理工 - 学術・語学 - 講談社 - KS情報科学専門書一覧

  • Pythonで学ぶ実験計画法入門 ベイズ最適化によるデータ解析
    値引きあり
    -
    ★ 実験を効率化する強い味方 ★ もう実験で疲弊しない。次に試す実験条件は、データと統計学が教えてくれる! ベイズ最適化とPythonを駆使して、効率よく研究・開発を進めよう! 《すぐに試せるサンプルデータセット・サンプルコード付き》 ■ データ解析の初歩から、モデルの設計、実践的な応用事例までを導く。 ■ 実験時間や人数が限られる今、絶対に役立つスキルが身につく! ■ 入門書であり、実践書。フルカラー! 【目次】 第1章 データ解析や機械学習を活用した分子設計・材料設計・プロセス設計・プロセス管理 ・ケモ・マテリアルズ・プロセスインフォマティクス ・分子設計 ・材料設計 ・なぜベイズ最適化が必要か ・プロセス設計 ・プロセス管理 ・データ解析・人工知能(モデル)の本質 第2章 実験計画法 ・なぜ実験計画法か ・実験計画法とは ・適応的実験計画法 ・必要となる手法・技術 第3章 データ解析や回帰分析の手法 ・データセットの表現 ・ヒストグラム・散布図の確認 ・統計量の確認 ・特徴量の標準化 ・最小二乗法による線形重回帰分析 ・回帰モデルの推定性能の評価 ・非線形重回帰分析 ・決定木 ・ランダムフォレスト ・サポートベクター回帰 ・ガウス過程回帰 第4章 モデルの適用範囲 ・モデルの適用範囲とは ・データ密度 ・アンサンブル学習 第5章 実験計画法・適応的実験計画法の実践 ・実験候補の生成 ・実験候補の選択 ・次の実験候補の選択 ・ベイズ最適化 ・化学構造を扱うときはどうするか 第6章 応用事例 ・複雑な非線形関数を用いた実験計画法・適応的実験計画法の実践 ・分子設計 ・材料設計 ・プロセス設計 第7章 さらなる深みを目指すために ・Gaussian Mixture Regression(GMR) ・GMR-Based Optimization(GMRBO)(GMRに基づく適応的実験計画法) ・複雑な非線形関数を用いたGMRBOの検証 第8章 数学の基礎・Anaconda・Spyder ・行列やベクトルの表現・転置行列・逆行列・固有値分解 ・最尤推定法・正規分布 ・確率・同時確率・条件付き確率・確率の乗法定理 ・AnacondaとRDKitのインストール・Spyderの使い方
  • しっかり学ぶ数理最適化 モデルからアルゴリズムまで
    値引きあり
    5.0
    最適化問題へのモデル化と、基本的なアルゴリズムを俯瞰し、最適化という考え方の基礎をしっかりと固める。大事なことは、いつの時代も変わらない。イメージしやすい具体的な例や、理解の定着にかかせない演習問題も充実! 【推薦の言葉】 数理最適化は、問題解決のための数学である。今では、その成果を実装したソルバーが簡単に手に入るようになった。直面する問題を解決するには、まずそれをモデル化し、適切な最適化手法を適用するという手順を踏む。 本書は、豊富な実例を通して、モデル化の勘どころを説明し、さらに広範な最適化手法それぞれを、基本から分かりやすく解説している。この分野全般を知るための「最適解」として推薦したい。 ――茨木俊秀(京都情報大学院大学学長) 【サポートページ】 https://sites.google.com/view/introduction-to-optimization/main 【主な内容】 第1章 数理最適化入門 1.1 数理最適化とは 1.2 最適化問題 1.3 代表的な最適化問題 1.4 本書の構成 第2章 線形計画 2.1 線形計画問題の定式化 2.2 単体法 2.3 緩和問題と双対定理 第3章 非線形計画 3.1 非線形計画問題の定式化 3.2 制約なし最適化問題 3.3 制約つき最適化問題 第4章 整数計画と組合せ最適化 4.1 整数計画問題の定式化 4.2 アルゴリズムの性能と問題の難しさの評価 4.3 効率的に解ける組合せ最適化問題 4.4 分枝限定法と切除平面法 4.5 近似解法 4.6 局所探索法 4.7 メタヒューリスティクス
  • 意思決定分析と予測の活用 基礎理論からPython実装まで
    値引きあり
    3.8
    《予測を「作る」から「使う」へ》 ・具体的な数値例,Pythonプログラミングを通して,手を動かしながら学ぶ! ・決定分析の基本と活用を中心に,効用理論,確率予測までを解説! ・リスクや不確実性がある中での意思決定に興味がある人に最適! 【サポートページ】 https://logics-of-blue.com/decision-analysis-and-forecast-book-support/ 【キーワード】 ▼決定分析の基本  決定問題・期待値・展開型分析・相互情報量・KL情報量・情報の価値 ▼決定分析の活用  予測の評価・コスト/ロスモデル・標準型分析・ベイズ決定・逐次決定 ▼効用理論入門  選好・効用関数表現・期待効用最大化の原理・vNMの定理・リスク態度 ▼確率予測とその活用  確率予測の基本・信頼度・ブライアスコア・ROC曲線・最適な決定方式 【目次】 第1部 序論  第1章 意思決定における予測の活用  第2章 決定分析の役割 第2部 決定分析の基本  第1章 決定分析の初歩  第2章 Pythonの導入  第3章 決定分析におけるPythonの利用  第4章 期待値に基づく意思決定  第5章 情報の量  第6章 情報の価値 第3部 決定分析の活用  第1章 予測の評価  第2章 コスト/ロスモデルと予測の価値  第3章 決定分析の事例  第4章 標準型分析  第5章 逐次決定問題における予測の活用 第4部 効用理論入門  第1章 選好と効用関数表現  第2章 期待効用理論 第5部 確率予測とその活用  第1章 確率予測の基礎  第2章 確率予測の活用
  • イラストで学ぶ 機械学習 最小二乗法による識別モデル学習を中心に
    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。 最小二乗法で、機械学習をはじめましょう!! 数式だけではなく、イラストや図が豊富だから、直感的でわかりやすい! MATLABのサンプルプログラムで、らくらく実践! さあ、黄色本よりさきに読もう!
  • イラストで学ぶ ディープラーニング 改訂第2版
    3.0
    おお!もう第2版! 深層学習ベストセラーがさらにパワーアップ。リカレントニューラルネットワーク、GAN、深層強化学習の「章」が新たに加わり、ツールの最新事情も反映された。50ページ以上増強されたお得な一冊!
  • イラストで学ぶ ヒューマンインタフェース 改訂第2版
    -
    【モノ作りにかかわる全技術者必携の最強テキスト】体系的に整理された定本の改訂版。最新動向を盛り込み、さらにパワーアップ! イラストをカラー化し、さらに見やすく! ・GUI設計・ヒューマンエラー対策などで、基本的な考え方だけではなく、具体的・実践的なスキルまで解説しました。・人工知能分野の進展にあわせて、「スマートスピーカ」「画像認識」「音声認識」「ディープラーニング」などの関連項目を新たに解説しました。・スマートフォンを意識したGUI設計・アプリケーション開発に関する解説を充実させました。【主な内容】第1章 ヒューマンインタフェース概論/第2章 コンピュータとヒューマンインタフェース/第3章 人間の情報処理モデル/第4章 ヒューマンエラー/第5章 人間サイドからの設計/第6章 入力系設計/第7章 出力系設計/第8章 インタラクション系設計/第9章 GUI設計/第10章 ユーザのアシスト/第11章 ユーザビリティ評価/第12章 インタラクションの拡張/第13章 モバイルコンピューティングにおけるヒューマンインタフェース/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
  • イラストで学ぶ 離散数学
    -
    この一冊からはじめよう! ボケが止まらないネコ教授と、生意気な生徒クロが楽しくナビゲートする画期的な書。 集合、論理、写像、関係、帰納法、順列、グラフ、無限集合の基本を網羅した。 定理の証明は正確かつ細部まで記述し、練習問題付き。 【推薦の言葉】 鮮やかな筆さばきが光る本書を読んだ方々が、離散数学の魅力を堪能し、将来、これらの理論を生活や勉学、研究に役立てていかれることを期待します。 ――数学者・秋山仁先生 【主な内容】 第1章 離散数学の魅力――まず面白さを感じて下さい 1.1 ピックの定理 1.2 オイラー路とオイラー閉路 1.3 ハミルトン路とハミルトン閉路 1.4 ポーサのスープの問題 1.5 鳩の巣原理 1.6 エルドシュ・スズカーズの単調部分列の定理 第2章 集合――数学の大本 2.1 集合とは何か 2.2 ベン図と和集合,共通集合,部分集合など 2.3 普遍集合とド・モルガンの法則 2.4 有限集合と包除原理 2.5 冪集合 第3章 論理――科学的思考の基礎 3.1 命題論理 3.2 述語論理 第4章 対応と写像――ここを押さえておかないと道に迷う 4.1 集合の直積 4.2 対応 4.3 写像 第5章 関係――「恋人」も「ライバル」も「親の仇」もすべて「関係」だ 5.1 関係の基本 5.2 半順序 5.3 ハッセ図 5.4 厳密半順序 5.5 同値関係 第6章 帰納法と関係の閉包――自然数といえば帰納法 6.1 帰納法 6.2 関係の閉包 6.3 集合の対等性 第7章 順列と組合せ――この先には賞金 100 万ドルの未解決問題が! 7.1 順列と組合せ 7.2 二項定理 第8章 グラフ――離散数学界のセンターポジション 8.1 グラフとは何か 8.2 グラフの用語 8.3 さまざまなグラフ 8.4 ピックの定理の証明 8.5 オイラー路とオイラー閉路 第9章 無限集合――「対角線論法」を知らずして「面白い証明」を語るなかれ 9.1 素数 9.2 集合の濃度 9.3 可算濃度 9.4 実数集合Rの濃度と対角線論法 9.5 複素数の濃度
  • イラストで学ぶ ロボット工学
    4.0
    あれから3年、ホイールダック2号が帰ってきた!大好評書『イラストで学ぶ人工知能概論』の第2弾。ホイールダック2号@ホームの開発ストーリー仕立てだから、ロボット工学の基本がいとも簡単に理解できる! 重要な数学的記述を可能な限り解説したので、マニピュレータ制御における数学的・物理的なイメージが掴める! 計算力が身につく章末問題が充実しているので完全無敵!
  • ゼロから学ぶPythonプログラミング Google Colaboratoryでらくらく導入
    5.0
    【初学者納得、玄人脱帽!】  SNSで大絶賛の名講義がついに書籍化! ・問題解決に必要な「プログラマ的感覚」が身につく!  ・基礎から解説し、プログラミングにはじめて触れる読者を、簡単な数値シミュレーションや機械学習まで導く。充実の目次! ・Google Colaboratoryで環境構築も簡単。教科書として最適! 【主な内容】 第1章 Pythonの概要とGoogle Colabの使い方 第2章 条件分岐と繰り返し処理 第3章 関数とスコープ 第4章 リストとタプル 第5章 文字列処理 第6章 ファイル操作 第7章 再帰呼び出し 第8章 クラスとオブジェクト指向 第9章 NumPyとSciPyの使い方 第10章 Pythonはどうやって動くのか 第11章 動的計画法 第12章 乱数を使ったプログラム 第13章 数値シミュレーション 第14章 簡単な機械学習 (詳細:https://www.kspub.co.jp/book/detail/5218839.html ) 【「はじめに」より抜粋】  なぜプログラミングを覚えるべきか。それは今後プログラミングが就職活動の必須スキルになるからではなく、ましてAI がブームだからでもない。「プログラマ的感覚」を身につけるためだ。(…)エクセルを使っていても、面倒な処理を見た時に「これは一括でできるマクロがあるに違いない」と思って探すかどうか。毎日決まった時間に、あるウェブサイトにアクセスして、ある値を読み取らないといけないという「仕事」が与えられた時に、「ウェブサイトにアクセスして値を読み込めるツールがあるに違いない。毎日決まった時間に何かを自動的に実行する方法があるに違いない。それらを組み合わせれば良い」と思えるかどうか。これが「プログラマ的感覚」である。  (…)細かい文法などは最初は気にせず、必要に応じて調べれば良い。「Python はこういうことができるんだな」「それはこれくらいの作業量でできるんだな」という「感覚」を頭の片隅に残すこと、それを目的として学習して欲しい。 【正誤表】 https://kaityo256.github.io/python_zero/errata/

最近チェックした本