「読んでいて本当に心地がいい」と大好評の前著『ベイズ推論による機械学習入門』からの第２弾！　｢深層学習とベイズ統計の融合｣がすべて詰まった ｢欲張り｣本！　基礎からはじめ、深層生成モデルやガウス過程とのつながりまでをていねいに解説した。本邦初の成書！本書のサポートページ：https://github.com/sammy-suyama/BayesianDeepLearningBook　　【主な内容】第1章　はじめに　1.1　ベイズ統計とニューラルネットワークの変遷　1.2　ベイズ深層学習／第2章　ニューラルネットワークの基礎　2.1　線形回帰モデル　2.2　ニューラルネットワーク　2.3　効率的な学習法　2.4　ニューラルネットワークの拡張モデル／第3章　ベイズ推論の基礎　3.1　確率推論　3.2　指数型分布族　3.3　ベイズ線形回帰　3.4　最尤推定，MAP推定との関係／第4章　近似ベイズ推論　4.1　サンプリングに基づく推論手法　4.2　最適化に基づく推論手法／第5章　ニューラルネットワークのベイズ推論　5.1　ベイズニューラルネットワークモデルの近似推論法　5.2　近似ベイズ推論の効率化　5.3　ベイズ推論と確率的正則化　5.4　不確実性の推定を使った応用／第6章　深層生成モデル　6.1　変分自己符号化器　6.2　変分モデル　6.3　生成ネットワークの構造学習　6.4　その他の深層生成モデル／第7章　深層学習とガウス過程　7.1　ガウス過程の基礎　7.2　ガウス過程による分類　7.3　ガウス過程のスパース近似　7.4　深層学習のガウス過程解釈　7.5　ガウス過程による生成モデル

世界有数の研究者による“機械学習の説明書”。2015年アメリカでの発売当初から研究者の間で話題となった力作が、『パターン認識と機械学習』などの翻訳を手がけた神嶌敏弘博士の訳で満を持して刊行。一般向けのきめ細やかな訳注も加えた。 囲碁AI、AmazonやNetflixのお薦め機能、iPhoneのSiri。私たちの生活に溶け込んでいる機械学習とは何か？　観測衛星、DNAシーケンサ、量子加速器などのデータから、機械学習は自然界の謎をすべて解き明かすのか？　蓄えられた莫大なデータはアメリカ大統領選から企業のサービスまで影響を与え、陸・海・空を機械学習で自動操縦される無人車両が飛び交う。機械学習によって、世界はどう変わるのか？ アルゴリズムの歴史を解説するとともに、世界を再構築する究極の「マスターアルゴリズム」の存在を探究。 マスターアルゴリズムが存在する根拠を、神経科学、進化生物学、物理学、統計学、および計算機科学の観点から軽妙かつ縦横に展開する。知的好奇心が沸き立つ1冊。六七質のイラストが世界観を表現。 ペドロ・ドミンゴス（著者） ワシントン大学ポール・アレン コンピュータサイエンス＆エンジニアリング学部教授。AAAS（アメリカ科学振興協会）およびAAAI（人工知能振興学会）フェロー。1992年リスボン工科大学Instituto SuperiorTecnico修士課程修了（電子工学・コンピュータサイエンス）。1997年カリフォルニア大学アーバイン校にて博士取得（情報・コンピュータサイエンス）。マルコフ論理ネット、影響最大化問題、データストリーム、敵対的学習、sum-productネットなど顕著な業績が知られている、世界有数の機械学習研究者である。KDD2003、SRL2009ではプログラム委員長を務める。IMLS（国際機械学習学会）の発起人。“Machine Learning ”誌編集委員。SIGKDD Innovation Award、IJCAI John McCarthy Awardを筆頭に受賞多数。 神嶌敏弘（訳者） 1994年京都大学大学院工学研究科修士課程修了（情報工学専攻）。1994年電子技術総合研究所入所。2001年京都大学にて博士取得（情報学）。現在は産業技術総合研究所にて、機械学習やデータマイニングの手法、特に公平性配慮型データマイニングと推薦システムや個人化技術などについて研究。 携わった書籍に、人工知能学会監修『深層学習』（編／近代科学社）、トレバー・ヘイスティ他『統計的学習の基礎』（共監訳／共立出版）、C.M.ビショップ『パターン認識と機械学習』（共訳／丸善出版）などがある。 2019年人工知能学会 AI ELSI賞 Perspective部門受賞。

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 ★★コンピュータを学ぶ、はじめの1冊★★ 「コンピュータ概論」の新定番テキスト！ コンピュータのハードウェア、ソフトウェア、ネットワークの基礎を、フルカラーでとことんやさしく解説。 15章立てで講義に使いやすく、各章末には「基本情報技術者試験」の科目Aテクノロジ系に準拠した問題を出題。 これからの時代に必須の基礎知識をしっかり学べる。 【目次】 第1章　コンピュータの中でのデータの表し方　～データ表現～ 第2章　コンピュータの中での計算と工夫　～演算と符号理論～ 第3章　コンピュータに指示を与えるしくみ　～プログラミングとアルゴリズム～ 第4章　コンピュータの身体と頭脳　～ハードウェア～ 第5章　コンピュータの連携・協働とその性能　～コンピュータシステム～ 第6章　ハードウェアとユーザを仲介する機能　～オペレーティングシステム～ 第7章　コンピュータと人が接するところ　～ソフトウェア～ 第8章　データを蓄えて利活用するためのしくみ　～データベース～ 第9章　コンピュータどうしを接続するしくみ　～コンピュータネットワーク～ 第10章　インターネットのしくみ　～プロトコル～ 第11章　データを確実に送受信するためのしくみ　～データ通信～ 第12章　インターネットでできること　～インターネットサービス～ 第13章　コンピュータシステムを開発する手順　～システム開発・技術～ 第14章　つくったシステムがうまくできているかをチェックする方法　～テスト～ 第15章　情報資産を守るために必要な技術と考え方　～情報セキュリティ～ ※この商品は紙の書籍のページを画像にした電子書籍です。文字だけを拡大することはできませんので、タブレットサイズの端末での閲読を推奨します。また、文字列のハイライトや検索、辞書の参照、引用などの機能も使用できません。

５０万部超のベストセラー『たった３秒のパソコン術』（三笠書房知的生きかた文庫）の著者による、パソコン超入門。　「添付ファイルが開かない」「パソコンがフリーズしたまま、シャットダウンができない」「文字化けメールを直すには？」など、膨大なパソコンのマニュアルの、いったいどこに書いてあるのかもわからない、“よくある、困った”をササッと解決する方法を紹介します。

※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。 理系のレポート作成や論文執筆の定番「LaTeX」の使い方が一冊でわかる！ これだけ読めばレポートが簡単に作成できるようになる、はじめての人のための入門書です。 【目次】 第1章 LaTeXにできること 第2章 Cloud LaTeXで始めるLaTeX 第3章 LaTeX文書の書き方 第4章 文書を構成する書式（概要／引用／文章の配置／箇条書き／書体／特殊な記号の表示 など） 第5章 数式を書く 第6章 便利な機能を使いこなす（ハイパーリンク／文字列の変形／ルビ／縦書き など） 第7章 参考文献と索引 第8章 作表 第9章 スライドの作成 第10章 作画 第11章 さらに進んだ使いかた ※この商品は紙の書籍のページを画像にした電子書籍です。文字だけを拡大することはできませんので、タブレットサイズの端末での閲読を推奨します。また、文字列のハイライトや検索、辞書の参照、引用などの機能も使用できません。