父親は殺人罪で服役中。兄も殺人で捕まった"殺人一家"の次男、石田凌駕。凌駕本人にも兄が捕まった殺人の関与が疑われている中、獄中の父親の｢指令｣のもと、ボクシングのプロテストに挑むーー。『地雷震』、『爆音列島』、『スカイハイ』の高橋ツトムが圧倒的筆致で描く、漆黒の拳闘ノワール!

歌舞伎町にある「エスペシア」。そのドアを叩くのはホスト目当ての客ではなく、「心残りのない最期」を願う人々だ。夜の街で伝説となった水無月優斗と先輩である真嶋翔のコンビが依頼人に届けるのは、サプライズに満ちたお見送り！ 一話　不謹慎な終活屋 二話　父と息子のペアリング 三話　あくまでも魔法的 四話　シュレディンガーのブラックボックス 五話　幽霊は消えない 六話　チャラい終活屋

第166回芥川賞受賞作。 ずっと遠くに行きたかった。 今も行きたいと思っている。 自分の中の怒りの暴発を、なぜ止められないのだろう。 自衛隊を辞め、いまは自転車メッセンジャーの仕事に就いているサクマは、都内を今日もひた走る。 昼間走る街並みやそこかしこにあるであろう倉庫やオフィス、夜の生活の営み、どれもこれもが明け透けに見えているようで見えない。張りぼての向こう側に広がっているかもしれない実相に触れることはできない。（本書より） 気鋭の実力派作家、新境地の傑作。

★★理論と実装のバランスがよい、「機械学習 with Python」の決定版★★ ■機械学習モジュールが普及することにより、かえって学びづらくなった機械学習アルゴリズムの基本を徹底マスター！ ■scikit-learnを使わない、numpyとpandasのみのコーディングで、実装力がスキルアップ！ ■ブラックボックスの中身を理解し、一生モノの知識を身につけよう！ 【本書のサポートページ】すぐに実践できるコードがWeb公開！ https://github.com/hhachiya/MLBook　 【機械学習スタートアップシリーズ】 https://www.kspub.co.jp/book/series/S042.html 【主な内容】 第1章 機械学習とは何か 第2章 Python入門 第3章 数学のおさらい（線形代数、最適化、確率、統計） 第4章 回帰分析（線形回帰分析、ロジスティック回帰分析） 第5章 分類（線形判別分析、サポートベクトルマシン、ナイーブベイズ法、決定木） 第6章 カーネルモデル 第7章 ニューラルネットワーク 第8章 強化学習 第9章 教師なし学習（主成分分析、因子分析、クラスター分析）

理論は裏切らない！　・強化学習で必要になる数理を広くカバーした。・一貫したていねいな解説なので、じっくり読める。付録・参考文献も充実！・ベルマン方程式、TD学習、方策勾配、POMDP、深層強化学習をより深く！／【おもな内容】　第1章　準備　1.1　強化学習とは　1.2　マルコフ決定過程と逐次的意思決定問題　1.3　方策　1.4　逐次的意思決定問題の定式化　　第2章　プランニング　2.1　準備　2.2　動的計画法　2.3　動的計画法による解法　2.4　線形計画法による解法　第3章　探索と活用のトレードオフ　3.1　概要　3.2　探索と活用のトレードオフ　3.3　方策モデル　　第4章　モデルフリー型の強化学習　4.1　データにもとづく意思決定　4.2　価値関数の推定　4.3　方策と行動価値関数の学習　4.4　収束性　4.5　アクター・クリティック法　第5章　モデルベース型の強化学習　5.1　問題設定の整理　5.2　環境推定　5.3　ブラックボックス生成モデルに対するプランニング　5.4　オンラインのモデルベース型強化学習　第6章　関数近似を用いた強化学習　6.1　概要　6.2　価値関数の関数近似　6.3　方策の関数近似　第7章　部分観測マルコフ決定過程　7.1　部分観測マルコフ決定過程（POMDP）の基礎　7.2　POMDP のプランニング　7.3　POMDP の学習　第8章　最近の話題　8.1　分布強化学習　8.2　深層強化　学習付録A　補足A.1　証明　A.2　ノルム　A.3　線形計画法　A.4　自然勾配法の補足

ブランディングを無視した「PV至上主義」「CPA至上主義」の時代は終わる。 WELQ事件、漫画村、フェイク広告、アドフラウド……悪質なネット広告の闇から抜け出すために。 生き残る広告主・代理店・メディアが進むSDGs／DX時代の広告の在り方！ 〈内容紹介〉 ネット広告費がついにテレビ広告をも抜いた現代。しかし、「PV数さえ稼げれば何でもよい」という感覚の下、悪質な広告やメディアが蔓延する事態となっている。広告団体、広告代理店、ウェブ・プラットフォーマー、ネット・メディア……取材を通じて明らかになった、広告の問題と解決策。ブラックボックス化した悪質なネット広告の世界からブランドを守り、健全化していくための道筋を伝える。 〈本文から〉 広告が嫌われるのは、金儲けのツールだから。欲望を躍起になって刺激するだけなら、そう言われても仕方ない。だが、広告がコンテンツに紐づく場所に立ち戻ることで、欲望の喚起とは違う役割にシフトしていくのではないか。 ――欲望ではなく、互いに必要とする、人びとと企業を結びつける装置。元々の広告の役割はそこにあるはずだし、これからもう一度、広告はそういう落ち着いた存在になっていくのではないかと思うのだ。 （「Last Capter：これからの広告の在り方はどうなるか？」より） 〈主な取材対象者〉 日本インタラクティブ広告協会（ＪＩＡＡ）／日本アドバタイザーズ協会（ＪＡＡ）／朝日新聞社「withnews」副編集長 朽木誠一郎氏／ＮＨＫ 報道局ネットワーク報道部チーフ・プロデューサー 蔵重龍氏／ＡＤＫマーケティング・ソリューションズ デジタルビジネスプロデュースセンター長 清家直裕氏／スマートニュース　執行役員広告事業担当　川崎裕一氏／メディアジーン CEO 今田素子氏／講談社 ライツ・メディアビジネス局局次長 長崎亘宏氏 【目次】 INTRODUCTION　なぜ広告は「嫌われモノ」になったのか？ CHAPTER１　ネットメディアと広告の結びつき――「ネット広告の闇」を暴いた二つの告発 CHAPTER２　ネット広告というブラックボックス――破壊された棲み分け CHAPTER３　ハードルを越えるための解決策――ホワイトリストと意識改革 CHAPTER４　ＰＶ商売からの脱却を図るメディア――「コンテンツ価値」という答え CHAPTER５　テレビＣＭにも起きている変化の波――視聴率から視聴質への転換 LAST CHAPTER　これからの広告の在り方はどうなるか？ おわりに

※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、ディープラーニングを支え、ベースとなっている数学に焦点をあて、どのような仕組みで、どのように効いて、なぜ機能するのかの解説をしていきます。「ブラックボックス」と思われがちなディープラーニングの中身を理解していきます。 高校数学の知識を前提としながらも、必要な数学を復習しつつ、高校で習わない偏微分に関しては基本から必要な部分を解説して、ディープラーニングを支える数学の知識を学んでいきます。 「ディープラーニングという言葉は聞くが、どんなものなのか分からないので理解したい」「ブラックボックスと言われるディープラーニングの仕組みを知りたい」「ディープラーニングを学びたいけれど、数学の勉強のどこから手を付けていいか分からない」といった読者の興味に応える一冊です。 数学を学びながら、それがディープラーニングにどのように効いているのか分かることが重要です。その点を実感として理解することができれば、ディープラーニングの仕組みの本質が理解できたことにつながっていきます。そのためのディープラーニングの主要な概念の解説もしていきます。 ※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。

日本のインターネットの父･村井純氏(慶応大教授)推薦! グローバルな情報社会の創造基盤、インターネット。今重要なのは、原理としくみを正しく理解すること! 本書はそのためのバイブルとなる。インターネットのしくみを解きほぐす。メールはどうやって送られる? インターネットにつながるのはなぜ?ブラックボックスに隠されたコンピュータ同士の情報のやりとりを基本からわかりやすく解説。IPアドレス、TCP/IP、ルーティングなどの専門用語も、｢なぜ｣それが必要だったのかという観点から解きほぐしていくことで、すっきり理解できる。(ブルーバックス･2008年5月刊)

ＭＣＭＣの基礎から実践までをていねいに解説。ベイズ統計や物理学を例にコードを書いてすぐに自分でできるようになる！ （まえがき抜粋） マルコフ連鎖モンテカルロ法は 複雑な積分をしたい 複雑な確率の計算をしたい という時に力を発揮する手法です。歴史的には物理学の分野で広く用いられてきましたが、最近では統計学の重要な道具として定着し、統計学的手法が重要な機械学習、金融などの分野でも用いられるようになっています。 マルコフ連鎖モンテカルロ法はそれほど難しいものではありません。むしろ、極めて素直な発想に基づいたシンプルな手法です。もちろん、「シンプル＝簡単なことしかできない」と考えるのは大間違いです。どんなことにも言えますが、シンプルで本質を捉えたものほど幅の広い応用が可能になります。事実、量子物理学、ベイズ統計、組合せ最適化問題など、分野の違いはあったとしても、多くの問題が最終的に確率と期待値の問題に帰着され、マルコフ連鎖モンテカルロ法がその威力を発揮します。 そんなわけで、マルコフ連鎖モンテカルロ法の基礎をある程度理解しておけば、分野に関係なく、自分で調べたいことができた時に、目的に合わせたコードがあっという間に書けてしまいますし、他の人が作った複雑なアルゴリズムの内容を理解できるようにもなります。良いことずくめです。 ところが、非常に残念なことに、マルコフ連鎖モンテカルロ法を基本から実用レベルまで順を追ってわかりやすく書いてあるような入門的な教科書が存在しません。となると、マルコフ連鎖モンテカルロ法を勉強しようと思ったら、あちこちから情報を集め、知識のある人にアドバイスをもらい、トライ・アンド・エラーを繰り返しながら習得しなければなりません。初心者が自習で実用レベルに到達するのが難しいというのが実情なのです。 そこで本書では、大学一年生程度の知識だけを仮定して、マルコフ連鎖モンテカルロ法の基礎的なアイデアを実例に基づいて解説し、この本一冊を読むだけで正しい考え方に基づいて自分でプログラムを書けるようになることを目標とします。実際に手を動かして理解できるように、本文中で扱う例の多くについて実際のプログラムを提供します。既存のソフトウェアパッケージを使えれば良いという人もいると思いますが、そのような人にとっても、ブラックボックスの中身がどうなっているかを理解するためのヒントになるはずですし、ソフトウェアパッケージが使えない問題に行き当たった時にどうしたら良いかもわかるようになります。実際に勉強してみるとわかると思いますが、マルコフ連鎖モンテカルロ法はとても簡単なので、短いコードを書くだけですぐに計算ができてしまいます。

当代最高のハードボイルド作品と言われるハリー･ボッシュ･シリーズ!すべての事件には解決につながる｢ブラックボックス｣があるという、ハリー･ボッシュの信念を象徴しているかのような記念碑的作品。1992年のロドニー･キング殴打事件にはじまったロサンジェルス暴動。ロス市警ハリウッド署殺人課のボッシュ刑事は、相棒のエドガーとともに、市内警邏の応援に駆りだされていた…。因縁の未解決事件に再び迫る。

※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。 ◆◆ロングセラー、10年ぶりの改訂◆◆ ・全ページをフルカラー化したので、図表もさらにわかりやすく！ ・非定常時系列データ解析の基本を加筆（第8章を新設） データの見方や考え方から述べられた本当にほしかった入門書。 それぞれがもつ「予測したい」課題に自ら取り組むための基本を１冊にまとめた。 「モデリングが使えるということはわかった、これからは使いたい！」という人は必読。 統計のプロ中のプロが伝授する「匠の技」「匠の知恵」コラムも多数収録。 【推薦の言葉】 本書は予測のための統計的モデリングの方法を，基礎から具体的実践例に亘るまで明快に解説している特色ある著作である． 平易な記述でベイスの定理などの基礎から粒子フィルタやデータ同化などの先端的な内容までをカバーしている． 便利なブラックボックス型のAI予測では飽き足らず，自分が抱える具体的な課題に対して自らのアイデアを投入し，説明可能な予測をしてみようと思い立った人には必読の書である． ――北川 源四郎先生(東京大学特任教授、数理・データサイエンス教育強化拠点コンソーシアム　議長) 【まえがき（抜粋）】 統計学の強みは，生成モデルの構築に関する，さまざまな知見とノウハウの蓄積，またモデルに基づく意思決定の綿密な評価にある．ある種，モデリングに関する匠の技とも言える暗黙知に，統計学の存在感が増していくであろう．読者が本書を通じてこの暗黙知を習得されることを期待したい． 【目次】 〈基礎編〉 第1章　予測とは何かを考える 第2章　確率による記述：基礎体力をつける 第3章　統計モデル：予測機能を構造化する 第4章　計算アルゴリズム1：予測計算理論を学ぶ 〈展開編〉 第5章　計算アルゴリズム2：モデルを進化させる 第6章　粒子フィルタ：予測計算を実装する 第7章　乱数生成：不確実性をつくる 〈実践編〉 第8章　時系列解析の基本：傾向をつかむ 第9章　経験知の総結集：売上予測の精度を上げる 第10章　データ同化：シミュレーションの予測性能を向上させる 第11章　確率ロボティクス：お掃除ロボをつくる ※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。