《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

※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!

『人工知能概論』『ロボット工学』に続く、大好評シリーズの第3弾です！ ホイールダック開発物語の始まりが明らかになり、ホイールダック１号がついに登場します。 ・ストーリー仕立てだから、難解な「制御工学」がいとも簡単に理解できます。 ・ていねいに解説しているので、数学的なイメージがしっかり掴めます。 ・古典制御も現代制御も一気に学べる、おもしろくて欲張りな一冊です。 【主な内容】 第1章　いろいろなものを制御しよう 第2章　制御と運動方程式 第3章　ラプラス変換を用いる微分方程式の解法 第4章　主な機械要素の伝達関数 第5章　ブロック線図 第6章　応答の基礎とステップ応答 第7章　周波数応答 第8章　状態空間表現 第9章　線形代数の基礎 第10章　自由システムと安定性 第11章　倒立振子への応用 第12章　レギュレータ 第13章　オブザーバ 第14章　より高度な制御 第15章　まとめ

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!

【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

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

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!

※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。 ◆◆3言語(C言語、C++、Python)対応で、「画像処理の基本」が身につくと、大好評のテキストの改訂版！◆◆ ・OpenCV4.5に対応し、さらにパワーアップ! ・基本アルゴリズムとサンプルプログラムが豊富で、いますぐできる！ ・理論と実践のバランスがよく、初学者に最適！ ・全編をフルカラー化し、デザインも一新！ ・練習問題を解いて理解度アップ！ ・Windowsだけでなく、Macでのインストールにも対応！ 【「まえがき」より】 本書は，理数科高校生，工業高等専門学校生，大学学部生などを対象とした講義用教科書としての利用を想定し，基本的かつ汎用性の高い画像処理アルゴリズムを選定して解説した．また初学者が独学でも学べるように，開発環境の構築方法，トラブルシューティングなどの詳細な手順を載せている．本書ではまず，画像処理アルゴリズムについて解説し，内部で行われる処理が十分に理解されることに重点を置いている．その後，C言語での実装例を並べて表記し，各アルゴリズムがどのようにコーディングされるのかを解説する．さらに，OpenCVの関数を用いたプログラム（Python，C++言語）も併記し，OpenCVの利用方法を説明する． 今回，第3版に改訂するにあたり，読者からのさまざまなコメントや，我々が本書を用いて講義してきた経験をもとに，内容の理解がより促進されるように章立てを整理し，読者がより興味を惹くような内容に変更した．執筆時点における最新の開発環境に対応するため，OpenCV4系を採用し，Windows11とmacOS上での開発環境の構築について詳細な解説を加筆した．さらに，OSに依存しないGoogle Colaboratoryを用いたプログラム作成方法も加筆した．一方，情報処理技術者試験の試験要綱が2022年4月から更新され，擬似言語の記述形式が大幅に変更され，プログラムの記述方法がC言語と同等になった．そのため，第2版まで記載していた古い記述形式の擬似言語を用いたプログラムは削除することにした． 【おもな内容】 1章　画像処理とOpenCV 2章　OpenCV の導入 3章　画像入力装置と静止画・動画フォーマット 4章　デジタル画像と配列 5章　色空間 6章　濃淡変換 7章　フィルタ処理 8章　2値画像処理 9章　複数画像の利用 10章　幾何学変換 11章　距離画像処理 付録A　OpenCVの描画系関数 付録B　OpenCVをソースからビルドする 付録C　OpenCVメインモジュール概説 姉妹書『OpenCVによるコンピュータビジョン・機械学習入門』も好評発売中！ ※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。

★フリーソフトQGISとオープンデータを使って、地図をつくろう！★ 「高齢者が多く住んでいる区域を可視化して、ビジネスに活かしたい！」 「市の防災担当として、浸水予想マップをつくりたい！」 「社会科の授業でオリジナル地図をつくりたい！」 これ一冊でぜんぶできます！ フリーソフトとオープンデータを使うから、初心者でも安心。 GISの基礎知識やデータの入手方法までしっかり解説！ 《目次》 PART 1　基礎知識編 　第1章　オープンデータの基本 　第2章　GISの基本 　第3章　オープンデータとGISの活用事例 PART 2　地図づくり準備編 　第4章　オープンデータの入手 　第5章　QGISの準備 PART 3　地図づくり実践編 　第6章　ビジネスに役立つ地図づくり 　第7章　登記所備付地図データを活かした地図づくり 　第8章　防災に役立つ地図づくり

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

★「いつか学ぼう」と思っていたなら、今！★ 初歩から実装まで悩まず進める！ GISの基本から始まり、今ホットな時空間データの解析まで解説。 サンプルコードと出力結果が詳細だから実践しながら学べる、最高のガイド！ [主な内容] 第1部〈導入編〉　空間データの統計解析の基礎 　第1章　はじめよう！　地理空間データの統計解析 　第2章　統計学の基本 　第3章　回帰モデルの基本 　第4章　Rの基本 　第5章　Rによる空間データ処理・可視化の基本 第2部〈基礎編〉　地域データの記述統計 　第6章　空間相関と近接行列 　第7章　大域空間統計量 　第8章　局所空間統計量 第3部〈基礎編〉　地域データの統計モデリング 　第9章　同時自己回帰モデル 　第10章　条件付き自己回帰モデル 第4部〈基礎編〉　点データの統計モデリング 　第11章　空間過程とバリオグラム 　第12章　地球統計モデル 　第13章　地理的加重回帰 第5部〈応用編〉　非ガウス空間データの統計モデリング 　第14章　一般化線形モデルの基礎 　第15章　空間相関を考慮した一般化線形モデル 　第16章　INLAによる空間モデリング 第6部〈応用編〉　時空間データの統計モデリング 　第17章　時空間データの統計モデリングの概略 　第18章　時空間CARモデル 　第19章　時空間過程モデル 第7部〈応用編〉　一般化加法モデルと時空間モデリング 　第20章　一般化加法モデルの基礎 　第21章　一般化加法モデルによる時空間モデリング 　第22章　加法モデルによる空間可変パラメータモデリング 補章　空間統計と機械学習

◆◆数式とコードの距離が近いJuliaで一生モノの考え方を身につけよう！◆◆ 線形代数、微積分、最適化、確率・統計の基本的な計算から、 ハミルトニアンモンテカルロ法、階層ベイズ、状態空間モデルの原理までをていねいに解説！ [サポートページ] https://github.com/sammy-suyama/JuliaBayesBook [主な内容] 第1章　Juliaの基礎 1.1　Juliaとは 1.2　基本文法 1.3　パッケージの利用 1.4　グラフの描画 第2章　数値計算の基礎 2.1　ベクトル・行列計算 2.2　統計量の計算 2.3　統計量と確率分布のパラメータ 2.4　微分計算 2.5　関数の最適化 2.6　最適化によるカーブフィッティング 2.7　積分計算 第3章　確率計算の基礎 3.1　表を使った確率計算 3.2　式を使った確率計算 3.3　連続値における周辺分布と条件付き分布 3.4　確率的試行のシミュレーション 第4章　確率分布の基礎 4.1　確率分布とは 4.2　Juliaでの確率分布の扱い（Distributions.jl） 4.3　離散型確率分布 4.4　連続型確率分布 4.5　統計モデルの設計 第5章　統計モデリングと推論 5.1　ベルヌーイモデル 5.2　線形回帰 5.3　ロジスティック回帰モデル 第6章　勾配を利用した近似推論手法 6.1　なぜ勾配を利用するのか 6.2　ラプラス近似 6.3　ハミルトニアンモンテカルロ法 第7章　発展的な統計モデル 7.1　ポアソン回帰 7.2　階層ベイズモデル 7.3　状態空間モデル

【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/

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 画像認識などの情報処理、数値解析、ニューラルネットワーク、量子コンピューター、半導体といった様々な分野に跨って活躍しているテンソルネットワークを基礎からていねいに解説する。身近な問題から始めて、テンソルの計算手法の基礎を解説し、画像認識や量子物理の例を用いて、少しずつ理解を深めていく。物理系・情報系の入門者に最適の一冊。 第1章　テンソルネットワークを身近に 第2章　テンソルのダイアグラム表記 第3章　畳で学ぶ転送行列 第4章　角転送行列 第5章　特異値分解とエンタングルメント 第6章　角転送行列繰り込み群 第7章　高次特異値分解・木構造・行列積 第8章　手書き数字の見分け 第9章　行列積演算子と制限ボルツマンマシン 第10章　テンソル繰り込み群 第11章　ディスエンタングラー 第12章　量子系の状態変化を追う 第13章　変分法 第14章　再発見の歴史から未来へ ※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。

※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。 現代の理工系に必携。学生から職業的プログラマーまで、必須の教養「線形代数」を身につけよう！ 数学的基礎がしっかり理解でき、課題をPythonで解く力が得られる。サンプルコードによる演習も豊富な、一挙両得の入門書！ 【目次】 第1章 行列と連立方程式1 第2章 行列と連立方程式2 第3章 逆行列 第4章 行列式・ブロック行列 第5章 行列式の余因子展開・クラメルの公式 第6章 対称群による行列式表示・終結式 第7章 幾何学的意味 第8章 ベクトルの一次独立性・直交基底 第9章 行列と線形写像 第10章 固有値と固有ベクトル 第11章 行列の標準化 第12章 特異値分解・低ランク近似

★ 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