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

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。 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。

【概要】 本書は、深層学習の開発環境の準備とPythonの基本、各種深層学習モデルの解説、そして実際の現場での利用方法について解説した書籍です。 ニーズの高い、人気の深層学習モデルを利用した画像処理モデルの構築方法を解説しています。 また最終章では深層学習のモデルをGoogle Cloud Platform（GCP）にデプロイする手法を解説しています。 【読者対象】 人工知能関連の開発に携わる開発者、研究者 【著者】 株式会社アイデミー　木村優志（きむら・まさし） 博士（工学）。ATR-trek、富士通を経て、現在はConvergence Lab.の代表として多数のAI案件を手がける。 アイデミー技術顧問。 ※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。

「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。

【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。

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

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 ※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。 深層（多段層）ニューラルネットワークの構築は人工知能を模索する研究者にとっては、長年の課題であり夢でもあり、まさに研究対象でもあった。しかしただ単に多層化するだけでは、能力をうまく発揮することは出来なかった。近年、大きなブレークスルーがあり深層学習の手法を使うことにより、機械が自ら表現を学習出来ることが分かった。しかし、新しい手法でもあり、未解決な課題も多く存在している。 本書は、この分野の最先端の著者らが、人工知能学会誌に掲載した連載解説を、大幅に加筆再編したものである。今までの到達点、今後の課題が、具体的な研究成果と共に書かれている。深層学習の理論・応用を、自らの研究に取り込むことを考えている読者には、まさに必携必読の書籍である。

●想定読者 本書は主に次のような方々に向けて書かれています。 ・データサイエンティストの方々 ・ChatGPTの仕組みや特徴を他のモデル作成に活かしたい方々 ・構文解析や感情分析などの伝統的なNLPタスクに携わる方々 ・深層学習による汎用大規模言語モデル、その応用先や評価に興味を持つAIの研究者 ●前提とする知識 言語モデルの学習や推論、またコーパスから得られる単語や文のベクトル表現など、NLPの基本的な概念を理解していれば大丈夫です。数式に馴染みがあり、トランスフォーマーやBERTの知識や経験があれば一層結構ですが、本書の中でも説明しているので、必須ではありません。 ●本書の特徴と工夫 本書は、理論と応用の両方を充実させました。 ChatGPTの背景や原理は、最新の理論に基づき体系的に整理しました。ミニChatGPTのサンプル開発やチューニングでは実際のコードを示し、手を動かしながら理解を深めることができます。また、データサイエンティストの方々には文系出身者も多いので、難易度が高い理論や数式は図説や脚注で補足しています。 応用面では、マイクロソフトのサービス実装など、実務に役立つ最新情報を提供。実際に直面する課題の解決や、応用先の拡大も図れるよう工夫しました。 ●本書に期待できること データサイエンティストの方々は、大規模言語モデルの作成方法が分かり、検索エンジンやチャットボットなど、ターゲットアプリに合わせたチューニングができるようになります。また、データ拡張を通じた改善や、プロンプトエンジニアリングの手法など、ChatGPTをサービスに利用するための必須知識が得られます。そして将来、未知の新しい応用先を開拓するための基本知識が身につきます。 研究者の方々は、大規模言語モデルの現状と限界、応用事例や実用性がわかり、研究方向の探索に役立ちます。特にNLPの研究者は、ChatGPTの登場によって今後の研究テーマが鋭く問われているので、本書が重要な手掛かりになるでしょう。 いずれの方も、本書のミニChatGPTの実装や、学習から評価に至る言語モデルの構築を経験することで、他の類似モデルのファインチューニングや対策の工夫ができるようになるでしょう。 ◆「AI/Data Science実務選書」とは… 機械学習やAIの計算モデルは、システム開発のパラダイムを覆しつつあります。「AI/Data Science実務選書」は、AI開発とデータサイエンスのプラクティスを集め、実務家のスキル獲得／向上を力強く支援します。

【最新動向サーベイ】 ・イマドキノ一人称ビジョン：人の身体に軽量小型のウェアラブルカメラを装着し、装着者自身の視点から見た映像を撮影することで自身およびその周辺の環境を理解する一人称ビジョンについて、浅く広く、応用や実践も含めて紹介。 【論文フカヨミ】 ・フカヨミStable Diffusionと脳活動：Stable Diffusionと名付けられた潜在拡散モデルの各要素やプロセスが、脳内の活動とどのように対応しているかを探ることで、生物学的に拡散モデルの解釈を試みた研究について紹介。加えて、新たな深層学習モデルの訓練を必要としないシンプルなデコーディングの枠組みも提案。 ・フカヨミ音響情報のCV応用：本稿では音と画像を活用した研究をおおまかに、意味情報をもつ音響信号を用いて人物姿勢や画像を生成するモデルと、反響音から室内の3次元空間情報を推定するモデルに大別し、それぞれの代表的な研究について解説。 ・フカヨミ潜在空間で画像編集：表現空間における座標系に注目し、生成される画像を高品質に編集できる手法deep curvilinear editing (DeCurvEd) を紹介。 【チュートリアル】 ・ニュウモン拡散モデル：前々号（Summer 2023）掲載の「イマドキノ拡散モデル」では、拡散モデルの基礎を踏まえつつも、最新の研究動向を体系的に広く紹介することに主眼に置いた。今回はチュートリアル記事として前回よりさらに大きく紙面を割き、爆発的な進展の中で登場した数多くの技術の中でも特に広く使われているものを中心に、そのアイデアや技術の詳細を紹介。 その他、漫画「君も魔法をかけてみよう！」、CV分野の学会・研究会・国際会議の開催日程や投稿日が一挙にわかる「CVイベントカレンダー」を掲載。

本書は、情報処理学会CVIM（コンピュータビジョンとイメージメディア）研究会主催で開催されたチュートリアル講演をもとに書かれた『コンピュータビジョン最前線』Winter 2021～Autumn 2022の連載記事「ニュウモン」4編をまとめたものである。新たに必要となった加筆・修正を施し単行本化した。 本書により、深層学習のブレークスルーにより新しい原理・技術が続々と提案され、日々進化し続けているコンピュータビジョン分野で話題の技術・アルゴリズムについて、原理から実践場面における実装までを体系的に学ぶことができる。 ・イマドキノバーチャルヒューマン：XR分野におけるバーチャルヒューマンにかかわる技術の中でも、人間の全身構造や形状の把握に主眼を置いた代表的な研究について紹介。今後の見通しについても触れる。 【論文フカヨミ】 ・フカヨミオープンワールド物体検出：筆者らがECCV2022で提案したオープンワールド物体検出のための手法LDETについて解説。既存手法の欠点を克服するためのデータ拡張、および学習フレームワークを提案し、さらなる発展についても言及。 ・フカヨミマルチフレーム超解像：シングルイメージ超解像を含む超解像分野全体の概観から始め、マルチフレーム超解像に関する最新の研究について紹介。 ・フカヨミ深層単画像カメラ校正：1枚の入力画像のみで歪みと傾きを高精度に校正する深層単画像カメラ校正の研究動向を紹介し、高精度な深層単画像カメラ校正を実現した論文をフカヨミ。 【チュートリアル】 ・ニュウモンAutoML：深層学習のためのAutoMLとして、ニューラル構造探索（NAS）とハイパーパラメータ最適化（HPO）について、代表的な手法を取り上げて解説。 その他、漫画「訳わかめフューチャー」、CV分野の学会・研究会・国際会議の開催日程や投稿日が一挙にわかる「CVイベントカレンダー」を掲載。

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

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

【普遍的な知識・技術を解説する自然言語処理の「教科書」】 深層学習の登場により、人工知能分野の技術が広く注目されています。特に自然言語処理は、我々の生活の中に深く浸透してきました。例えば検索システム、SiriやAlexaなどの音声対話システム、DeepLといった機械翻訳が挙げられます。いまや多くの企業や研究機関が、自然言語処理を用いた様々なプロジェクトを進めています。 本書はどの時代の自然言語処理にも必要となる技術について解説します。新しい技術が次々と生み出されていく中で、自然言語処理の実装に関する知識は古びてしまう可能性を孕んでいますが、本書では自然言語処理システムの開発で必要となる普遍的な知識を中心に掲載します。 解説の特色として、はじめに開発方法やデータ、評価基準など自然言語処理システムの開発全体に関する内容を載せます。続いて自然言語処理のタスク別に各システムの開発について取り上げ、どのような方針で設計するか、必要となってくる技術は何かを伝えます。最後に、類書でほとんど取り上げられていないにもかかわらず自然言語処理システムの構築には欠かせない知識となる辞書やコーパスの構築方法についても解説します。 ■目次 ●第1章 自然言語処理システムのデザイン 　　1-1 入力と出力を決定する 　　1-2 アプローチ：どのように解くか決定する 　　1-3 データ：辞書やコーパス 　　1-4 評価：評価尺度とエラー分析 　　1-5 フロー：自然言語処理システムの開発サイクル 　　1-6 まとめ ●第2章 分類・回帰問題の解き方 　　2-1 評価極性分析：ポジネガを判定する 　　2-2 文書分類：記事の自動分類 　　2-3 文章の品質推定：人手で書いた文章の品質を推定する 　　2-4 演習：品質推定 　　2-5 まとめ ●第3章 系列ラベリング問題の解き方 　　3-1 固有表現認識：固有表現を見つける 　　3-2 形態素解析：単語分割・品詞推定・見出し語化 　　3-3 誤り検出：誤り箇所の検出と訂正 　　3-4 演習：文法誤り検出・訂正 　　3-5 まとめ ●第4章 言語生成問題の解き方 　　4-1 文書要約：長い文章の要点をまとめる 　　4-2 機械翻訳：同じ意味の別の言語で表現する 　　4-3 対話：チャットのやり取りをする 　　4-4 演習：機械翻訳 　　4-5 まとめ ●第5章 言語資源のつくり方 　　5-1 言語資源の入手方法 　　5-2 言語資源構築のデザイン：継続的な品質管理 　　5-3 辞書作成 　　5-4 コーパス作成 　　5-5 ツールキット作成 　　5-6 演習：フレーズ分類ラベルアノテーション 　　5-7 まとめ ■著者プロフィール 小町守：2005年東京大学教養学部基礎科学科科学史科学哲学分科卒業。2010年奈良先端科学技術大学院大学情報科学研究科博士後期課程修了。博士（工学）。在学中、Microsoft ResearchやAppleなどで研究開発に携わる。同年奈良先端大助教、2013年首都大学東京（現東京都立大学）システムデザイン学部准教授および教授を経て、2023年より一橋大学大学院ソーシャル・データサイエンス研究科教授。2023～2024年ケンブリッジ大学客員研究員。最近は深層学習を用いた自然言語処理の研究に取り組んでいる。『自然言語処理の基本と技術』（翔泳社，2016）監修。

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

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 ※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

【最新動向サーベイ】 ・イマドキノバーチャルヒューマン：XR分野におけるバーチャルヒューマンにかかわる技術の中でも、人間の全身構造や形状の把握に主眼を置いた代表的な研究について紹介。今後の見通しについても触れる。 【論文フカヨミ】 ・フカヨミオープンワールド物体検出：筆者らがECCV2022で提案したオープンワールド物体検出のための手法LDETについて解説。既存手法の欠点を克服するためのデータ拡張、および学習フレームワークを提案し、さらなる発展についても言及。 ・フカヨミマルチフレーム超解像：シングルイメージ超解像を含む超解像分野全体の概観から始め、マルチフレーム超解像に関する最新の研究について紹介。 ・フカヨミ深層単画像カメラ校正：1枚の入力画像のみで歪みと傾きを高精度に校正する深層単画像カメラ校正の研究動向を紹介し、高精度な深層単画像カメラ校正を実現した論文をフカヨミ。 【チュートリアル】 ・ニュウモンAutoML：深層学習のためのAutoMLとして、ニューラル構造探索（NAS）とハイパーパラメータ最適化（HPO）について、代表的な手法を取り上げて解説。 その他、漫画「訳わかめフューチャー」、CV分野の学会・研究会・国際会議の開催日程や投稿日が一挙にわかる「CVイベントカレンダー」を掲載。

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

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。 ゲームAI研究の「これまで」と「これから」を第一線の研究者がわかりやすく解説 　本書は，ゲームAI研究の「これまで」と「これから」を第一線の研究者がわかりやすく解説した書籍です． 　ゲームAI研究は従来より，AIの社会実装における重要な示唆を与えるものとして大きな役割を果たしてきました．特に近年，深層学習の登場により注目を集める分野になっています．しかし，すべての情報を得られない不完全情報ゲームや実環境の外乱が結果を大きく左右するスポーツ等の不確定ゲーム，コミュニケーションがゲームの勝敗に大きな影響を与えるコミュニケーションゲームなど，まだまだ多くのゲームで人間を超えるゲームAIをつくることが困難な分野もあります．さらに，AlphaGoZeroが人間のプロを超越したとされる完全情報ゲームの囲碁でも，囲碁AIが陥ってしまう穴が見つかっています． 　また，人間を超越したゲームAIが人間と共存するために求められる人間らしさや楽しさの理解，これからのデジタルゲームに求められるゲームデザインとゲームAI，ゲーム体験の評価手法および人間の認知機能の理解なども課題として残されています． 　本書は，これまでのゲームAI研究の理解の上に，これからゲームAI研究をする人にとってヒントとなるエッセンスの詰まった必読書です． CHAPTER 1　ゲームと知能研究 1.1　知能研究におけるゲーム 1.2　ゲーム研究のメインストリーム 1.3　ゲーム研究の残された課題 CHAPTER 2　不完全情報ゲーム 2.1　CFR 2.2　ガイスター 2.3　大貧民 2.4　ポーカー 2.5　不完全情報ゲームのゲームAIの可能性 CHAPTER 3　不確定ゲーム 3.1　バックギャモン 3.2　バックギャモンのゲームAI 3.3　ゲームAIの評価の可視化 CHAPTER 4　コミュニケーションゲーム 4.1　ゲームにおける社会的相互作用 4.2　Hanabi 4.3　人　狼 CHAPTER 5　実環境のゲーム 5.1　カーリング 5.2　測定データの処理 5.3　研究事例 5.4　実環境で人間プレイヤを支援する技術 5.5　実戦運用と課題 5.6　ミニ四駆AI 5.7　ミニ四駆AIの技術と課題 CHAPTER 6　ゲームデザイン 6.1　ゲームにおけるゴール 6.2　ルール設定 6.3　ゲームデザインの表現 6.4　レベルデザイン 6.5　難易度の調整 CHAPTER 7　メタAIとプロシージャル コンテンツ ジェネレーション 7.1　メタAI，PCG，機械学習 7.2　メタAIとは 7.3　アルゴリズムによるPCG 7.4　機械学習を用いたPCG 7.5　学習を含んだMCS-AI動的連携モデル CHAPTER 8　人間らしさと楽しさの演出 8.1　人間らしさのさまざまな側面 8.2　ゲームの要素とAI技術 8.3　ゲームAIに求められる人間らしさ 8.4　人間プレイヤの人間らしさ 8.5　人間らしさの実装方法 8.6　人間プレイヤの感じ方のモデリング 8.7　実例（FPS，スーパーマリオブラザーズ，囲碁，不確定ゲーム） CHAPTER 9　ゲーム体験の評価 9.1　AlphaZero以後のゲームAI研究 9.2　主観的事項の評価・計測手法 9.3　楽しさの評価 9.4　今後の課題 CHAPTER 10　人間の認知機能とスキルアップの原理 10.1　スキルアップの原理 10.2　熟達にともなう潜在化と自動化 10.3　熟達者の認知特性の実例 10.4　熟達者の脳 CHAPTER 11　認知研究とAIの人間への影響 11.1　ゲームと認知研究 11.2　ゲームの認知科学的研究 11.3　生体データの計測と解析 11.4　ゲームによる学習支援 11.5　人間を超えるゲームAIの反響 11.6　将棋界に起こった変化と邂逅 11.7　囲碁AIが囲碁界に与えた影響 11.8　eスポーツとゲームAI 11.9　人間の知を超えたゲームAIとその応用

※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

★まずは、この一冊から始めよう！★ 最適輸送は、ふたつの確率分布を比較するためのツールです。深層学習の勃興とGPU計算の普及により、機械学習分野でも最適輸送が広く用いられるようになりました。 本書では、線形代数・確率・最適化についての初歩的な知識を前提として、線形計画、エントロピー正則化、シンクホーンアルゴリズム、敵対的ネットワーク、スライス法などのさまざまな解法アプローチをていねいに解説します。 【主な内容】 第1章　確率分布を比較するツールとしての最適輸送 第2章　最適化問題としての定式化 第3章　エントロピー正則化とシンクホーンアルゴリズム 第4章　敵対的ネットワーク 第5章　スライス法 第6章　他のダイバージェンスとの比較 第7章　不均衡最適輸送 第8章　ワッサースタイン重心 第9章　グロモフ・ワッサースタイン距離 第10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。 ★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。

※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。 本書は、古典機械学習ともよぶべき題材に的を絞り、考え方をできるだけ詳細に記述した教科書である。本書では、機械学習全体の網羅や、深層学習を中心に据えた説明は意図していない。大量のデータが存在する対象、あるいはその近傍の対象に対しては、深層学習はきわめて高性能を発揮する。しかし、少数のデータしか得ることができない対象も多く、本書で紹介する古典的な機械学習の手法は、今後も随所で活躍するであろう。とりわけ、ベイズ的な考え方は、予測の損失最小を保証するという意味で重要である。多くの大学理工系の学部で、初年次あるいは2年次に学ぶ多変数の微積分や、固有値問題の基本をふくむ線形代数、それと確率と統計の基本事項は既知としているが、確率と統計や、対称行列に関する固有値問題などの数学的事項の要点は、第V部としてまとめた。 本書は多くの優れた書籍を参照して書かれ、とりわけ、C. M. ビショップ（著）、『パターン認識と機械学習』の影響は随所にみられる。数学的記法も同書に準拠した。また、構成は、K. P. Murphy， “Probabilistic Machine Learning: An Introduction”の影響をうけている。Murphyの本では深層学習を1つの部としているが、本書では深層学習の部はもうけず、ニューラルネットワークの基礎的事項をパラメトリックモデルの部へ、また、深層生成モデル（の1つであるVAE）を潜在モデルの部へおいた。ベイズ推論の重要性に鑑み、潜在モデルを第IV部としたことは本書の特徴の1つである。 各章には演習問題、巻末には解答例と丁寧な解説を掲載。

【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　　　　

【最新動向サーベイ】 ・イマドキノ敵対的学習：敵対的学習とはどのような技術か、最新の敵対的学習ではどのような工夫がなされているか、などを、さまざまな応用手法を踏まえてわかりやすく解説。 【論文フカヨミ】 ・フカヨミ点群解析：3次元点群データがどのようなものであるか、また、点群データを解析する際に考慮しなければならない3つの性質について解説し、近年の点群解析手法がこれらの課題をどう解決しようとしているかを紹介。 ・フカヨミ数式ドリブン点群事前学習：3次元点群を用いた3D物体認識に焦点を置き、CVPR2022で提案された数式ドリブン点群事前学習であるPoint Cloud Fractal Database（PC-FractalDB）についてフカヨミ。 ・フカヨミ3次元物体姿勢推定：物体のRGB画像を用いた3次元物体姿勢推定と精緻化に主眼を当てながら、近年大きな進展を遂げている深層学習ベースの手法について解説。 【チュートリアル】 ・ニュウモン点群深層学習：深層学習を用いて点群データを処理する方法について、基礎となる技術・アイデアを解説し、それらに関する関連研究を俯瞰する。3次元点群を用いたアプリケーションについても簡単に紹介。 その他、4コマ漫画「みかんちゃんの日常」、CV分野の学会・研究会・国際会議の開催日程や投稿日が一挙にわかる「CVイベントカレンダー」を掲載。

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。

※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。

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

◆RとPython両方学べる。コスパ最強の一冊！◆ ・コードが理解の試金石！ ・「データサイエンスの準備」にページを割いているから、プログラミング経験ゼロで大丈夫！　 ・自分に合った言語を見つけたい、言語を乗り換えたいという方にもおすすめ！ [サポートサイト] https://github.com/taroyabuki/fromzero [主な内容] 第1部　データサイエンスのための準備 1章　コンピュータとネットワーク 2章　データサイエンスのための環境 3章　RとPython 4章　統計入門 5章　前処理 第2部　機械学習 6章　機械学習の目的・データ・手法 7章　回帰1（単回帰） 8章　回帰2（重回帰） 9章　分類1（多値分類） 10章　分類2（2値分類） 11章　深層学習とAutoML 12章　時系列予測 13章　教師なし学習 付録A　環境構築

※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。 画像処理の基礎知識をポイントを押さえて、わかりやすく、コンパクトにまとめた大学学部向け教科書の改訂版。 定評ある「コンピュータ画像処理」の代表的教科書，ロングセラーの約20年ぶりの改訂で，以下の点に配慮されている． ①深層学習等の最新の話題をカバーしつつ，10年後も生き残っていると思われる技術を厳選した． ②画像処理技術体系の俯瞰に適していて，これから登場する新技術も位置付けやすくなっている． ③大学の学部教育，大学院教育，独習での利用方法が案内されていて，多目的に利用できる． ④実務面から画像処理に興味をもった技術者が，改めて基礎から学びたいと感じたときに手にすべき本．いつまでも座右に置いておきたくなる． 第1章　総　論 1.1　コンピュータ画像処理とは 1.2　コンピュータ画像処理の特質 1.3　コンピュータ画像処理の利用目的 第2章　基本概念 2.1　コンピュータでの画像データの取扱い 2.2　画像の統計量 2.3　画像処理アルゴリズムの形態 2.4　周波数領域での処理 2.5　各種直交変換 2.6　画像の表現とデータ構造 2.7　色彩情報の取扱い 第3章　画像情報の圧縮 3.1　画像情報の圧縮の意義 3.2　画像のデータ量と圧縮の目安 3.3　画像符号化の枠組み 3.4　予測符号化 3.5　変換符号化 3.6　動画像符号化 3.7　エントロピー符号化 3.8　実用的な画像符号化方式 第4章　画質改善と画像の接合・再構成 4.1　強調，復元，接合，再構成 4.2　コントラスト強調 4.3　鮮鋭化 4.4　平滑化と雑音除去 4.5　画像の復元 4.6　幾何学的変換と画像接合 4.7　画像の再構成 第5章　2値画像処理 5.1　2値画像処理の意義とその流れ 5.2　画像の2値化処理 5.3　2値画像の連結性と距離 5.4　2値画像の解析と変換 5.5　モルフォロジー演算 5.6　形状の特徴と表現 5.7　3次元2値画像処理 第6章　画像特徴の抽出 6.1　画像解析・認識のための特徴抽出 6.2　エッジ検出 6.3　コーナー検出 6.4　安定した特徴点の検出 6.5　直線・曲線の抽出 6.6　領域分割 6.7　テクスチャ解析 第7章　立体情報と動きの抽出 7.1　2次元画像から奥行きや動きを求める 7.2　距離情報の抽出 7.3　3次元形状の復元 7.4　距離画像からの特徴抽出 7.5　時系列画像からの動きの抽出 7.6　動きからの3次元形状復元 第8章　画像認識の手法 8.1　画像認識の概要 8.2　2次元画像照合による位置検出 8.3　2次元画像照合による形状認識 8.4　3次元物体の認識 8.5　統計的パターン認識 8.6　部分空間法 8.7　ニューラルネットワークと深層学習 8.8　画像分野への深層学習の効果的利用

※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

【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

※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。 ■本書の特徴： 1．初心者でも実践的な知識が身につく 本書はクラウドの初心者を対象としていますが、実践的な知識を学べます。AWSの提供するクラウド環境を例に、手を動かしながら知識を身につけられます。 2．コードで学べる サーバー構成などをコードで管理する方法を丁寧に解説しています。AWSをコードで管理する方法を実際に手を動かしながら学ぶことができます。 3．豊富な図解 AWSのサービスや構築に関わる内容を概念図によって丁寧に解説しています。はじめての学習でも最後まで学べるような構成にしてあります。 ■本書の構成： Chapter 1 はじめに Chapter 2 クラウド概論 Chapter 3 AWS入門 Chapter 4 Hands-on #1：初めてのEC2インスタンスを起動する Chapter 5 Hands-on #2：AWS でディープラーニングを実践 Chapter 6 Docker 入門 Chapter 7 Hands-on #3：AWS で自動質問回答ボットを走らせる Chapter 8 Hands-on #4：AWS Batch を使って機械学習のハイパーパラメータサーチを並列化する Chapter 9 ウェブサービスの作り方 Chapter 10 Serverless architecture Chapter 11 Hands-on #5：サーバーレス入門 Chapter 12 Hands-on #6：Bashoutter Chapter 13 Hands-on #7：boto3 道場 Chapter 14 Hands-on #8：シン・Bashoutter Chapter 15 Hands-on #9：深層学習を用いたアート自動生成アプリケーション ――― Appendix　環境構築

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 内容を精査して再登場！AIエンジニアは必携の資格【ディープラーニングE資格（エンジニア）】対応の問題集。 ◆ JDLA認定プログラムの第1号事業者であるスキルアップAIの講師陣が執筆！ ◆ 業界の第一人者 杉山 将氏（理化学研究所 革新知能統合研究センター センター長／東京大学 教授）監修！ ◆ ていねいで分かりやすく解説。正答も誤答も技術解説しているので知識吸収も加速！ ◆ 出題傾向を徹底分析した模擬問題を収録で合格力がさらにアップ！ ●目次● 第01章 線形代数 第02章 確率・統計 第03章 情報理論 第04章 機械学習の基礎 第05章 前処理・特徴選択・性能指標 第06章 モデルの評価・正則化・ハイパーパラメータ探索 第07章 教師あり学習の各種アルゴリズム 第08章 教師なし学習の各種アルゴリズム 第09章 強化学習の各種アルゴリズム 第10章 深層学習の概要 第11章 順伝播計算と逆伝播計算 第12章 最適化手法 第13章 畳み込みニューラルネットワーク 第14章 再帰型ニューラルネットワーク 第15章 深層学習を用いた自然言語処理 第16章 深層学習を用いた生成モデル 第17章 深層学習を用いた強化学習 第18章 開発・運用環境 第19章 総仕上げ問題 付録 覚えておくべきPython/NumPyの知識

※この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。 「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。

★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

※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。 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

【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　

※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。 本書では、確率的グラフィカルモデルの統計的機械学習理論について、画像処理とパターン認識に応用例を絞りつつ概説することから始める。特にパターン認識では、クラス分類問題という視点において、多値ロジスティック回帰モデルと制約ボルツマンマシンという2つの確率的グラフィカルモデルを通し、深層学習の基礎となる数理を紹介する。その上で、グラフ構造の疎（Sparse）性という深層学習とは真逆の性質を元に急速に展開しつつあるスパースモデリングという新しい研究領域の最近の理論的基盤の深化の様子を、連続最適化問題という視点から解説する。

※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。 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。 ★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

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！

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。 医用画像におけるディープラーニング（Deep Learning）をまとめた本格的なシリーズ　最新版 　プログラミングは一切行わず、医用画像に人工知能を導入するための解説書。 　具体的には、Neural Network Console（ソニー）と、DIGITS（NVIDIA）、MATLAB（MathWorks，2020-2021年版から追加）を使って、深層学習と医用画像処理を行う手順とノウハウを詳しく解説しています。 　人工知能には興味があるが、どこから始めたらよいわからず困っている方には、ぜひお勧めします。 本書利用にあったっての注意事項 第1章　深層学習の基礎 第2章　Neural Network Consoleを使った深層学習と医用画像処理 第3章　DIGITSを使った深層学習と医用画像処理 第4章　MATLABを使った深層学習と医用画像処理 第5章　ディープラーニングのための前処理と後処理

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

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

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。

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。

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。 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

「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。

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!

「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

※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。 ※この商品は固定レイアウト型の電子書籍です。 ※お使いの端末で無料サンプルをお試しいただいた上でのご購入をお願いいたします。 ※本書内容はカラー（2色）で制作されているため、カラー表示可能な端末での閲覧を推奨いたします。 ニューラルネットワークの基礎から実装まで、C++のサンプルコードで学ぶ 本書は、ディープラーニング（深層学習）の基礎を学ぶ初級者やソフトウェアエンジニアの方を対象に、ディープラーニングのベースとなっているニューラルネットワークからその派生技術や応用まで、実際に動くC++のソースコードを参照しながら学ぶ内容となっています。前半はニューラルネットワークに関する必須知識を扱い、後半ではニューラルネットワークの派生技術や応用に言及し、徐々に高度な内容となっていきます。 【本書の内容】 Chapter1「ディープラーニング概論」……ディープラーニングの概要と、ニューラルネットワーク構築時に最低限必要なC++プログラミングの知識をまとめます。 Chapter2「ニューラルネットワークのための行列演算と並列プログラミング」……並列プログラミングの重要性とその知識や行列演算を解説します。 Chapter3「ニューラルネットワーク」……パーセプトロンと呼ばれるニューラルネットワークの最小単位となるユニット、パーセプトロンを重ねたニューラルネットワークの基本形である層状パーセプトロン（MLP）を説明します。 Chapter4「誤差逆伝播」……ニューラルネットワークのパラメーター学習方法である、誤差逆伝播法を詳しく解説します。 Chapter5「C++によるニューラルネットワークの実装」……多層パーセプトロンを用いた手書き数字の画像認識を、実際にコーディングしながら動かすことで、ディープラーニングを体験します。本章では、ニューラルネットワークの基礎が詰まったベーシックな分類モデルを構築することで、処理全体の流れを把握することを目的とします。 Chapter6「学習の最適化と過学習」……機械学習全般で発生する過学習にフォーカスし、ニューラルネットワークでの過学習を抑えるテクニックを紹介します。本章以降から、単なるニューラルネットワークではなく、ディープラーニングの範疇となります。 Chapter7「事前学習」……ディープラーニングがブレイクするきっかけとなった技術の1つであるオートエンコーダーを解説します。 Chapter8「畳み込みニューラルネットワーク」……現在ディープラーニングの花形といわれる畳み込みニューラルネットワークを解説します。主に画像認識で利用され、近年はめざましい成果をあげている技術です。 Chapter9「再帰型ニューラルネットワーク」……再帰型ニューラルネットワークと呼ばれる、自己の出力を入力とする再帰構造となったニューラルネットワークを使い、自然言語処理への応用例を紹介します。統計的機械翻訳や自動応答、音声認識などの分野で、近年のAIの大きな進化の推進役となっている技術です。 本書では開発言語としてC++を採用しています。C++でほぼすべてをスクラッチから実装しており、最終的に完成するコードはディープラーニングのC++フレームワークとして機能します。サンプルコードはダウンロード可能。

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。 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。