人工知能（ＡＩ）が革命的な進化を遂げた。ディープラーニング（深層学習）という革新技術によって、コンピューター自らが周囲の状況を認識できるようになり、さまざまなブレークスルルーをもたらした。ビジネスの現場では、ＡＩによる破壊と創造がすでに始まっている。 本書は週刊エコノミスト２０１６年５月１７日号で掲載された特集「ＡＩの破壊と創造」の記事を電子書籍にしたものです。 目　次： はじめに ・深層学習で激変するビジネス「ＡＩ大国」へ正念場の日本 ・インタビュー　松尾　豊「日本はモノづくり系ＡＩで勝負すべき」 ・人工知能（ＡＩ）に強い注目の上場企業３５社 ・デジタル時代に求められる最高デジタル責任者（ＣＤＯ） ・Ｑ＆Ａでわかる！ＡＩとＩｏＴの基礎 ・センサーとクラウドの進化で機熟す　傍観すれば世界から取り残される ・事例編　金融、医療からロケットまで！ＡＩ活用の最前線 ・囲碁　深層学習でプロの「直感」獲得 ・景気判断　政府・日銀の景況感を指数化 ・フィンテック　ＡＩが迫る金融サービス革命 ・宇宙　ＡＩが点検する宇宙ロケット ・物流　倉庫の荷物取り出しを効率化 ・ファッション　あなたの「専属スタイリスト」 ・対話　女子高生りんなとお友達に ・医療　多様なデータから疾患確率導く ・サイバー攻撃　ＡＩの「知能指数」の測定が必要 ・グーグルが撤退なら自動運転ブーム沈静化 【執筆者】 大堀達也、池田正史、比屋根一雄、 松田遼、尾木蔵人、伊藤毅志、 水門善之、山本裕樹、鈴木雅光、 横山渉、山崎文明、桃田健史、 週刊エコノミスト編集部

「スマホを落としてガラスが割れてしまった」。でも心配ご無用。割れた破片と破片を押しつけると元通りに――。こんな話が近い将来、実現するかもしれない。ＡＩや自動運転だけではない、あっと驚く新技術が次々と登場している。2018年注目の技術を13分野にわたって紹介。　本書は週刊エコノミスト2018年1月23日号で掲載された特集「市場を動かすすごい技術2018」の記事を電子書籍にしたものです。 ・自己修復するガラス　割れてもくっつく特殊素材を発見 ・量子コンピューター　「組み合わせ最適化」に威力　定義に揺れも開発競争は激化 ・量子コンピューター【インタビュー】西森 秀稔　東京工業大学教授　「日本の人材不足が心配だ」 ・がん治療　「最終兵器」ＣＡＲ－Ｔ療法　免疫の戦う力を強化 ・センサー付き飲み薬　体の中からアプリに通知　日本発「クスリのＩｏＴ」 ・超巨大ロケット　超高速旅客機に応用　東京－ＮＹを37分で結ぶ ・超巨大ロケット【インタビュー】袴田 武史　月面開発で１００億円調達　小型輸送の市場を狙う ・全固体電池　　ＥＶ搭載用の固体電解質　安全性高く航続距離倍増も ・全固体電池【インタビュー】菅野 了次「材料はそろった。５年で実用化目指す」 ・進化する自動運転　「手放し運転」「自動車線変更」　米国で先行、日本も実用化へ一歩 ・藻からジェット燃料【インタビュー】出雲 充「ミドリムシで航空機を飛ばす」 ・炭化ケイ素繊維　ニッケル合金に代わる新素材　航空機エンジン、火力発電にも ・ＡＩが心を読む　頭に浮かぶだけで文字に　深層学習がますます進化 ・ＡＩが心を読む　日銀総裁の表情で政策を分析　「怒り」と「悲しみ」に注目 ・ＡＩが心を読む【インタビュー】曽我部 完「企業に先端のＡＩを提供」 ・５Ｇ　通信規格の仕様決まる　実用化へ日韓が先行 ・ドローン　プロペラと固定翼を併用　航行距離と用途の拡大へ ・毛髪で健康診断　１本の髪は「細胞の標本」　ビッグデータで病気との関係探る 【執筆者】 米江 貴史、和島 英樹、村上 和巳、大貫 剛、松木 喬、鶴原 吉郎、吉田 智、阿部 周一、水門 善之、勇 大地、佐野 正弘、春原 久徳 【インタビュー】 西森 秀稔、袴田 武史、菅野 了次、出雲 充、曽我部 完

人間に代わって高度な知的労働をこなす「人工知能（ＡＩ）」の活用に、世界中の企業が乗り出している。ＡＩ研究で先行するグーグルなど巨大ＩＴ企業に負けじと、トヨタが米国に人工知能研究所を設置し、次世代カーやロボットの研究を開始した。すでに産業の現場に入り込んだＡＩは、世界をどう変えるのか。 本書は週刊エコノミスト２０１５年10月６日号で掲載された特集「これだ！人工知能自動運転」の記事を電子書籍にしたものです。 目　次： はじめに ・日本のＡＩが切り開く90兆円の巨大市場 　　　米国の底力　ワトソン、バイカリアス ・国内ビッグ４も負けられない　ワトソンに対抗、ビッグデータ解析 ・ＡＩって何だ！？　Ｑ＆Ａでとことん理解する人工知能の仕組みと将来 ・ものづくりが変わる　日本の製造業に勝機あり ・ＡＩは人類の脅威か　英米の著名人が相次いで懸念　 ・ここまで来た！自動運転 　　　ＡＩに舵切る自動車メーカー　深層学習の威力 　　　「ＺＭＰ」　２０１９年にロボットタクシー量産 ・注目業界はこれだ！　金融／法律／広告／マーケティング／教育／人材 　　　金融　データセクション 　　　法律　ＵＢＩＣ 　　　広告　リクルートホールディングス 　　　マーケティング　メタップス 　　　教育　ＣＯＭＰＡＳＳ 　　　人材　ｇｒｏｏｖｅｓ ・人工知能で戦う上場企業24社一覧 ・部品産業　センサーと動力機器がカギ ・主導権を握る米国　主流はディープラーニング　 ・大失業時代の到来　30年後に働けるのは人口の１割 ・「ＡＩ経済学者」が生まれる ・サイエンス最前線　特別編　スパース・コーディング

※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。 【数学の全体像をつかむ！】 代数学。幾何学。微積分学。統計学。 ４つの数学の基礎を理解して、 数学の俯瞰図を頭の中に作り上げる。 「指数関数的増加って何？」「再生産数？」 「偏差値とか標準偏差ってどういうこと？」 解けなくていい。 覚えなくてもいい。 計算、解法、一切不要。 仕事に出てくる数学知識を厳選！ 金融の世界で数学を駆使する専門家に、 私大文系卒編集者がわかるまで聞き返してできました。 読めば数学思考がインストールできる、 大人のための数学入門書です。 ◆読めばわかる４つの数学◆ 【１】仮説を明確にする代数学 　　　〇代数学の極意は「仮説思考」 　　　〇指数関数で新型コロナ急拡大がわかる 　　　〇ＡＩ深層学習を生んだ線形代数学 【２】イメージをカタチ化、カタチを数値化する幾何学 　　　〇あらゆるカタチは三角形の集まり 　　　〇三角関数は究極の思考節約術 　　　〇地震も音楽も三角関数で数値化できる 　　　〇フーリエ変換で複雑な波も単純化 【３】複雑なものを単純化する微積分学 　　　〇単純になるまで微細に刻み計算する技術 　　　〇飛行機・ロケット・ドローンを実現した微積分 　　　〇微分方程式で感染拡大をシミュレーション 【４】大きな視点で全体を俯瞰する統計学 　　　〇平均所得額は典型的な所得水準じゃない 　　　〇標準偏差と分散の不思議な関係 　　　〇自動運転を生んだベイズ統計学 ４つの数学が何をしているのかわかるだけで数学思考のインストール完了！

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

◆最新のAIを駆使したソフトが、プロ棋士を打ち負かしたり、AIが関わった小説が星新一賞の第一次審査を突破したりと、AI(人工知能)という言葉を新聞で見ない日はありません。さらには、AIが金融や人事、教育などの具体的場面に登場し、ビジネスマンのみならず、一般の人の関心も高まっています。本書では、AIの全体像と世の中へのインパクトをコンパクトに解説します。 ◆今回のAIブームは、正確には第3次ブームで、「深層学習」という技術がポイントになります。簡単にいうと「大量のデータからAIが自分で関係性や特徴を割り出し、判断・行動する」というもの。AIが人間の能力をこえるとされる2045年の世界を俯瞰し、AIに関する技術やそれによって起こるビジネス・生活上の変化について、いくつかの章を使って解説します。日本にとってこれからどんなチャンスがあるのかにも触れます。 ◆著者は、野村総合研究所で同分野の調査にあたっているエキスパート。AIに関する類書は、その技術面にフォーカスを当てたものか、社会の変化をおどろおどろしく書いたものがほとんどで、全体像を解説したものはほとんどない状態。「話題のAIが何なのか、ざっくり知りたい」というニーズに応えます。

AIは人間社会をどこまで変えるのか？ 驚異的な速度でＡＩが発展し、社会に決定的な影響を及ぼす時代、「ＡＩ新世」。いまＡＩに何ができるかを網羅、人類の展望を示す。 はじめに 第1部　ＡＩにできること 第1章　画像認識 第2章　画像生成 第3章　音声認識 第4章　音声生成 第5章　文章認識 第6章　文章生成 第7章　その他ありとあらゆる応用 第8章　未来のＡＩにできるかもしれないこと 第2部　ＡＩは社会をどう変えるか 第1章　第一次産業はどうなるのか 第2章　第二次産業はどうなるのか 第3章　第三次産業はどうなるのか 第4章　ＡＩ技術との付き合い方 第3部　ＡＩの歴史と未来 第1章　ＡＩの歴史 第2章　深層学習の誕生 座談会　ＡＩは人間にとって代わるのか おわりに

AIが｢学ぶ｣とは、｢考える｣とは、｢判断を下す｣とはどんなことなのか。つまり、人工知能の思考構造がどうなっているのかを、基本から学びます。｢深層学習とは何か｣｢画像認識の原理とは｣｢評価関数の意味｣｢完全解析の思考法｣など、最新技術の核心にも触れていきます。さらに、囲碁のAlphaGo、チェスのDEEP BLUEなど、対戦型AIの進化を振り返ることからも、｢人工知能(AI)とは何か｣に迫ります。

第三次人工知能（AI）ブームの中核的役割を果たす深層学習（ディープ・ラーニング）は，その高い信頼性と汎用性ゆえに様々な領域に応用されていく一方で，「なぜうまくいくのか」すなわち「なぜ優れた性能を発揮するのか」ということは分かっていない．深層学習の原理を数学的に解明するという難題に，気鋭の研究者が挑む．

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。

※PDF版をご希望の方は Gihyo Digital Publishing (https://gihyo.jp/dp/ebook/2022/978-4-297-12891-3)も合わせてご覧ください。 特集1 Reactの深層 最新バージョンから読み解く！ 変わる常識と変わらない思想 本特集はReact 18のリリースを受け，これまでのReactについて復習するとともに，React 18の新機能を紹介します。新機能を使いこなすにあたり，前半ではこれまでのReactの使い方やAPIに込められた思想を確認し，後半ではReactユーザーが対応を迫られる新しい常識を解説します。将来にわたってReactらしいコーディングをするための考察です。 特集2 できるところから無理なく導入！ 小さく始めるデザインシステム 「デザインシステム」という用語を耳にする機会が増えました。しかし，重要な概念であることはわかっていても，考えなければいけないことがたくさんあり導入に踏み切れない方も多いのではないでしょうか。もちろんデザインシステムはすべての要素を考慮するのが理想ですが，完璧を目指すあまり採用を見送ってしまうのはもったいないと思います。本特集では「小さく始める」ことをコンセプトに，できるところから無理なく始め，そのメリットを知ってもらうことを目的としています。 特集3 最新レコメンドエンジン総実装 協調フィルタリングから深層学習まで レコメンドエンジンとは，ECサイトやWebサイト上で，ユーザーにお勧めの商品やコンテンツを表示するためのシステムです。本特集では，Python言語を用いてレコメンドエンジンを実際に作成し，理解を深めていきます。実サービスに導入できるレコメンドシステムのしくみ，汎用的なものから深層学習までのレコメンドエンジンの実装，良いレコメンドエンジンとは何かを評価する方法を紹介します。

特集1 ［古い技術，コードの重複，密結合］ フロントエンド脱レガシー 長く愛されるプロダクトをさらに改善していくために プロダクトが長く使われると，度重なる改修や技術の進歩によりレガシーな部分が出てきます。そしてレガシーな部分は，時間が経つほど改善が困難になります。特に技術の進化の速いフロントエンドは，どの技術をどう取り入れていくのかは，将来の開発効率や柔軟性に大きく影響します。サイボウズのフロントエンドエキスパートチームは，kintoneという古くから愛されるプロダクトを今後も改善していくために脱レガシーに取り組みました。本特集では，そのノウハウを解説します。 特集2 インフラ障害対応演習 「避難訓練」でいざに備える！ システムの運用において切り離せないものであるにもかかわらず，頻繁に経験することを避けたい障害対応は，その性質上とても難しい仕事です。本特集では，障害対応を上手にこなすための方法として，障害対応を安全な環境で練習する「障害対応演習」を紹介します。障害対応の課題と演習の必要性，Mackerelでの演習の実際，フルリモートワークでの対応法，演習で確認したいこと・得られるものを解説します。いざというときの障害にどのように対処すべきかを確認できる障害対応演習は，心強い武器となってくれるでしょう。 特集3 深層学習入門以前 チュートリアルを動かす前に知っておくこと 深層学習にはさまざまなチュートリアルが提供されています。本特集では，読了後にチュートリアルを動かして，深層学習に入門するための足がかりとなることを目指します。 深層学習には幅広い知識が必要なため，すべてを知ってから始めようとすると，莫大な時間を学習に費やす必要があります。逆に事前知識なしにチュートリアルを動かしても，何が行われているのかをつかむのは難しいでしょう。そこで本特集では，深層学習のアルゴリズムの動きを，数式を使わずに概観していきます。

※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。

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？

★最年少で王立協会科学図書賞受賞！ ★タイムズ紙、BBCサイエンス・フォーカス絶賛！ 科学で人間関係をラクにする！ 思い悩むことがあったら、推量や思い込みではなく、決して嘘をつかない「科学」に頼ってみよう。 科学はあなたの陰口を言ったりしない、信頼に足る最高の友人になってくれる。 ADHD（注意欠如・多動性障害）、ASD（自閉症スペクトラム障害）、生化学のPhD（博士号）…… 「普通」がわからない科学者が、幼いころの自分のために書き上げた人間関係のトリセツ。 タンパク質に人間関係を学び、『アトキンス 物理化学要論』で部屋の片付けに挑む——。 数々の失敗と「実験」を重ねてきた博士が語る、周りと協調しながら、それでも自分らしく生きる方法。 ・チームワークは「がん細胞」に学べ ・部屋が散らかるのは「熱力学」のせい ・「波長」があう人の見つけ方 ・恐怖を資産に変える「光の屈折」の考え方 ・恥ずかしい思い出も「深層学習」でうまく活用 ・礼儀作法で失敗しないための「ゲーム理論」 「地球での生活が始まってから５年目のこと、私は間違った場所に着陸したのではないかと思い始めていた。降りる惑星を間違えてしまったのに違いない。自分と同じ種と暮らしているのに、よそ者のような気分がしていた。言葉は理解できるのに伝わらない。仲間の人間たちと同じ外見をしているのに、本質的な特徴はまったく違う。…… この宇宙に存在するほとんどすべてのものについて、それを題材とする本があるというのに、私にどうあるべきかを教えてくれる本はないのだ。私が世の中に出る用意を助けてくれる本はなかった。苦しんでいる人がいたら肩を抱いて慰めればいい、他の人が笑っているときには一緒に笑えばいい、他の人が泣いているときには一緒に泣けばいいのだと、教えてくれる本はなかった。」（本文「はじめに」より）

本書は著名な機械学習用データセットMNISTとその派生データセットを紹介しつつ、深層学習ライブラリPyTorchを活用し各種手法を動かしてみることに取り組みます。深層学習が動くことを体感するための、簡易なGUIアプリの作成方法についても解説しています。

「ビッグデータ（Big Data）」という用語は、2010年頃から特にビジネスの分野を中心によく見かけるようになり、2012年の米国大統領選をきっかけに爆発的なブームとなりました。しかし、多くの人は、ビッグデータとはいったい何なのかを未だによくわかっていないのが現状だと思います。本書は、データベース研究者である著者が「ビッグデータとは何か」、「ビッグデータに関わる技術や課題とは何か」について常日頃から考えている内容を整理して執筆したものです。 1章では、まずビッグデータおよびその解析技術について概観します。2章では、ビッグデータ解析の応用事例について、代表的なものを紹介します。3章では、以降の章における技術的な解説の理解を促進するために、ビッグデータ解析の典型的な流れについて、データ収集とデータ解析に焦点を当てて解説します。4～7章では、ビッグデータを支える技術として、分散処理フレームワーク、ストリーム処理エンジン、データベース、機械学習について代表的な技術をそれぞれ紹介します。次に8章では、ビッグデータ解析が今以上に広く浸透するために重要となるオープンデータについて、国内外の動向を踏まえて解説します。最後に9章では、本書のまとめとして、ビッグデータに関する将来の動向、可能性について議論します。 ビッグデータについて知りたい、学びたいと思っている読者が、押さえておくべき重要な事項を一通り学ぶことができる1冊になっています。

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。 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。

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。

※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次ブームから数年が経過した現在、人工知能（AI）は大きな転換期を迎えています。深層学習を中心とするテクノロジーの進化や社会実装が進む反面、当初の期待と実態とのギャップが明らかになり、倫理面での問題や雇用への影響など、負の側面も議論されるようになりました。 本ムックでは、「深層学習の父」と呼ばれるジェフリー・ヒントン博士、東京大学の松尾 豊教授をはじめとする著名研究者へのインタビュー、中国や欧州における教育や医療分野での社会実装の事例、AI研究のトレンド解説、倫理・ガバナンス問題の国際動向など、MITテクノロジーレビューに掲載された膨大なAI関連記事の中から特に価値ある記事を厳選して収録しました。AI技術の開発に関わる研究機関、AIを利用した新規事業の創出に取り組む一般企業、AI政策の立案に関わる政府機関など、転換期のAI戦略を描くためのあたらしい指針として活用ください。 ※「MITテクノ ロジーレビュー（MIT Technology Review）は、1899年に米国マサチューセッツ工科大学によって創設された、世界で最も歴史あるテクノロジー誌です。米国版の読者層は、その8割超がテクノロジー部門の責任者であり、6割が経営層に読まれています。本ムックは2017年～2020年にかけて日本版Webサイトに掲載した会員限定記事を再編集したものです。 ※一部の記事・企画は電子版で未収録・未対応の場合があります。

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。 社会のさまざまな場面で使われるようになった人工知能（AI）。AIは，気づかないうちに私たちの社会や生活に深く入り込んでいて，多くの恩恵がもたらされるとともに，さまざまな課題も発生しています。本書は，社会を映す「鏡」でもあるAIについて，深層学習など技術の基本から，公平性や不平等，監視と安全のトレードオフ，分断やフェイクニュースといった社会の問題に対する影響と課題までをマンガとイラストでわかりやすく解説しました。AIというレンズを通して，今の私たちの社会を見つめなおし，技術とのかかわり方を考える1冊です。

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。 深層学習を用いたマテリアルズインフォマティクスの実用的専門書第2弾。本書では厳選した事例を対象に、深層学習を有機化学・無機化学分野のデータに適用する場合のポイントについてを解説している。序章では『詳解 マテリアルズインフォマティクス』でも掲載したデータセットについて詳述し、第1章から有機化合物に対する予測モデル構築、第2章で無機材料に対する予測モデル構築、第3章で生成モデルを活用した材料・医薬品の設計についてをケーススタディとして紹介する。具体的なテクニックを読み解くことで、材料開発における深層学習の活用を更に飛躍させることができる。

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。

※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。 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

今の人工知能（AI）を正しく理解して活用し 導入効果を最大化するAIビジネス書の決定版 AIブームはとどまるところを知らず、企業や組織はAI活用の実践フェーズに突入しつつあります。一方で、AIに関する様々な誤解がいまだに蔓延しており、深層学習（ディープラーニング）をはじめとする「今のAI」をどうすればビジネスに生かせるかの理解も進んでいません。 AIは非常に大きな可能性を秘めています。今のAIを効果的に活用すれば生産性やROI（投資対効果）の劇的な改善につながります。一方でAIは癖のある道具であり、使いこなすには正しい理解と十分なノウハウが欠かせません。 本書は30年以上にわたりAIの開発や導入・活用を手掛けてきた筆者が、AIのビジネス活用に必要なすべてを具体的に解き明かす待望の一冊です。今のAIで何がどこまでできるのかにはじまり、AI活用の進め方や評価方法、データを確保する手順、ハードやソフトの選び方、人材育成のやり方までを豊富な実例で具体的に説明します。 今がAI導入の絶好のチャンス。ここで決断しないと、国内外のライバルに後れを取ることになりかねません。自社のAI活用に取り組むIT部門や経営企画部門、業務部門、顧客企業のAI活用を支援するベンダーやコンサルタントなど、AI活用に関わる人必携の一冊です。

時代を生き抜く 「確かな力」が身に付く！ 【本書のポイント】 ・身近なテクノロジーの裏側を体感できる ・問題を解決に導く「考え方」がわかる ・変革するIT技術の「未来」が見えてくる！ アルゴリズムは、プログラマーやエンジニアにとって 必要不可欠な知識です。 特に昨今は機械学習や深層学習が注目されるなど、 ITテクノロジーの大転換期にあり、アルゴリズムの重要性は ますます高まってきました。 本書は、「身の回りの様々なテクノロジーはどんなアルゴリズムで 実現されているのか」を、自宅PCで確認しながら学習を進めていきます。 「アルゴリズムの基本を学べること」だけでなく、 「アルゴリズムの開発＆活用力（＝問題解決力）を身に付けること」が 本書の目標です。 スキルを高めたいプログラマーはもちろん、 アルゴリズムについての知識を得ておきたい各種技術者や IT企業の営業マンなどに、ぜひ手に取ってもらいたい1冊です。 ※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。 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

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，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。

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。

本書は、GoogleがGCP(Google Cloud Platform)上で提供している機械学習関連のツールやAPIを活用し、実際に機械学習の環境やデータに触れながら、その原理と動作を体験的に学ぶことができる機械学習入門書です。 ●Googleは、機械学習にも有用な優れた環境を提供しており、特にDatalabはブラウザ上でPythonのコードを実行でき、グラフ・表を出力できるほか、ビッグデータを高速で処理するBigQueryや便利な各種APIにも簡単にアクセスできるツールです。 ●本書では、Datalabを通じて、Googleが膨大なリソースを使い初めから用意している機械学習環境にアクセスし、高度な機能と豊富な資源を十分に活用できるよう読者を導いていきます。 ●本書の学習では、数式はほとんど使わず、簡単なコードとそのグラフィカルな実行結果により、理解を深めていきます。 まずは識別の基礎から入り、各種識別関数を通じて機械学習の原理や手法を学びます。 続いて実践的にデータを扱いながら、データの評価方法やチューニングを学び、さらに深層学習(ディープラーニング)へと進んでいきます。 深層学習では、画像識別による具体例から始まり、より高度なニューラルネットワークまで学んだ後、実際にGoogleの深層学習用ライブラリー(TensorFlow)を使ってニューラルネットワークをモデリングする方法を学びます。 最後に、画像識別を代表するCNN(畳み込みニューラルネットワーク)の実装法を学び、実運用の入り口へと案内します。

※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。 イラストを使って初心者にわかりやすく解説!! 　現在扱われている各種機械学習の根幹とされる「ボルツマン機械学習」を中心に、機械学習を基礎から専門外の人でも普通に理解できるように解説し、最終的には深層学習の実装ができるようになるまでを目指しました。 さらに機械学習の本では、当たり前になってしまっている表現や言葉、それが意味していることを、この本ではさらにときほぐして解説しています。

※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。 『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。 ※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！

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。 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

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。 ※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

「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。 人工知能って、いったい何ですか? 人工知能学会の歴代会長を含む人工知能研究の権威が答えます! ! 今話題の深層学習(ディープラーニング)で注目されている機械学習など、人工知能分野で最先端の研究を行う研究者13人が、人工知能学会誌に連載したものを大幅に加筆修正した。研究者として自ら「人工知能とは何か」の再定義を行い、それをふまえて、各研究について一般読者に伝わるようにシッカリと解説を行っている。人工知能に興味のある読者はもちろん、知能、認知、脳科学、人間、哲学などに関心のある読者は必読必携である。13人の紙面上でのキャッチボールが示唆に富んでおり、読んでいてとにかく面白い! !大変好評を得ている『深層学習 Deep Learning 』に続く、人工知能学会監修企画!

※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

※PDF版をご希望の方は Gihyo Digital Publishing (https://gihyo.jp/dp/ebook/2022/978-4-297-12927-9)も合わせてご覧ください。 問題数を増量！　さらに幅広い問題と解説を提供！ AIエンジニア資格「E資格」で圧倒的な合格実績を誇る機械学習・ディープラーニング教育のプロ，株式会社AVILENが執筆。 実践的な演習問題と，分かりやすさを追求した問題解説で，AI・ディープラーニングの仕組みや手法の理解をサポート。G検定合格を目指すあなたに最適な1冊です。 本書の特徴 G検定頻出の「AIの社会実装」分野，「ディープラーニングの手法」を中心に問題を増量，旧版より52ページ増量。 旧版で内容の重複する問題を極力削り，新たなトピックを加え，バリエーション豊かな問題に再構成。 解説だけで206ページののボリューム。解説が丁寧でわかりやすく，機械学習や深層学習の仕組みからしっかりと理解できる。 豊富な図や表で読みやすく，イメージしやすい設計。 重要なキーワードを押さえた「用語解説」を各章に記載。試験前の見直しに最適。 最新の傾向にも対応。

※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。 主要なデータマイニング手法の理論の基礎を学べる!! 　データマイニングとは，玉石混淆であるたくさんのデータから必要な情報を読み出す作業です。データマイニングの手法として理解しておく必要があるものには，比較的基本的な知識である回帰分析、主成分分析、判別分析等からクラスタリング、サポートベクターマシン(SVM)、ベイズ推定、ニューラルネットワークなどがあります。最近ではこれらの応用として、深層学習等についても解説します。 第I部　多変量解析 第1章　データマイニング 第2章　回帰分析 第3章　主成分分析 第4章　判別分析 第5章　クラスタリング 第II部　機械学習 第6章　機械学習 第7章　サポートベクターマシン 第8章　ベイジアンネットワーク 第9章　ニューラルネットワーク 第10章　自己組織化マップ 第11章　深層学習 参考文献

※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。 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

※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。 自然言語処理と深層学習が一緒に学べる!! 本書は、人工知能研究における主軸の一つである「自然言語処理」について、わかりやすく解説するものです。人工知能研究における自然言語処理分野でよく用いられる機械学習の理論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。単に概念を羅列するのではなく、豊富な実装例や演習問題を通して、自然言語処理の理論と実践をバランスよく学べるように紹介していきます。

※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。 「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

「AIテクノロジーがいつどのように実現するか分かる」――マイクロソフトCEO サティア・ナデラ絶賛！ 「唯一無二の魅力に満ちた一冊」――ベストセラーSF『三体』作者 劉慈欣推薦！ 「年間ベストブック」３冠達成！〈ウォールストリートジャーナル〉〈ワシントンポスト〉〈フィナンシャルタイムズ〉 Amason US のベストノンフィクションにピックアップ！（976レビュー4.4★） 全米ベストセラーにして「未来予測本の決定版」が遂に日本上陸！ ・元GAFAトップの人工知能学者が最先端テクノロジー解説 ・鬼才のSF作家がストーリーで見事にビジュアライズ 【最高のストーリー＋AI技術解説で描く「20年後の私たちの世界」】 ・AI保険が個人生活を深層学習、恋愛相手まで決める ・パンデミック対応でAI医療が発達。非接触型社会へ ・完全自動運転とスマートシティ。移行期の課題とは ・没入型V Rがエンタメを一変。東京がメタバース聖地に ・バーチャルAI教師が子どもを教育。才能を開花させる ・量子コンピュータが発達。AI兵器が人類存亡の危機を招く ・幸福の定義が変わり、経済モデルは全く新しくなる われわれはA Iに降伏するのか？　それとも、AIでよき未来をつくるのか？ 深層学習、未来予測、自然言語処理、AI教育、ディープフェイク、自動運転、VR/AR/MR、メタバース、量子コンピュータ、仮想通貨、ブロックチェーン、AI兵器、幸福感、消える職業・生まれる職業、ベーシックインカムなど、本書一冊ですベてを網羅。 ビジネスパーソンの生き残りに必携の「SF的ビジネス教養書」が誕生！

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。

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

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。 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

「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（C言語）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具体的に理解できるように紹介していきます。

※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。 ★ベストセラー『教養としてのデータサイエンス』に続く第2弾！★ ★「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」に完全準拠した公式カラーテキスト！★ ・いますぐ身につけるべき「データサイエンス」「データエンジニアリング」「AI」の基礎知識がここにある！ ・文理を問わず、大学・高専生に、自らの専門分野への数理・データサイエンス・AIの「応用基礎力」を習得させることを目的として編纂された。 ・カラーで見やすく、練習問題も充実。 【主な内容】 1章　データサイエンス基礎 1.1　データ駆動型社会とデータ分析の進め方　（久野遼平） 1.2　データの記述　（宿久　洋） 1.3　データの可視化　（宿久　洋・久野遼平） 1.4　データ分析の手法　（原　尚幸) 1.5　数学基礎　（清　智也) 2章　 データエンジニアリング基礎 2.1　ビッグデータとデータエンジニアリング　（内田誠一） 2.2　データ表現、プログラミング基礎、アルゴリズム基礎　（辻　真吾） 2.3　データ収集と加工、データベース　（森畑明昌） 2.4　ITセキュリティ　（宮地充子） 3章　 AI基礎 3.1　AIと社会　（松原　仁) 3.2　機械学習の基礎と予測手法　（赤穂昭太郎） 3.3　深層学習の基礎　（今泉允聡) 3.4　ロボット、認識、言語　（高野　渉） ※この商品は紙の書籍のページを画像にした電子書籍です。文字だけを拡大することはできませんので、タブレットサイズの端末での閲読を推奨します。また、文字列のハイライトや検索、辞書の参照、引用などの機能も使用できません。

リクナビ事件、Yahoo!スコア事件、破産者マップ事件、AIチャットボットや顔認識技術――。 　深層学習などのAI技術の発展により、AIが社会の様々な場面で用いられるようになりました。同時に、AIの普及に伴って社会問題が生じ、AIを使った製品・サービスに対して、法律には違反しないものの、倫理的に問題があるとして、社会から厳しい批判がされるケースも増えています。 　これらの問題に対応するため、日本や諸外国の政府や民間団体は活発な議論を行い、AI倫理原則を定めています。 　本書ではこれらのAI倫理原則を体系化して、AIとデータに関する倫理（AI倫理）の基本的な考え方と実際の事例を整理します。実際の失敗事例を数多く検討することで、同じような失敗を避けることにもつながります。 　ソニー、日本マイクロソフト、メルカリ、富士通の担当者の方による取組みの紹介など、AIを使った製品・サービスを社会に提供する企業の方も必読です。

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

※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

★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

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)

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!

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。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」

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。 私たちの日常生活で、人工知能が普通に使われる時代になりました。スマートフォンの顔認証、自動運転技術、SiriやAlexaのようなAI音声アシスタントなど身近な技術ばかりです。これからは機械学習や深層学習はエンジニアの基本教養となるかもしれません。本書は、機械学習や深層学習の分野から画像認識に重点をおいて、難しい数式をつかわず、図や写真を多用して解説する入門書です。必要な概念、用語、キーワードも網羅的に説明します。

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。

【本書について】 本書は、 杜世橋氏がKindle Direct Publishingを利用してKindleストアで販売している 『PyTorchで学ぶニューラルネットワークと深層学習』（ASIN: B078WK5CPK）を書籍化したものです。 書籍化にあたり、最新（2018年7月時点）のPyTorch v0.4に対応するなど大幅に加筆しています。 また、付録に無料で利用できるGPU環境である「Colaboratory」の利用方法の追加などを行っており、 GPU環境が利用できない読者でも様々なニューラルネットワークのモデル学習が体験できるようになっています。 【PyTorch（パイトーチ）とは】 PyTorchは主にFacebook社のメンバーが開発しているOSSの深層学習フレームワークです。 特徴としては動的ネットワーク方式を採用していてPythonの関数と同じ感覚でニューラルネットワークを構築できる点が挙げられます。 【本書の概要】 本書はPyTorchの基本から深層学習モデルの作成、そしてアプリケーション作成まで網羅した書籍です。 具体的には、PyTorchの基本から始まり、最尤推定と線形モデル、多層パーセプトロンについて解説します。 その後、画像処理と畳み込みニューラルネット、自然言語処理と再帰型ニューラルネットを扱います。 また、推薦システムやWebAPIの作成、アプリケーションのデプロイについても解説します。 さらに付録では、TensorBoardによる可視化、Colaboratoryの利用方法などを解説しています。 【対象読者】 深層学習エンジニア、機械学習エンジニア ※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。

【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。

【本書の特徴】 2015年11月にGoogleがオープンソース化したソフトウェアライブラリ「TensorFlow（テンソルフロー）」は、 多くの開発者に支持され、多企業で採用されています。 本書は、TensorFlowの導入から、高レベルAPIであるKerasを利用した実践的な深層学習モデルまで解説した、 エンジニア向けの入門書です。第1部の基本編では、深層学習とTensorFlow、Kerasの基礎について解説し、 第2部の応用編では画像処理における応用的なモデルのKerasを使った実装方法を解説します。 特に、第2部では、「ノイズ除去」「自動着色」「超解像」「画風変換」「画像生成」を取り上げています。 TensorFlowやKerasの機能面を押さえつつ、現場で使用できるような実践的な深層学習モデルまでフォローしています。 【対象読者】 深層学習に入門したいエンジニア 【目次】 第1部 基本編 第１章 機械学習ライブラリTensorFlowとKeras 第２章 開発環境を構築する 第３章 簡単なサンプルで学ぶTensorFlowの基本 第４章 ニューラルネットワークとKeras 第５章 KerasによるCNNの実装 第６章 学習済みモデルの活用 第７章 よく使うKerasの機能 第2部 応用編 第８章 CAEを使ったノイズ除去 第９章 自動着色 第10章 超解像 第11章 画風変換 第12章 画像生成 ※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。 ベイズモデル、生成AIの数学的動作原理を学ぶ 　本書は，機械学習の道具として使われている確率過程の書籍です．確率過程とは，誤解をおそれずにひと言でいえば「パラメータにしたがってランダムに変動するデータを解析するための数学の一分野」です．すなわち，ベイズモデル、生成AIの数学的動作原理です． 　日進月歩の勢いで発展を遂げる機械学習の研究成果を各自の専門領域に取り入れるには，これらの中で道具として使われている確率過程の基礎的な知識が必要不可欠です．本書では，数学的な厳密性は犠牲としながらも，機械学習の最新の結果を理解するために最低限必要と思われる内容にしぼって，確率過程について説明しています． 第1章　確率論の基礎 1.1　ランダム事象と確率 1.2　確率空間と確率変数 1.3　確率変数の独立性 1.4　確率変数の相関 1.5　確率変数の和 1.6　確率変数の変換 1.7　累積分布関数と特性関数 1.8　モーメントとキュムラント 1.9　多変量の確率変数 第2章　確率積分と確率微分方程式 2.1　ランダムな運動 2.2　確率過程 2.3　ブラウン運動とその性質 2.4　ブラウン運動と確率積分 2.5　確率微分方程式 2.6　伊藤の公式 2.7　確率微分方程式の具体例 2.7.1　オルンシュタイン・ウーレンベック過程 2.7.2　幾何ブラウン運動 2.7.3　一般化コーシー過程 2.7.4　多変数オルンシュタイン・ウーレンベック過程 第3章　マルコフ過程の性質 3.1　確率密度関数による表現 3.2　マルコフ過程 3.3　フォッカー・プランク方程式の導出 3.4　フォッカー・プランク方程式の解法 3.4.1　1変数の場合 3.4.2　多変数の場合 第4章　確率過程とベイズモデル 4.1　ベイズモデルの基礎 4.1.1　線形回帰モデルとベイズモデル 4.1.2　変分推論 4.1.3　マルコフ連鎖モンテカルロ法 4.2　時系列と状態空間モデル 4.2.1　時系列モデリング 4.2.2　状態空間モデル 4.2.3　カルマンフィルタ 4.2.4　拡張カルマンフィルタ 4.2.5　アンサンブルカルマンフィルタ 4.2.6　粒子フィルタ 4.3　連続空間のベイズモデル 4.3.1　確率的パラメータ 4.3.2　EMアルゴリズム 第5章　確率過程と機械学習 5.1　ガウス過程回帰 5.1.1　ガウス過程回帰の導入 5.1.2　ガウス過程回帰のパラメータ推定 5.1.3　ガウス過程回帰の予測分布 5.1.4　ガウス過程潜在変数モデル 5.1.5　ガウス過程動的潜在変数モデル 5.2　スチューデントのt-過程回帰 5.2.1　スチューデントのt-過程回帰の導入 5.2.2　スチューデントのt-過程回帰のパラメータ推定 5.2.3　スチューデントのt-過程回帰の予測分布 5.2.4　スチューデントのt-過程回帰潜在変数モデル 5.2.5　スチューデントのt-過程動的潜在変数モデル 第6章　実問題への応用 6.1　環境ゆらぎの影響を受けるブラウン粒子の運動 6.2　オプションの価格付け問題 6.3　深層学習への応用 6.3.1　深層学習とガウス過程回帰 6.3.2　拡散モデル 付録　 サンプルコード A.1　状態推定のサンプルコード A.2　機械学習のサンプルコード

※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

※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。 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。

※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

※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。 コンピュータシミュレーションに関する最新の内容を、文系学部向けにわかりやすく解説！ 　シミュレーションは、工学・物理学などの理系学部だけでなく、経営や経済問題などにも幅広く用いられており、文科系大学で身につける基礎的な素養になっています。 　本書は、文科系学部を主対象としたコンピュータシミュレーションの教科書です。確率分布や乱数などシミュレーションの基礎から、遺伝的アルゴリズム、深層学習などの最新理論まで、図やグラフで直感的に理解できるよう解説しています。また、各章末には学習指導要領に沿った演習問題が掲載されています。 第1章　コンピュータシミュレーション概観 第2章　モデル構築のための基礎知識 第3章　決定的モデルのシミュレーション 第4章　経営モデルのシミュレーション 第5章　経済モデルのシミュレーション 第6章　確率的モデルのシミュレーションと乱数 第7章　モンテカルロ法 第8章　在庫管理 第9章　待ち行列 第10章　フラクタル 第11章　カオス 第12章　機械学習 第13章　遺伝的アルゴリズム 第14章　セルとエージェントによるシミュレーション

※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。

※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。 プロジェクトの立ち上げから運用まで、AIをビジネスに導入する際に知っておくべき知識を垂直統合して解説！ 本書は、「ビジネスモデル構築」と「実装・サービス化」の両方で豊富な経験と知識を有する著者が、AIをビジネスに取り入れる際のさまざまな側面で、実行すべきこと、注意しなければならないこと、どのように進めるべきかなどを解説していきます。 対象とする読者は、次のような方々です。 ●AIプロジェクトを立ち上げ・進行するマネージャーやディレクター ●ディープラーニング（深層学習）・マシンラーニング（機械学習）を仕事に使いたい・使うことになったエンジニア ●AIを自社に導入したい・自社サービスに取り入れたい経営者 ●AIプロジェクトの契約書類を作成する法務担当や営業担当 取り上げるのは、 ●AIサービスの開発にはどのようなアプローチが必要でるのか ●どのように向き合うのが成功の近道であるか ということです。 著者の経験をもとにまとめた本書は、AIビジネスにおけるヒントが至るところに隠されています。業界が分野が違っても、必ず参考になるはずです。

※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。 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。

大好評！デジタル時代の必携リテラシー、G検定の「公式テキスト」の改訂版！ 【本書の特徴】 ・大ベストセラー、ディープラーニング G検定 公式テキストの改訂版。 ・改訂された新シラバスに完全準拠。 ・試験運営団体である「日本ディープラーニング協会」が監修。 ・章末問題を大増量。分かりやすい解説付き。 ・ディープラーニングに関する入門書としても最適。 【対象読者】 ・ G検定を受験しようと思っている人 ・ディープラーニングについて概要を学びたい人 ・ディープラーニングを事業活用しようと思っている人・DX推進を検討している人 【G検定とは】 ・内容：ディープラーニングを事業に活かすための知識を有しているかを検定する ・試験方式：知識問題（多肢選択式）、オンライン実施（自宅受験） ・日程：年3回（詳細は公式サイトにて公表） 【目次】 試験の概要 第1章 人工知能（AI）とは 第2章 人工知能をめぐる動向 第3章 人工知能分野の問題 第4章 機械学習の具体的手法 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社会実装に向けて Appendix　事例集 産業への応用 ※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の知識を測る検定試験（G検定）の「公式テキスト」登場！ 【本書の特徴】 1）試験運営団体である「日本ディープラーニング協会」が執筆。 2）各章末には、練習問題つき。試験勉強に最適。 3）最新シラバス「JDLA Deep Learning for GENERAL 2018」に完全準拠。 4）ディープラーニングについて最新事情も踏まえ学ぶことができる。 【対象読者】 ・「ディープラーニング G検定（ジェネラリスト検定）」を受験しようと思っている人 ・ディープラーニングについてこれから広く学びたい人 ・ディープラーニングを事業活用しようと思っている人 【G検定とは】 ・目的：ディープラーニングを事業に活かすための知識を有しているかを検定する ・受験資格制限：なし ・試験概要：120分、知識問題（多肢選択式）、オンライン実施（自宅受験） ・出題問題：シラバスより出題 ・日程：公式サイトにて公表 ※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。

基礎的な点群処理から、ICPアルゴリズム、物体認識、PointNetまでをPythonで学ぼう！★章末問題付き★ ・Open3Dを使用し、Pythonプログミングとともに平易に解説。 ・サンプルコードをサポートページから提供したので、すぐに実践できる！ ・最終章では、RGBD画像、ボクセルデータ、メッシュデータ、多視点画像の3次元データ処理も解説。 【主な内容】 第1章　はじめに 第2章　点群処理の基礎 第3章　特徴点・特徴量の抽出 第4章　点群レジストレーション（位置合わせ） 第5章　点群からの物体認識 第6章　深層学習による3次元点群処理 第7章　点群以外の3次元データ処理

★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。 ※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

「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

■15ステップの演習でスキルを獲得 本書は4章構成となっています。 1章には「演習に入る前の予備知識」を集めました。環境構築、Python、数値計算ライブラリNumPyについて押さえておきます。 2章は「基礎を押さえる7ステップ」です。日本語自然言語処理と機械学習の基礎を、実際のプログラム例を見ながら、1ステップずつ学習していきます。本書の核となる章です。 3章は「ニューラルネットワークの6ステップ」です。取っつきにくい深層学習（Deep Learning）の仕組みと、自然言語処理への適用について、わかりやすく説明します。 4章は「2ステップの実践知識」です。2章と3章で扱いきれなかったものの、機械学習や自然言語処理を実アプリケーションとして実装する際に役立つ知識を習得します。 ■自分のぺースで1ステップずつ学習 本書をはじめとする「Step Up！選書」では、読者が自分のぺースで1ステップずつ学習を進め、独学で技術力を高めることができるように、考え抜かれた編成でリードしていきます。特に本書は、最後まで全部読み通さないと漏れが生じたり、不完全な知識になってしまったりする類の構成を排しています。 網羅的な説明項目の列挙や、理論体系の単純トレースはしません。開発リファレンスや逆引き、クックブック（開発レシピ）とも違います。プロのエンジニアとしての実力を高めるための著者オリジナルのシナリオに、士気高く踏み出してください。 ■著者プロフィール 土屋祐一郎（つちや ゆういちろう） 本名、橘（たちばな） 祐一郎。東京大学工学部卒、同大大学院情報理工学系研究科中退。2015年度IPA未踏スーパークリエータ。現在は株式会社PKSHA Technology所属。大学とIPA未踏では主に画像ドメインで機械学習を扱い、現職では自然言語や画像を扱う事業部にてソフトウェアエンジニアとして勤務。その他、Deep Learning講座「NICO2AI」の講師などの活動も行う。

進化したWatsonでAIアプリを開発しよう！ AIサービスの先駆けでもある「Watson（ワトソン）」。 近年急激な進化を遂げています。 機械学習や深層学習を利用したアプリケーション開発において 利用する開発者の方も増加してきています。 本書は、そうしたWatson の主力サービスである、 ・Watson Assistant ・Watson Discovery ・Watson Studio を軸にした開発手法を紹介する書籍です。 第1部では、Watson、Watson APIとIBM Cloudを利用した AIサービス開発の基本を紹介します。 第2部では、「Watson Assistant」「Watson Discovery」「Watson Studio」を利用した AIサービスの開発手法を紹介。 最終章では、ハタプロ社のロボット「ZUKKU（ズック）」の事例なども紹介します。 ※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。

音声の信号処理についての知識ゼロでも読めるように、懇切丁寧に解説した。基礎理論はコンパクトにまとめ、｢耐雑音｣｢話者認識｣｢深層学習｣についてたっぷり解説。一気に実用が進んだ音声認識分野がこれ一冊で学べる!

※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。 ※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

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。

※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、自然言語処理について初歩から学べる書籍です。プログラミングについては、なんらかのプログラミング言語を使ったことのある開発者を対象に書いています。 自然言語とは、私たち人間が日常的に読み書きしたり、話したりするのに使っている言語のことです。そして、自然言語で書かれたテキストデータをコンピュータで処理するための技術を自然言語処理と呼びます。自然言語処理によって実行できるタスクの代表的な例としては、自動翻訳や質問応答、対話などがあります。 本書では、この自然言語処理について、今まで学習したことがない人でも学べるように、基礎から解説しています。自然言語をコンピュータで処理するために、事前にどのような処理をしておくのか、どのように単語や文章を解析するのか、自動翻訳などのタスクを実行させるためにどのような処理を行うのか、などについて、やさしく説明していきます。 基礎からはじめて、単語分散表現やテキスト分類、系列ラベリング、系列変換、アテンションといった、自然言語処理では欠かせない技術について、理論を解説した上で、Pythonを使って実装し、手を動かしながら理解できるようにしています。 また、現在の自然言語処理は、機械学習や深層学習とも切り離せません。ですので本書では、これらの技術についても基礎から説明し、Pythonを使って処理を実装していきます。基礎的な実装のみではなく、RNN、LSTM、CNNさまざまなモデルを使っての実装、特徴量エンジニアリングや正則化、ハイパーパラメータチューニングなど、実際の処理で必要になるところまで、詳しく解説しています。

※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。 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

※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。 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