※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。 機械学習で、マスク判定だ！ 好評「AI・機械学習・深層学習アプリのつくり方」が「TensorFlow2に対応！」 Withコロナ時代に対応した「マスクの有無を判定する」サンプルを新たに加えました。 ◇もくじ◇ ■第1章　機械学習 / ディープラーニングについて ■第2章　機械学習入門 ■第3章　OpenCV と機械学習 - 画像・動画入門 ■第4章　自然言語処理 ■第5章　ディープラーニング( 深層学習) について ■第6章　機械学習で業務を効率化しよう ■Appendix　本書のための環境を整える

Rも数理もていねいに！ データ解析の標準的ツールとなったスパース回帰分析、判別分析、深層学習、サポートベクターマシン、ランダムフォレストなどをRコードとともに解説。深層学習はRのパッケージkerasで実装。具体例も豊富で実用性も高い！　また、選ばれたモデルへの理解などの発展的な内容まで踏み込んだ。 【主な内容】 1章　回帰モデルとスパース推定 2章　統計手法によるパターン認識 3章　深層学習 4章　機械学習によるパターン認識 【「巻頭言」より抜粋】 文部科学省は「数理及びデータサイエンスに係る教育強化拠点」6 大学(北海道大学、東京大学、滋賀大学、京都大学、大阪大学、九州大学)を選定し、拠点校は「数理・データサイエンス教育強化拠点コンソーシアム」を設立して、全国の大学に向けたデータサイエンス教育の指針や教育コンテンツの作成をおこなっています。 本シリーズは、コンソーシアムのカリキュラム分科会が作成したデータサイエンスに関するスキルセットに準拠した標準的な教科書シリーズを目指して編集されました。またコンソーシアムの教材分科会委員の先生方には各巻の原稿を読んでいただき、貴重なコメントをいただきました。 データサイエンスは、従来からの統計学とデータサイエンスに必要な情報学の二つの分野を基礎としますが、データサイエンスの教育のためには、データという共通点からこれらの二つの分野を融合的に扱うことが必要です。この点で本シリーズは、これまでの統計学やコンピュータ科学の個々の教科書とは性格を異にしており、ビッグデータの時代にふさわしい内容を提供します。本シリーズが全国の大学で活用されることを期待いたします。 ――編集委員長 竹村彰通(滋賀大学データサイエンス学部学部長、教授) 【推薦の言葉】 データサイエンスの教育の場や実践の場で利用されることを強く意識して、動機付け、題材選び、説明の仕方、例題選びが工夫されており、従来の教科書とは異なりデータサイエンス向けの入門書となっている。 ――北川源四郎(東京大学特任教授、元統計数理研究所所長) 国を挙げて先端IT人材の育成を迅速に進める必要があり、本シリーズはまさにこの目的に合致しています。本シリーズが、初学者にとって信頼できる案内人となることを期待します。 ――杉山将(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)

※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。 スモールなデータの解析手法・ノウハウが身につく！ Webデータや画像データに代表されるようなビッグデータが注目される一方で、機械の故障データのように発生自体がまれであったり、患者さんの検査データのように倫理的な問題からデータを集めることに制約があったり、あるいはデータの判読が専門家以外では困難で機械学習に利用しにくいデータは、どうしても忘れられがちです。ビッグデータの時代において、収集が難しいために私たちが忘れかけているデータのことをスモールデータとよびます。 スモールデータでは、測定されている変数の数に比べて学習に必要なサンプルが不足していたり、それぞれのクラスのサンプル数が極端に偏っていたりするため、深層学習のようなビッグデータの方法をそのまま適用するのは適当ではなく、異なるアプローチが必要になります。 本書は、スモールデータとはどのようなデータであるのかを具体的に紹介して、スモールデータ解析の基本となる次元削減と回帰分析を説明します。特に部分的最小二乗法（PLS）はスモールデータ解析の大きな武器となるでしょう。そして、機械学習においてモデルの性能向上のために必要な変数（特徴）選択を紹介し、特にクラスタリングに基づいた新しい変数選択手法を説明します。つづいて、不均衡なデータの解析手法と異常検知を紹介して、最後にスモールデータ解析についての筆者の経験に基づいたポイント・考え方を述べました。本書ではPythonプログラムとスモールデータ解析の例題を通じて、読者がスモールデータを有効に解析できるようになるよう工夫しています。 ビッグデータの世界は、もはやデータ量と資本力が支配するレッドオーシャンとなっています。しかし、スモールデータの世界は、まだまだ現場の創意工夫次第でデータから新たな価値を引き出すことのできるブルーオーシャンなのです。みなさんも、この未知の世界に飛び込んでみませんか？ 第1章 スモールデータとは 第2章 相関関係と主成分分析 第3章 回帰分析と最小二乗法 第4章 線形回帰モデルにおける入力変数選択 第5章 分類問題と不均衡データ問題 第6章 異常検知問題 第7章 データ収集や解析の心構え

※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。 【豊富な図と数式のコンビで、深層学習の基本原理が直感的に理解できる！】 　本書では「深層学習に使用する数学」について、意味を直感的に理解できるように図を多用することで式を補完する。 　第I部では深層学習についての基礎事項と次の部で使用する数学について、第II部ではニューラルネットワーク（深層学習）の中身について、第III部では深層学習の自動チューニングについてそれぞれ詳述。深層学習の実践・応用へステップアップするための基礎がじっくりと学べる、第一歩に相応しい一冊。

※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。 データサイエンティストが知っているべき，情報時代に必須の線形代数教科書！ 本書は，『ストラング：線形代数イントロダクション』の原著者ギルバート・ストラングMIT教授が，データサイエンスの基礎を成す数学（線形代数，確率・統計，最適化）を解説した専門書． データサイエンスの要となるのはニューラルネットワークおよび深層学習であり，その根幹を理解するために線形代数を深く学ぶことが重要となる． 深層学習の解説書は多数あるが，その根底にある数学まで徹底的に解説した書籍はほとんどない． 本書は，線形代数の発展的教科書として，またデータサイエンティストを志す読者が線形代数を学ぶための教科書としてふさわしい一冊である．

※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。 『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。

Chainerは2015年にPreferred InfrastructureがPythonのライブラリとして開発・公開したフレームワークです。 本書は、Pythonの拡張モジュールであるNumPyの使い方やニューラルネットの基本をおさらいした後に、Chainerの基本的な使い方を示します。次にAutoEncoderを題材にして、それを確認し、最後に、自然言語処理でよく使われるword2vecとRNN（Recurrent Neural Network）を解説し、それらシステムをChainerで実装します。既存にない複雑なネットワークのプログラムを作る際の参考となるものです。

※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。 Chainerのバージョン2でディープラーニングのプログラムを作る 本書はChainer を使ってディープラーニングのプログラムの作り方を示すものです。ディープラーニングは複雑なネットワークで表現された関数の回帰の問題と見なせます。そしてこのような問題は勾配法で解きます。この観点から Chainer によるプログラムの作成法を示しました。Chainerが2にバージョンアップしたため、2に対応し発行するものです。畳み込みニューラルネットワークについても解説しています。 主要目次 はじめに 第0章 Chainer とは 第1章 NumPy で最低限知っておくこと 第2章 ニューラルネットのおさらい 第3章　Chainer の使い方 第4章　Chainer の利用例 第5章　Trainer 第6章　Denoising AutoEncoder 第7章　Convolution Neural Network 第8章　word2vec 第9 章Recurrent Neural Network 第10章　翻訳モデル 第11章　Caffe のモデルの利用 第12章　GPU の利用 参考文献 ソースプログラム

間違いないのは、生成AIは、ディープラーニング（深層学習）の登場によって火ぶたが切って落とされた第３次AIブームに続く「第４次AIブーム」の幕開けというだけではなく、AIの枠を飛び越え、テクノロジー史に名を刻むだろうということである。（「はじめに」より） 生成AIで経済のすべてが変わる―― 決定版！野村総研アナリストが「生成AI」を全解説。 チャットGPTのしくみ、チャットGPTでできること、巨大テック企業の戦略、先行企業の生成AI活用例、生成AIで消える仕事・生まれる仕事、著作権問題、AI脅威論……などを網羅した内容。 間違いないのは、生成AIは、ディープラーニング（深層学習）の登場によって火ぶたが切って落とされた第３次AIブームに続く「第４次AIブーム」の幕開けというだけではなく、AIの枠を飛び越え、テクノロジー史に名を刻むだろうということである。（「はじめに」より） 生成AIで経済のすべてが変わる―― 決定版！野村総研アナリストが「生成AI」を全解説。 チャットGPTのしくみ、チャットGPTでできること、巨大テック企業の戦略、先行企業の生成AI活用例、生成AIで消える仕事・生まれる仕事、著作権問題、AI脅威論……などを網羅した内容。 たった５日間で１００万ユーザー獲得／生き字引であり、壁打ち相手でもある／人間の価値観まで反映／ＧＰＴ‐４はユーモアまで理解する／トヨタは自動車のデザインに活用／手書きのアイデアがすぐＵＩに／「あうんの呼吸」は通用しない／プロンプトエンジニアの「お仕事」／プロンプトは「買ってくる」時代／ＰＣの使い方が１８０度変わる／チャット連動型広告の誕生／ポスト・オープンＡＩの最右翼は／結局は生成ＡＩもビッグテックが支配する？／ＡＩスパコンでも熾烈な争い／大手金融機関はＡＩの開発レースへ／生成ＡＩ失業論／３億人分の仕事が自動化される？／チャットＧＰＴは「爆弾の作り方」を教えるのか？／「機械学習パラダイス」ニッポン／ＡＩネイティブ世代の誕生／ＡＩ界のゴッドファーザーの苦悩／国家安全保障にも影響……ほか

※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。 ポスト深層学習!! 本書は、ポスト深層学習の最右翼として注目される「アンサンブル機械学習」を、具体的にプログラムを動かしながら概観できる“超実践”の書である。 アンサンブル機械学習とは簡単に言えば、従来のいくつかの機械学習法の“良いとこ取り”である。その主な手法であるランダムフォーレスト、ブースティング、バギングなどについて、簡潔に紹介している。 「とにかく使ってみたい」という読者にはうってつけの、まさに「超実践の必読書」となるだろう。

本書は、5つの章で構成されています。 まず第1章でAIの基礎知識、第2章で機械学習のワークフローなどについて説明します。 次章以降、Pythonで実際に操作していきます。第3章では、画像認識(Rekognition)、音声認識(Transcribe)、チャットボット作成(Lex)、予測モデル作成(Forecast)などを見てみます。AWS AIの世界はさらに広がります。第4章では、モデルの作成、トレーニング、デプロイといった、機械学習の一連のプロセスを実現する完全マネージド型サービス「SageMaker」にチャレンジします。 そして最終章で、深層学習フレームワーク「AWS Deep Learning AMI」を紹介。より一層柔軟に環境を構築したいケースに便利なサービスです。 AWS AIのサービスは多岐にわたっており、全貌をつかむのも一苦労です。本書のナビゲートに沿って操作し、何ができるのか、どのように進めればよいのかを体感しましょう！

※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。 ★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

TensorFlowとは，Googleが開発している深層学習フレームワークです。本書は，まずTensorFlowとはどういったものなのか概要を解説し，基本的な特長を押さえます。続いて，画像処理，自然言語処理，音楽生成などの問題を設定し，TensorFlowでどのようにその問題を解くかを解説します。最後にAndroidアプリからディープラーニングを動かすことにも試してみます。効率良くサービスに深層学習を取り入れたいと考えるエンジニアにとって有益な情報となるでしょう。

本書は、深層学習をこれから勉強するにあたり実装だけではなく深層学習の構造も学びたい方、チュートリアルに掲載されているものよりも詳細な内容を知りたい方を対象に書かれています。Pythonによる基本的なプログラミング知識を前提とするので、そうした部分が曖昧な方は他の書籍と合わせて読むことをお勧めします。また、本書はTensorFlowのラッパーであるKerasやtf.kerasパッケージは用いません。後半ではハイレベルなAPIを用いますが、前半はTensorFlowの低レベルなAPIを用いて解説することで、内部構造についてより理解を深めてもらうような構成をとっています。

※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。 ※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

DXの実務とは、「戦略」と「技術」をつなぐこと。 あらゆる産業で「DX」が叫ばれる昨今、 多くの時間と労力を費やしているにもかかわらず、 成功とは言い難いDXプロジェクトが後を絶たない。 それらの取り組みに共通して見られるのが、 ・DX戦略構築/実行の「型」が欠けている ・DX実現に不可欠の「技術的考察」が欠けている という2つの根本的な問題だ。 DX成功の鍵は「戦略と技術をつなげる力」であり、 非エンジニアでも経営層でも、本気でDXを行うならば データ利活用の標準的な考え方を身につけ、 主要技術を理解することが不可欠だ――。 「そもそもDXの戦略はどのように描けばよいのか?」 「データ利活用はどのような手順で進めるべきなのか?」 「どのような体制、マネジメント、人材が必要なのか?」 「AIはどう駆動するのか。機械学習で何が可能なのか?」 「技術をビジネスに実装/運用する上での注意点とは?」 「DXに携わる人にはどんなスキルが求められるのか?」 これらのポイントを押さえながら、「DXの実務」の リアルな行程を、具体性と汎用性にこだわって解説する。 【技術者でない人のための データ/AI活用必携テキスト】 [本書の特徴] ・エンジニアではない読者向けに、DXに関する戦略と技術の双方を解説。 ・あらゆる業種のDXに共通して必要な「データ利活用」の本質がわかる。 ・難解なデータ/AIの技術について、易し過ぎず、難し過ぎないレベルで解説。 ・データ/AIの技術を前提としながら、実務的な話ができるだけの基本知識・理解が得られる。 [構成] Part 1[序論] DXの成否を左右する「データ利活用サイクル」 DXの“現在地" DXは、「データ利活用」による経営改革 データ利活用を実現する重要コンセプト データ利活用を実装する仕組み データ利活用とAI データ利活用の成否を分かつ要因 データ利活用DX実現へのロードマップ Part 2[総論1] DXが進まない理由 業種/業界別に見られる課題とDXによるアプローチ DX推進を阻む課題 DXを阻む課題の“深淵" DXを実現するための3つの方針 Part 3[総論2] データ利活用DX推進のフレームワーク データ利活用DXの2つのフェイズ Pre-DX Phase:コンセプトの設計 Pre-DX Phase:メカニズムの設計 DX Phase:推進ステップ Part 4[各論1] DX Phaseの具体的実務 データ利活用の前提となる「データ統合」 データの分類 DXフェイズにおける具体的実務の概観 KPIを具体的実務へ落とし込む データ/AI活用を具体的実務へ落とし込む Part 5[各論2] AIの活用 AIの全体像 AIの限界 Column 進化し続けるAI AIの分類 AIの学習 教師あり学習:決定木 アンサンブル学習 画像認識/自然言語処理で用いる深層学習モデル 教師なし学習:クラスタリング 機械学習システムへの実装 Part 6[各論3] 人材要件 プロダクト開発担当 データサイエンス担当 データパイプライン担当

※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。 ディープラーニング（機械学習、深層学習）はAI、人工知能の急速な進化に寄与している。知能とは何かを問うということは、人間の考え方や視覚、聴覚、言語といった普段なにげなく使っている感覚と脳の関係を一から考え直すことにほかならない。本書はディープラーニングとはどういう技術なのか、そのしくみと最新の動向をわかりやすい文章とイラストで解説する。話題の先端科学に触れたいという知的好奇心に応えるイラスト図解シリーズ第2弾。

ディープラーニング（深層学習）は，人工知能（AI）分野で活躍したい，多くの人たちに注目されています。ディープラーニングは，今後ますますの発展が予想される人工知能の技術を新時代へ導いています。一方で，ディープラーニングの学習には数学の知識が必要不可欠です。本書はそのディープラーニングに必要な数学の知識をわかりやすく解説した入門書です。図を多用し，具体例を重視した内容になっています。ディープラーニングに関わる数学の知識を基本からしっかり学びたい人には必携の入門書となります。

※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。 人工知能技術の中枢をなす深層学習と物理学との繋がりを俯瞰する。物理学者ならではの視点で原理から応用までを説く、空前の入門書。《目次》第1章　はじめに：機械学習と物理学【第I部　物理から見るディープラーニングの原理】第2章　機械学習の一般論第3章　ニューラルネットワークの基礎第4章　発展的なニューラルネットワーク第5章　サンプリングの必要性と原理第6章　教師なし深層学習【第II部　物理学への応用と展開】第7章　物理学における逆問題第8章　相転移をディープラーニングで見いだせるか第9章　力学系とニューラルネットワーク第10章　スピングラスとニューラルネットワーク第11章　量子多体系、テンソルネットワークとニューラルネットワーク第12章　超弦理論への応用第13章　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。 ※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

ビッグデータ分析をきっかけとして「機械学習」に注目が集まり，ビジネス利用への検討がはじまっています。しかし，実際に「機械学習」を理解しているエンジニアや分析担当者は少なく，うまく活用できていないのが現実です。「機械学習」を利用するにはアルゴリズムの理解，プログラミング技術，ビジネス知識などが必要になってきます。本書では，第1部で機械学習のアルゴリズムやビジネスへの応用方法，流行の深層学習などに触れ，第2部ではPythonを用いた機械学習，画像認識，推薦エンジンなど，サンプルコードをもとに手を動かして試すことができます。機械学習分野で先頭を走る著者陣が，面白く，わかりやすい解説でお届けします。

※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。 ※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。 データサイエンス・AIを学ぶ前に読んでおきたい教科書 前版発行後のソフトウェア周りの進展にあわせて内容を見直すとともに今後重要度が増していくであろうデータサイエンス、AI寄りのテクニカルな内容を増強して改訂するものです。情報科学を扱ううえでの基本的なリテラシーやコンピュータサイエンスの基礎、Word、PowerPoint、Excelの操作の基本、Excelによる統計処理の基礎などを文理問わず学部学部生にわかりやすく解説する教科書です。 1章　情報社会とビジネス 　1.1　情報社会とは 　1.2　プライバシーと個人情報 　1.3　ユビキタス社会 　1.4　IoT 　1.5　Web2.0 　1.6　人工知能 　1.7　人工知能の応用 2章　コンピュータネットワーク 　2.1　コンピュータネットワークとは 　2.2　ネットワークの形態 　2.3　ネットワークの構成 　2.4　インターネット 　2.5　有線接続手段 　2.6　無線接続手段 　2.7　プロトコル 　2.8　ネットワークセキュリティ 　2.9　パーソナルセキュリティ 　2.10　暗号化 3章　コンピュータシステム（ハードウェア） 　3.1　コンピュータの歴史 　3.2　コンピュータの種類 　3.3　コンピュータの機能 　3.4　コンピュータの構成要素 　3.5　パソコンの内部構成 　3.6　記憶装置 　3.7　演算装置 4章　コンピュータの動作原理 　4.1　演算処理の原理 　4.2　論理素子の歴史 　4.3　論理素子の動作原理 　4.4　論理回路 　4.5　基　数 　4.6　2進数と10進数の変換 　4.7　桁数の多い足し算 　4.8　引き算 　4.9　掛け算・割り算 　4.10　数学関数 5章　情報量 　5.1　ディジタルとアナログ 　5.2　情報量 　5.3　情報量の単位 　5.4　英文字の情報量 　5.5　日本語の情報量 　5.6　文字コード 　5.7　音声の情報量 　5.8　静止画像の情報量 　5.9　動画像の情報量 　5.10　通信の情報量 　5.11　情報圧縮 　5.12　誤り検出・訂正 6章　ソフトウェア 　6.1　オペレーティングシステム（OS） 　　6.1.1　オペレーティングシステムとは 　　6.1.2　OSの種類 　　6.1.3　OSの機能 　6.2　プログラム 　　6.2.1　プログラミング言語とは 　　6.2.2　プログラムの内部動作 　　6.2.3　高級言語の基本処理 　6.3　データベース 　　6.3.1　データベース理論 　　6.3.2　データベースの表現法 　　6.3.3　関係的表現のデータ操作 7章　人工知能のアルゴリズム 　7.1　学　習 　7.2　教師あり学習の代表的な手法 　7.3　教師なし学習の代表的な手法 　7.4　深層学習 　7.5　手法の評価 8章　メディアリテラシー 　8.1　メディアの定義 　8.2　メディアリテラシーの必要性 　8.3　メール 　8.4　Twitter 　8.5　Facebook 　8.6　LINE 　8.7　Instagram 9章　ビジネス文書の基礎（Word） 　9.1　画面構成 　9.2　文書全体の設定 　9.3　文章の編集と保存/印刷 　9.4　表の作成 　9.5　オブジェクトの配置 10章　ビジネスプレゼンの基礎（Power Point） 　10.1　画面構成 　10.2　スライドのデザイン 　10.3　画面切り替え効果 　10.4　アニメーション 　10.5　リハーサル 　10.6　スライドショーの実行 11章　データ処理の実践 　11.1　Excel操作の基本 　11.2　グラフ作成 　　11.2.1　折れ線グラフ 　　11.2.2　複合グラフ 　11.3　数式の計算 　　11.3.1　複利計算 　　11.3.2　損益分岐点 　　11.3.3　共有地の悲劇 　11.4　帳票の作成 　　11.4.1　見積書 　　11.4.2　確定申告書 　11.5　データ集計 　　11.5.1　データの分類 　　11.5.2　フィルター 　　11.5.3　検索表 　　11.5.4　データベース関数 　　11.5.5　クロス集計 　11.6　統計処理 　　11.6.1　ヒストグラム 　　11.6.2　偏差値 　　11.6.3　相関分析 　　11.6.4　t検定 　　11.6.5　カイ2乗検定 索　　　引

飛躍的な進歩を遂げている機械学習を、難解な数式・プログラミングなしで解説する画期的入門書！ 中学数学の知識だけでAIのエッセンスがわかる。 近年、著しい進歩を続ける機械学習。センター入試の英語の試験では機械学習を使うことで、200満点中185点をとることに成功し、将棋や囲碁ではもはや人間が太刀打ちできないレベルの能力を獲得。画像処理にいたっては、フェイク画像はもちろんのこと、オリジナルのキャラクターを造形できるところまで到達している。今後のビジネスや研究を続けていくうえでもはや無視できない存在になりつつある「機械学習」だが、言葉ばかりが先走りして、その本質を理解している人はごくわずかだ。「機械学習」とはいかなるものか、なぜ、近年飛躍的な進歩を遂げることができたのか。機械学習の専門家であり、科学出版賞を受賞した書き手として知られる田口善弘氏が、難解な数式やプログラミングをいっさい使うことなく、機械学習の本質を丁寧に解説する。 本書が取り扱う機械学習の手法 ・ｋ近傍法 ・主成分分析 ・多次元尺度構成法 ・線形回帰 ・線形判別 ・ロジスティック回帰 ・マルコフ過程 ・決定木 ・ベイジアンネットワーク ・カーネルトリック ・ニューラルネットワーク ・深層学習（ディープラーニング） ・CNN ・モンテカルロツリーサーチ ・GAN ・BERT ・量子暗号 ・量子アニーリング

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。

自分で動かすから、よくわかる！専門知識を身につける第一歩！ 本書は、今後ますますの発展が予想される人工知能の技術を、はじめて学ぶための本です。機械学習をはじめ、ニューラルネットワーク、遺伝的アルゴリズム、問題解決、ゲーム戦略、知識表現など、人工知能を支えるそれぞれの分野の基礎をつかむことができます。 独特の技術が多く使われている分野ですが、Excelのサンプルプログラムを体験することで、その技術を実感できるようになっています。Excelプログラムは簡単な入力とクリック操作で動くので、専門知識は不要です。操作を繰り返すことでプログラムが賢くなっていく様子は、人工知能技術への大きな期待も感じさせます。 また、本書で取り上げている各論は、高専5年生向けの授業がもとになっているので、学生・社会人問わず入門に最適です。特に、人工知能分野で活躍したい学生や、将来仕事で人工知能にかかわるかもしれない理系職種の方におすすめです。 【Excelサンプルプログラム】 ・多少ゆがんだ文字でも人工知能なら正しく認識できる ・「ちょっと高め／ちょっと低め」の感覚で空調を制御する ・遺産の適正な分配を要領よく行う ・宣教師が「人食い人」に食われずに川を渡れるか？ ・最小コストで山の頂上まで登るときの経路を探せ ・簡単なカードゲームでコンピュータに挑戦！ ・人工知能にことばの意味を教えよう ・病院に行く前に人工知能に聞いてみよう ・犯人を捕まえろ！ 【本書で解説している技術】 機械学習／深層学習（概論）／ニューラルネットワーク／ファジィ／遺伝的アルゴリズム／問題解決／探索法／ゲーム戦略／知識表現／エキスパートシステム／エージェント／Lisp／Prolog など ※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。

さまざまなAI技術を1冊に網羅 動かしながら学ぶ、本格入門書！ 本書は、人工知能の技術をはじめて学ぶための本です。 近年は機械学習・深層学習が注目を集めていますが 人工知能は各技術が相互に進化を促したり いろいろな技術を組み合わせたりして発展しています。 そこで本書では、下記のような 幅広い技術の基礎知識を網羅しています。 【本書で解説している技術】 ・機械学習／深層学習（概論） ・ニューラルネットワーク ・遺伝的アルゴリズム ・エキスパートシステム ・知識表現 ・ゲーム戦略など 独特の技術が多く使われている分野ですが、 Excelのサンプルプログラムを体験することで、 その技術を実感できるようになっています。 操作を繰り返すことでプログラムが 賢くなっていく様子は、人工知能技術への 大きな期待も感じさせます。 特に、人工知能分野で活躍したい学生や、 将来仕事で人工知能にかかわるかもしれない 理系職種の方におすすめの本です。 【Excelサンプルプログラム（一部）】 ・正解がわからなくても人工知能が自力で認識してくれる ・宣教師が「人食い人」に食われずに川を渡れるか？ ・簡単なカードゲームでコンピュータに挑戦！ ・人工知能にことばの意味を教えよう ・病院に行く前に人工知能に聞いてみよう ・犯人を捕まえろ！ ※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。

ディープラーニング（深層学習）は、機械学習に劇的な進展をもたらしました。脳の神経回路に似せた“階層の深いニューラルネットワーク”の最適化手法が、人工知能研究を新時代へ導いたのです。 本書は「基礎編」と「理論編」を通じ、その原理を初学者にも分かりやすく解説します。画像認識分野での衝撃的な成果など、この技術が注目される背景や研究の歴史的経緯にも言及。SuperVisionのチャレンジや「Googleの猫」といった実証研究を紹介するほか、CNN、RNN、AutoEncoderといった代表的アルゴリズム、勾配法による最適化計算の手法等も明らかにします。 さらに「体験編」では、Linuxユーザーを対象に、オープンソースのディープラーニングフレームワーク“Caffe”、および手描き文字のサンプルデータを用い、ニューラルネットワークのパラメータチューニングを実験してみます。

※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。 2足歩行ロボットの製作を通じてロボット工学の基本がわかる！ ヒューマノイドロボットをベースとして、できるだけ数式を用いずに、図でわかりやすく説明したロボット工学の入門書です。 前半の章では、ロボットの歴史や構造から、モータやセンサ、機構や制御までを体系的に学習します。後半の章では、パーツの作成から組み立て、モーション作成までのロボットの作り方を解説します。 高校・専門学校・高専・大学などで、実習製作に利用できる内容です。また、通読することでロボティクスの全体像を俯瞰して理解できるため、各技術を深く学ぶ前の一冊としてもオススメです。 第2版は、2007年に発行された初版の基本的な構成はそのままに、10年のうちに著しく変化した情報を更新・追加しました。製品スペックなどの情報を最新のものに差し替え、また、実習で使用する部品も2018年現在容易に入手できるものに変更し、板金だけでなく3Dプリンタによる制作方法も追加しました。さらに、深層学習などにより飛躍的に進歩した分野について、「Chapter 9　ネットワークによる連携と発展」を新設しています。 Chapter 1　はじめに Chapter 2　ロボットの歴史 Chapter 3　ロボットのしくみ Chapter 4　モータ Chapter 5　センサ Chapter 6　機構と運動 Chapter 7　情報処理 Chapter 8　行動の計画と実行 Chapter 9　ネットワークによる連携と発展 Chapter 10　ロボット製作実習 Chapter 11　おわりに Appendix　高校の授業でロボットを作る

自然言語処理モデル「BERT」のしくみと実装手法を PyTorchとGoogle Colaboratoryで学んでみよう！ 【本書の背景】 近年、深層学習に基づく自然言語処理技術は飛躍的な発展を遂げており、翻訳、文章生成、文章のグルーピングなど様々な業務に利用されています。自然言語処理技術の中でも特に注目を集めているのが「BERT」です。 【BERTとは】 BERTは2018年の後半にGoogleから発表された、自然言語処理のための新たなディープラーニングのモデルです。「Transformer」がベースとなっており、様々な自然言語処理タスクに合わせて調整可能な汎用性があります。 【本書の概要】 PyTorchとGoogle Colaboratoryの環境を利用して、BERTの実装方法について解説します。具体的にはAttention、Transformerといった自然言語処理技術をベースに、BERTのしくみや実装方法についてサンプルを元に解説します。章末には演習を用意しています。 【対象読者】 ・一歩進んだ自然言語処理技術を身につけたい方 ・BERTの実装を効率よくコンパクトに学びたい方 ・BERTの概要を実装を通して把握したい方 【本書の特徴】 ・サンプルを元にBERTの基礎から発展的な利用方法まで学べる ・Google ColaboratoryとPyTorchという人気の開発環境、フレームワークで学べる ・Transformersライブラリを利用してBERTを実装できる 【目次】 Chapter0 イントロダクション Chapter1 BERTの概要 Chapter2 開発環境 Chapter3 PyTorchで実装する簡単な深層学習 Chapter4 シンプルなBERTの実装 Chapter5 BERTの仕組み Chapter6 ファインチューニングの活用 Chapter7 BERTの活用 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） 「ヒトとAIの共生」がミッションの会社、SAI-Lab株式会社の代表取締役。AI関連の教育と研究開発に従事。 東北大学大学院理学研究科修了。理学博士（物理学）。 法政大学デザイン工学部兼任講師。 オンライン教育プラットフォームUdemyで、10万人以上にAIを教える人気講師。 ※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。 自然言語処理の標準モデル、BERTを使いこなせるようになる！ 　BERTはGoogleが2018年末に発表した自然言語処理モデルです。「文脈」を考慮した処理が特徴的であり、言語理解を評価する11個のタスクについて最高精度を達成し、今や標準的なモデルとしての地位を確立しています。 　本書は、自然言語処理の近年における発展に大きな役割を果たし、かつ応用上も有用であるBERTの入門書です。前半で自然言語処理や機械学習について概説したのち、BERTによって実際にさまざまなタスクを解いていきます。具体的には、文章分類・固有表現抽出・文章校正・類似文章検索・データの可視化を扱います。データセットの処理から、ファインチューニング（BERTを特定の言語タスクに特化させるための学習）、性能の評価までの一連の流れを体験することで、BERTを自分で使えるようになることを目標とします。 なお、BERTで処理を行うためのライブラリとして、深層学習の言語モデルを扱ううえでよく使用されるTransformersを、学習や性能評価を効率的に行うためのライブラリとしてPyTorch Lightningを用います。本書ではTransformersやPyTorch Lightningを用いたことがない読者を想定して、その使い方を一から体系的かつ丁寧に解説します。 ▼本書の環境 言語：Python 深層学習フレームワーク：PyTorch ライブラリ：Transformers, PyTorch Lightning 計算環境：Google Colaboratory ▼本書の特徴 ・BERTで実際にさまざまなタスクを解くことができます。 ・使用するデータセットを日本語で統一しています。 ・ライブラリの使い方を一から体系的に説明します。 第1章　はじめに 第2章　ニューラルネットワークを用いた自然言語処理 第3章　BERT 第4章　Huggingface Transformers 第5章　文章の穴埋め 第6章　文章分類 第7章　マルチラベル文章分類 第8章　固有表現抽出 第9章　文章校正 第10章　文章ベクトルを用いたデータの可視化と類似文章検索 付録A　ニューラルネットワークの学習の基礎 付録B　Colaboratoryの使い方

読者待望の第２版！ より理解しやすく実践的にパワーアップ ネットワーク上にあるデータソースから金融経済関連のデータをダウンロードし、そのデータの特徴を理解し、投資・取引戦略を構築する。その際にPythonというプログラミング言語と統計的手法を用いてデータを客観的に分析し、安定した収益を実現する取引戦略を構築する。また、学習に用いたソースコードを公開することで、だれでも卓上で分析結果を再現できるようにする。これらが本書の特徴であり、目的である。 データ分析に用いるPythonでの最大の特徴は人びとの思考能力を鍛えるということに尽きる。人まねではない独自の戦略のみが利益を上げる。 日足のデータを用いてデータ分析の基礎を統計学を通して学ぶ。トレンドの発生を客観的に理解する力を統計学から得る。そのつぎにあゆみ値を用いたデータ分析と取引戦略の構築方法について理解する。トレンドの発生のメカニズムとリスク管理の重要性を実感するためである。 第２版となる本書では、Pythonの特徴がさらに生かされている。特定のソースコードでは初版の20倍近いスピードを達成している。 さらに初版で読者から寄せられた質問に説明を加えた。また、意見や勉強会でのやりとりは余すことなく第２版に生かされている。また、マーケットメイクの仕組みを基にした取引戦略のバックテストを２つ追加した。 今回新しく追加した第17章でランダムウォークと機械学習について、深層学習、主成分分析、大偏差原理を比較した。特に大偏差原理の議論を明確にするために初版では用いなかったmove１とmove２という表現を本書では導入した。これはトレンドの発生を理解するのに役にたつ。ソースコードはGitHubに公開している。 本書で学べること！ ● Jupyter Notebookの導入からPythonの利用方法 ● 株価・為替・経済などのデータの入手方法と分析手法 ● 時系列分析の処理と統計的手法（自己回帰モデル、モンテカルロ手法など） ● あゆみ値の本質と価格形成のメカニズム ● 高頻度取引の世界におけるマーケットメイクの仕組み 詳しくは16ページ「1.2 本書の構成」を参照

【本書の概要】 本書は株式会社アイデミーで大人気の講座『ディープラーニングで画像認識モデルを作ってみよう!』を書籍化したものです。 機械学習の基本からはじまり、Pythonの基礎、データの処理、深層学習の基本から応用ついて、 サンプルを元に実際に動かしながら、わかりやすく解説します。 各項には練習問題がありますので、学習効果を確かめながら読み進めることができます。 本書を読めば、機械学習から深層学習の基本を一気通貫で学習できます。 これから深層学習をはじめたい、初学者の方におすすめの1冊です。 【本書の対象】 人工知能関連の開発に携わる初学者（開発者、研究者、理工系学生） 【本書の構成】 第1章から第3章で機械学習の基本を、 第4章から第6章ではPythonの基礎知識を、 第7章から第9章ではNumPyやPandasの基礎知識を、 第10章から第13章では可視化の基礎知識を、 第14章から第15章ではデータの扱い方の基本を、 第16章から第18章では教師あり学習やハイパーパラメータとチューニングを、 第19章から第22章では深層学習について基本から応用まで、 丁寧に解説します。 【著者プロフィール】 石川 聡彦（いしかわ・あきひこ） 株式会社アイデミー　代表取締役社長　CEO。 東京大学工学部卒。株式会社アイデミーは2014年に創業されたベンチャー企業で、 10秒で始める先端テクノロジー特化型のプログラミング学習サービス「Aidemy」を提供。 様々な企業のアプリケーション制作・データ解析を行った。現在の主力サービス「Aidemy」は AIやブロックチェーンなどの先端テクノロジーに特化したプログラミング学習サービスで、 リリース100日で会員数10,000名以上、演習回数100万回以上を記録。 早稲田大学主催のリーディング理工学博士プログラムでは、AIプログラミング実践授業の講師も担当した。 著書に『人工知能プログラミングのための数学がわかる本』（KADOKAWA/2018年）などがある。 ※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。

AI開発に必要な数学の基礎知識がこれ1冊でわかる！ 【本書の目的】 本書は以下のような対象読者に向けて、 線形代数、確率、統計/微分 といった数学の基礎知識をわかりやすく解説した書籍です。 【対象読者】 • 数学がAIや機械学習を勉強する際の障壁になっている方 • AIをビジネスで扱う必要に迫られた方 • 数学を改めて学び直したい方 • 文系の方、非エンジニアの方で数学の知識に自信のない方 • コードを書きながら数学を学びたい方 【目次】 序章　イントロダクション 第1章　学習の準備をしよう 第2章　Pythonの基礎 第3章　数学の基礎 第4章　線形代数 第5章　微分 第6章　確率・統計 第7章　数学を機械学習で実践 Appendix　さらに学びたい方のために ※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。 ストーリーでPythonと機械学習がわかる!! 『機械学習入門―ボルツマン機械学習から深層学習まで―』、『ベイズ推定入門　モデル選択からベイズ最適化まで』につづく、お妃さまシリーズの第3弾を刊行するものです。Pythonの学習を主軸としたものであり、機械学習を実践したくなった人、およびカジュアルでわかりやすいPython入門本を探している人をターゲットとします。Pythonのコードとコードの説明をイラストでわかりやすく解説します。現在注目されているGAN（敵対的生成ネットワーク）についても解説。 第1章　魔法の鏡との出会い 第2章　機械学習の発見 第3章　思い出のアヤメ 第4章　器用な鏡、不器用な小人 第5章　あなたは誰？顔認識システム 第6章　表情豊かな鏡に戻れ！

★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

※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。 一冊に、AIと数学とアルゴリズムの基本を濃縮！ Pythonの深層学習フレームワークを自作！ 社会の中で日々存在感を増している「AI」と「数学」と「アルゴリズム」。その基本を180ページに詰め込んだのが本ムックです。 バブルソートのような基本的なアルゴリズムから、手書き数字認識もできる深層学習フレームワークの自作、AIで使われる数学の基礎である線形代数、そして経済学のアルゴリズムであるゲーム理論まで、様々な話題を扱っています。 もちろん、単に解説するだけではなく、Pythonで動くコード付き！動かしながら、深く学ぶことができます。 ≪目次≫ 第1章　絶対に知っておきたいアルゴリズム10選　その１ 　基礎から機械学習まで厳選した10個のアルゴリズムを 　Pythonによる実装とともに解説！ 第2章　絶対に知っておきたいアルゴリズム10選　その２ 　3つのテーマで厳選した10個のアルゴリズムを 　Pythonによる実装とともに解説！ 第3章　自分で作るPython深層学習フレームワーク 　Python＋NumPyでフレームワークを完全自作！ 　深層学習の原理がよくわかる！ 第4章　Pythonで線形代数を学ぼう 　AI＆データサイエンスで使う数学の基礎！ 第5章 Pythonで学ぶ「ゲーム理論」 　人間関係をプログラミングできる！ 第6章　プログラミング時代の数学との付き合い方

※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。 「音声合成」とは、人間の音声を人工的に作り出す、音声情報処理の一分野です。深層学習の発展に従い、画像認識・音声認識などの分野と同様に、音声合成においてもパラダイムシフトが起きています。本書では、従来の統計的音声合成システムの基礎について解説した上で、深層学習技術による近年の音声合成の発展について詳説しています。また、実際に公開されているデータセットを用いて、深層学習を用いた音声合成システムを作るための実装の解説も行っています。本書は、2020年8月24日刊の『Pythonで学ぶ音源分離』、2021年5月20日刊の『Pythonで学ぶ音声認識』に続く、特定の技術分野のアルゴリズムの紹介と、そのアルゴリズムを実装したコードを解説する、より技術的・実践的な「機械学習実践シリーズ」の3冊目です。中級者以上向け。

※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。 「音声認識」とは、音声信号から発話内容を認識することで、AIスピーカなどに利用されている技術です。本書は、現在までの音声認識技術の発展経緯を学びながら、深層学習を用いた最新の音声認識システムを実装できるようになることを目的としています。まず手法の目的やアルゴリズムの概要を解説し、続いて数式レベルでの詳説、最後にソースコード付きで実装という流れで解説しています。特に手法の概要については「そもそもその手法は何を目的として生み出されたのか」という経緯と、「なぜその手法は前述の目的を達成できるのか」について直感的に理解できるよう工夫しています。本書は中級者以上に向けた、特定の技術分野のアルゴリズムの紹介と、それを実装したコードを解説する、より技術的・実践的な「機械学習実践シリーズ」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。 AIの基本を、Pythonでやさしく学んで楽しもう！ 本書は、AI（人工知能）技術の基本を、自然言語処理と音声処理をとおしてわかりやすく解説した入門書です。アルゴリズムを平易に解説し、Pythonによるプログラミング例を紹介。さらに、自然言語処理や音声処理への応用例を取り上げ、実践しながらAI技術の基本が理解できるようになります。 第1章　人工無脳から人工知能へ 第2章　文字を処理する　テキスト処理の技術 第3章　自然言語処理の技術 第4章　音声処理の技術 第5章　知識表現 第6章　学習 第7章　深層学習 第8章　対話エージェントの構成 第9章　人工無脳から人工人格へ 付録

※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。 機械学習による異常検知の基本と応用がわかる！ 本書では、機械学習による異常検知のしくみを、誤差関数に着目して解説します。読者が新しい異常検知システムを自ら構築できるようになることを最終目標とし、機械学習アルゴリズムの基本から解説していきます。 機械学習について誤差関数を中心に理解を深めることによって「外れ値とはなにか」「閾値はどのように設定すればよいか」といった異常検知における基本が自然と理解できます。そういった基礎から入りつつ、時系列データを分析する際の手法と注意点（第3章）や、深層学習を用いた応用例（第4章）といった内容まで踏み込み、最終的には自ら異常検知システムを構築できるよう導きます。 機械学習の各アルゴリズムの説明や例題などには、Pythonのコードが付いています。 自分でプログラムを実行しながら学べる入門書です。 ＜本書の特徴＞ ・誤差関数を中心に機械学習の原理を理解することで、異常検知の基本が自然と理解できます。 ・基本だけでなく、時系列データに対する異常検知の考えかた（第3章）や、深層学習による応用（第4章）を学ぶことができます。 ・Pythonのコード付きなので、手を動かしながら学習することができます。 第0章　機械学習と異常検知 第1章　機械学習と統計解析の基本モデル 第2章　非時系列データにおける異常検知 第3章　時系列データにおける異常検知 第4章　深層学習による異常検知

※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。検索やハイライト等の機能が使用できません。 初心者でもPythonを用いて機械学習が実装できる！ 　 本書は、今後ますますの発展が予想される人工知能の技術のうち機械学習について、入門的知識から実践まで、できるだけ平易に解説する書籍です。「解説だけ読んでもいまひとつピンとこない」人に向け、プログラミングが容易なPythonにより実際に自分でシステムを作成することで、そのエッセンスを実践的に身につけていきます。 また、読者が段階的に理解できるよう、「導入編」「基礎編」「実践編」の三部構成となっており、特に「実践編」ではシステム計画研究所が展示会「Deep Learning実践」で実際に展示した「手形状判別」を実装します。 詳細目次 第1部　導入編 　第1章　はじめに 　1.1 機械学習とは 　1.2 Python と機械学習 　1.3 インストール＆セットアップ 　1.4 Python 早分かり ― NumPy とmatplotlib 　1.5 クイックツアー 　　小話 深層学習って何だ？ 　第2 章　機械学習の様々な側面 33 　2.1 機械学習をとりまく環境.. 33 　2.2 関連分野. 34 　2.3 学習法による分類. 35 　2.4 手法や課題設定による分類. 36 　2.5 応用例. 37 第2部　基礎編 　第3章　分類問題 　3.1 分類問題とは 　3.2 最初の分類器 　3.3 学習データとテストデータ 　　ミニ知識 色々な用語 ―学習・訓練・教師 vs テスト・評価・バリデート・検証 　　ミニ知識 k- 分割交差検証 　3.4 分類器の性能を評価しよう 　　ミニ知識 正答率（Accuracy）と適合率（Precision） 　　ミニ知識 色々な平均.調和平均・算術平均・幾何平均 　3.5 色々な分類器 　3.6 まとめ 　第4章　回帰問題 　4.1 回帰問題とその分類 　4.2 最初の回帰 ― 最小二乗法と評価方法 　4.3 機械学習における鬼門 ― 過学習 　4.4 過学習への対応 ― 罰則付き回帰 　4.5 様々な回帰モデル 　4.6 まとめ 　第5章　クラスタリング 　5.1 iris データセット 　　ミニ知識 フィッシャーのあやめ 　5.2 代表的なクラスタリング手法 ― k-means 　5.3 その他のクラスタリング手法 　5.4 まとめ 第3部　実戦編 　第6章　画像による手形状分類 　6.1 課題の設定 　6.2 最初の学習 　6.3 汎化性能を求めて ― 人を増やしてみる 　6.4 さらに人数を増やしてみる 　　ミニ知識 学習データに含める人数について 　6.5 データの精査と洗浄 ― データクレンジング 　6.6 特徴量の導入 　6.7 パラメータチューニング 　6.8 まとめ 　第7章　センサデータによる回帰問題 　7.1 はじめに 　7.2 準備 　7.3 センサデータの概要 　7.4 データの読み込み 　7.5 高松の気温データと四国電力の消費量 　7.6 もっと色々、そしてまとめ 　7.7 終わりに 第4部　付録 　付録A　Python で作る機械学習 　A.1 この付録の目的 　A.2 最小二乗法 　A.3 行列計算による解析解の導出 　A.4 反復法 　A.5 コードを書く前に 　A.6 実装例 　付録B　線形代数のおさらいと代表的な非線形モデル 　B.1 この付録の目的 　B.2 そもそも「線形」とは 　B.3 線形変換とアフィン変換 　B.4 ノルムと罰則項 　B.5 線形回帰の最小二乗解を考える 　B.6 機械学習における「非線形」

※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。

PyTorchは、世界で主流の深層学習ライブラリのひとつ「Torch」（松明の意）のPython対応版です。Facebookが開発を主導したオープンソースとして非常に注目されています。本書はこのライブラリを初めて触るところから手ほどきし、Pythonによる異常検知や画像認識の実装までを体験。機械学習・深層学習を初めて学ぶITエンジニア向けに、数式なしで丁寧に解説します。 ◆本書の特徴 機械学習・深層学習のアルゴリズムを数式なしで理解できる。 Pythonを使って少ないコードで簡単に実装できる。 異常検知や画像認識など、様々なケースの実装を体験できる。 ◆本書の構成 ・第I部 AI技術の最新動向やPyTorchライブラリの概要、実装環境の構築方法 ・第II部 機械学習の全体像、ニューラルネットワーク・アルゴリズムを使った学習の実装方法 ・第III部 深層学習のアルゴリズム(DNN、CNN、Deep Q Network)を使った学習の実装方法

※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。 PyTorchは動的計算グラフ（define by run）を採用した、Pythonプログラムと同じ感覚でニューラルネットワークを構築できる深層学習フレームワークです。本書は、深層学習の基礎をすでに習得したエンジニアが、より難しいタスクへ挑戦するためにPyTorchの開発環境構築から、畳み込み/リカレント/GAN/物体検出まで実装方法を実際にサンプルを作りながら学べる入門書です。データ分析ツールJupyter Notebookに対応しています。

世の中で氾濫している「人工知能・AI」という言葉に惑わされないようにするため、人工知能についての正しい知識を身につけ、理解することが必要です。 人工知能分野の発展に貢献しているのが 機械学習・深層学習（ディープラーニング）と呼ばれる技術で「人工知能（AI）を使ってなにかプロジェクトをやってほしい」と言われたとき「ビジネス課題を機械学習・深層学習でどのように解決すればよいか」と置き換えて考えればよいケースがほとんどです。 本書では、あいまいな状態になっているビジネス上の課題を機械学習を試すことのできるような形に課題を書き換えたり、人工知能の代表的な手法である推論・探索、知識表現、機械学習、深層学習の各手法をフレームワークとして考え、実際のビジネスで活用できるといった“AI的思考力”を高める方法を解説していきます。 また人工知能は万能ではなく、ビジネス上における課題は千差万別です。本書の目指すところは「人工知能で解決できるものなのか」を自ら判断し、「人工知能のどの技術を使えばよいのか」が分かるようになることです。 人工知能技術の大部分は数学によって支えられていますが、本書はあくまでも「ビジネスで人工知能を活用するために知っておくべきこと」をまとめたものですので“難しい数式”は一切出てきません（もちろん、プログラミングも）。 『機械学習・深層学習という言葉は聞いたことはあるけれど、よく分からない』『ビジネス課題に適用できる自信がない』『どのように評価すればよいのか検討がつかない』といった方にとって、本書は役に立つはずです。

「読んでいて本当に心地がいい」と大好評の前著『ベイズ推論による機械学習入門』からの第２弾！　｢深層学習とベイズ統計の融合｣がすべて詰まった ｢欲張り｣本！　基礎からはじめ、深層生成モデルやガウス過程とのつながりまでをていねいに解説した。本邦初の成書！本書のサポートページ：https://github.com/sammy-suyama/BayesianDeepLearningBook　　【主な内容】第1章　はじめに　1.1　ベイズ統計とニューラルネットワークの変遷　1.2　ベイズ深層学習／第2章　ニューラルネットワークの基礎　2.1　線形回帰モデル　2.2　ニューラルネットワーク　2.3　効率的な学習法　2.4　ニューラルネットワークの拡張モデル／第3章　ベイズ推論の基礎　3.1　確率推論　3.2　指数型分布族　3.3　ベイズ線形回帰　3.4　最尤推定，MAP推定との関係／第4章　近似ベイズ推論　4.1　サンプリングに基づく推論手法　4.2　最適化に基づく推論手法／第5章　ニューラルネットワークのベイズ推論　5.1　ベイズニューラルネットワークモデルの近似推論法　5.2　近似ベイズ推論の効率化　5.3　ベイズ推論と確率的正則化　5.4　不確実性の推定を使った応用／第6章　深層生成モデル　6.1　変分自己符号化器　6.2　変分モデル　6.3　生成ネットワークの構造学習　6.4　その他の深層生成モデル／第7章　深層学習とガウス過程　7.1　ガウス過程の基礎　7.2　ガウス過程による分類　7.3　ガウス過程のスパース近似　7.4　深層学習のガウス過程解釈　7.5　ガウス過程による生成モデル

※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。 『機械学習入門―ボルツマン機械学習から深層学習まで―』の第2弾、ストーリーで難解なベイジアンネットワークまで理解できる!! 　ベイズ推定の理解にはかなり高度な数学的知識が必要で、数学が得意でない人は、条件付き確率あたりでくじけてしまいます。そこで本書は、解説を会話調にし、イラストを中心とした親しみやすいストーリー仕立て（童話のような欧風ファンタジー）とすることで、小説を読むようにベイズ推定で大事な「もしも」に備えた事前分布について始まり、結局どんな推定が良いのかを探す「モデル選択」、最新の技術であるベイズ的最適化まで読み通せる書籍とします。さらに、併せて機械学習との関連や最新の技術との関連についても解説します。 第1章　こんなところにベイズ推定 1－1　探し物は何ですか？ 　Column　世の中はビッグデータ時代？ 1－2　手がかりは大切に 　Column　最尤推定とベイズ推定 1－3　事後確率分布 　Column　事前分布の役割 1－4　ベイズの定理 　Column　統計的モデリング 1－5　同時確率と条件つき確率 　Column　確率なんて大っ嫌い 第2章　確率分布とベイズ推定 2－1　イノシシはどこにいる？ 　Column　事前分布は人の勝手？ 2－2　もっともらしい場所はどこ？ 　Column　あらゆる可能性の追求 2－3　モデル選択 　Column　オッカムの剃刀 2－4　点推定と分布推定 　Column　汎化性能と一致性 第3章　機械学習とベイズ推定 3－1　正則化とベイズ推定 　Column　機械学習でもベイズ推定 3－2　統計科学と機械学習 　Column　ベイズ推測を利用した機械学習 3－3　正則なモデルと特異なモデル 　Column　勾配法の進化 3－4　データが足りない！ 　Column　ニューラルネットワークの理解に向けて 3－5　過学習を防ぐ 　Column　未来を予測する詐欺に注意 第4章　不可能を可能にするベイズ推定 4－1　謎の少女との出会い 　Column　データ同化 4－2　第２の逆問題 　Column　連立方程式が研究の最前線？ 4－3　どうやって方程式を解くの？ 　Column　スパースモデリング 4－4　驚異の圧縮センシング 第5章　カーネル法とベイズ的最適化 5－1　困ったときのカーネル法 　Column　カーネル法と深層学習 5－2　リプリゼンター定理 　Column　リプリゼンター定理の言っていること 5－3　ノンパラメトリックモデルとパラメトリックモデル 　Column　スプライン補間とノンパラメトリックモデル 5－4　ガウス過程 　Column　全ては最適化 5－5　効率の良い計画を！ ベイズ的最適化 　Column　実験計画法 第6章　無限の可能性を考えるベイズ推定 6－1　大数の法則 　Column　僕らの体に眠る中心極限定理 6－2　ベイズ推定の真価 　Column　物理学の活躍 6－3　見えないものが見える！ その後の兵士さん（参考文献） あとがき 索引

世界有数の研究者による“機械学習の説明書”。2015年アメリカでの発売当初から研究者の間で話題となった力作が、『パターン認識と機械学習』などの翻訳を手がけた神嶌敏弘博士の訳で満を持して刊行。一般向けのきめ細やかな訳注も加えた。 囲碁AI、AmazonやNetflixのお薦め機能、iPhoneのSiri。私たちの生活に溶け込んでいる機械学習とは何か？　観測衛星、DNAシーケンサ、量子加速器などのデータから、機械学習は自然界の謎をすべて解き明かすのか？　蓄えられた莫大なデータはアメリカ大統領選から企業のサービスまで影響を与え、陸・海・空を機械学習で自動操縦される無人車両が飛び交う。機械学習によって、世界はどう変わるのか？ アルゴリズムの歴史を解説するとともに、世界を再構築する究極の「マスターアルゴリズム」の存在を探究。 マスターアルゴリズムが存在する根拠を、神経科学、進化生物学、物理学、統計学、および計算機科学の観点から軽妙かつ縦横に展開する。知的好奇心が沸き立つ1冊。六七質のイラストが世界観を表現。 ペドロ・ドミンゴス（著者） ワシントン大学ポール・アレン コンピュータサイエンス＆エンジニアリング学部教授。AAAS（アメリカ科学振興協会）およびAAAI（人工知能振興学会）フェロー。1992年リスボン工科大学Instituto SuperiorTecnico修士課程修了（電子工学・コンピュータサイエンス）。1997年カリフォルニア大学アーバイン校にて博士取得（情報・コンピュータサイエンス）。マルコフ論理ネット、影響最大化問題、データストリーム、敵対的学習、sum-productネットなど顕著な業績が知られている、世界有数の機械学習研究者である。KDD2003、SRL2009ではプログラム委員長を務める。IMLS（国際機械学習学会）の発起人。“Machine Learning ”誌編集委員。SIGKDD Innovation Award、IJCAI John McCarthy Awardを筆頭に受賞多数。 神嶌敏弘（訳者） 1994年京都大学大学院工学研究科修士課程修了（情報工学専攻）。1994年電子技術総合研究所入所。2001年京都大学にて博士取得（情報学）。現在は産業技術総合研究所にて、機械学習やデータマイニングの手法、特に公平性配慮型データマイニングと推薦システムや個人化技術などについて研究。 携わった書籍に、人工知能学会監修『深層学習』（編／近代科学社）、トレバー・ヘイスティ他『統計的学習の基礎』（共監訳／共立出版）、C.M.ビショップ『パターン認識と機械学習』（共訳／丸善出版）などがある。 2019年人工知能学会 AI ELSI賞 Perspective部門受賞。

「第3次ブーム」と言われる人工知能（AI）。勢いが衰えを見せないまま、日本でも本格的な実用時期を迎えています。食品工場の検品、タクシー客やビールの需要予測、外国語の翻訳、手書き文字の認識など先進企業はAIを様々な現場に導入しています。 　ベテランでも難しい予測を可能にする、生産性を4倍に引き上げるといった効果が既に上がっています。第3次AIブームの牽引役と言える深層学習（ディープラーニング）をはじめとする機械学習、これらを活用した様々な認識・分析手法や自然言語処理といったAI技術、さらにクラウドコンピューティングやIoT（インターネット・オブ・シングズ）などの関連技術がAIの実用化を支えています。 　一方で、AIの活用に挑んだものの実証実験のレベルから先に進めない、思うように効果が出ないといった声も出ています。AIの全体像が広く、どのような技術あるいは製品/サービスが自社のニーズに適するかを判断しにくいというのが理由の1つです。技術や製品/サービスの動きが早く、追従するのも容易でありません。 　本ムックはAIのビジネス戦略や活用を企画・検討・実施している担当者に向けて、実践的な情報を分かりやすく提供することを狙っています。中核を成すのはAI活用を実践する先進企業の最新事例です。製造から金融、流通・サービス、医療、建設まで50を超える事例を紹介しています。経営トップが語るAI戦略、AI活用の失敗則、さらにAI活用に役立つツールやサービスの最新状況も網羅しています。 　人工知能ビジネス戦略・活用の全貌と最新動向を理解したい関係者必携の一冊です。

※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。 学ぶことの多い機械学習をマンガでさっと学習でき、何ができるかも理解できる!! 　本書は今後ますますの発展が予想される人工知能分野のひとつである機械学習について、機械学習の基礎知識から機械学習の中のひとつである深層学習の基礎知識をマンガで学ぶものです。 　市役所を舞台に展開し、回帰(イベントの実行）、識別１（検診）、評価（機械学習を学んだ結果の確認）、識別２（農産物のサイズ特定など）、教師なし学習（行政サービス）という流れで物語を楽しみながら、機械 学習を一通り学ぶことができます。 序章　機械学習を教えてください！ 第1章　回帰ってどうやるの？ 第2章　識別ってどうやるの？ 第3章　結果の評価 第4章　ディープラーニング 第5章　アンサンブル学習 第6章　教師なし学習 エピローグ 参考文献

月刊誌『Software Design』の特集や単発企画で評判の良い、機械学習とPython関連の記事を再編纂。機械学習・深層学習に取り組んでいる開発現場のITエンジニアが自身で試して学んだことが記事のベースになっており、いま押さえておくべき技術を習得する足がかりとして最適です。

プリファードネットワークス、通称PFN。 2019年、日本ベンチャー大賞受賞。日本屈指のユニコーン企業。2014年の創業（2006年にPFI創業、2014年にPFN設立）以来、錚々たるリーディングカンパニーの数々と共同研究を重ね、自動運転、パーソナルロボット、がん診断にはじまるバイオヘルスケア等々の課題解決に挑む、天才技術者集団――。 新聞や雑誌で語られるPFN像といえば、こんなところだろう。 しかし、実際のところPFNは何をしているのか。若き創業者たち（本書の著者、西川徹社長と岡野原大輔副社長）は何を考え、どんな未来を描いているのか。 本書では２人の創業者が、ベールに包まれていたPFNの仕事、そこで働く人々の描く未来、深層学習の可能性までつまびらかにする。 ・天才集団とすら呼ばれているのに、なぜ「Learn or Die　死ぬ気で学べ」なのか 彼らは答える。PFNが挑戦しているのは変化の大きな分野であり、その中で最先端であり続けるためには、学ぶことが唯一の方法だ。未来を切り拓くために、私たちは、学び続けなければならない。 ・パーソナルロボットの夢はこれまでに何度も語られてきたが実現していない。本気で作ろうとしているのか。 彼らは答える。もちろん可能性があるからやっている。私たちは、できるとわかっていること、誰でも実現できることはやらない。 ・日本を代表するスタートアップ企業と聞けば、カラフルで華やかなオフィスが想像されるが、飾り気がない。なぜか。 彼らは答える。PFNには、洒落たオフィスにお金をかけるなら、性能のいいコンピュータが１台欲しいと思う人しかいない。 ――９割にも及ぶ失敗を推奨し、成功率10％以下の仕事に挑み続けるPFNの思考とは？

【緒言】 私をつくる時間　2 本杉宇太郎（甲府共立病院 放射線科） 【ISMRM2022見聞録】 ISMRM2022 見聞記　 黒田　輝　18 ISMRM2022 Web参加見聞記　 市川新太郎／五島　聡　25 ISMRM2022 現地レポート 藤田翔平　28 ISMRMに 3 年振りに現地参加して 萩原彰文　33 ISMRM2022in London（ハイブリッド開催）に参加して 金澤裕樹　36 ISMRM2022 Annual Meetingを振り返る 権　池勲／米山正己　43 【臨床論文】 SmartSpeed MotionFreeとSmartSpeed Diffusionによる日常検査の革命 圓﨑将大ほか　52 MAGNETOM Alteaを用いた当院でのWhole-body MRI検査について 松本伸介　60 Deep Learning画像再構成の発展について 中浦　猛ほか　66 新Operation System Softwareにおけるアーチファクト低減技術の臨床活用 大野良治ほか　71 最新アプリケーションがもたらす臨床インパクト～頭部・頭頸部 藤間憲幸　77 乳腺領域におけるMRI最新Topics 塚田実郎　83 3T装置における患者の状態に合わせた腹部MR検査の実践 穐山雄次ほか　90 門脈領域 4D-Flow MRIの臨床的有用性 濵﨑真滉ほか　97 TGSE-BLADE DWIの放射線治療計画への活用 加藤　裕ほか　103 【技術論文】 MR WorkspaceとSmartSpeedのシナジーが革新するMRユーザエクスペリエンス 株式会社フィリップス・ジャパン　112 進化するキヤノン非造影MRA キヤノンメディカルシステムズ株式会社　119 Contactless化を支えるSiemens HealthineersのTechnology シーメンスヘルスケア株式会社　126 MRIにおける深層学習技術の臨床活用 GEヘルスケア・ジャパン株式会社　131 高速化・高画質化技術の進歩と自動検査支援に向けたトータルワークフロー向上の取り組み 富士フイルムヘルスケア株式会社　138 新プラットフォームuAiFIの紹介 United Imaging Healthcare Japan 株式会社　144 Ziostation REVORASの心臓MRI解析アプリケーション ザイオソフト株式会社　150 MRI文献ダウンロードBEST100 156　　　　

【緒言】 2度目のISMRMオンライン開催をおえて… 2 堀　正明（東邦大学医療センター大森病院 放射線科） 【バーチャルISMRM2020　見聞録】 ISMRM2021 のトピックス 黒田　輝（東海大学情報理工学部） … 28 各セッションの形式や腹部領域のトレンド 市川新太郎ほか（浜松医科大学 放射線診断学講座） … 35 初学者のISMRM2021 散策 内匠浩二(鹿児島大学大学院医歯学総合研究科 放射線診断治療学分野)… 38 ISMRM 2021 Onlineに参加して 金澤裕樹（徳島大学大学院 医歯薬学研究部 医用画像情報科学分野）… 42 特選！使ってみたい、この技術 市場義人ほか（シーメンスヘルスケア株式会社） …48 計測技術の進歩：定量MRIとNeurofluid 尾藤良孝(富士フイルムヘルスケア株式会社)… 52 【臨床】 3T装置を用いた全身Body DWIの撮像法の工夫とその臨床画像 落合礼次ほか　… 58 Discovery MR750Wにおける最新アプリケーションの臨床的有用性　 佐藤兼也ほか　… 63 Vantage Galan 3T/Focus XG Editionへのリニューアルソリューションがもたらす 当院へのメリット～高分解能化・短時間化への取り組み～ 松島孝昌　… 74 MRAによる脳動脈瘤診断補助AI 植田大樹　… 82 心臓領域におけるシーメンス社製　Magnetom Solaの使用経験 井口信雄ほか　… 87 MAGNETOM Vidaにおける心臓領域での使用経験 寳谷俊洋　… 92 ディープラーニング画像再構成の臨床応用 坪山尚寛ほか　… 100 自由呼吸下ダイナミック検査（4D FreeBreathing）の技術背景と臨床的有用性 島田隆史ほか　… 106 FRACTUREイメージングの臨床的有用性 中野雅浩ほか　… 114 MRI用インジェクタの安全運用と造影剤情報の運用に関して 福地博史ほか　… 120 【技術】 全体最適プラットフォームが生み出す次世代高速化ストラテジー：SmartSpeed ～AIの統合と自由なサンプリングへの対応～ 株式会社フィリップス・ジャパン　… 128 ECHELON Smart Plusのワークフロー改善技術 富士フィルムヘルスケア株式会社　… 140 進化し続けるCanon DLR-MRI～さらなる画質向上と検査時間短縮の実現を目指して～ キヤノンメディカルシステムズ株式会社　… 144 深層学習(ディープラーニング)によるMR画像再構成の技術展開と骨軟部領域の進歩 GEヘルスケア・ジャパン株式会社　… 150 Siemens Healthineers　MRIのInnovation シーメンスヘルスケア株式会社　… 156 iTFlow2、iTSimulationを使った血流解析 株式会社Cardio Flow Design　… 163 MRI文献ダウンロードBEST100 … 170

【緒言】 MR装置は今日もシーケンスを走らせる… 2 本杉宇太郎（甲府共立病院 放射線科） 【バーチャルISMRM2020　見聞録】 今年のISMRMの準備と運営について 堀　正明（東邦大学医療センター大森病院 放射線科）… 22 2020 ISMRM Virtual Conference and Exhibition 黒田　輝（東海大学情報理工学部）… 24 駆け出し研究者が体験したISMRM Virtual Meeting　 金澤裕樹（徳島大学大学院 医歯薬学研究部 医用画像情報科学分野）… 28 ISMRM2020 Annual Meetingを振り返る 権　池勲ほか（株式会社フィリップス・ジャパン） … 31 ISMRM2020 参加見聞記 若山哲也ほか（GEヘルスケア・ジャパン株式会社）… 34 ISMRM2020 見聞録～特選！使ってみたい、この技術 市場義人ほか（シーメンスヘルスケア株式会社） … 36 計測技術の進歩：定量MRIとNeurofluid 尾藤良孝（株式会社日立製作所 ヘルスケアビジネスユニット） … 38 【臨床】 Vitrea“MR Acute Care Stroke”を用いた急性期脳梗塞における定量解析の有効性と可能性 石原秀行ほか… 42 脳神経領域におけるMAGNETOM Vidaの使用経験　 辰尾宗一郎ほか… 48 大阪国際がんセンターにおける SIEMENS社製MAGNETOM Prismaの使用経験 立石宗一郎… 54 新たなArterial spin labeling技術を用いたMR angiographyの開発と脳血管性疾患における臨床応用 栂尾　理ほか… 60 当院におけるMAGNETOM Skyraを用いた心臓MRI検査 高門政嘉ほか… 67 Vitrea “MR Multi-Chamber Wall Motion Tracking”を用いた心筋ストレイン解析の臨床活用 真鍋徳子ほか… 74 ハートのエースIngenia 3.0T 長尾充展ほか… 79 体幹部領域における4D Free Breathingの使用経験と有用性について 麻生弘哉ほか… 86 GE社製の腹部骨盤MRIの最新知見 坪山尚寛ほか… 94 腹部領域におけるVantage Galan 3T/ZGOの使用経験と臨床的有用性 福島啓太ほか…100 ECHELON Smart Plusの使用経験 合田猛俊ほか…107 【技術】 腹部MRI撮像におけるモーションアーチファクトの低減技術－VitalEye & 4D FreeBreathing－ 株式会社フィリップス・ジャパン…114 3Dダイナミック撮像法の技術的進歩と、深層学習（ディープラーニング）によるMR画像再構成の今後の展開 GEヘルスケア・ジャパン株式会社…122 Ziostation2 におけるMRI解析アプリケーション ザイオソフト株式会社…130 日立 永久磁石オープンMRIにおける新技術 株式会社日立製作所…ヘルスケアビジネスユニット…135 Turbo Suite高速撮像技術の進化GRAPPA、CAIPIRINHA、SMS、Compressed Sensingを組み合わせて高いスループットを実現 シーメンスヘルスケア株式会社…142 キヤノンMRI Deep Learning技術の新たな次元 キヤノンメディカルシステムズ株式会社…149 MRI文献ダウンロードBEST100 … 156　

【企画】 企画にあたって／扇　和之（日本赤十字社医療センター 放射線診断科） 【総説】 自分だけの大切なノート 北川　久 （東京慈恵会医科大学附属柏病院 放射線部） 【特別座談会】 エキスパートが語るさまざまなMRI最先端トピックス ISMRMが示す次世代MRIのかたち ーここから次代の技術革新が生まれていくー 出席者：黒田　輝／山田　惠／高原太郎／玉田大輝／村田勝俊／葛西由守／小林尚玄 司　会：本杉宇太郎 編　集：扇　和之 【臨床論文】 ◆脳神経 MRI 最新アプリケーション 　岩永　崇ほか ◆心臓 MRI 最新アプリケーション―検査時間の短縮とさらなる画質改善へ― 　的場将平 ◆GE ヘルスケア社製装置における body MRI の最近の話題 　奥田茂男ほか ◆Vantage Galan 3T/SaturnX－ノイズ除去再構成技術 　「Advanced intelligent Clear-IQ Engine（AiCE）」の初期経験－ 　和田吉弘ほか ◆放射線治療計画における MRI の有用性と今後の可能性 　江島泰生 ◆自由呼吸下 dynamic study における LAVA-Star と 　肝細胞相における強化ナビゲーションについて 　佐藤圭亮ほか ◆日立 ECHELON Smart Plus の初期使用経験 　栁　克司 【技術論文】 ◆キヤノン MRI の最新情報 Deep Learning を用いたノイズ除去技術 　「Advanced intelligent Clear-IQ Engine（AiCE）」の 1.5T MRI への期待 　キヤノンメディカルシステムズ株式会社 ◆ヘリウムフリーマグネット搭載　Ingenia Ambition 1.5T の紹介 　―BlueSeal マグネットによる新たな MR ソリューション― 　株式会社フィリップス・ジャパン ◆進化し続ける AIR Technology TM ／ SIGNA Works TM ／ 　GE ヘルスケア・ジャパン株式会社 ◆日立 1.5T MRI 装置「ECHELON Smart Plus」の技術紹介 　株式会社日立製作所 ヘルスケアビジネスユニット ◆MRI における precision medicine～MR Fingerprinting～ 　シーメンスヘルスケア株式会社 ◆Ziostation2 における MRI 画像解析機能のトピックス 　ザイオソフト株式会社 ◆深層学習を活用した脳動脈瘤検出支援 AI「EIRL aneurysm」と今後の展望 　エルピクセル株式会社 ●MRI文献ダウンロードBEST100

※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。 連続最適化アルゴリズムの数理を、詳しく丁寧に解説！ 連続最適化アルゴリズムとは、連続変数の関数についての数理最適化の問題で、適切な近似解を得るための計算手法のことです。古典的な数理計画の問題に限らず、近年ますます応用の広がりを見せている機械学習でも、その各種アルゴリズムにおいて数理最適化のさまざまな計算手法が駆使されています。 本書では、特に、二つの連続最適化に焦点を当て、詳しく丁寧に解説しました。一つ目は、微分不可能な凸関数の最適化、つまり、非平滑凸最適化です。ネットワーク資源割当や信号処理に現れる連続最適化は、非平滑凸最適化として表現ができます。二つ目は、微分可能ではあるが凸ではない関数の最適化、つまり、平滑非凸最適化です。深層学習に現れる連続最適化は、平滑非凸最適化として表現ができます。 また、この二つの最適化のための連続最適化アルゴリズムの性能を決定するステップサイズと呼ばれるパラメータの設定に着目し、その設定に関する理論と応用も詳解します。連続最適化問題の最適解へ進む方向（探索方向）が決まっているとき、その方向へ進む度合いを表すのがステップサイズです。 予備知識として、大学教養レベルの線形代数と微分積分のひととおりの知識を想定していますが、第2章で本書の通読に必要な知識をまとめ、読者の利便性を高めています。また、各種アルゴリズムの数学的背景となる定理は、本文中もしくは演習問題としてすべて載せています。さらに、アルゴリズムの実装に資するよう、Pythonのサンプルコードを用意し、ダウンロードできるようにしました。 第1章　はじめに 1.1　連続最適化問題 1.2　連続最適化アルゴリズム 1.3　資源割当や機械学習に基づいたステップサイズ 第2章　数学的準備 2.1　ユークリッド空間の諸性質 　1　ユークリッド空間 　2　行列全体からなる集合 　3　点列の収束性 2.2　微分可能性と平滑性 2.3　凸性 2.4　射影 2.5　非拡大写像 演習問題 第3章　連続最適化と関連する問題 3.1　連続最適化問題と最適解 3.2　制約なし平滑最適化問題 3.3　制約なし非平滑最適化問題 3.4　制約付き非平滑最適化問題 3.5　制約付き平滑最適化問題と変分不等式 3.6　不動点問題 演習問題 第4章　反復法 4.1　反復法の基本的概念 4.2　勾配法と降下方向 4.3　ステップサイズ 　1　定数ステップサイズ 　2　減少ステップサイズ 　3　直線探索ステップサイズ 　4　その他のステップサイズ 4.4　劣勾配法 4.5　近接点法 4.6　収束性と収束率 演習問題 第5章　平滑非凸最適化のための反復法 5.1　最急降下法（Lipschitz連続勾配） 5.2　最急降下法（非Lipschitz連続勾配） 5.3　Newton法 5.4　準Newton法 5.5　共役勾配法 5.6　数値例 演習問題 第6章　非平滑凸最適化のための反復法 6.1　射影劣勾配法 6.2　射影近接点法 6.3　近接勾配法 6.4　FISTA（高速近接勾配法） 6.5　資源割当問題 演習問題 第7章　不動点近似法 7.1　Krasnosel'skii-Mann不動点近似法 7.2　Halpern不動点近似法 7.3　POCS 7.4　不動点近似法の適用例 　1　制約付き平滑凸最適化問題 　2　凸実行可能問題 　3　一般化凸実行可能集合 7.5　資源割当問題 演習問題 第8章　平滑非凸最適化のための深層学習最適化法 8.1　損失最小化問題 8.2　確率的勾配降下法（Lipschitz連続勾配） 8.3　確率的勾配降下法（非Lipschitz連続勾配） 8.4　モーメンタム法 8.5　適応手法（非Lipschitz連続勾配） 8.6　ミニバッチサイズの設定 8.7　ミニバッチサイズの推定 演習問題 付録A　定理の証明と補足 付録B　演習問題解答例 参考文献 索引