★新・業界標準はこの一冊から！　MCPの概要からアーキテクチャ、Pythonによる実装まで★ 本書では、MCP（Model Context Protocol）の基本概念の説明から、既存のMCPのサーバーの基本的な利用方法、そして、PythonによるMCPサーバー／ホストの開発までを網羅的に扱います。MCPの基本構造、アーキテクチャについても、どこよりも詳しく、わかりやすく解説。また、AIコーディングによるMCPサーバー／ホストの具体的な開発例や、AIコーディングに役立つシステムプロンプトなども紹介しています。 【おもな内容】 第1章 MCPとは何か？ 　1.1 MCPの概要 　1.2 AIエージェントの発展とMCP登場の背景 第2章 MCPサーバーを使ってみる 　2.1 環境構築 　2.2 MCPサーバーを使う 　2.3 MCPサーバーの探し方 　2.4 MCPサーバー使用時の注意点 第3章 MCPのアーキテクチャ 　3.1 MCPの基本構造 　3.2 JSON-RPC 2.0とは 　3.3 MCPセッションとライフサイクル 　3.4 トランスポート層の概要 第4章 MCPサーバー開発 　4.1 MCPサーバー開発時の留意点 　4.2 MCPサーバーが公開する主な機能（MCPメソッド） 　4.3 Python SDKの概要と使い方 　4.4 MCPサーバーのエラー処理とロギング 　4.5 実践：シンプルなMCPサーバーを作ってみる 第5章 MCPホスト開発 　5.1 MCPホストの役割と設計 　5.2 MCPホストとサーバーの連携のためのセッション実装 　5.3 MCPホストとLLMの連携の実装 　5.4 MCPホストのエラー処理とロギング 　5.5 実践：シンプルなMCPホストを作ってみる 第6章 LLMを使ってMCPサーバー／ホストを開発する 　6.1 AIコーディングの基礎 　6.2 LLMによるMCPサーバーの開発 　6.3 LLMによるMCPホストの開発

※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。 ★超初心者さん、ようこそ！　とことん丁寧な、挫折しないスタートブック★ 「Pythonやってみたい！けど、目的がない」「以前すぐに挫折してしまった」 そんな「作りたいものがない人」のための、世界一やさしいPythonの入門書が誕生しました！ ☆「あなたの隠れたPython適性診断」で「作りたいもの」を見つけよう☆ チェックリストの質問に答えて、やる気が続く「目標づくり」が簡単にできる！ あなたはどのタイプ？　さっそく診断してみよう！ 　・効率化マスタータイプ（業務効率化・自動化） 　・データハンタータイプ（Webスクレイピング） 　・分析探偵タイプ（データ分析・機械学習） 　・アイデアクリエイタータイプ（アプリ開発） 　・未来のテクノロジストタイプ（AI・生成AI活用） ☆「ぱいせん（Python仙人）」と一緒に一歩ずつ学べる☆ 全ページフルカラーで、とにかくやさしく説明しました！ プログラミングがはじめてでも、パソコンが苦手でも、 ぱいせんと一緒なら「楽しい」がずっと続いてつまずかない！ ☆仕事に役立つこれからのITスキルが無理なく身につく☆ 著者は、初心者のつまずきポイントを熟知した 社会人向けのプログラミングスクール講師。 口コミで大好評のスクールの経験を活かし、 挫折しない入門書ができました！ 【この本でできるようになること】 ・Pythonの基本の文法 ・PDFや画像データの処理 ・Webスクレイピング ・機械学習による画像認識 ・Webアプリ作成 ・画像生成AIと連携して好きな画像を生成 ・動画の文字起こし ・Googleの生成AIと連携して会議を要約 【おもな内容】 1章　Pythonってなに？ 2章　Pythonデビュー！ 3章　Pythonの基礎を知ろう！ 4章　データや処理をまとめよう！ 5章　ライブラリを使おう！ 6章　条件分岐と繰り返しをマスターしよう！ 7章　仕事に役立つプログラムを作ろう！ 8章　Webスクレイピングにチャレンジしよう！ 9章　機械学習にチャレンジしよう！ 10章　仕事にも役立つ画像生成AIアプリ作成にチャレンジしよう！ 11章　AI連携！　会議要約プログラム作成にチャレンジしよう！ ※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。

★基礎知識から構築、評価、改善まで！　実践に使える本格派の一冊★ AIエージェントの開発に初期から取り組み、実務で使ってきた著者陣がおくる、 「現場」で使える、プロになるための一冊。 ヘルプデスク、データ分析、情報収集、マーケティングの具体的なＡＩエージェントの構築方法に加え、 AIエージェントの評価や改善までを網羅的に学べます。 電通総研、Algomatic、ジェネラティブエージェンツの各社の取り組みの紹介も！ 「第1部 AIエージェントを知る」は、AIエージェントを作り、現場で活用するための知識をまとめています。1章ではAIエージェントの定義や重要な性質、ビジネス状況、活用例を説明します。2章は技術観点でAIエージェントを構成する各技術要素の説明と実装上で気をつけることを説明しています。 「第2部 AIエージェントを作る」では、AIエージェントを開発していきます。まずは3章で、AIエージェントの開発に必要な共通技術を解説します。4章では、ヘルプデスクの質問応答を題材にPlan-and-Execute型エージェントの実装をおこないます。5章では、データドリブンな意思決定業務を題材にデータ分析からレポート作成まで行うエージェントを実装します。6章では、情報収集業務を題材にarXiv上の論文を探索しレポートするエージェントを実装します。7章では、マーケティング業務を題材にロールプレイングによる意思決定支援やマルチエージェントによる会話型推薦エージェントを実装します。読者がすぐに実装を再現でき、読者の環境に合わせて改変して精度を高め、業務利用できることを意識しています。 「第3部 AIエージェントを現場で使う」では、実際にAIエージェントのプロジェクトを進めるうえで、避けては通れない課題について広く解説します。評価方法、エラー分析、UX、セキュリティ、モニタリング、継続的な精度改善方法を紹介します。10章ではAIエージェントの実用化に向けた著者陣の各社の取り組みを解説します。 【おもな内容】 第1部　AIエージェントを知る - 第1章 AIエージェントの概要 - 第2章 AIエージェントの構成 第2部　AIエージェントを作る - 第3章 AIエージェントの開発準備 - 第4章 ヘルプデスク担当者を支援する - 第5章 データ分析者を支援する - 第6章 情報収集者を支援する - 第7章 マーケティングを支援する 第3部　AIエージェントを現場で使う - 第8章 AIエージェントの評価 - 第9章 AIエージェントの活用 - 第10章 各社のAIエージェントの実用化に向けた取り組み

・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

【初学者納得、玄人脱帽！】 SNSで大絶賛の名講義が書籍化！ Gitの仕組みから現代的な多人数開発の手法に至るまで、この一冊に網羅した。 学生から熟練エンジニアまで手に取ってほしい。 エンジニア人生を支える、骨太な知識が身につく！ 【目次】 第1章　バージョン管理システムとは 第2章　Gitの仕組みと用語 第3章　Gitの基本的な使い方 第4章　ブランチ操作 第5章　リベース 第6章　Gitの便利な使い方 第7章　GitHubのアカウント作成と認証 第8章　リモートリポジトリの操作 第9章　GitHub Pagesへのデプロイ 第10章　GitHubにおける多人数開発 第11章　Gitの中身

待望の「ChatGPT Plus（有料版）」のビジネス活用に特化した書籍がついに刊行。2023年11月のアップデート対応！ もう、ほぼ「魔法」です！ Excel・PowerPointやデータ分析、画像生成など、かんたん雑用丸投げ術で仕事が楽になる！ ★日本初、ChatGPT Plus（有料版）のビジネス活用に特化！ ★非エンジニアにもらくらく使えるワンランク上の業務効率化！ ★サポートサイトにそのまま使えるプロンプトが超充実！ 【推薦の言葉】 ChatGPTがさまざまなデータの分析や加工を行えることはあまり知られていないが、大きなインパクトがある。かなりの腕のプログラマー／データサイエンティストがデータ処理のプログラムを自由自在に書くのと同じくらいのことが、普通の人にも驚くほど簡単にできるようになる。業務に使えるアイディアも無数に考えつくだろう。本書では、ChatGPT Plusに焦点をあて、その使い方を分かりやすく解説している。ぜひデータの分析や加工に一歩踏み出したい人には読んでいただきたい。 ――松尾豊氏（東京大学教授） たとえばこんなことができちゃいます！ ・「2つのPDFをページを抜き出して結合」など事務処理が一瞬で ・Webページの要約と画像生成で丸投げパワポ作成 ・Excelの関数記入、データ分析 ・顧客データから個別営業メール作成 Browsing、Advanced Data Analysis、DALL・E、GPT-4Vなどの拡張機能に対応しています。 【おもな内容】 第1部　知っておきたいChatGPTの基本 1章　ChatGPTの基礎知識 2章　ChatGPTの基本的な使い方 3章　ChatGPT Plusのセットアップ 4章　ファイルのアップロードとダウンロード 第2部　ChatGPTが使える日常テクニック 5章　繰り返し作業を一瞬で 6章　画像の多彩な加工・生成 7章　手軽に音声ファイル処理 8章　丸投げ！　PowerPointスライド作成 9章　マニュアル不要でExcel操作 10章　WordファイルとPDFファイルの便利技 第3部　ChatGPTでのデータサイエンス 11章　データからかんたんグラフ作成 12章　データからビジネスに役立つヒントを得る 第4部　ChatGPTのさらに便利な応用テクニック 13章　業務を効率化する 14章　ゲームで遊ぶ 15章　ブラウザアプリを作る 16章　PythonをChatGPTと勉強する 17章　アドバンスな活用法にチャレンジ

★最強最短の近道は、これだ！★ ・画像・自然言語処理の機械学習コンテストに取り組みながら、深層学習の具体的な知識をいち早く身につけよう！ ・レジェンドたちの豊富な経験に基づくスキルアップのノウハウも満載！ 【主な内容】 第1章　機械学習コンテストの基礎知識 1.1　機械学習コンテストのおおまかな流れ 1.2　機械学習コンテストの歴史 1.3　機械学習コンテストの例 1.4　計算資源 第2章　探索的データ分析とモデルの作成・検証・性能向上 2.1　探索的データ分析 2.2　モデルの作成 2.3　モデルの検証 2.4　性能の向上 第3章　画像分類入門 3.1　畳み込みニューラルネットワークの基礎 3.2　コンテスト「Dogs vs. Cats Redux」の紹介 3.3　最初の学習：CNNアーキテクチャ 3.4　最初の学習：データセットの準備と学習ループ 3.5　最適化アルゴリズムと学習率スケジューリング 3.6　データ拡張 3.7　アンサンブル 3.8　さらにスコアを伸ばすために 第4章　画像検索入門 4.1　画像検索タスク 4.2　学習済みモデルを使ったベースライン手法 4.3　ベースラインを実装する 4.4　距離学習を学ぶ 4.5　画像マッチングによる検証 4.6　クエリ拡張を学ぶ 4.7　Kaggleコンテストでの実践 第5章　テキスト分類入門 5.1　Quora Question Pairs 5.2　特徴量ベースのモデル 5.3　ニューラルネットワークベースのモデル

★「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

★確率的プログラミング言語がすぐに使える！★ ・Pythonでのコーディングを前提に、PyMC3、Pyro、NumPyro、TFP、GPyTorchをカバー。 ・回帰モデルの基本から潜在変数モデル・深層学習モデルまでを幅広く解説。 【主な内容】 第1章　ベイジアンモデリングとは 1.1 データ解析とコンピュータ 1.2 ベイジアンモデリングの基礎 1.3 代表的な確率分布 1.4 近似推論手法 第2章　確率的プログラミング言語（PPL） 2.1 ベイジアンモデリングとPPL 2.2 自動微分・最適化アルゴリズム 2.3 PyMC3の概要 2.4 Pyroの概要 2.5 NumPyroの概要 2.6 TensorFlow Probabilityの概要 2.7 GPyTorchの概要 第3章　回帰モデル 3.1 線形回帰モデル：線形単回帰モデル 3.2 線形回帰モデル：線形重回帰モデル 3.3 一般化線形モデル：ポアソン回帰モデル 3.4 一般化線形モデル：ロジスティック回帰モデル 3.5 階層ベイズモデル 3.6 ガウス過程回帰モデル：ガウス尤度 3.7 ガウス過程回帰モデル：尤度の一般化 第4章　潜在変数モデル 4.1 混合ガウスモデル 4.2 行列分解モデル 4.3 状態空間モデル 4.4 隠れマルコフモデル 4.5 トピックモデル 4.6 ガウス過程潜在変数モデル 第5章　深層学習モデル 5.1 ニューラルネットワーク回帰モデル 5.2 変分自己符号化器 5.3 PixelCNN 5.4 深層ガウス過程 5.5 正規化流

★基礎技術と分析アプローチがわかる入門書の決定版！★ ・「spaCy＋GiNZA」による一気通貫の分析がすぐに実践できる ・観光／金融・経済／ソーシャルメディアの分析事例をていねいに解説 ・つまずきやすい「環境構築」もしっかりサポート 【本書はこんな人におすすめです】 ・Pythonの基本が身についたので、次はテキストアナリティクスを学んでみたい ・大学の講義やプログラミングスクールなどで自然言語処理について少し触れたが、もう少し詳しく学びたい ・テキストアナリティクスにつまずいたことがあったり、ブランクがあったりして再挑戦してみたい 【本書「巻頭言」より抜粋】 アイディア次第でさまざまな分析が可能になるのがテキストアナリティクスの面白さです．その反面，多くの場合，簡単に結果が出るものではありません．諦めずに試行錯誤を続けることが重要です．基本的には多様な可能性に思いを巡らせることが有効です．それには経験の蓄積が活きてきますので，やればやるほど成果を出しやすくなります．自分で実際にデータを処理し，試行錯誤をしてみるのがテキストアナリティクスのスキルを向上させる近道です．その考えから，本書では試してみることを重要視しています． ――那須川哲哉（日本アイ・ビー・エム株式会社東京基礎研究所主席研究員） 【サポートページ】 https://github.com/tksakaki/kspub_ds_text_analytics 【主な内容】 第I部　テキストアナリティクスの基礎 第1章　テキストアナリティクスことはじめ 第2章　プログラミングの補足知識 第3章　環境構築 第4章　基礎技術 　 第II部　テキストアナリティクスの実践 第5章　データ収集 第6章　観光テキストの解析 第7章　金融・経済テキストの解析 第8章　ソーシャルメディアテキストの解析 第III部　応用技術・発展的な内容 第9章　実践的なテクニック 第10章　深層学習技術 第11章　環境構築の要らないテキストアナリティクス 付録　本書で利用するPythonライブラリ 【編著者紹介】 榊　剛史 株式会社ホットリンク 開発本部R＆D 部長 東京大学未来ビジョン研究センター 客員研究員 中国・清華大学による世界的なAI研究者2000人に選出。2006年電力会社にて情報通信業務に従事した後、東京大学博士課程に入学。2013年松尾研究室にて博士号取得。2015年～株式会社ホットリンクに入社。

★ 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

《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

【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

★この本を買わずして何を買う！！★ 競技プログラミング経験が豊富な著者が、「アルゴリズムを自分の道具としたい」という読者に向けて執筆。入門書を標榜しながら、AtCoderの例題、C++のコードが充実。入門書であり実践書でもある、生涯役立つテキストを目指した。 【推薦の言葉】 プログラムが「書ける」ことと、効率の良い結果を得ることには大分ギャップがある。本書は、どのようにすれば効率のよい結果が得られるか？　すなわちどのようなアルゴリズムを採用すればよいか？　という点に対して、幅広くかつ明快に解説している。 また本書は、アルゴリズム初心者に対して、アルゴリズムへの興味を惹かれるように記述されている。アルゴリズム上級者への初めの一歩には最適であろう。 ――河原林健一（国立情報学研究所副所長） 【全体を通して、アルゴリズムの設計技法を重視した構成】 まず、1、2章でアルゴリズムと計算量について概観します。そして、3～7章が、早くも本書のメインパートといえる部分であり、「アルゴリズムの設計技法」について詳しく解説します。これらの設計技法に関する話題は、多くの書籍では、最後の方で簡単に説明しています。しかし本書は、現実世界の問題を解決するための実践的なアルゴリズム設計技法の鍛錬を目指しています。そこで、アルゴリズム設計技法について前半で詳しく解説する構成としました。そして、これらの設計技法が後半の章でも随所に使われていくことを示していきます。 その後、8～11章では、設計したアルゴリズムを効果的に実現するうえで重要となるデータ構造を解説します。データ構造について学ぶことで、アルゴリズムの計算量を改善したり、また、C++やPythonなどで提供されている標準ライブラリの仕組みを理解して、それらを有効に活用したりすることができるようになります。 そしていったん、12章でソートアルゴリズムについての話題を挟んだ後に、13～16章でグラフアルゴリズムについて解説します。グラフは、非常に強力な数理科学的ツールです。多くの問題は、グラフに関する問題として定式化することで、見通しよく扱うことができるようになります。また、グラフアルゴリズムを設計するとき、3～7章で学ぶ設計技法や、8～11章で学ぶデータ構造が随所で活躍します。 最後に、17章で PとNPに関する話題を解説し、世の中には「効率的に解くアルゴリズムを設計することができそうにない難問」が多数あることを見ます。18章で、これらの難問に取り組むための方法論をまとめます。ここでも、動的計画法 (5章) や貪欲法 (7章) といった設計技法が活躍します。

※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。 ★ 人間は巧妙にできている。――実に面白い！！★ 　 ・全ページフルカラーのこれまでにない入門書！　見開き構成でわかりやすい！ ・感覚、記憶、意思決定、情動、コミュニケーション、言語理解など、人間が行う心的活動を情報処理のプロセスと捉えて、体系的に解説した。 ・実験心理学や神経科学をはじめとして、言語学、コンピュータサイエンス、哲学の側面からも認知科学を網羅的に解説した。 ・数理工学モデルも含め、認知プロセスの「モデル」を多く紹介。情報系の学生にも最適な一冊！ 【主な内容】 1章 認知科学概論 2章 感覚 3章 知覚・認知 4章 記憶 5章 注意 6章 知識 7章 問題解決 8章 意思決定 9章 創造 10章 言語理解 11章 情動 12章 社会的認知 13章 コミュニケーション 14章 錯覚 15章 脳

シリーズの第2弾は、初学者向けのKaggle入門書の決定版！ ★「Kaggleで勝つ」準備をしよう！★ 初学者が「Kaggleに何となく興味ある」状態から「実際のコンペに参加できる」状態になれるような内容を目指しました。 ・サンプルコードの詳細な解説があるから、しっかり身につく！ ・優勝チームと専業Kagglerのコンビによる、安定のわかりやすさ！ ・充実の本音対談で、やさしくサポート！ ・初学者や手探りでやっているが体系的な知識を得たい人に最適。 【本書のサポートページ】 https://github.com/upura/python-kaggle-start-book 【実践Data Scienceシリーズ】 https://www.kspub.co.jp/book/series/S069.html 【主な内容】 第1章　Kaggleを知る 1.1 Kaggleとは 1.2 Kaggleで用いる機械学習 1.3 Kaggleのアカウントの作成 1.4 Competitionsページの概要 1.5 環境構築不要な「Notebooks」の使い方 第2章　Titanicに取り組む 2.1 まずはsubmit！　順位表に載ってみよう 2.2 全体像を把握！　submitまでの処理の流れを見てみよう 2.3 次の一手を見い出す！　探索的データ分析をしてみよう 2.4 ここで差がつく！　仮説に基づいて新しい特徴量を作ってみよう 2.5 勾配ブースティングが最強？！　いろいろな機械学習アルゴリズムを使ってみよう 2.6 機械学習アルゴリズムのお気持ち？！　ハイパーパラメータを調整してみよう 2.7 submitのその前に！　「Cross Validation」の大切さを知ろう 2.8 三人寄れば文殊の知恵！　アンサンブルを体験しよう. 第3章　Titanicの先に行く 3.1 複数テーブルを扱う 3.2 画像データを扱う 3.3 テキストデータを扱う 第4章　さらなる学びのために 4.1 参加するコンペの選び方 4.2 初学者にお勧めの戦い方 4.3 分析環境の選択肢 4.4 お勧めの資料・文献・リンク 付録A　サンプルコード詳細解説 A.1 第2章 Titanicに取り組む A.2 第3章 Titanicの先に行く

「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

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

「基本をより実践的に！」学べる新シリーズの第一弾は、「統計モデリングの世界」へのファーストブック。基礎から学べる超入門！・チュートリアル形式だから、すぐに実践できる！・統計、確率、ベイズ推論、MCMCの基本事項から、やさしくサポート！・brmsやbayesplotなどのパッケージの使い方も、しっかり身につく！・一般化線形モデル(GLM)→一般化線形混合モデル(GLMM)→動的線形モデル(DLM)→動的一般化線形モデル(DGLM)を体系的に学べる！【本書のサポートページ】https://logics-of-blue.com/r-stan-bayesian-model-intro-book-support/　【実践Data Scienceシリーズ】　「基本をより実践的に！」を合言葉に、データサイエンスで用いられる各種手法の基本を、プログラミングの実装とともに解説していきます。はじめて学ぶ大学生、大学院生、ソフトウェアエンジニアに向けた注目の新シリーズです。【主な内容】1部　【理論編】ベイズ統計モデリングの基本　1.はじめよう！　ベイズ統計モデリング　2.統計学の基本　3.確率の基本　4.確率分布の基本　5.統計モデルの基本　6.ベイズ推論の基本　7.MCMCの基本／2部　【基礎編】RとStanによるデータ分析　1.Rの基本　2.データの要約　3.ggplot2によるデータの可視化　4.Stanの基本　5.MCMCの結果の評価　6.Stanコーディングの詳細／3部　【実践編】一般化線形モデル　1.一般化線形モデルの基本　2.単回帰モデル　3.モデルを用いた予測　4.デザイン行列を用いた一般化線形モデルの推定　5.brmsの使い方　6.ダミー変数と分散分析モデル　7.正規線形モデル　8.ポアソン回帰モデル　9.ロジスティック回帰モデル　10.交互作用／4部　【応用編】一般化線形混合モデル 1.階層ベイズモデルと一般化線形混合モデルの基本 2.ランダム切片モデル 3.ランダム係数モデル／5部　【応用編】状態空間モデル　1.時系列分析と状態空間モデルの基本 2.ローカルレベルモデル 3.状態空間モデルによる予測と補間 4.時変係数モデル　5.トレンドの構造　6.周期性のモデル化　7.自己回帰モデルとその周辺　8.動的一般化線形モデル：二項分布を仮定した例　9.動的一般化線形モデル：ポアソン分布を仮定した例

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!

フリーのCG作成環境、Processingの設定、操作手順から、アート作品づくりまでを1冊で。数理、サウンド、3DCGなど各分野の専門家が応用事例も広く紹介。収録コードを改良することから、プログラミングをはじめよう。※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。

最短経路で平易に理解できる、今までにない入門書! ベイズ主義機械学習(ベイズ学習)の基本原理にのっとり、｢モデルの構築→推論の導出｣という一貫した手順でアルゴリズムの作り方を解説。どこまでも分かりやすい!

機械学習の予備知識がない読者を、研究の最前線までしっかり連れて行く、ひとりでも学べる入門書! 深層学習の理論を初めて学ぶ人はもちろん、今度こそ理解したい人のために。 【甘利俊一先生推薦】 ｢世の中に人工知能の解説書は多いが、基礎から始め、その仕組みを理論的に明快に説明したのは本書が初めてといってよい｣

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!

ユーザーとして知っておきたいWebページの基礎を学び，シンプルなWebページを自分で構築できるようになる一冊。写真や動画の挿入法など，学んで楽しい技術を多数紹介する。大学の講義用テキストに最適です。※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。 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!