【コンピュータが言語を理解するしくみ】 ChatGPTに代表される大規模言語モデルの解説書が発売!! ChatGPTに代表される大規模言語モデルが自然言語処理の幅広いタスクで高い性能を獲得し、大きな話題となっています。大規模言語モデルは、大規模なテキストデータで訓練された大規模なパラメータで構成されるニューラルネットワークです。 Hugging Face社の"transformers"というPythonライブラリを利用することで、プログラミングの経験があれば、モデルの操作やデータからの学習がかんたんにできます。モデルを訓練するための日本語もしくは日本語を含む多言語のデータセットも充実してきており、すぐに業務に使える実用的なモデルを作ることが可能な時代がやってきました。 本書は、大規模言語モデルの理論と実装の両方を解説した入門書です。大規模言語モデルの技術や自然言語処理の課題について理解し、実際の問題に対処できるようになることを目指しています。以下のような構成によって、理論とプログラミングの双方の側面から、大規模言語モデルに関する情報を提供します。 ■目次 第1章 はじめに 　　1.1 transformersを使って自然言語処理を解いてみよう 　　1.2 transformersの基本的な使い方 　　1.3 単語埋め込みとニューラルネットワークの基礎 　　1.4 大規模言語モデルとは 第2章 Transformer 　　2.1 概要 　　2.2 エンコーダ 　　2.3 エンコーダ・デコーダ 　　2.4 デコーダ 第3章 大規模言語モデルの基礎 　　3.1 単語の予測から学習できること 　　3.2 GPT（デコーダ） 　　3.3 BERT・RoBERTa（エンコーダ） 　　3.4 T5（エンコーダ・デコーダ） 　　3.5 多言語モデル 　　3.6 トークナイゼーション 第4章 大規模言語モデルの進展 　　4.1 モデルの大規模化とその効果 　　4.2 プロンプトによる言語モデルの制御 　　4.3 アライメントの必要性 　　4.4 指示チューニング 　　4.5 人間のフィードバックからの強化学習 　　4.6 ChatGPT 第5章 大規模言語モデルのファインチューニング 　　5.1 日本語ベンチマーク：JGLUE 　　5.2 感情分析モデルの実装 　　5.3 感情分析モデルのエラー分析 　　5.4 自然言語推論・意味的類似度計算・多肢選択式質問応答モデルの実装 　　5.5 メモリ効率の良いファインチューニング 　　5.6 日本語大規模言語モデルの比較 第6章 固有表現認識 　　6.1 固有表現認識とは 　　6.2 データセット・前処理・評価指標 　　6.3 固有表現認識モデルの実装 　　6.4 アノテーションツールを用いたデータセット構築 第7章 要約生成 　　7.1 要約生成とは 　　7.2 データセット 　　7.3 評価指標 　　7.4 見出し生成モデルの実装 第8章 文埋め込み 　　8.1 文埋め込みとは. 　　8.2 文埋め込みモデルSimCSE 　　8.3 文埋め込みモデルの実装 　　8.4 最近傍探索ライブラリFaissを使った検索 第9章 質問応答 　　9.1 質問応答システムのしくみ 　　9.2 データセットと評価指標 　　9.3 ChatGPTにクイズを答えさせる 　　9.4 文書検索モデルの実装 　　9.5 文書検索モデルとChatGPTを組み合わせる 参考文献 ■著者プロフィール 山田 育矢（やまだ いくや）：株式会社Studio Ousia代表取締役チーフサイエンティスト・理化学研究所革新知能統合研究センター客員研究員。2007年にStudio Ousiaを創業し、自然言語処理の技術開発に従事。大規模言語モデルLUKEの開発者。 鈴木 正敏（すずき まさとし）：株式会社Studio Ousiaソフトウェアエンジニア・東北大学データ駆動科学・AI教育研究センター学術研究員。日本語質問応答のコンペティション「AI王」の実行委員。東北大学が公開している日本語BERTの開発者。 山田 康輔（やまだ こうすけ）：株式会社Studio Ousiaリサーチエンジニア・名古屋大学大学院情報学研究科博士後期課程3年。2022年4月より日本学術振興会特別研究員 (DC2)。自然言語処理、特にフレーム意味論に関する研究に従事。 李 凌寒（り りょうかん）：LINE株式会社自然言語処理エンジニア。大規模言語モデルmLUKEの開発者。

※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。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 人工知能は作曲家の夢を見るか？ 【本書のポイント】 ・深層学習による自動作曲技術の全体像を知る ・Colaboratoryを使った自動作曲のお試し ・データセットを多数紹介 　機械学習による自動作曲（AI作曲）技術を解説した専門書です。機械学習やメディアアート関係の研究者、学生、音楽産業の技術者を主な読者対象として、現在の自動作曲技術をまとめています。また、実践要素（Python/Colaboratoryを使った自動作曲の実践）を設けて、情報科学の知識のないクリエイターやアマチュア作曲者、動画制作者などが自動作曲にチャレンジできるようにしました。 　近年、画像生成を中心にAI（機械学習）によるメディア生成が注目を集めています。自動作曲はその名の通り、音楽を生成する技術で、近年では機械学習・深層学習による自動作曲・音楽分析が盛んに研究されています。 　本書では、言語・音声などの従来の時系列データと異なる音楽データの特徴に基づく分析や、音声の生成のような「それっぽい」にとどまらない美的な質の学習方法や評価といった、音楽に特化した機械学習のアプローチを解説します。 　読者は本書によって、現時点での深層学習による自動作曲の全体図を理解でき、またGoogleのMusic TransformerやOpenAIのJukeboxなど、最先端の重要モデルの仕組みや性能を学ぶことができます。自身のAI作曲の性能向上や実用性の改善を図ることが可能となります。 第 1 章 AI による自動作曲とは 1.1 背景 ── AI と作曲 1.2 自動作曲の歴史 1.3 本書の目的と構成 1.4 本章のまとめ 第 2 章 音楽の基礎知識 2.1 音楽の存在形式 2.2 平面的な要素 2.3 立体的な要素 2.4 音楽制作の流れ 2.5 本章のまとめ 第3章 AI モデル 3.1 時系列モデル 3.1.1 RNN・LSTM・GRU 3.2 畳み込みネットワークネット (CNN) 3.3 生成モデル 3.4 強化学習 3.5 本章のまとめ 第4章 楽譜（MIDI）としての自動作曲 1：時系列学習による自動作曲 4.1 RNN 基盤の自動作曲 4.2 トランスフォーマー基盤の自動作曲 4.3 本章のまとめ 第5章 楽譜（MIDI）としての自動作曲 2：生成モデルによる自動楽曲 5.1 GAN 基盤の自動作曲 5.2 VAE 基盤の自動作曲 5.3 拡散モデルによる自動作曲 5.4 本章のまとめ 第6章 楽譜（MIDI）としての自動作曲 3：強化学習による自動作曲 6.1 報酬の設定 6.2 他モデルとの融合 6.3 強化学習の二つのアプローチ 6.4 本章のまとめ 第7章 波形としての自動作曲 7.1 なぜ難しいのか 7.2 音声生成 7.3 波形としての音楽生成 7.4 本章のまとめ 第 8 章 データセットおよび評価指標 8.1 データセット 8.2 評価指標 8.3 本章のまとめ 第 9 章 前処理とデータ拡張 9.1 前処理 9.2 データ拡張 9.3 本章のまとめ 第 10 章 AIの他の音楽分野への応用 10.1 音源推薦 10.2 ジャンル識別 10.3 音源分離 10.4 自動ミックスダウンおよびマスタリング 10.5 本章のまとめ 第 11 章 まとめと今後の課題 11.1 今後の課題 11.2 音楽への関わり方の変化と意義 11.3 本章のまとめ 参考文献 索引

■定年前の不安を一気にポジティブに変える本 55歳は、役職定年や年収減などが一気に起こることに加え、将来への不安から、「55歳の壁」といわれる年齢です。 多くの55歳がこれにより働くモチベーションが急激に下がるとされますが、著者によれば「脳の働きを活性化し続けることができれば、[55歳の壁]を感じること自体がなくなる」そうです。 そこで本書では、著者の脳科学の知見から55歳以降をポジティブに生きる秘訣を紹介します。 立ち読みができます!「JMAM出版」で検索! 【目次】 はじめに脳に「定年」はない!～一生使える脳を手に入れよう!～ 第1章 いくつになってもモチベーションは上げられる! ●脳の「リバウンド力」を身につけよ! ●若いビジネスパーソンにもAIにも負けない55歳の「ネットワーク力」 ●1つの組織に依存した働き方に終止符を打つ絶好のチャンス! ●会社からの戦力外扱いは「脳のウェイクアップコール」 ●55歳ならではの人の役に立つ働き方を見つけよう! ●メタ認知能力を高めて自分の欠点を個性に変える! ●ストレスフリーな脳を手に入れる! ●対人関係のストレスは自分の居場所を固定しているから! ●複数の居場所を確保するための人間関係構築のポートフォリオ ●55歳から自分会社のCEOになって経営判断していこう! 第2章 脳を活性化させる55歳からのパッションの持ち方 ●55歳の「脳の通知表」がこの先の将来の脳を決める! ●いくつになっても脳はパッションを求めている! ●勝手な思い込みを捨てて「ガラスの天井」を突き破れ! ●「感動」は脳にとって最高のアンチエイジング! ●自由な時間を手に入れればパッションは生まれやすい! ●パッションは「欠落」や「公憤」から生まれる! ●好きなことに熱中できれば脳はイキイキと活性化してくる! ●若い世代と張り合うくらいのパッションを持ってみよう! 第3章 55歳から始めるポジティブチャレンジのすすめ ●朝の脳のゴールデンタイムを利用して時間を確保する! ●アクティブな情報収集ができる「55歳最強説」とは? ●情報源になっている人のツイッターをフォローして「現役感」を出す! ●雑談は脳を活性化させるための「乱取り」のようなもの! ●雑談力を磨いて相手の意外な一面を知ろう! ●「マインドフルネス」で自分を検索せよ! ●マインドフルネスによる脳の3大メリットとは? ●他人の「心の健康診断」でコミュニケーションがうまくいく! ●55歳だからできるマインドフルネス的なお金の使い方 ●マインドフルネスに通じる「フロー」に入るために! 第4章 一生使える脳のカギは「ドーパミン」にあり! ●55歳からの学び方～脳の強化学習でドーパミンをどんどん出す!～ ●日頃からドーパミンを出せているかどうかを簡単に見分ける方法 ●「自分への無茶ぶり」で意図的に脳に負荷をかける! ●無茶ぶりは「瞬間トップスピード法」ですぐやってしまう! ●「タイムプレッシャー法」で脳をバタバタさせてみる! ●無茶ぶりにかけるエネルギーは一瞬でいい! ●自分の人生の演出家と役者を兼ねた「二刀流ドーパミン術」 ●55歳から始める「脳の景気刺激策」でドーパミンを出す! ●「タイムマシン脳トレ法」で5歳の最強脳を手に入れろ! ●誰も褒めてくれなければ自分で自分を褒めてあげればいい! 第5章 “55歳の壁”を乗り越える教養を身につければ脳はよみがえる! ●経験に教養をプラスできれば脳はさらに活性化する! ●「マンスプレイニング」は新しい教養を身につける阻害要因となる! ●若い世代の情報源こそが教養の種に繋がっていく! ●若い世代との教養のエクスチェンジで脳がどんどん若返る! ●「T字型」の教養を身につければ最強脳が手に入る! ●自分の中でどんなことでもいいから解き放つ瞬間をつくる! ●サミュエル・ウルマン『青春』の詩に学ぼう! あとがき55歳からふたたびファンタジーな人生を思い描いてみる!

最近毎日のように報道され、日々進歩している人工知能を、多面的に解説した一冊。ニューラルネットワークを含む脳研究と人工知能研究の関係、ＡＩ研究を牽引するＩＴ企業の人工知能がどのように創られているか、脳型コンピュータの可能性、自然界から着想を得て人工知能を生み出す「ナチュラル・コンピューティング」の最前線等をまとめている。また、ニューラルネットワークの精度を高めるきっかけとなった「ディープラーニング」を紹介する「技術解説」も附録。 巻頭言　甘利俊一（東京大学名誉教授） 第１章　人工知能研究と脳研究―歴史と展望 第２章　身近なところで使われる機械学習 第３章　Watson の質問応答からコグニティブ・コンピューティングへ 第４章　脳型コンピュータの可能性 第５章　ナチュラル・コンピューティングと人工知能─アメーバ型コンピュータで探る自然の知能 技術解説　ディープラーニングとは何か？ <著者プロフィール> 第1章　合原 一幸（あいはら・かずゆき） 東京大学生産技術研究所教授、同大学院情報理工学系研究科教授、同大学院工学系研究科教授、理化学研究所AIP 特任顧問。専門はカオス工学、数理工学。 第2章　牧野 貴樹（まきの・たかき） Google Inc. シニアソフトウェアエンジニア。専門はコミュニケーションのシステム論と強化学習。 第3章　金山 博（かなやま・ひろし） 日本アイ・ビー・エム株式会社東京基礎研究所のリサーチ・スタッフ・メンバー。２０１１年に米国のクイズ番組で人間に勝利したWatson のプロジェクトに参画。 第4章　河野 崇（こうの・たかし） 東京大学生産技術研究所准教授、医師。専門はニューロモルフィックハードウェア、神経システムモデリング。 第5章　青野 真士（あおの・まさし） 慶應義塾大学環境情報学部（SFC）准教授、東京工業大学地球生命研究所（ELSI）フェロー。平成28年度文部科学大臣表彰「若手科学者賞」受賞。 技術解説　木脇 太一（きわき・たいち） 東京大学情報理工学系研究科特任助教。専門は機械学習、ニューラルネットワーク学習アルゴリズムの分析。 ※この電子書籍は株式会社ウェッジが刊行した『人工知能はこうして創られる』（2017年9月20日 第１刷）に基づいて制作されました。 ※この電子書籍の全部または一部を無断で複製、転載、改竄、公衆送信すること、および有償無償にかかわらず、本データを第三者に譲渡することを禁じます。

前作の『ITエンジニアのための機械学習理論入門』から、5年経過しましたが、AI（人工知能）や機械学習に対しての期待と関心はまったく衰えません。むしろ機械学習の利用はIT業界で当然のものとなり、さらなる活用がさまざまな場所で行われています。前作では一般的な機械学習について解説しましたが、試行錯誤しながら1つの解をもとめていく「強化学習理論」についてくわしく・やさしく解説します。理論を表現するいろいろな数式とそれらをプログラミングするためのPythonコードを並列しながらその理論の神髄にせまり、強化学習の基礎となるさまざまなアルゴリズムを体系的に学びます。

※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。 ビッグデータやIoTなども巻き込んで発展し続ける人工知能研究は今後、社会にどう受け入れられていくか？　その鍵について著者は、社会システムを構成する人工物に「心的機能」が備わることと説き、それを「ココロの創成課題」と呼ぶ。 本書は、その課題の実現を目指して研究を行ってきた著者の人工知能研究の足跡（動画像処理・強化学習・身体性・情動・共感）をたどりながら、ロボカップ研究（認知発達ロボティクス）から導き出された認知の問題意識などの重要性と成果、そして課題を解説する。各分野のキーパーソンとの対話やその知見なども紹介。

人工知能を利用した開発に必要な基礎知識がわかる！ 本書は人工知能関連の開発に携わっているエンジニアに向けて、今後のコアとなる理論と技術を図解で解説した書籍です。 話題の機械学習・深層学習、IoTやビッグデータとの連係についてもフォロー。理論の概念図や事例などを、わかりやすく解説しています。 第1章では人工知能の過去と現在と未来について解説。第2章～第14章への伏線となるように解説しています。 第2章～第14章では、各トピックにおける理論と技術について解説しています。 【対象読者】 人工知能を利用したプロダクトやサービス開発に携わるエンジニアの方（プログラマー、データベースエンジニア、組込みエンジニアなど） 【目次】 CHAPTER1 人工知能の過去と現在と未来 CHAPTER2 ルールベースとその発展型 CHAPTER3 オートマトンと人工生命プログラム CHAPTER4 重み付けと最適解探索 CHAPTER5 重み付けと最適化プログラム CHAPTER6 統計的機械学習（確率分布とモデリング） CHAPTER7 統計的機械学習（教師なし学習と教師あり学習） CHAPTER8 強化学習と分散人工知能 CHAPTER9 深層学習 CHAPTER10 画像や音声のパターン認識 CHAPTER11 自然言語処理と機械学習 CHAPTER12 知識表現とデータ構造 CHAPTER13 分散コンピューティング CHAPTER14 大規模データ・IoTとのかかわり ※本電子書籍は同名出版物を底本として作成しました。記載内容は印刷出版当時のものです。 ※印刷出版再現のため電子書籍としては不要な情報を含んでいる場合があります。 ※印刷出版とは異なる表記・表現の場合があります。予めご了承ください。 ※プレビューにてお手持ちの電子端末での表示状態をご確認の上、商品をお買い求めください。

※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。 ボードゲームを題材とした古典的なAIの実装からはじめ、深層学習と強化学習を囲碁AIに組み込み、改良していきます。囲碁ボット構築の方法を理解することで、他の人工知能開発にも応用することができるようになります。 Manning Publications『Deep Learning and the Game of Go』の日本語版。 ・PythonとKerasを利用した囲碁AIボット開発でディープラーニングを深く理解できます。 ・AlphaGo/AlphaGo Zeroで用いられた手法も解説！ ・基本的なPythonと高校レベルの数学の知識で読破可能。 この本はAlphaGoの開発と拡張という魅惑的な冒険へ導いてくれます。あなたは最も美しくかつ挑戦的なゲーム開発の基礎を学ぶことになるでしょう。とても読みやすく魅力に溢れた人工知能と機械学習の実践的入門書です。 ―Thore Graepel：DeepMind AlphaGoチームの研究・開発者（本書まえがきより）

★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

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!

進化発展するディープラーニング。その代表格がRNN（Recurrent Neural Network／再帰型ニューラルネットワーク）とDQN（Deep Q-Network／深層Qネットワーク）です。RNNは自然言語処理の分野で最も注目されるアルゴリズムです。またDQNは強化学習の手法で目覚ましい精度を挙げています。これらはいずれもAI応用の入り口となります。本書は，これらを万人のツールであるExcelを用いて，難しい数学やプログラミングの知識抜きに，動かしながら，目で見てしくみを理解できる画期的な入門書です。難解といわれるRNNとDQNの「最適化」などの難しい計算部分をExcelにまかせ，その動作原理をわかりやすく知ることができます。本書がAI学習のハードルを一気に下げてくれます。

※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。 本書は、Think IT連載「ビジネスに活用するためのAIを学ぶ」に、筆者の自社Webサイトで公開中のブログ「AI技術をぱっと理解する(基礎編)」を加え、さらに加筆・修正したAI入門書。これからAIを学ぶエンジニアや過去にAIを学習したが挫折してしまったエンジニア向けに、AIの基礎と全体像を解説し「AIとは何か」「AIで何ができるのか」をイメージできるようにした。 本書の特長は、古い歴史には触れず、(1)ディープラーニング登場以降の5年間の流れを知り(過去)、(2)今のAI技術の全体像を把握し(現在)、(3)5年後のAI活用イメージを掴む(未来)、の3点。書き下ろしコラムによるていねいな補足もあり、広大で難解なAIの世界をやさしく学ぶことができる。 全3部構成。 ●第1部「人工知能の基礎を理解する」では、AIの基礎と全体像をしっかり理解できるように解説。 ●第2部「機械学習のアルゴリズムを学ぶ」では、AIの心臓部となる＜機械学習＞＜統計学＞＜アルゴリズム＞の3要素とその関係を解説。＜機械学習＞には 「教師あり学習」「教師なし学習」「強化学習」などが、その背後には「回帰」「分類」「クラスタリング」などの＜統計学＞があり、その解を求める方法には「決定木」「サポートベクターマシーン」「ｋ平均法」など、多くの＜アルゴリズム＞がある。これらの三角関係をやさしく紐解く。 ●第3部「ビジネスに活用するための人工知能を学ぶ」では、著者の調査による最新動向を踏まえ、AIビジネスの将来について業界別に考察。 RPA (Robotic Process Automation) の現状についても解説する。

花王社長 長谷部佳宏氏推薦！ 「100冊のデジタル関連本よりも、まずコレ。 ビジネス×ヒト×AIの行方を情報技術の革命児たちが語る」 “文系”ビジネスパーソンが知っておくべき「AIの本質」はこれだ！ 今ビジネスの世界では「AI」という言葉がますますもてはやされています。AIを主語として「AIが～する」という表現も極めて一般的になりました。 ただ、課題解決の新しい手段として存在感を増していくにつれ、「仕組みはよく分からないけど、とにかくAIさえ導入すれば課題を解決できる」という極めて漠然とした理解が広がっていることも否めません。 我々Preferred Networks（PFN）は、現在「AI」と呼ばれることが多い機械学習・深層学習という技術の実用化で多くの産業領域の企業と共同研究や事業を行ってきました。その経験をもとに、2021年秋に、エンジニアリング志向でもなく、単なる知識の注入でもない事業担当者向け研修プログラム「AI解体新書」（https://anatomy.preferred.jp）の提供を開始しました。 本書をお読みいただければ、機械学習・深層学習・強化学習や、それらの機能である認識や生成、制御などを「AI」と一緒くたにして議論することがビジネスの現場ではあまり意味をなさないことがお分かりいただけるでしょう。「AIが絵を描く」ではなく、「人間の意思で、深層学習を利用した生成モデルが絵を描く」という枠組みと解像度で事象を理解し、ご自身の事業の課題解決に応用できるようになることを目標としています。 ビジネスパーソンの皆さんにとって、本書が「AI」の本質的な原理やメリット、限界を知り、ビジネスの現場でいち早く役立てるための一助となれば幸いです。

※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。 AIシステムを動かすモデルの解釈可能性を高め、説明可能なAIへの道を開く 本書では、線形回帰や決定木などのシンプルなホワイトボックスモデルから、深層ニューラルネットワークなどのようなブラックボックスモデルまで、その解釈手法とPythonによる実装を解説。「どのように動作し、予測に至ったのか」に答え、モデルを「解釈可能」にするためのアプローチを網羅的に扱い、そして更に「なぜ、この予測をしたのか」に答え「説明可能なAI」に至るための道を示しています。 第1部 解釈可能性の基礎 第1章 はじめに 　1.1 Diagnostics+のAI―AIシステムの一例 　1.2 機械学習システムの種類 　1.3 Diagnostics+のAIを構築する 　1.4 Diagnostics+のAIの問題点 　1.5 Diagnostics+のAIシステムを堅牢にする 　1.6 解釈可能性と説明可能性 　1.7 本書で何を学ぶのか？ 　1.8 まとめ 第2章 ホワイトボックスモデル 　2.1 ホワイトボックスモデル 　2.2 Diagnostics+―糖尿病の進行度 　2.3 線形回帰 　2.4 決定木 　2.5 一般化加法モデル（GAM） 　2.6 ブラックボックスモデルとは 　2.7 まとめ 第2部 モデルの処理の解釈 第3章 モデルに依存しない方法：大域的な解釈可能性 　3.1 高校生の成績予測器 　3.2 アンサンブルツリー 　3.3 ランダムフォレストを解釈する 　3.4 モデルに依存しない方法：大域的な解釈可能性 　3.5 まとめ 第4章 モデルに依存しない方法：局所的な解釈可能性 　4.1 Diagnostics+のAI：乳がん診断 　4.2 探索的データ分析 　4.3 深層ニューラルネットワーク 　4.4 DNNを解釈する 　4.5 LIME 　4.6 SHAP 　4.7 アンカー 　4.8 まとめ 第5章 顕著性マップ 　5.1 Diagnostics+のAI：浸潤性乳管がんの検出 　5.2 探索的データ分析 　5.3 畳み込みニューラルネットワーク 　5.4 CNNを解釈する 　5.5 バニラバックプロパゲーション 　5.6 ガイド付きバックプロパゲーション 　5.7 その他の勾配ベースの手法 　5.8 Grad-CAMとガイド付きGrad-CAM 　5.9 どの寄与度推定法を使えばいいのか？ 　5.1 まとめ 第3部 モデルの表現の解釈 第6章 層とユニットを理解する189 　6.1 視覚的な理解 　6.2 畳み込みニューラルネットワーク：復習 　6.3 ネットワーク分析フレームワーク 　6.4 層とユニットを解釈する 　6.5 まとめ 第7章 意味的な類似性を理解する 　7.1 感情分析 　7.2 探索的データ分析 　7.3 ニューラル単語埋め込み 　7.4 意味的類似性を解釈する 　7.5 まとめ 第4部 公平性とバイアス 第8章 公平性とバイアスの軽減 　8.1 収入予測 　8.2 公平性の概念 　8.3 解釈可能性と公平性 　8.4 バイアスを軽減する 　8.5 データセットのためのデータシート 　8.6 まとめ 第9章 説明可能なAIへの道 　9.1 説明可能なAI 　9.2 反実仮想的な説明 　9.3 まとめ Appendix 付録A セットアップを行う 　A.1 Python 　A.2 Gitコードリポジトリ 　A.3 Conda環境 　A.4 JupyterNotebook 　A.5 Docker 付録B PyTorch 　B.1 PyTorchとは？ 　B.2 PyTorchをインストールする 　B.3 テンソル 　B.4 データセットとDataLoader 　B.5 モデリング 付録C 日本語版付録日本語を扱う 　C.1 単語に分割する 　C.2 ワードクラウドを作成する 　C.3 日本語を単語埋め込み化する Ajay Thampi（著者） 信号処理と機械学習をテーマに博士号を取得し、強化学習、凸最適化、5Gセルラーネットワークに適用される古典的な機械学習技術をテーマに主要なカンファレンスやジャーナルで論文を発表している。現在は大手テック企業にて「責任あるAI」と公平性を専門に機械学習エンジニアとして活躍。マイクロソフトのリードデータサイエンティストとして、製造業、小売業、金融業など様々な業界の顧客に対して、複雑なAIソリューションをデプロイする仕事を担当した経験を持つ。 松田晃一（翻訳者） 博士（工学、東京大学）。石川県羽咋市生まれ。『宇宙船ビーグル号の冒険』を読み、絵描きではなく、コンピュータの道へ。海（海水浴）と温泉を好む。HCI/AR/VR/UX、画像処理・認識、機械学習、エッセーの執筆、技術書、SF、一般書の翻訳などに興味を持つ。最近立ち上げたPython の講義が（自分では）結構良く構成でき、再構成し書籍化を考えている。PAW^2（メタバース）の開発に携わり、オープンソースのm3py ライブラリの開発を行っている。著書に『Python ライブラリの使い方～ GUI から機械学習プログラミングまで』、『p5.js プログラミングガイド改訂版』（カットシステム)、『学生のためのPython』（東京電機大学出版局)、『WebGL Programming Guide』（Addison-Welsley Professional）など、訳書に『Web API デザイン・パターン』、『機械学習エンジニアリング』、『プログラミングのための数学』、『データサイエンティストのための特徴量エンジニアリング』（マイナビ出版）、『生成Deep Learning』、『詳解OpenCV3』、『コンピュータビジョンのための実践機械学習』（オライリー・ジャパン）、『デザインのためのデザイン』（ピアソン桐原）などがある。 ※この商品は固定レイアウト型の電子書籍です。 ※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、文字列のハイライトや検索、辞書の参照、引用などの機能が使用できません。 ※お使いの端末で無料サンプルをお試しいただいた上でのご購入をお願いいたします。

※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。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 機械学習を理解し実践するために必要な要素を選抜して解説した、実践的ガイドブック！ 　本書は、機械学習の入門者から中級者までをおもな対象として、機械学習を理解し実践するために必要なさまざまな要素を選抜して解説した、機械学習のガイドブックです。 　機械学習の概要から解説をはじめ、機械学習の歴史と主要なアルゴリズム、機械学習を実践するためのプログラミング言語であるRとPythonそれぞれの説明と連携、機械学習を正しく使いこなすためのさまざまな注意点、Kerasを活用したディープラーニングの実践、そして強化学習の例としてアルファゼロを取り上げています。付録には機械学習の理論的裏付けとなる数学の概要も取り上げています。 　入門者の方はまず本書の第1章「機械学習とは何か、どんな働きをするのか」を読み、第5章「さあ機械学習の本質を体験してみよう」の実践を繰り返してみてください。だんだんと機械学習に関する多くのことが見えるようになってきて、中級者への道が開けるでしょう。 　中級者の方には前半はやや簡単かもしれませんが、第8章「Kerasを使ったディープラーニングの実践」、第9章「さまざまなゲームの攻略法をゼロから学習するアルファゼロ」の内容が十分に理解できたのであれば、かなりのレベルに達したのだと思います。簡単かもしれない前半部分にも、参考になるさまざまな要素を仕込みました。 　機械学習の入門から中級者への道をガイドする1冊となっています。 はじめに 第1章 機械学習とは何か、どんな働きをするのか 第2章 機械学習小史：機械学習ブームの基盤を作った主人公たち 第3章 ぜひ使ってみたい役に立つアルゴリズム 第4章 RとPython 第5章 さあ機械学習の本質を体験してみよう 第6章 機械学習を上手に使いこなすコツ 第7章 RとPythonの連携 第8章 Kerasを使ったディープラーニングの実践 第9章 さまざまなゲームの攻略法をゼロから学習するアルファゼロ 付録A 機械学習の基盤となる数学の概要 A.1 機械学習の数学的基盤となるベクトル空間 A.2 ベクトル空間、ノルム空間、内積空間、ユークリッド空間とその関係 A.3 ドット積、行列、行列積 A.4 さまざまな行列の性質とその演算 A.5 行列と線形写像、固有値、テンソル、カーネル関数と射影 A.6 確率空間、確率変数、確率分布 A.7 統計的推定 A.8 最適化の手法 付録B RとPythonのデータ分析に関連する基本的コマンドの比較 B.1 基本的機能 B.2 ベクトル、行列などの作成と操作および数値計算（NumPy機能の対応） B.3 データフレームの作成・操作など（Pandas機能の対応） おわりに 参考文献とそのガイド

★★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）

「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。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 『機械学習と深層学習 C言語によるシミュレーション』のPython版登場!! 　本書は人工知能研究における機械学習の諸分野をわかりやすく解説し、それらの知識を前提として深層学習とは何かを示します。具体的な処理手続きやプログラム例（Python）を適宜示すことで、これらの技術がどのようなものなのかを理解できるように紹介していきます。 まえがき 第1章　機械学習とは 1.1　機械学習とは 1.1.1　深層学習の成果 1.1.2　学習と機械学習・深層学習 1.1.3　機械学習の分類 1.1.4　深層学習に至る機械学習の歴史 1.2　本書例題プログラムの実行環境について 1.2.1　プログラム実行までの流れ 1.2.2　プログラム実行の実際 第2章　機械学習の基礎 2.1　帰納学習. 2.1.1　演繹的学習と帰納的学習 2.1.2　帰納的学習の例題　―株価の予想― 2.1.3　帰納学習による株価予想プログラム 2.2　強化学習 2.2.1　強化学習とは 2.2.2　Q学習　強化学習の具体的方法 2.2.3　強化学習の例題設定　迷路抜け知識の学習 2.2.4　強化学習のプログラムによる実現 第3章　群知能と進化的手法 3.1　群知能 3.1.1　粒子群最適化法 3.1.2　蟻コロニー最適化法 3.1.3　蟻コロニー最適化法の実際 3.2　進化的手法 3.2.1　進化的手法とは 3.2.2　遺伝的アルゴリズムによる知識獲得 第4章　ニューラルネット 4.1　ニューラルネットワークの基礎 4.1.1　人工ニューロンのモデル 4.1.2　ニューラルネットと学習 4.1.3　ニューラルネットの種類 4.1.4　人工ニューロンの計算方法 4.1.5　ニューラルネットの計算方法 4.2　.バックプロパゲーションによるニューラルネットの学習 4.2.1　パーセプトロンの学習手続き 4.2.2　バックプロパゲーションの処理手続き 4.2.3　バックプロパゲーションの実際 第5章　深層学習 5.1　深層学習とは 5.1.1　従来のニューラルネットの限界と深層学習のアイデア 5.1.2　畳み込みニューラルネット 5.1.3　自己符号化器を用いる学習手法 5.2　深層学習の実際 5.2.1　畳み込み演算の実現 5.2.2　畳み込みニューラルネットの実現 5.2.3　自己符号化器の実現 付 録 A　荷物の重量と価値を生成するプログラム　kpdatagen.py B　ナップサック問題を全数探索で解くプログラム　direct.py 参考文献 索　　引

※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。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 機械学習を用いた新規分子構造の生成や最適化にまつわる技術について，基礎理論から実装まで一気通貫して解説 　本書は，機械学習の初学者であっても分子構造の生成モデルや分子構造の最適化手法を理解できるように，機械学習の基礎から分子構造の生成モデルや最適化手法にいたるまでを体系的にまとめた書籍です． 　さらに，機械学習に関する技術はプログラミングを通じて実践することでより理解が深まるものであるため，数理的な内容だけではなく，Pythonによる実装を織り交ぜて説明しています．分子構造の生成モデルや最適化手法に関する基礎知識を得ることができるだけでなく，それらを実践に活かすところまで習得できます． 　また，分子構造を取り扱うための手法や，特有の事情についても詳しく説明していますので，機械学習の研究者が分子構造を取り扱った研究を始めたい場合にも参考になります． 〈このような方におすすめ〉 材料設計、創薬に携わる技術者、研究者および学生 分子生成モデルへの応用を目指す機械学習の技術者、研究者および学生 〈目次〉 第1章　分子生成モデルと分子最適化 1.1　分子最適化 1.2　分子生成に関する問題設定 1.3　分子生成モデルの構成要素 1.4　本書の構成 1.5　記　法 1.6　プログラミング環境 第2章　分子データの表現 2.1　分子のグラフ表現 2.2　SMILES 2.3　SELFIES 2.4　分子記述子 2.5　フィンガープリント 第3章　教師あり学習を用いた物性値予測 3.1　教師あり学習 3.2　経験損失最小化にもとづく教師あり学習 3.3　予測分布 3.4　ニューラルネットワーク 3.5　最適化アルゴリズム 3.6　評　価 3.7　過剰適合と正則化 3.8　グラフニューラルネットワーク 3.9　モデルの適用範囲 3.10 予測器の実装例・実行例 第4章　系列モデルを用いた分子生成 4.1　系列モデル 4.2　系列モデルを用いた分子生成モデル 第5章　変分オートエンコーダを用いた分子生成 5.1　変分ベイズ法 5.2　変分オートエンコーダ 5.3　変分オートエンコーダを用いた分子生成モデル 第6章　分子生成モデルを用いた分子最適化 6.1　分子最適化問題とその難しさ 6.2　分子最適化問題の連続最適化問題への変換 6.3　ベイズ最適化を用いた分子最適化 6.4　ベイズ最適化を用いた分子最適化アルゴリズム 第7章　強化学習を用いた分子生成モデルと分子最適化 7.1　強化学習の定式化 7.2　分子最適化の強化学習としての定式化 7.3　方策勾配法 7.4　オフライン強化学習 7.5　SMILES-LSTMを方策とした方策最適化 第8章　発展的な分子生成モデル 8.1　原子団を組み合わせる分子生成 8.2　分子骨格を用いた分子生成 8.3　生成モデルの評価手法 付 録　正規分布にかかわる公式 A.1　モーメント母関数 A.2　線形結合 A.3　条件付き確率

※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。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 機械学習のしくみをイラストや図解でやさしく学ぼう！ 本書は、機械学習に関するさまざまなトピックスを概説する書籍です。人工知能における機械学習の位置づけを説明したのち、機械学習内の分野をマップ化し、マップ内の街（＝機械学習内の分野）を旅する形でやさしく解説していきます。 数式や複雑な処理手順は扱わずに、「どんなしくみで、どこで使われていて、どう役に立つのか」という要点をわかりやすく示します。大枠や要点を掴むことを主眼としているため、短時間・効率的に学ぶことができます。機械学習について関心をもっているものの、専門書はハードルが高いと感じている学生やビジネスパーソンにおすすめです。 構成は、はじめに人工知能における機械学習の位置づけや手法の分類を示したうえで、機械学習の個々のトピック……すなわち、ｋ近傍法や決定木などによる分類、進化的計算や群知能による最適化、強化学習、ニューラルネット、深層学習などを説明していきます。 まえがき 目次 はじまり－機械学習の国へ行こう－ 第一章　いりぐち－機械学習ってなんだろう？－ 機械学習ってなんだろう？ AIにできること いきものとコンピューター、それぞれの学びかた コンピューターの学習 機械学習はなにができるの？ 「言葉」を認識する 「画像」を認識する 　COLUMN　強いAIと弱いAI 第二章　観光案内所－機械学習の種類と仕組み－ 機械学習には種類がある 先生に正解を教えてもらおう－教師あり学習－ 教師データとラベル　 教師あり学習の仕組み 自力で学習を進めよう－教師なし学習－ 試行錯誤の経験から学習しよう－強化学習－ コラム　いろんな機械学習 学習した知識を役立てよう－汎化・タスク・アルゴリズム－ 学習のしすぎに注意！－過学習－ COLUMN　オッカムの剃刀とノーフリーランチ定理 第三章　分類の街－k近傍法と決定木－ 並べかたで分類しよう－k近傍法－ 　一刀両断、スパッと分類！－サポートベクターマシン－ ○と×で分類しよう－決定木－ 決定木の作りかた たくさんの決定木の森－ランダムフォレスト－ COLUMN　みにくいアヒルの子定理 第四章　最適化の街－進化的計算と群知能－ 最適化ってなんだろう？ 進化を模倣してよりよい情報を残そう－進化的計算－ いきものの進化の仕組み 進化的計算ってなんだろう？ 進化的計算の代表選手、遺伝的アルゴリズム 遺伝的アルゴリズムの仕組み もっと複雑なことをするには－遺伝的プログラミング－ 生物の群れの行動から学習しよう－群知能－ 蟻みたいに近道を見つけよう －蟻コロニー最適化法－ 大勢で答えを探そう－粒子群最適化法－ 魚みたいに餌を探そう－AFSA－ 第五章　試行錯誤の街－強化学習－ 強化学習ってなんだろう？ とにかく試行回数を重ねよう－モンテカルロ法－ より効率的に試行するには？－Q学習－ Q学習で迷路を脱出しよう 第六章　神経回路の街①－ニューラルネット－ 神経細胞と神経ネットワーク 神経細胞の模倣－人工ニューロン－ 神経ネットワークの模倣－人工ニューラルネットワーク－ ニューラルネットの学びかた 視覚のシミュレーション－パーセプトロン－ ハイスピードで学ぼう！－バックプロパゲーション－ ニューラルネットワークの種類 ①階層型 ニューラルネットワークの種類 ②全結合型と再帰型 「何か」を見つける－認識－ 「何か」を動かす－制御－ 「何か」を考える－判断－ 必ず「何か」を返してくる。……それでいいのかな？ 第七章　神経回路の街②－ディープラーニング－ ディープラーニングってなんだろう？ 人間の「視覚」を真似したニューラルネット これはイヌ？　それともネコ？－畳み込みニューラルネットの画像認識－ CNNはどうして高性能なんだろう？ 時間で変わるデータを分析しよう－リカレントニューラルネットとLSTM－ 本物そっくりのニセモノをつくる－敵対的生成ネットワーク－ ディープラーニングを自動翻訳に役立てよう 経験から学ぶ深層学習－深層強化学習－ 第八章　でぐち－機械学習をはじめよう－ 機械学習に使われる言葉－プログラミング言語Python－ 機械学習に使われるソフトウェア①－TensorFlowとKeras－ 機械学習に使われるソフトウェア②－Caffe、PyTorch、Chainer－ おわりに－AIについて学べる参考図書たち－ 　索引

※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。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 人工知能の構成技術を網羅的に概観する、やさしい教科書 本書は、人工知能のしくみを一から丁寧に解説する入門書です。 「人工知能とはなにか」という定義からはじまり、機械学習や画像処理といったさまざまな技術のしくみを、できるだけ数式を使わずに平易に説明します。 深層学習が火付け役となった人工知能ブームによって、人工知能は多くの方にとって馴染みのある存在になってきました。しかし、 ・　機械学習 ・　ニューラルネットワーク ・　進化的計算 ・　自然言語処理 ・　画像認識 などの個別のトピックのみが取り上げられることも多く、人工知能全体の体系はよくわからない、という方も多いのではないでしょうか。 本書では、上述したようなトピックを網羅的に扱い、人工知能を構成する技術の全体像を概観します。できるだけ数式を用いずに、平易に解説するよう心がけました。 業務上AIに関する知識が必要になった社会人や、情報系の学部・学科に所属する大学生はもちろん、人工知能に興味のある高校生にも読んでいただける内容です。 なお、各章の最後には、Pythonを使った演習を設けています。 エンジニアの方や、エンジニアを志す学生の方は、ぜひ演習問題にも取り組んでみてください。 第1章　人工知能とは 第2章　人工知能研究の歴史 第3章　学習 第4章　知識表現と推論 第5章　ニューラルネットワーク 第6章　深層学習 第7章　進化的計算と群知能 第8章　自然言語処理 第9章　画像認識 第10章　エージェントと強化学習 第11章　人工知能とゲーム 第12章　人工知能はどこに向かうのか

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

※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。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 「平均」という観点から強化学習の基本が理解できる！ AlphaGoがプロ棋士を破った2016年以降、強化学習や深層強化学習はさまざまな分野から注目を集めています。しかし、専門書では難解な専門用語や数式が多用されるため、初学者にとってはハードルが高い状態が続いていました。 本書は、そのハードルの高さを解消することを目的に制作されました。平均という初歩的な数学を使うことで、「価値」「探索」「マルコフ性」といった強化学習の基本をわかりやすく解説します。 また、各アルゴリズムについては、「多腕バンディット問題」および「グリッドワールド問題」のいずれかを用いて、比較しやすい状態で解説します。そのため、各アルゴリズムの特徴や差異がわかりやすくなっています。さらに、中核的なアルゴリズムについては、PythonとMATLABの2種類のコードを、オーム社と著者のWebサイト、およびGithubで配布します。配布コードを実行することで、「原理→数式→プログラム」という一連の流れを直感的に把握できます。 【本書の特徴】 ・難解な強化学習の原理を、中高生にもなじみ深い「平均値の計算」という観点からわかりやすく解説します。 ・さまざまなアルゴリズムを、共通する例題を用いて特徴がわかりやすいように比較します。 ・PythonとMATLAB、2種類のコードを配布します。 ※Pythonのバージョンは3です。 第1章　平均から学ぶ強化学習の基本概念 第2章　各アルゴリズムの特徴と応用 第3章　関数近似手法 第4章　深層強化学習の原理と手法

※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。 人工知能研究における諸分野を、C 言語による具体的な処理手続きやプログラム例によりやさしく解説する!! 　強化学習は、一連の行動の結果だけから行動知識を学習する手法です。　本書では、この強化学習と深層学習の基礎を紹介した上で、深層強化学習のしくみを具体的に説明します。単に概念を説明するだけでなく、アルゴリズムを実際にC言語のプログラムとして実装することで、実際にプログラムを動かすことで具体的な処理方法の理解を深めます。 主要目次 第1章　強化学習と深層学習 第2章　強化学習の実装 第3章　深層学習の技術 第4章　深層強化学習

※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。 「強化学習」とは、簡単に言えば、「試行錯誤によって学習するAI」です。 機械学習の一種で、近年のディープラーニングの発展の恩恵を受け、注目されています。 本書は、基本のアルゴリズムからニューラルネットを使った応用まで、 強化学習の理論と実装がわかる本です。 強化学習がどんな仕組みのAIなのか、 これから学んでみたいという人や 興味はあるけれど難しそうだと思っている人におすすめです。 【本書の特徴】 ●強化学習の難解な理論をやさしく解説 難しい用語や数式は、高校数学の知識があれば理解できるように一歩一歩説明します。教師あり学習やニューラルネットワークなど、機械学習の前提知識も解説しています。 ●画面上のロボットを動かすことで直観的に理解 強化学習の問題や学習結果は、画面上のロボットが動くアニメーションで確認できます。プログラムを実行するための環境構築や操作方法の説明があるので、すぐに動かすことができます。 ●Pythonで強化学習のプログラムを改良 サンプルプログラムは軽量で、一般的なPC（GPUなどが装備されたPCは不要）で動かせます。強化学習のライブラリは使用せずに実装されており、ブラックボックス化されていないのでアルゴリズムがよくわかります。本書では、サンプルプログラムを自分で改良するためのポイントや、Pythonの基本、主要ライブラリ（NumPy、matplotlib、OpenCV、TensorFlow）の一部の使い方を紹介しています。

これだけは知っておきたい！ 第三次AIブームを支える機械学習の入門書 AIのベースの一つである機械学習とは、コンピュータに大量のデータや経験を与えることによって、事象のパターン・ルールを発見し、予測などまでをも実現する技術である。機械学習の基礎から筆者らの最先端の研究までを初めての人にもわかりやすく解説する一冊。 【主要目次】 はじめに 1　機械学習とは何か――人工知能（AI）の基礎知識 1.1　人間の学習能力をコンピュータで再現する「機械学習」 1.2　AI研究、これまでとこれから 1.3　人工知能の／による／のための研究 2　人工知能と社会 2.1　研究者とともに、学生とともに、エンジニアとともに 2.2　さまざまな分野におけるAI技術の応用 2.3　AIと社会の関係 3　機械学習の基礎 3.1　AIの学習モデルと学習法 3.2　3種類の機械学習 3.3　教師付き学習とは 3.4　教師なし学習とは 3.5　強化学習とは 3.6　機械学習の原理：「学習する」とは 3.7 なぜ教師付き学習で予測が当たるのか？ 3.8 直線で分離できない問題への対応 4　高度化する教師付き学習 4.1　誤りを含む教師情報への対応 4.2　弱い教師情報の活用 4.3　限られた情報からロバストに：信頼できる機械学習に向けて 4.4　理研AIPに見る汎用基盤研究の現在地 5　今後の展望 5.1　モデルと学習法と、ある種の制約 5.2　機械学習の新技術：生成AI 5.3　AIと人間の未来

【Googleの生成AIを実践活用してみませんか？】 生成AIの普及が急速に浸透してきています。本書は信頼性の高いクラウド環境であるGoogle Cloudで同社の生成AIを活用するための方法を解説します。自社で生成AIを利用したWebサイト構築をしたい方への良きガイドとなるように構成しています。最初に最新のWebサイト構築に必要なJSライブラリの使用法を俯瞰していきます、そして生成AI、本書ではGoogleのPaLM APIを使います。サンプルアプリとして、書英文添削アプリ→チャットボット風アプリ→ドキュメントの要約アプリ→ドキュメントQA サービスアプリを段階的に開発していくプロセスを読者と同じ目線で開発していきます。ステップごとに工程を追いながら、その技術を学ぶことができるようになります。Web+AIで新しい機能とサービスを開発していきましょう。 ■こんな方におすすめ 既存の生成AIサービスを使うだけではなく、「生成AIを活用した新しいアプリを作って人々に提供してみたい」「業務システムに生成AIを組み込む方法を知りたい」という方に最適な内容です。Google Cloudのサービスやアプリ開発に使用するライブラリの使い方も基礎から説明していますので、これまでにアプリ開発の経験がない方でも、気軽に読み進めていただけます。 ■目次 ●第1章 前提知識 　　1.1 Google Cloud入門 　　1.2 React入門 ●第2章 Next.jsとFirebaseによるフロントエンド開発 　　2.1 Google Cloudプロジェクトのセットアップ 　　2.2 Next.jsによる静的Webページ作成 　　2.3 Firebaseのセットアップ 　　2.4 Googleログイン機能の実装 　　2.5 Cloud Runへのアプリケーションデプロイ 　　2.6 サーバーコンポーネントの利用 ●第3章 PaLM APIを用いたバックエンドサービス開発 　　3.1 PaLM APIの使い方 　　3.2 英文添削アプリの作成 　　3.3 ファッションを褒めるチャットボット風アプリの作成 ●第4章 LangChainによるPDF文書処理 　　4.1 LangChainによるPDF文書の要約 　　4.2 スマートドライブアプリの作成 ●第5章 ドキュメントQAサービス 　　5.1 埋め込みベクトルによるテキスト検索 　　5.2 ドキュメントQAサービスの作成 　　5.3 Vertex AI Searchによる検索サービス ■著者プロフィール 中井悦司：1971年4月大阪生まれ。ノーベル物理学賞を本気で夢見て、理論物理学の研究に没頭する学生時代、大学受験教育に情熱を傾ける予備校講師の頃、そして、華麗なる（？）転身を果たして、外資系ベンダーでLinuxエンジニアを生業にするに至るまで、妙な縁が続いて、常にUnix/Linuxサーバーと人生を共にする。その後、Linuxディストリビューターのエバンジェリストを経て、現在は、米系IT 企業のAIソリューションズ・アーキテクトとして活動。著書として、『［改訂新版］プロのためのLinuxシステム構築・運用技術』『ITエンジニアのための強化学習理論入門』（いずれも技術評論社）、『TensorFlowとKerasで動かしながら学ぶディープラーニングの仕組み』『JAX/Flaxで学ぶディープラーニングの仕組み』（いずれもマイナビ出版）などがある。

最新のAI開発プラットフォームで 機械学習・深層学習・強化学習の 基礎技術を学ぼう！ 【本書の概要】 本書はUdemyで大人気の講座 『AIパーフェクトマスター講座 -Google Colaboratoryで隅々まで学ぶ実用的な人工知能/機械学習-』をもとにした書籍です。 ・機械学習（回帰、k平均法、サポートベクターマシン） ・深層学習（画像識別や画像生成、RNN） ・強化学習（Cart Pole問題、深層強化学習） といった、AI開発でニーズの高い人工知能技術を、深層学習を中心に解説しています。 また本書ではサンプルを用意していますので、サンプルを動かしながら、AI技術の仕組みを理解できます。 開発環境にはGoogle Colaboratoryを使用します。 【Google Colaboratoryとは】 ブラウザ上で利用できる機械学習や深層学習向けの開発環境です。 GPUを無料で利用できるので、コードの実行時間を大幅に短縮できます。 【本書ポイント】 ・機械学習・深層学習・強化学習の基礎知識を一気に学べる ・Pythonでコードを動かしながら機械学習・深層学習・強化学習の理論を学べる 【対象読者】 ・何らかのプログラミング経験のある方 ・機械学習・深層学習・強化学習を学ぶ意欲のある方 ・高校数学以上の数学知識のある方 【著者プロフィール】 我妻幸長(あづま・ゆきなが) SAI-Lab株式会社を起業。「ヒトとAIの共生」がミッション。 人工知能（AI）関連の研究開発、教育、アプリ開発が主な事業。 著者のYouTubeチャンネルでは、無料の講座が多数公開されている。 ※本電子書籍は同名出版物を底本として作成しました。記載内容は印刷出版当時のものです。 ※印刷出版再現のため電子書籍としては不要な情報を含んでいる場合があります。 ※印刷出版とは異なる表記・表現の場合があります。予めご了承ください。 ※プレビューにてお手持ちの電子端末での表示状態をご確認の上、商品をお買い求めください。

※本書はリフロー型の電子書籍です 【ChatGPTはブームではない。テクニウムがもたらすゲームチェンジに備えよ！】 2023年は生成AIに関するニュースが毎日のように報じられていて、技術のトレンドも最新の状況も猫の目のようにくるくると変わっています。しかし、じっくり腰を据えて見渡してみれば、いま起きていること、そしてこれから起きることは、「検索」から「生成」という大きなパラダイムシフトであると捉えることができるのです。生成AIはブームではありません。新しい時代の幕開けなのです。本書では「検索から生成へ」といたるパラダイムシフトはなぜ、どのようにして起きたのかを歴史的背景から紐解き、これから起きることはなにかを考えていきます。 〈目次〉 序　～まえがきにかえて～ プロローグ　検索の時代 検索以前の時代とインターネットの誕生/人力によるディレクトリ検索/自動で探索するロボット型探索/「そんなに検索精度が高いと儲からない」/KPIは顧客滞在時 …ほか 第1章　生成AIとはなにか？ コンピュータとAIは真逆の存在/説明なしで学ぶ人工ニューラルネットワーク/巨大化することで性能を飛躍的に向上させた生成AI/生成AIの性能を決定づけるデータとバイアス …ほか 第2章　テクニウムがもたらす未来～知恵を合わせる能力～ AIが急速に進歩した理由/Microsoftはなぜ大学生に負けたのか？/ファミコンから始まったゲーム機戦争/PCとMac、GPUの共進化/WebサービスとWeb2.0/強化学習×大規模言語モデルがChatGPT …ほか 第3章　民主化された生成AIが世界を変える 大規模言語モデルが民主化されるとなにが起きるのか/生成AIの法的な問題/倫理的な問題/データ中心主義（データセントリック）/表現手段としてのAI/プログラムを書くAI …ほか 第4章　生成AIでビジネスはどう変わるのか 生成AIでプロジェクトを管理するコミュニケーションと生成Ａ経営者と管理職を助ける生成AI/中小起業こそ生成AI導入のメリットがある/生成AIで変わる人事/生成AI時代の組織とは …ほか 第5章　生成AIの可能性 コミュニケーションと生成AI/エンターテインメントと生成AI/プランニングと生成AI/仕事と生成AI/新しい働き方と生成AI/教育と生成AI/高齢化社会と生成AI おわりに　「永続する未来へ」 〈本書の内容〉 生成AIでビジネスはどう変わるのかを事例とともに考察するほか、「生成の時代」をヒトはどう生きるべきかまでを人工知能研究の第一人者が解明！ 〈著者プロフィール〉 清水 亮（しみず・りょう）　 新潟県長岡市生まれ。AIスペシャリスト。プログラマーおよび上級エンジニア経験を経て、1998年に株式会社ドワンゴに参画。2003年に独立し、以来20年で12社の設立に関わるシリアルアントレプレナー。2005年、IPA（情報処理推進機構）より「天才プログラマー／スーパークリエータ」として認定。2017年、2018年 内閣府知的財産戦略本部「新たな情報財検討委員会」委員。2018年から2023年 東京大学客員研究員。2019年、2020年 一般社団法人未踏とNEDOによる「AIフロンティアプログラム」メンター。著書に『よくわかる人工知能』（KADOKAWA）、『はじめての深層学習（ディープランニング）プログラミング』（技術評論社）、『最速の仕事術はプログラマーが知っている』（クロスメディア・パブリッシング）、『プログラミングバカ一代』（共著、晶文社）がある。

注目の最新AI技術！深層強化学習の開発手法がわかる！ 第一線で活躍する著者陣の書下ろしによる待望の1冊！ 【本書の目的】 AlphaGo（アルファ碁）でも利用されている深層強化学習。 AIサービスのみならずロボティクス分野でもその応用が期待されています。 本書は、AI開発に携わる第一線の著者陣が深層強化学習の開発手法について書き下ろした注目の1冊です。 【本書の特徴】 第1部では、まず、深層強化学習の概要について説明します。 次いで、強化学習の基礎（Q学習、方策勾配法、Actor-Critic法）と深層学習の基礎（CNN、RNN、LSTM）を解説します。 さらに、簡単な例題として倒立振子制御を取り上げ、DQNとActor-Critic法による実装例を紹介します。 第2部では、具体的な応用例として3つのアプローチを実装込みで解説します。 1つ目は、連続動作制御です。ヒューマノイドシミュレータの2足歩行制御を試みます。 2つ目は、パズル問題の解法です。巡回セールスマン問題（TSP）やルービックキューブの解探索について説明します。 3つ目は、系列データ生成です。文書生成（SeqGAN）やニューラルネットワークのアーキテクチャ探索（ENAS）を解説します。 全体を通して、行動の制御を担うエージェントのモデル化と、方策ベースの強化学習によるエージェントの学習法について学ぶことができます。 【読者が得られること】 深層強化学習による開発手法を学ぶことができます。 【対象読者】 深層強化学習を学びたい理工学生・エンジニア ※本電子書籍は同名出版物を底本として作成しました。記載内容は印刷出版当時のものです。 ※印刷出版再現のため電子書籍としては不要な情報を含んでいる場合があります。 ※印刷出版とは異なる表記・表現の場合があります。予めご了承ください。 ※プレビューにてお手持ちの電子端末での表示状態をご確認の上、商品をお買い求めください。

※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。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 ゲームAI手法を技術開発に必要な基礎的な内容から解説！ 本書は、最近のゲームAI手法をさまざまな実例で解説するとともに、実際にゲームAIを構築できるような技法の習得を目指します。さらに、人工知能の最新の話題として、人間らしいゲームAIや深層学習、機械学習、強化学習についても解説しています。 第1章　パズルとゲームのAI今昔物語 第2章　パズルを解くAI 第3章　制約従属のパズルと非単調な推理 第4章　ゲームを解くAI 第5章　学習・進化とゲームAI 第6章　ゲームAIと人間らしさ 参考文献 索引

※PDF版をご希望の方は Gihyo Digital Publishing (https://gihyo.jp/dp/ebook/2022/978-4-297-12973-6)も合わせてご覧ください。 本書は，世界最先端のAI研究所の一つであるDeepMindが発表した論文を軸に，現代的なAIがどのように作られているのかをまとめた技術解説書です。 「汎用AI」「ゲームをプレイするAI」をテーマとし，おもに深層強化学習の技術を取り上げます。深層強化学習は，いまの世の中で広く使われているディープラーニングをゲームなどの領域に応用した技術です。 深層強化学習には高性能なシミュレータが必要であり，ゲームをはじめとした架空の世界を舞台として最先端の研究が進められています。 本書ではこれまでに発表されてきた論文を通して，「いま技術的に何ができて，何が難しいのか」を紐解きながら，一つ一つの技術を積み上げた先に来る，次の時代のAIについて考えていきます。

さっと読めるミニ書籍です（文章量15,000文字以上 20,000文字未満（20分で読めるシリーズ）=紙の書籍の30ページ程度） 【書籍説明】 「やってみせ　言って聞かせて　させてみせ　ほめてやらねば　人は動かじ」 第二十六・二十七代連合艦隊司令長官、山本五十六の名言です。 名指揮官として名高い五十六は、今日でも、多くの経営者や指導者にとっての良い手本となり続けています。 「それと行動主義心理学とやらに、いったいどんな関係があるっていうの？」と、不思議な顔をされるかもしれません。 しかし実はこの五十六の名言こそ、行動主義心理学の神髄とも言えるのです。 つまり、行動主義心理学について学べば、あなたも五十六のような上司になれる！・・・と、はっきり断言するには、 残念ながらまだ早すぎるのですが、少なくとも、行動主義心理学のノウハウを知ることによって、 厄介な部下を今より上手に扱えるようになるのは間違いありません。 本書は、大きく分けて基礎編と実践編の二部構成になっています。 基礎編では、行動主義心理学の基礎理論を学びます。実はこの段階で、本書の目的の九割は達成できてしまいます。 というのも、部下を褒めるのも叱るのも、すべてこの基礎理論が基盤となっているからです。 では、実際にどういうふうに基礎理論を褒める・叱る場面に応用していくのか。 それを、実例をまじえて解説していくのが実践編になります。これで、残りの一割が完了です。 どんなに厄介な部下の行動も、上司であるあなたの対応次第で、改善させることは可能です。 本書を読んで、より多くの悩める上司が、五十六のような名だたる指導者になってくれることを望みます。 【目次】 ―基礎編―行動主義心理学とは何か １　学習理論 ２　強化学習と消去学習 ３　強化子と罰 褒める・叱る、どちらがより効果的か ―実践編―上手な褒め方 １　具体的に褒める ２　「ありがとう」は最高の褒め言葉 上手な叱り方 １　どうしても叱らねばならないときだけ叱る ２　具体的に叱る ３　「怒る」のではなく「叱る」 ４　すぐに叱る ５　できれば一対一で叱る ６　一度に何個も叱らない 上手な叱り方～おさらい～ 褒めると叱るの合わせ技 可能な場合は環境調整に力を入れる 大切なのは続けること

※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。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 人や動物の行動データの背後にある計算過程をモデル化し，行動の理解と予測につなげる。 本書は，主に行動データの計算論モデリングの方法やその理論を初学者に向けて丁寧に解説します。実例として，心理学や神経科学の実験課題として良く用いられる，ギャンブル課題における選択行動データを扱います。本文では自分ではプログラミングをしない読者も想定して，プログラムは用いずに計算論モデリングの概要がイメージできるような解説をこころがけました。実際に計算論モデリングをするためのRコードやStanコードは付録やサポートページで解説しています。 第1章　計算論モデリングとは 第2章　計算論モデリングの基礎 第3章　強化学習モデルを用いたデータ解析の事例 第4章　パラメータ推定の実際 第5章　モデル選択 第6章　計算論モデリングに基づく統計分析 第7章　結果の解釈，モデルの統計的な性質の理解 第8章　強化学習モデルのバリエーション 第9章　計算論モデリングの課題と発展 付録A 数学的な補足 A.1 期待値 A.2 対数と指数関数 A.3 本書で用いる確率分布 A.4 コイントスに関する計算 A.5 WAIC A.6 WBIC A.7 周辺尤度のラプラス近似 A.8 信頼区間 A.9 正規分布モデルの事後分布 A.10 正規分布の周辺化 付録B R コード B.1 Rescorla-Wagner モデルのシミュレーション B.2 Q 学習のシミュレーション B.3 MAP 推定 B.4 ベイズ推定によるQ 学習の推定 B.5 集団モデルのシミュレーション B.6 階層ベイズ B.7 WAIC, WBIC の計算 References 索引

※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。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 人と自然にコミュニケーションするAI，ロボットを設計するための入門書． コグニティブインタラクションは，従来の認知科学や情報科学だけではなしえていない，「状況に応じて，人と自然に，かつ持続的にインタラクションが可能な人工物を設計するための基礎理論」です．本書は，その入門書です． AIやロボットが人の社会生活にとけこむためには，人と協調行動をとれなければいけません．それには，コミュニケーション，つまり，意思疎通の能力が欠かせません．しかし，言語によるコミュニケーションよりも，非言語情報によるインタラクションのほうが重要になることがよくあります．相手が人であれ，動物であれ，AIやロボットなどの人工物であれ，人は相手の意図や欲求などの心的状況を読み取り，それに適応した行動をとるという，コグニティブ（認知的）インタラクションを繰り返すことで，円滑に対話を行っていると考えられるからです． 第1章では，人とAIのインタラクションについて，人どうしのインタラクションや人と動物のインタラクションをベースに考える枠組を説明しています．第2章では，インタラクションを分析していくための概念や方法を説明しています．続く第3章では，取得したデータをモデルベースで分析するために必要な，データの表現方法について説明しています．最後の第4章では，第3章までに学んだ基礎的な概念や方法を用いて，実際にどのようなインタラクションの分析が可能なのかを，これまでの事例の中から特に興味深いものに絞って説明しています． 本書を読むことで，人どうし，あるいは人と動物の間のインタラクションで起きていることを理解するためだけでなく，人と自然にコミュニケーションするAI，ロボット，そのほかの人工物を設計するための基本がわかります． 序章　「コグニティブインタラクション」とは 第１章　インタラクションの重要性と認知モデリング 　1.1　人と人工物のインタラクション 　1.2　コミュニケーションとインタラクション 　1.3　AIとインタラクション 　1.4　インタラクションのための認知モデリング 　1.5　他者モデルのモデリング 第２章　インタラクション分析の基礎 　2.1　仮説を立てる徴 　2.2　仮説検証のための実験デザイン 　2.3　分析データの扱い 　2.4　インタラクションの基本的な時系列モデル 　2.5　時系列データの因果関係の分析モデル 　2.6　強化学習モデルによるインタラクション解析態 第３章　データの定量的表現と変数 　3.1　表情と視線にかかわる変数 　3.2　身体運動と空間配置にかかわる変数 　3.3　音声言語にかかわる変数 　3.4　人以外において重要な変数 　3.5　動画像処理 　3.6　装着型デバイスによる身体動作計測 　3.7　音韻情報と韻律情報の計測処理 　3.8　生理指標の計測 第４章　インタラクション分析の実際とポイント 　4.1　相手が何をしようとしているのかを理解する 　4.2　みんなは何をしようとしているのかを考える 　4.3　人‐動物インタラクション 　4.4　人‐人工物インタラクション Column 　0.1　認知的インタラクションデザイン学 　1.1　インタラクションにおける相互適応学習 　1.2　社会脳仮説と心の理論 　1.3　ヒューリスティックとアルゴリズム 　1.4　適応認知における認知バイアス 　2.1　 相談の成否を決める隠れ状態の推定（二者間インタラクションの時系列分析） 　2.2　鹿狩りゲームと読みの深さ 　3.1　音声に含まれる個人性と生成・識別モデル 　3.2　複数ロボットの発話の重なりによって創発する空間の知覚 　3.3　ヘッドマウントディスプレイ（HMD） 　3.4　アバターの情動表現と仮想空間の文脈理解 　4.1　ロボットを介した人‐人インタラクションの分析 　4.2　人‐ウマインタラクションにおける人馬一体感とは 　4.3　ウマの歩法変化の計測と解析方法 　4.4　電動車いすを使った応答性と鋭敏性に関する実験 　4.5　ユーザの信頼を誘発する商品推薦エージェントのデザイン 　4.6　人とAIの間にリーダ‐フォロワ関係は成立するか

【道具として使いこなす！】 膨大な観測データから普遍的な法則を抽出する手法とは？ 高校数学レベルから始まり、Python入門、TensorFlowによる実装、最新の論文まで踏み込む入門書。 【著者サポートページ】 https://github.com/akio-tomiya/intro_ml_in_physics 【目次】 第1章　データとサイエンス 1.1　物理学とデータサイエンス／1.2　最小2乗法とオーバーフィット／1.3　テイラー展開と振り子の等時性／コラム：武谷の三段階論 第2章　行列と線形変換 2.1　ベクトル、行列と線形変換／2.2　変換としての行列／2.3　行列に関する色々／コラム：計算量のオーダー 第3章　確率論と機械学習 3.1　確率の基礎事項／3.2　教師あり学習と教師なし学習、強化学習／3.3　確率変数と経験的確率、大数の法則／3.4　大数の弱法則の証明／3.5　カルバックライブラーダイバージェンス／3.6　尤度と赤池情報量基準、汎化／3.7　ロジスティック回帰 第4章　ニューラルネットワーク 4.1　ニューラルネットワークの概論／4.2　万能近似定理／コラム：新しい道具と新理論 第5章　トレーニングとデータ 5.1　ニューラルネットワークの入出力と学習／5.2　誤差関数と汎化、過学習／5.3　誤差関数の最適化・学習／コラム：次元の呪い 第6章　Python入門 6.1　Pythonによるプログラミング入門／6.2　Pythonと他言語の比較／6.3　NumPyとMatplotlib／6.4　Pythonでのクラス 第7章　TensorFlowによる実装 7.1　TensorFlow/Kerasとは／7.2　データやライブラリのロード／7.3　データの分割とニューラルネットワークの設計／7.4　学習／7.5　結果の評価／コラム：量子化という用語 第8章　最適化、正則化、深層化 8.1　最適化法の改良／8.2　過学習を防ぐ／8.3　多層化にむけて 第9章　畳み込みニューラルネットワーク 9.1　フィルター／9.2　畳み込みニューラルネット／コラム：知能と飛行機 第10章　イジング模型の統計力学 10.1　イジング模型／10.2　イジング模型のモンテカルロ法／10.3　熱浴法のPythonコードとデータの準備／コラム：統計力学と場の量子論 第11章　Nature Physicsの論文を再現しよう 11.1　論文について／11.2　データの前処理／11.3　実験

「神の一手」の謎にせまる！ 【概要】 2017年5月にAlphaGoと柯潔（カ・ケツ）九段の最終決戦が行われ、 AlphaGoの3連勝となりました。AlphaGoは今回の対戦で さらに進化をとげました。 このようにAIの技術進化は日進月歩で進んでおり、国内でも 企業で研究開発が進んでいます。中でも目されているのは、 機械学習・深層学習・強化学習です。 本書はネイチャーで提供されているAlphaGoに関する 難解な学術論文を著者のほうで読み解き、「AlphaGo」で 利用されている深層学習や強化学習、モンテカルロ木探索の 仕組みについて、実際の囲碁の画面も参照しながら、 わかりやすく解説した書籍です。 本書を読むことで、最新のAIに深層学習、強化学習、 モンテカルロ木探索がどのように利用されているかを 知ることができ、実際の研究開発の参考にすることができます。 【読者対象】 ・人工知能関連の開発に携わる開発者、研究者 ・ゲームAI開発者 ※本電子書籍は同名出版物を底本として作成しました。記載内容は印刷出版当時のものです。 ※印刷出版再現のため電子書籍としては不要な情報を含んでいる場合があります。 ※印刷出版とは異なる表記・表現の場合があります。予めご了承ください。 ※プレビューにてお手持ちの電子端末での表示状態をご確認の上、商品をお買い求めください。

【本書の概要】 本書は学術論文（NatureやGoogleのサイト）などで提供されている難解なアルファ碁およびアルファ碁ゼロの仕組みについて、 著者がとりまとめ、実際の囲碁の画面を見ながら、 アルファ碁およびアルファ碁ゼロで利用されている深層学習や強化学習の仕組みについてわかりやすく解説した書籍です。特にデュアルネットワークはまったく新しい深層学習の手法で国内外の技術者の関心を集めています。 本書を読むことで、最新AIの深層学習、強化学習の仕組みを知ることができ、 自身の研究開発の参考にできます。また著者の開発したDeltaGoを元に実際に囲碁AIを体験できます。 【増補改訂のポイント】 Chapter1から5の部分は、よりわかりやすく内容を加筆修正しています。 またChapter6はアルファ碁ゼロに対応しています。 改訂にあたり、色数も2Ｃに変更。よりわかりやすいビジュアルになっています。 【対象読者】 人工知能関連の開発者、研究者 ※本電子書籍は同名出版物を底本として作成しました。記載内容は印刷出版当時のものです。 ※印刷出版再現のため電子書籍としては不要な情報を含んでいる場合があります。 ※印刷出版とは異なる表記・表現の場合があります。予めご了承ください。 ※プレビューにてお手持ちの電子端末での表示状態をご確認の上、商品をお買い求めください。

※この商品は固定レイアウトで作成されており、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、文字列のハイライトや検索、辞書の参照、引用などの機能が使用できません。 端末により、見開き表示で、左右が逆になる場合があります。 ビジネスに効く! 教養としての人工知能 いまを生き抜く必須知識をかんたん理解 AIの全体像をこの1冊で手に入れよう! 【すべてのビジネス・パーソン必読】 ここ数年、人工知能(AI)という言葉がテレビや新聞、ウェブなどのニュースで頻繁に登場するようになりました。囲碁に勝ったとか小説を書いたとか、はたまた人間の仕事を奪ったり、近い未来に人類を超えるなんていう話まで飛び出す一方、単なるブームにすぎないという意見もあり、期待と不安と混乱が社会に渦巻いているように思えます。 過剰な期待や不安は、その実態がつかめないことから生まれます。 確かにAIはその定義からして曖昧なうえ、関連技術も難解で、その全体像を把握するのは困難です。そこで本書では、AIの歴史から基礎知識、活用事例から最新技術までを網羅し、幅広い知識がひと通り得られるような内容を目指しました。 【第1章】AIの最新動向と基礎知識 Googleの猫やAlphaGo、AIが引き起こす社会問題、シンギュラリティまで、AIを取り巻く全体像や基礎知識をまとめました。 [内容]AIブームの正体/進化の歴史と賢さの変化/AIは人を賢くするのか/チェス・囲碁・将棋における戦い/強いAIと弱いAIとは/AGIとは/なくなる仕事と生まれる仕事/ラクになる仕事/絵画・音楽・文芸における創作/誰でも試せるサービス/産業・法律・倫理・哲学の変化/フレーム問題/完全・不完全情報型ゲーム/DeepMind/チューリングテスト/脳の完全再現/SFはどこまで現実化したか/シンギュラリティ/自立型兵器の開発……他 【第2章】生活に浸透する身近なAI チャットボットや家電、金融や製造、医療や社会インフラなど、私たちの生活に入り込んできているAIをまとめました。 [内容]音声アシスタント/レコメンドしてくれるAI/スマート家電/スマートスピーカー/サービスロボット/自動運転システム/医療分野での活用/AIドクター/ロボットドクター/スポーツ界における活用/金融・資産運用・フィンテック/ロボアドバイザー/インダストリー4.0/産業用ロボット/スマートファクトリー/広告に入り込むAI/ゴミ収集・選別/危険予測と安全管理/エネルギー管理……他 【第3章】企業の取り組みと活用事例 日本を含む世界を代表する企業が進めるAI開発・事業についての最新動向を紹介しています。 [内容]Google/Apple/IBM/Microsoft/Facebook/Amazon/イーロン・マスク(起業家)/百度/LINE/富士通/NTTグループ/ソフトバンクグループ/ドワンゴ/リクルートテクノロジーズ/NVIDIA/インテル/日本を代表するスタートアップ……他 【第4章】AIを支える技術と仕組み ディープラーニングや機械学習など、AIを根底から支える技術について、その概要と仕組みについて、豊富な図解を用いてわかりやすく解説しています。 [内容]AIの4つの技術レベル/チャットボットの仕組み/機械学習/教師あり学習と教師なし学習/強化学習/ニューラルネットワーク/ディープラーニング/バックプロパゲーション/過学習/CNNとRNN/GPGPU/量子コンピューター……他 【興味のあるところからお読みください】 各項目は独立しているので、順番に読まなくても構いません。興味がある部分から読んでみてください。初めてAIに触れる人でもすんなりと頭に入るように、難しい用語や数式はできるだけ避け、図解とイラストを用いてイメージしやすい紙面構成を心がけました。 本書を読み終えた頃には、ぼんやりしていたAIの姿が少しはっきりと見えてくるはずです。そして、広く深いAIの世界に足を踏み入れるきっかけとなれば幸いです。

僕たちは、こんな本を待っていた。Sebastian Thrunらの名著『確率ロボティクス』（マイナビ）の翻訳者であり、同分野の第一人者でもある、上田隆一氏が書き下ろす至極の入門書！　・理論→実装という一貫した流れで、丁寧に解説。まさにバイブル！・Jupyter Notebook対応だから、すぐに実践できる！・コードはGitHubで全部公開！【第1章「はじめに」より抜粋】　本書は、確率をロボットの認識機能や制御に用いることを考える分野「確率ロボティクス」の入門書です。ロボットの開発者、研究者になるには機械、計算機、制御に関する勉強も必要なうえ、上記のような状況なので、確率論、統計学の理解も重要になってきています。たくさん勉強しなければならないので「手短に」といいたいところですが、確率というものに実感がもてるまでには頭の訓練が必要です。　筆者は学生のとき、確率に対する実感を養うために（実際は家賃込みの月6万円の仕送りを増やすために）、学生寮、後楽園、高田馬場あたりの「現場」でかなりの訓練をして仕送りを減らしていましたが、そちらをおすすめするわけにはいきません。そこでロボティクスでよく使われるアルゴリズムを書いて動かしてもらい、実感をもってもらおうと企画したのが本書です。【主な内容】第1部　準備／第1章　はじめに／第2章　確率・統計の基礎／第3章　自律ロボットのモデル化／第4章　不確かさのモデル化　第2部　自己位置推定とSLAM／第5章　パーティクルフィルタによる自己位置推定／第6章　カルマンフィルタによる自己位置推定／第7章　自己位置推定の諸問題／第8章　パーティクルフィルタによるSLAM／第9章　グラフ表現によるSLAM　第3部　行動決定第／10章　マルコフ決定過程と動的計画法／第11章　強化学習／第12章　部分観測マルコフ決定過程　付録A　ベイズ推論によるセンサデータの解析　付録B　計算

※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。 人より強い“将棋プログラム”を作ろう 2016年3月、プロ棋士に勝つには後10年かかると言われていたコンピュータ囲碁でAlphaGoがトップ棋士に勝利しました。そこで使われた手法がディープラーニングです。 AlphaGoは局面を「画像」として認識し、打ち手の確率と局面の勝率を予測することで、次の打ち手を決めています。画像とはどのようなものか、次の打ち手をどうやって決めるのか？AlphaGoの論文をヒントに、ディープラーニングを使い棋譜を学習した将棋AIの開発を行います。強化学習のみでトップレベルの強さを持つAlphaZeroの手法も取り入れています。 ［導入編］では、コンピュータ将棋の歴史とディープラーニングの関係、コンピュータ将棋の大会の概要を紹介します。 ［理論編］では、従来のコンピュータ将棋のアルゴリズム、コンピュータ囲碁で用いられているモンテカルロ木探索とAlphaGoがどのようにディープラーニングを応用したか。基礎的な知識について解説しつつ、これらを将棋AIに応用する方法について述べます。 ［実践編］では、ディープラーニングを使った以下の３つの将棋AIについて、PythonとChainerで実装していきます。 方策ネットワーク（policy network）を使って指し手の予測のみでプレイするAI 価値ネットワーク（value network）を使って1手探索を行うAI 方策ネットワークと価値ネットワークを使ってモンテカルロ木探索を行うAI 最後に、より強い将棋AIを作りたいという方のために、ヒントとなる情報を紹介します。

※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。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 数式を使わないでアルファ碁、深層学習、知識ベースの理論の本質がわかる!! 　現在のAIブームの切っ掛けとなったアルファ碁の概念、仕組み、特徴の説明に焦点を当て、これを理解するための基礎知識として深層ニューラルネットワークと深層学習（ディープラーニング）を解説します。また、ディープラーニング型AIと知識ベース型AI（エキスパート・システムなど）の統合化の必要性を理解できます。 はじめに プロローグ Chapter 1　人工知能とは－人の様々な知能をコンピュータ化できるか？ Chapter2　ディープラーニング－多層（深層）ニューラルネットワークによるデータ分類機 Chapter3　アルファ碁－ディープラーニング、モンテカルロ法と強化学習 Chapter4　知識ベースシステム－ディープラーニングとの統合を目指して

※この電子書籍は固定レイアウト型で配信されております。固定レイアウト型は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。 深層強化学習は、強化学習と深層学習の組み合わせである。この研究分野の発展により、従来機械で扱う範疇ではなかった広範囲の複雑な意思決定問題を解けるようになってきた。深層強化学習はヘルスケア、ロボティクス、スマートグリッド、金融工学、その他さまざまな領域において、新たな応用の可能性を切り拓きつつある。本書は、そのような深層強化学習に関し、強化学習の基礎から始まり、深層強化学習の主要なアルゴリズムや最先端の話題まで、豊富な参考文献も含めて幅広く網羅している。特に本書は、汎化性を向上させるノウハウや深層強化学習が実応用でどのように使われるかという観点に着目して執筆されている。 機械学習の基礎知識を有する大学生・大学院生や企業の研究者・技術者が、深層強化学習の概要を効率的に勉強したいと思ったときの最初の一冊として推薦できる構成となっている。 原著:An Introduction to Deep Reinforcement Learning、 2019

※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。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 強化学習の基礎からロボットへの実装までがわかる!! 　本書は、強化学習の基礎からロボットへの実装までを解説した実務書です。プログラミングは、C言語でロボットへの実装までが解説された、実践的な内容となっております。ロボットへの実装は、誰でも購入できるライントレースロボットを使った例と、ソフトロボット（柔らかい素材を使ったロボット）を使った例で、具体的な方法を解説しています。 はじめに 第1章　人工知能とロボット 第2章　強化学習 第3章　C 言語による強化学習のプログラム 第4章　実ロボットへの適用 付録　Excel VBA による実装 参考文献 索引

※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。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 自動運転の要素技術を、第一線の著者陣により、わかりやすく解説。 　本書は、自動運転の要素技術を、第一線の著者陣により、わかりやすく解説した書籍です。本書1冊で、自動運転にかかわる技術の全容と今後の課題をポイントを押さえて理解することができます。 　自動運転技術は交通事故の減少、高齢者の移動支援、運転負荷の軽減や快適性の向上など、現在のさまざまな課題を解決する切り札として、大きな注目を集めています。 　一方、自動運転技術は自動車工学、パワーエレクトロニクス、移動体通信工学、人間工学、センシング技術、そしてAI・機械学習技術など、まさに各分野における最先端の要素技術の集合体であるため、その全容をコンパクトにポイントを押さえて解説している書籍がいままでにありませんでした。 　今後のキーテクノロジーとされる深層学習が自動運転技術において、どのように使われていくのかに焦点を当てながら、イメージに訴える平易な説明を心掛け、数式の使用を最小限に抑えて解説しています。 第1章　自動運転技術の概要 第2章　環境認識・予測 第3章　地図作成と自己位置推定 第4章　自動運転車の判断 第5章　縦方向と横方向の車両運動制御 第6章　複数台の協調制御 第7章　自動運転技術開発に使用されるツール 第8章　深層学習の基礎 第9章　深層強化学習 第10章 深層学習のノウハウ

最強の将棋ＡＩポナンザの開発者が超重要技術、「機械学習」「深層学習」「強化学習」を解説。そのうえで「知能とは何か」という問への回答を示す意欲作です。自らの手で人工知能を創り、将棋名人と並ぶまでに成長させてきた著者が腹落ちしたことだけを書いているので、世界一やさしく面白い人工知能の本になっています。

※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。 AI（人工知能）や自動化のプログラミングは、学ぶべき分野が多岐に渡ります。どこから手を付けていいのかわからない、という人も多いでしょう。 でも、これらはポイントをおさえることで、“スキマ時間”で学習できます。 本ムック「スキマ時間で学べる 機械学習＆Python自動化」では、今やAIの主流と言える「機械学習」と、Pythonによる作業の「自動化」という2大テーマを、短期間で学べるように1冊にまとめました。 第1部では、機械学習をゼロから解説します。 第2部では、Pythonによる自動化のプログラムを解説します。 本ムックを活用して、スキマ時間で効率よく機械学習や自動化のプログラミングを学びましょう！ ≪目次≫ はじめに　スキマ時間で機械学習＆Python自動化を学ぼう 第1部　「機械学習」を学ぶ 第1章　今から学ぶ機械学習アルゴリズム 第2章　「機械学習」エンジニアになろう！ XGBoost超入門 第3章　最適な機械学習アルゴリズムを「PyCaret」で選ぶ 第4章　Pythonで「強化学習」を学ぶ 第2部　「Python自動化」を学ぶ 第1章　Python×Gmail自動化 第2章　PythonでExcel自動化 第3章　「機密書類」自動振り分けプログラム

※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。 オリジナルのScratchゲームを使って 楽しみながらAI・強化学習を学べる ●「どんどん賢くなるAI」を３つのゲームで習得 ●Scratch強化ゲームの全プログラム収録 ●拡張モジュール不要！使うのはScratch標準機能のみ 強化学習とは、AIの機械学習の一種で、簡単に言えば試行錯誤の学習です。 「強化」という言葉は、動物心理学で昔から使われている用語でもあり、 私たち人間や動物も強化学習をしています。赤ちゃんは自分で寝返りを覚え、 ハイハイを覚え、いずれ立ち上がります。 産業界では空前のAI・機械学習ブームです。2016年には、強化学習が 囲碁で世界トップレベルのプロ棋士に勝つという快挙がありました。 ところが、強化学習の本はあまりありません。難しい概念や見慣れない 記号を使わざるを得ないので、難しく見えるからでしょう。しかし本来、 強化学習のアイデア自体はシンプルで、直感的には誰にでも分かるものです。 そこで、数学の知識を中学までの範囲に限定し、教育用プログラム言語 のScratchで作ったゲームを題材にした入門書を作りました。本書では強 化学習を3レベルに分け、レベルごとにオリジナルのScratchゲームを使 いながら、それをプレイする強化学習AIをていねいに解説していきます。 1章 強化学習を始めよう 2章 Scratchの使い方 3章 Scratchプログラムの作り方 4章 レベル1・砂漠でダイヤ集めゲーム 5章 レベル2・月面でダイヤ集めゲーム 6章 レベル3・お化けの飛行訓練ゲーム 7章 まとめ

※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。 『電子工作×深層学習』をテーマとし、深層学習を電子工作で利用するための方法を紹介。電子工作と深層学習のどちらか一方の知識しか持ち合わせていない場合でも理解できるよう、電子回路と深層学習の双方について丁寧に説明。深層学習だけではなく深層強化学習までを幅広くカバー。深層学習と電子工作を連携させた応用例についても説明。

※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。 大好評既刊書のTensorFlow編。『電子工作×深層学習』をテーマとし、深層学習を電子工作で利用するための方法を紹介。電子工作と深層学習のどちらか一方の知識しか持ち合わせていない場合でも理解できるよう、電子回路と深層学習の双方について丁寧に説明。深層学習だけではなく深層強化学習までを幅広くカバー。深層学習フレームワークの内部構造を可視化することで一層の理解が深まる。

※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。 本書は、機械学習コンセプト全般をカバーし、理論的背景とPythonコーディングの実際を解説しています。初歩的な線形回帰から始め、ディープラーニング（CNN／RNN）、敵対的生成ネットワーク、強化学習などを取り上げ、scikit-learnやTensorFlowなどPythonライブラリの新版を使ってプログラミング。第3版では13～16章の内容をほとんど刷新したほか、敵対的生成ネットワークと強化学習の章を新たに追加。機械学習プログラミングの本格的な理解と実践に向けて大きく飛躍できる一冊です。◎本書は『Python Machine Learning: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow 2, 3rd Edition』の翻訳書です。◎微積分／線形代数、Python の文法、データ分析用ライブラリについてある程度理解している必要があります。［原著の第1版］●ドイツ語、韓国語、中国語、日本語、ロシア語、ポーランド語、イタリア語に翻訳。●ACM（米国計算機学会）の「21st Annual list of Notable Books and Articles（2016）」にランクイン。［日本語の第1版］●「ITエンジニア本大賞2017」ベスト10にランクイン。

Chainerによるディープラーニングの入門書です。ディープラーニングはさまざまな分野に応用される注目の技術です。本書の前半では，ディープラーニングの基礎理論を丁寧に解説します。後半ではChainerの特徴と基本的な構造を押さえた上で，畳み込みネットワーク，GAN，RNN，強化学習などのアルゴリズムを解説していきます。実際に現場でディープラーニングを利用できるように，基礎から応用的なテーマまで幅広い構成でお届けします。

※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。 強化学習、さらにディープラーニングを組み合わせた深層強化学習DQN（Deep Q-Network）という用語を目にする機会が増えています。本書は関連の概念を分かりやすく解説しつつ、Python＋PyTorchで「倒立振子課題」「迷路を解くプログラム」「ブロック崩しの攻略」を実装していきます。 第1章「強化学習の概要」では機械学習とその3分類（教師あり学習、教師なし学習、強化学習）について紹介します。 第2章「迷路課題に強化学習を実装しよう」では、簡単な強化学習（方策勾配法、Sarsa、Q学習）のコードをひとつずつ実装しながら、強化学習のアルゴリズムと実装方法を理解します。迷路を最短ルートでゴールするよう強化学習させます。 第3章「倒立振子課題に強化学習を実装しよう」では、2章で学んだ強化学習の基本をより複雑な課題へ適用します。倒立振子とは、“ほうきを手のひらの上に立てる”遊びと同じ内容でその制御ルールを強化学習させます。Anacondaを用いたセットアップ方法も解説します。 第4章「Pytorchでディープラーニングを実装しよう」では、ディープラーニングの内容を理解し、PyTorchで実装します。ニューラルネットワークとディープラーニング発展の歴史、学習フェイズと推論フェイズについて解説。最後に手書き数字の画像を分類するMNIST課題を実装解説します。 第5章「深層強化学習DQNを実装しよう」では、強化学習にディープラーニングを組み合わせた“深層強化学習”を理解し、DQNを実装できるようにします。第3章の倒立振子課題に対してDQNを実装します。 第6章「深層強化学習の発展版を実装しよう」では、新しい深層強化学習の手法、Double-DQN、Dueling Network、Prioritized Experience Replay、そしてA3C、A2Cを理解し、実装できるようにします。 第7章「AWSのGPU環境でブロック崩しを実装しよう」では、ブロック崩しゲームを対象に深層強化学習のA2Cを実装します。実行環境としてAmazonのクラウドサービスAWSのGPU環境を使用する方法も解説します。

※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。 機械学習の代表的な理論「強化学習」の実践教科書！ コンピュータ・エージェントやロボットなどの自律的な学習を実現するための計算理論である「強化学習」について、数学的背景から実装、最新の動向まで幅広く解説した本。 「強化学習（Reinforcement Learning）」とは、人間や動物が持つ学習機能の一部をコンピュータで実現することを目指すコンピュータサイエンスの研究分野の一つです。強化学習の応用先は、ゲームプレイヤーの行動戦略、ロボットの動作、マーケティング戦略をコンピュータに自動的に学習させるなど、多岐に渡ります。そのため、強化学習は非常に活発に研究され、すさまじい勢いで発展しています。本書では、強化学習の基礎理論から、アルゴリズム、プログラミングによる実装、さらには応用事例まで、幅広い内容を扱っています。 『本書の最大の特徴は、強化学習の数学的な理論を紹介するだけでなく、強化学習をゲームやロボット制御に応用する例を、実際にプログラミングできる形で提供しているところです。数学は得意だけどプログラミングによる実装は苦手な理論派の読者の方は、まずプログラムをダウンロードして実行してみて下さい。強化学習が秘める潜在能力を十分に堪能して頂けると思います。一方、プログラミングには興味はあるけど数学的な理論はよくわからないという応用志向の強い読者の方は、プログラムコードと平行して理論を学ぶことにより、強化学習理論の有用性を効率よく学んで頂けると思います。』（著者「まえがき」より） 強化学習に関して、理論の学習と実践とを効率よく学べる構成となっています。自律ロボットやAIを学ぶ学生、戦略を学習するゲームキャラクターを作りたいプログラマーはもちろん、経験を反映するシステムを作りたい人などにも学ぶ価値のある内容となっています。

※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。 ★2021年2月24日データ更新：紙版3刷相当の正誤情報を本文修正しました★ AIエンジニアは必携の資格【ディープラーニングE資格（エンジニア）】にいち早く対応！ 　 ◆ JDLA認定プログラムの第1号事業者であるスキルアップAIの講師陣が執筆！ ◆ 業界の第一人者 杉山 将氏（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）監修！ 　 ◆ ていねいで分かりやすく解説。正答も誤答も技術解説しているので知識吸収も加速！ 　 ◆ 出題傾向を徹底分析した模擬問題を収録で合格力がさらにアップ！ 　 ●目次● 第01章 線形代数 第02章 確率・統計 第03章 情報理論 第04章 機械学習の基礎 第05章 前処理・特徴選択・性能指標 第06章 モデルの評価・正則化・ハイパーパラメータ探索 第07章 教師あり学習の各種アルゴリズム 第08章 教師なし学習の各種アルゴリズム 第09章 強化学習の各種アルゴリズム 第10章 深層学習の概要 第11章 順伝播計算と逆伝播計算 第12章 最適化手法 第13章 畳み込みニューラルネットワーク 第14章 再帰型ニューラルネットワーク 第15章 深層学習を用いた自然言語処理 第16章 深層学習を用いた生成モデル 第17章 深層学習を用いた強化学習 第18章 開発・運用環境 第19章 総仕上げ問題 付録 覚えておくべきPython/NumPyの知識

※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。 内容を精査して再登場！AIエンジニアは必携の資格【ディープラーニングE資格（エンジニア）】対応の問題集。 ◆ JDLA認定プログラムの第1号事業者であるスキルアップAIの講師陣が執筆！ ◆ 業界の第一人者 杉山 将氏（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）監修！ ◆ ていねいで分かりやすく解説。正答も誤答も技術解説しているので知識吸収も加速！ ◆ 出題傾向を徹底分析した模擬問題を収録で合格力がさらにアップ！ ●目次● 第01章 線形代数 第02章 確率・統計 第03章 情報理論 第04章 機械学習の基礎 第05章 前処理・特徴選択・性能指標 第06章 モデルの評価・正則化・ハイパーパラメータ探索 第07章 教師あり学習の各種アルゴリズム 第08章 教師なし学習の各種アルゴリズム 第09章 強化学習の各種アルゴリズム 第10章 深層学習の概要 第11章 順伝播計算と逆伝播計算 第12章 最適化手法 第13章 畳み込みニューラルネットワーク 第14章 再帰型ニューラルネットワーク 第15章 深層学習を用いた自然言語処理 第16章 深層学習を用いた生成モデル 第17章 深層学習を用いた強化学習 第18章 開発・運用環境 第19章 総仕上げ問題 付録 覚えておくべきPython/NumPyの知識

※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。 新シラバスに完全対応！G検定受験者必携の問題集が増補改訂して再登場！ 2021年春に公開された最新シラバスに沿って収録問題を増補。新たに「人工知能と法律・契約および動向」の章を追加して、個人情報保護法に関する設問、道路交通法に関する設問（自動運転など）、知財・発明・AI創作物の著作権に関する設問、AI開発契約に関する設問（契約ガイドラインなど）、国や自治体のAI活用方針に関する設問などにバッチリ対応しました。 また、最新技術動向として、XAI、DX、自然言語処理、音声認識、強化学習最新技術などの設問なども追加し、近々の出題傾向もしっかり学習できます。 巻末には、実際の試験と同等の出題数による模擬試験「総仕上げ問題」を収録。試験直前の実力診断までしっかりサポート！！ ▼目次▼ 第1章　人工知能をめぐる歴史と動向 第2章　機械学習の基本 第3章　機械学習の具体的手法 第4章　基礎数学 第5章　ディープラーニングの概要 第6章　ディープラーニングの手法 第7章　ディープラーニングの研究分野と応用 第8章　人工知能と法律・契約と動向 第9章　総仕上げ問題

★まさにバイブル！★ 転移学習は、従来の機械学習の方法では解決することが困難な要請や課題をうまく取り扱うための方法です。深層学習の登場以降、事前学習済みモデルの利用が容易になり、転移学習が広く用いられるようになってきた。 本書では、転移学習の基本概念から、ドメイン適応、事前学習済みモデル、知識蒸留、マルチタスク学習、メタ学習、継続学習などをていねいに解説。この一冊から始めよう！ 【主な内容】 第1部　転移学習への導入 第1章　機械学習から転移学習へ 第2章　転移学習の基本概念 第2部　転移学習の基礎 第3章　ドメイン適応の理論 第4章　データに基づくドメイン適応の基礎 第5章　モデルに基づくドメイン適応の展開 第6章　事前学習済みモデル 第3部　転移学習の展開 第7章　知識蒸留 第8章　マルチタスク学習 第9章　メタ学習 第10章　少数ショット学習 第11章　ドメイン汎化 第12章　継続学習 第13章　強化学習における転移学習 付録A　深層ニューラルネットワークと生成モデルの基礎

※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。 本書は機械学習を始めたばかりの方にもTensorFlowを初めて使う方にも、究極のガイドです。 コードを理解するにはPythonプログラミングに関する知識が事前に必要ですが、それ以外は機械学習の基本からTensorFlowの実践的な使いこなしまでマスター可能です。 Part 1では、機械学習とは何か、といった探求と、TensorFlowが果たす重要な役割についてハイライトを当てます。1章では機械学習の用語と理論を紹介し、第2章ではTensorFlowの利用を開始するために必要なことを解説します。 Part 2では、基本的なアルゴリズムについて説明します。3章～6章のそれぞれの章で、回帰、分類、クラスタリング、隠れマルコフモデルについて解説します。これらのアルゴリズムは、機械学習のあらゆる分野で利用できます。 Part 3では、TensorFlowが真のパワーを発揮するニューラルネットワークについてそのベールをはがします。7章～12章では、オートエンコーダー、強化学習、畳み込みニューラルネットワーク、再帰型ニューラルネットワーク、シーケンス変換モデルおよびユーティリティーについて紹介します。 経験豊かなTensorFlowユーザーでない限り、最初にPart 1(1章と2章)を読むことをお勧めします。そこをマスターしたら、あとは本書の好きな章から読んでOKです。 機械学習やTensorFlowを初めて使う方には究極のガイド本であり、その基礎をバッチリマスターできます。

※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。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 TensorFlowで強化学習を実践！ 　アルファ碁などのゲームAIやロボットアームの制御，自動運転などで注目されている深層強化学習の基本と実装について，PythonとTensorFlow（TF-Agents），シミュレータとしてOpenAI GymとPyBulletを用いて解説したもの． 　深層学習，強化学習のアルゴリズムを一歩一歩ていねいに解説し，Raspberry Pi＋Arduinoを用いた実応用までを扱っています． 第1章　はじめに 第2章　深層学習 第3章　強化学習 第4章　深層強化学習 第5章　実環境への応用

※PDF版をご希望の方は Gihyo Digital Publishing (https://gihyo.jp/dp/ebook/2022/978-4-297-12812-8)も合わせてご覧ください。 初学者の方々に向け，ディープラーニングの発展技術をまとめた解説書。 ディープラーニングは現在のAI/人工知能の発展の中核を担っており，スマートフォンからIoT，クラウドに至るまで幅広い領域で，画像，音声，言語処理をはじめとした多くの対象分野に浸透し，目覚ましい進展をもたらしています。 ディープラーニングの今の基本をまとめた前作に続き，本作ではニューラルネットワークにおける大きな謎である「なぜ学習できるのか」「なぜ汎化するのか」にスポットを当て平易に解説。合わせて，将来的な革新の可能性を秘める二大トピックとして，「生成モデル」「深層強化学習」も詳しく取り上げます。そして，4つのテーマのもと，ディープラーニングや人工知能について課題を整理し，今後を考えていきます。 多様な問題を一つのアプローチ，アルゴリズムで解ける驚異的な技術。ディープラーニングが一段と進化していく将来につながる，長く役立つ原理，原則，考え方を紐解く1冊です。

※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。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 Pythonでデータサイエンスの理論と実践を学ぶ 　データサイエンスは、「データを科学的に扱う」学問分野です。近年、ICTの進展によって、センサやインターネットを通じて取得できるデータ量が爆発的に増加したこと、コンピュータの高性能化に伴ってこれまでできなかった大規模なデータ処理が可能となったことなどから注目されています。 　本書は、データサイエンスの基礎となる統計分析からパターン認識（機械学習）、時系列データ分析、深層学習などを、Pythonを使って実際に分析しながら学ぶものです． 　データの取り扱い、確率・統計の基礎といった基本的なところから、パターン認識、深層学習といった統計・機械学習手法、時々刻々と変化する時系列データの分析などの解説を行い、読者がデータサイエンスの一通りを俯瞰できるようになっています。 　Pythonを使った解説によって理論と実践を同時に学ぶことができるので、データサイエンスを学び、自身の分野に応用したい方にピッタリの一冊です。 　第2版にあたっては深層学習を大幅に拡充し、自然言語処理、生成系（AutoEncoder、GAN）などの近年重要視されるテーマを取り上げました。 1章　はじめに 2章　データの扱いと可視化 3章　確率の基礎 4章　統計の基礎 5章　回帰分析 6章　パターン認識 7章　時系列データ分析 8章　深層学習の基礎 9章　深層学習による画像処理 10章　深層学習による自然言語処理 11章　生成系深層学習 12章　深層強化学習 索引

※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。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 「数理・データサイエンス・AI（応用基礎レベル）モデルカリキュラム」準拠テキスト データ活用社会を生きる学生・社会人に必須の【データ分析・解析の基本的な考え方と手法】をわかりやすく解説！ データサイエンスは、さまざまなデータを分析・解析し、そこから新しい知見や価値を生み出していく技術・手法です。統計学などの数学を基礎とし、必要に応じコンピュータを活用して、さまざまな分野の専門知識と融合しながら、データから新しい価値を生み出していくデータサイエンスは、いまや大学生・社会人にとって必須の教養といえます。 本書は、政府の「AI戦略2019」での議論を経て策定・公表された「数理・データサイエンス・AI（応用基礎レベル）モデルカリキュラム」に準拠した内容です。具体的な事例と分析手法を扱いながら、社会のさまざまな場面で必要とされるデータサイエンスの考え方を、関連する数学とともに丁寧に解説します。また、大学におけるリテラシーレベルの授業に続く、半期の授業に対応した構成としました。 【著者一覧】 第1章 　小澤誠一　神戸大学数理・データサイエンスセンター 第2章 　大川剛直　神戸大学大学院システム情報学研究科情報科学専攻 第3章 　藤井信忠　神戸大学大学院システム情報学研究科システム科学専攻 第4章 　青木　敏　神戸大学大学院理学研究科数学専攻 第5章 　光明　新　神戸大学数理・データサイエンスセンター 第6章 　為井智也　神戸大学数理・データサイエンスセンター 第7章 　大森敏明　神戸大学大学院工学研究科電気電子工学専攻 第8章 　為井智也　神戸大学数理・データサイエンスセンター 第9章 　寺田　努　神戸大学大学院工学研究科電気電子工学専攻 第10章　熊本悦子　神戸大学情報基盤センター 第11章　高島遼一　神戸大学都市安全研究センター 第12章　村尾　元　神戸大学大学院国際文化学研究科 第13章　白石善明　神戸大学大学院工学研究科電気電子工学専攻 第14章　小澤誠一　神戸大学数理・データサイエンスセンター 第15章　羽森茂之　神戸大学大学院経済学研究科 第1章　データサイエンスの考え方 1.1　データサイエンスとは 1.2　データサイエンスを学ぶ理由 1.3　データから価値を生み出すプロセス 第2章　アルゴリズムとデータ構造 2.1　はじめに 2.2　データサイエンスにおけるアルゴリズムとデータ構造 2.3　アルゴリズムの基礎 2.4　基本的なデータ構造 2.5　探索 2.6　ソーティング 第3章　システム最適化 3.1　最適化問題とは 3.2　線形計画問題 3.3　非線形計画問題 3.4　整数計画問題 第4章　統計的データ解析の考え方 4.1　標本調査 4.2　信頼区間と仮説検定 4.3　分布の近似と標準誤差 4.4　線形回帰モデル 4.5　非線形回帰モデル 第5章　教師なし学習 5.1　クラスタリング 5.2　高次元データの次元削減と可視化 第6章　教師あり学習 6.1　教師あり学習とは 6.2　学習モデルとトレーニング（パラメータ最適化） 6.3　データのセットの分割とテスト（モデルの評価） 6.4　実データへの適用例（回帰） 第7章　確率モデル・確率推論 7.1　はじめに 7.2　確率モデルとベイズの定理 7.3　確率推論 7.4　確率推論の応用 第8章　強化学習 8.1　強化学習とは 8.2　強化学習の理論 8.3　強化学習アルゴリズム 8.4　探索と利用のトレードオフと意思決定モデル 第9章　情報センシング 9.1　情報センシングとは 9.2　センサデータ処理 9.3　センシング応用 第10章　画像解析・深層学習 10.1　画像解析 10.2　デジタル画像の特徴とフィルタ処理 10.3　深層学習 第11章　時系列データ解析・音声解析 11.1　時系列データ解析 11.2　音声解析 第12章　テキスト解析 12.1　はじめに 12.2　テキストデータの収集 12.3　テキストクレンジング 12.4　トークン化 12.5　ベクトル化 12.6　探索的データ分析 12.7　テキスト分析 第13章　情報セキュリティ 13.1　情報資産と情報セキュリティ 13.2　情報セキュリティの基本：アクセス制御 13.3　情報セキュリティのCIA 第14章　プライバシー保護技術 14.1　データが価値を生む仕組みと提供リスク 14.2　匿名化によるプライバシー保護 14.3　差分プライバシーによるプライバシー保護 14.4　準同型暗号によるプライバシー保護 14.5　協調学習によるプライバシー保護 第15章　意思決定論 15.1　意思決定の基本的枠組み 15.2　相関関係と因果関係 参考文献 索引

※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、受験者の方が短期間で効率良く試験対策できるように構成されています。 ◎「学習前診断テスト」で、苦手分野を確認してから効率的に学習を進める構成です。 ◎「学習のポイント」と「ポイントの解説」では、午前問題の知識について、 重要なテーマの頻出ポイントを解説しています。 ◎「理解度チェック」で各章のポイントを穴埋め形式で確認。何度も解いて知識を定着させましょう。 ◎「問題で学ぼう」では、 厳選された学習効果が高い問題を例題として掲載。基礎概念をより深く理解できるよう、オリジナルに書き下ろした詳細な例題解説でしっかり学習しましょう。 演習問題を、最近の試験傾向に合わせて差し替えました。 特に、出題数が増えた応用数学、セキュリティなどは、よく出る内容を含めています。 強化学習、GPGPU、PCIe、エッジコンピューティング、VUI、WCAG、UXデザイン、DBMS、デッドロック、データレイク、MIMO、5G、SEOポイズニング、SIEM、利用者管理、WPA3、アクティビティ図、サービス要求管理、ワークフローシステム、RPA、超スマート社会、SDGs、オフバランスなども取り入れました。 新Webコンテンツ「IT用語スペルチェック」で、用語を覚えたかを確認できます。 さらに分かりやすく解説した動画も、アイテック公式YouTubeチャンネルにあります。ご覧ください。

勉強を始めても三日坊主で終わってしまう、集中できない、記憶が苦手だ、などと悩む人も多い。しかし、それらは脳の特性をうまく活かさず勉強しているからである。本書では、脳科学の第一人者である著者が、脳の仕組みを活かした勉強法を開陳する。脳の「喜びの回路」が一度回れば、あとは雪ダルマ式に勉強の成果が上がるのである。著者は小学生～大学まで決して秀才だったわけでなかったが、脳を活かした勉強法を身につけ第一線の脳科学者になりえたのである。本書の内容例を挙げると、◎脳は何かを達成するたびにどんどん強くなる　◎「タイムプレッシャー」が脳の持続力を鍛える　◎「瞬間集中法」で勉強を習慣化させる　◎集中力を養う「『鶴の恩返し』勉強法」　◎「モダリティ」を駆使して効率的に記憶する　◎あなたも「強化学習」の回路を暴走させて、能力を開花させることができる等々。子どもに勉強を身につけさせたい親や資格試験を目指す社会人まで必読の一冊！

本書は，わずか11行のプログラム解説からはじまります。たったそれだけで深層学習を体験できるのが，いまの状況です。自らがハマってコードを書いて習得した著者が，Deel，Chainer，TensorFlowといった深層学習用フレームワークを使い，畳込みニューラルネットワークやリカレントニューラルネットワークのしくみをコードを読み解きながら解説します。ニューラルネットワークの学習には，画像と自然言語を対象に，GUIツール（CSLAIER）を使って行う方法を紹介。さらに後半では，AlphaGoにも使われた深層強化学習，ファインチューニングの手法，深層化の本命と目されているオートエンコーダについても知ることができます。

※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。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 さまざまな意思決定の数理や現象をPythonで体験して学ぼう！ 　本書は，数理的に扱える意思決定の基礎を，Pythonを用いたシミュレーションや分析によって実際に試しながら学ぶものです． 　アンカリング効果の評価法，ベイズ推定に基づいた信憑性の変化，エージェントや強化学習を適用した意思決定，不完備情報ゲーム，集団の意思決定などを解説しています． 　本書では，意思決定のモデルの立て方，意思の測定分析などの説明に重点を置き，計算やシミュレーションの詳細な説明よりはPythonによる実行に基づいて学ぶ体験学習のかたちをとります．また，すべてのプログラムはJupyter Notebook形式で配布し，読者の手もとで実行ができるようにしています． 第1章　はじめに 第2章　戦略の微分方程式モデル 第3章　基礎的な意思決定の数理的扱い 第4章　ゲーム理論の基礎 第5章　意思決定のための OR の基礎 第6章　組合せ最適化による意思決定 第7章　マルチエージェントベースモデリングによる意思決定 第8章　強化学習による意思決定 第9章　不確定性を含むゲームでの意思決定 第10章　集団の意思決定 第11章　意思決定とメカニズム・デザインの視点 索引

※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。 第3版まで続くロングセラーのPyTorch版！ 機械学習の基本から先進的な手法まで本格解説 『機械学習を実践的に学ぶための優れたテキスト』 『多くのトピックを網羅した深い一冊。強力にお勧め』 ―原著への読者の声 本書の前半は、基本的な機械学習ライブラリのscikit-learnを使った手法を解説。 分類の基本モデルに始まり、単層ニューラルネットまでを実装するほか、データ前処理、次元削減、 ハイパーパラメーターのチューニング、アンサンブル学習、回帰分析などを取り上げます。 後半では、PyTorchによるさまざまなディープラーニングの手法を説明。 PyTorchの仕組みを示したあと、CNN／RNN／Transformerといったモデルの実装を解説。 敵対的生成ネットワーク、グラフニューラルネットワーク、強化学習もカバー。 ◎本書は『Machine Learning with PyTorch and Scikit-Learn: Develop machine learning and deep learning models with Python』の翻訳書です。 ◎微積分/線形代数、Pythonの文法、データ分析用ライブラリについてある程度理解している必要があります。

※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。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 Python でさまざまな現象をシミュレーションしよう！ 本書はコンピュータシミュレーションの基礎を、Pythonを用いたプログラミングによって実際に試しながら学習するものです。 うわさの拡散や伝染病の流行、人口予測といった自然科学モデル、リボ払いの計算や在庫管理といった経営・経済モデルといった具体的なものから、情報科学的な確率モデル、ベイズ統計、グラフ理論、GA（遺伝的アルゴリズム）といった各手法に基づいたモデル、エージェントベースモデル、強化学習による意思決定モデルまでを解説しています。 本書では、シミュレーションの各モデルの立て方やアイデアの説明に重点を置き、数値計算の厳密な詳細やモデルの数理よりはPythonによる実行を志向します。また、プログラムのほとんどは Jupyter Notebook形式で配布しているので、ご自身の手もとのPCで実行することができるようになっています。 第1章 はじめに 第2章 数値計算と数学の基礎 第3章 アニメーション 第4章 確率モデル 第5章 自然科学モデル 第6章 経営モデル 第7章 ベイズ統計に基づくモデル 第8章 グラフ理論に基づくモデル 第9章 遺伝的アルゴリズムに基づくモデル 第10章 エージェントベースモデル 第11章 強化学習による意思決定モデル

※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。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 深層強化学習の入門から実装まで、この一冊でわかる！ アルファ碁などのゲームAIやロボットアームの制御、自動運転などで注目されている深層強化学習の基礎と、Pythonによる実装について解説した入門書です。 強化学習に適したライブラリであるChainer（ChainerRL）と、AIシミュレーション環境であるOpenAI gymを用いて解説しています。 ソフトウェアシミュレーションだけでなくRaspberryPiとArduinoを用いた実環境への応用も解説しているので、ソフト・ハード問わず自身の課題に深層強化学習を応用することができるようになっています。 1章 はじめに 2章 深層学習 3章 強化学習 4章 深層強化学習 5章 実環境への応用 付録 付録1 VirtualBoxのインストール 付録2 RaspberryPiの設定 付録3 Arduinoのインストール 付録4 Graphical Processing Unit（GPU）の利用 付録5 Intel Math Kernel Libraryを用いたNumPyのインストール

大人気の機械学習フレームワーク「PyTorch」で 深層学習モデルとAIアプリを開発しよう！ 【PyTorchについて】 PyTorch は、主に深層学習で利用されている機械学習フレームワークです。 世界中で幅広く利用されており、国内でもここ数年で多くの方が利用し始めています。 【本書の概要】 Udemyで公開中の大人気講座『【PyTorch+Colab】PyTorchで実装するディープラーニング -CNN、RNN、人工知能 Web アプリの構築』の書籍化企画です。 PyTorch を使い、CNN による画像認識、RNN による時系列データ処理、深層学習モデルを利用した AI アプリの構築方法を学ぶことができます。 本書で PyTorch を利用した深層学習のモデルの構築からアプリへの実装までできるようになります。 【本書で得られること】 ・機械学習フレームワーク「PyTorch」の基礎が身につきます。 ・PyTorchのコードの読み書きができるようになります。 ・CNN、RNN などを実装できるようになります。 ・自分で調べながら、ディープラーニングのコードを実装する力が身につきます。 ・最終的に人工知能アプリを構築し、公開できるようになります。 【目次】 Chapter0 イントロダクション Chapter1 PyTorchと深層学習 Chapter2 開発環境 Chapter3 PyTorchで実装する簡単な深層学習 Chapter4 自動微分とDataLoader Chapter5 CNN（畳み込みニューラルネットワーク） Chapter6 RNN（再帰型ニューラルネットワーク） CHapter7 AIアプリの構築と公開 APPENDIX さらに学びたい方のために 【著者プロフィール】 我妻幸長（あづま・ゆきなが） SAI-Lab 株式会社を起業。「ヒトと AI の共生」がミッション。人工知能（AI）関連の研究開発、教育、アプリ開発が主な事業。 理学博士（物理）。解決策のモデル化、数式化が得意で、プログラミング教育も行う。 近著に『Google Colaboratoryで学ぶ！あたらしい人工知能技術の教科書 機械学習・深層学習・強化学習で学ぶAIの基礎技術』、 『Pythonで動かして学ぶ！あたらしい数学の教科書』（いずれも翔泳社）がある。 ※本電子書籍は同名出版物を底本として作成しました。記載内容は印刷出版当時のものです。 ※印刷出版再現のため電子書籍としては不要な情報を含んでいる場合があります。 ※印刷出版とは異なる表記・表現の場合があります。予めご了承ください。 ※プレビューにてお手持ちの電子端末での表示状態をご確認の上、商品をお買い求めください。

※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。 そのモデル、本質を理解して使っていますか？ 本当にデータの全てを活用しきれていますか？ 回帰分析、ResNet、方策勾配法、因子分析・主成分分析、階層ベイズモデリング、正準相関分析、カーネル回帰分析・・・実戦で頻出するデータ形式への対応に必須の分析モデル群を完全網羅！ 【強化学習はいつ使うべきなのか？】 【なぜ、勾配決定木や畳み込みは強いのか？】 【結局、ベイスの定理は何に使えるのか？】 すべての疑問が間違いなく解消されます！

※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。 勉強をする気が起こらない、勉強をしてもなかなか成果が上がらない、と悩む人も多いのではないだろうか。著者は「勉強ができないのは、生まれついての才能ではなく、ただ正しい勉強法を知らないだけだ」と言う。本書は、80万部突破の大ベストセラーとなった『脳を活かす勉強法』をより分かりやすく、勉強法のポイントをマンガで著したものである。また、各項目には、新しく分かった脳科学の知見を織り交ぜながら、茂木氏の解説が入る。「瞬間集中法」「鶴の恩返し勉強法」「タイムプレッシャー法」をいかに効率よく順序立てて行い、集中力、記憶力を養えばよいかを明らかにしていく。その他の内容例を挙げると　◎体験型記憶術　◎弱点分野の克服法　◎細切れ時間活用法　◎瞬間集中法の習慣化　等々　本書のマンガ部分のナビゲートは、「最初のペンギン」。勇気をもって初めて大海に飛び込んだペンギンである。勉強が苦手な人は楽しみながら本書で勉強のコツを学ぼう！

※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。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 人工知能・人工生命を創って理解できる 【本書の特徴】 ・人工知能・人工生命について，タスク解決のために自身でさまざまに試しながら理解できる． ・人工知能・人工生命について，物理シミュレーションを通して理解できる． ・Unity（C#）による学習環境を提供し，人工知能・人工生命の挙動を視覚的に理解できる． 本書は，人工知能と人工生命の基本技法を理解するための技術書です．人工知能・人工生命を学びたい，自分で創ってみたい学生やITエンジニアが，人工知能・人工生命を自分で創りながら試して理解できるようにまとめています． とくに，物理シミュレーションを通したタスクを実践的に解決することで ・強化学習 ・進化計算 ・ニューロ進化 ・群知能 ・メタヒューリスティックス といった人工知能・人工生命技術について理解することを目的としています． 本書では，さまざまなタスクを解説することで，多様なAI技法を学びます．まず，強化学習およびニューロ進化によるレーシングカーの自動運転を紹介します．入門として，パラメータ操作のみで基本的な学習の実験が可能な環境を提供します．人工知能における学習設計時の重要なポイントを習得できるでしょう． 人工知能・人工生命を創って理解するための学習環境はUnity（C#）で用意しています．各章では，理論の解説とともにデモンストレーションとなるサンプルプログラムを提供し，読者の理解を助けるようにしています． 第1章　人工知能から人工生命へ 第2章　自動運転の学習をしてみよう 第3章　自動運転学習のしくみ：強化学習とニューロ進化 第4章　ニューラルネットワーク 第5章　進化するプログラム 第6章　アリの知恵と巡回セールスマン 第7章　集団行動と群れの知能 第8章　人工生命から人工知能へ