※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。 近年の技術の発展により、画像認識技術はますます身近になっています。スマホの顔認証やオンライン会議での人物と背景を認識して背景をぼかすなどをはじめ、画像認識技術ははさまざまな場面において人々の生活をサポートしています。本書では画像認識について実践的に学べるように、Pythonを使った実装を示しています。また画像認識の基礎については簡単に触れるにとどめ、最新の画像認識手法について紙幅を割き、多くの部分で深層学習の実装について学ぶことができる構成になっています。

※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。 周知のように、昨今のAIや機械学習技術の進歩には目覚ましいものがあり、AIアプローチによるコグニティブ電子戦は、従来のコグニティブ電子戦の課題を解決する最も強力な手段である。本書では、コグニティブ電子戦の基礎、目的関数、機械学習の基礎、コグニティブ電子戦における電子支援・電子防護・電子攻撃、電子戦闘管理、リアルタイムの任務遂行中の計画立案・学習、データ管理、システムアーキテクチャ、試験・評価、初心者のための導入アドバイスなど、コグニティブ電子戦システムの要素技術を網羅的に判りやすく解説している。 電子戦の専門家、AIの専門家、通信の専門家はもとより、これらのどの専門家でもない技術者、運用者、安全保障関係者は本書により各要素技術の概要を短時間で習得できる。アカデミアの研究者にとっては、ゲーム等とは違うミッションクリティカルな最適化システム構築のガイドとなる。 本書は、中国の『認知電子戦の原理と技術』（2018年）に続いて、西側世界では初めてのコグニティブ電子戦に関する成書の刊行と、著者の実用化ノウハウに基づいた共通フレームワーク（意思決定のAIアプローチ）を提示するものという点でも意義深い。深層学習による画像認識や自動目標認識については、軍用分野でも一般的適用事例であるが、機械学習等による意思決定の最適化問題の事例紹介は、まだ少なく、今後の指揮統制の意思決定問題への重要な参考事例になると考える。

※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。 こちらの書籍は、2023/4/12発行の紙版 3刷に合わせて更新しました。 人気のAIフレームワーク「PyTorch」で、ディープラーニングプログラミングができるようになる本です。ディープラーニングのアルゴリズムが原理からわかります。 初心者でも他書に頼らず、本書1冊でマスターできます! （本書掲載のコードは、2023年3月にリリースされたPyTorch 2.0でも、そのまま動作します） 本書は、次のような読者を想定しています。 1. 企業でディープラーニングプログラムを業務で利用している、あるいはこれから利用しようとしているITエンジニアや研究者 2. 理工系の大学・大学院の学生で研究の一環としてディープラーニングのプログラムを開発する必要がある方 3. まだPythonもKeras/TensorFlowも知らないが、ディープラーニングプログラミングをこれから勉強してみたいという方 本書は、新しい概念は一気には詰め込まず、できるだけ細分化して一歩一歩確実に進めます。 機械学習の基本から、「CNN」などを使った画像認識ディープラーニングモデルの開発・チューニングまでをじっくり学べます。

【モノ作りにかかわる全技術者必携の最強テキスト】体系的に整理された定本の改訂版。最新動向を盛り込み、さらにパワーアップ！　イラストをカラー化し、さらに見やすく！　・GUI設計・ヒューマンエラー対策などで、基本的な考え方だけではなく、具体的・実践的なスキルまで解説しました。・人工知能分野の進展にあわせて、「スマートスピーカ」「画像認識」「音声認識」「ディープラーニング」などの関連項目を新たに解説しました。・スマートフォンを意識したGUI設計・アプリケーション開発に関する解説を充実させました。【主な内容】第1章　ヒューマンインタフェース概論／第2章　コンピュータとヒューマンインタフェース／第3章　人間の情報処理モデル／第4章　ヒューマンエラー／第5章　人間サイドからの設計／第6章　入力系設計／第7章　出力系設計／第8章　インタラクション系設計／第9章　GUI設計／第10章　ユーザのアシスト／第11章　ユーザビリティ評価／第12章　インタラクションの拡張／第13章　モバイルコンピューティングにおけるヒューマンインタフェース／第14章　ユニバーサルデザイン／第15章　ヒューマンインタフェースの新しい動きと諸課題

※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。 深層学習（ディープラーニング）の全体像が理解できる一冊。 日々進化し続ける深層学習技術の基礎をなす知識や考え方を体系的に，応用を俯瞰的にまとめた教科書。 　本書は、人工知能（AI）技術の一つである深層学習（ディープラーニング）の全体像を体系的にまとめた教科書です。 　SNS、スマートスピーカー、画像診断、自動運転、……などなど、身のまわりには深層学習の技術や手法が広く応用されています。このことからもわかるように、深層学習は今日に至るまでさまざまな場面で成功を収めていますが、その技術や手法は、今現在も、非常に速いスピードで進歩し続けています。「以前は当たり前のように利用されていた技術が、ある日突然、それを上回る別の技術に置き換えられた」ということも十分にあり得ます。しかし、そのような深層学習技術の基礎には、普遍的かつ不変的な知識や考え方があります。 　本書は、現代の深層学習の技術や手法を理解するうえで基礎となる知識や考え方を、必要に応じて数式を用い、詳細に解説しています。また、代表的な応用例として、画像、音声、自然言語の処理を俯瞰的に解説し、深層学習の全体像が理解できるように構成しました。論文や国際会議等で深層学習技術の最新動向を追うためのベースは、本書で十分に学ぶことができます。 第1章　序論：深層学習登場の前と後 1.1　パターン認識とは 1.2　パターン認識の困難さと深層学習による成功 1.3　深層学習と従来のパターン認識手法の違い 第2章　深層学習以前のパターン認識手法 2.1　深層学習以前のパターン認識の概略 2.2　特徴抽出 2.3　機械学習・パターン認識手法 2.4　クラスタリング 2.5　評価指標 演習問題 第3章　深層学習ネットワーク 3.1　深層学習のアイディア 3.2　パーセプトロン 3.3　多層パーセプトロン 3.4　深層学習ネットワークにおける基本レイヤ群 3.5　基本ネットワーク構造 演習問題 第4章　ネットワークの学習 4.1　深層学習ネットワークの学習の基本的アイディア 4.2　誤差関数 4.3　確率的勾配降下法 4.4　誤差逆伝播法 4.5　畳込み層の学習 4.6　学習の実際 4.7　学習した畳込みフィルタの例 演習問題 第5章　学習のための技術 5.1　学習パラメータの初期値 5.2　学習率の設定 5.3　データ拡張 5.4　ドロップアウト 5.5　入力データの正規化 5.6　モデルアンサンブル 5.7　事前学習とファインチューニング 5.8　中間信号の画像特徴量としての利用 5.9　距離学習 5.10　マルチタスク学習 5.11　自己教師学習 5.12　ネットワークを小さくする工夫 演習問題 第6章　系列データへの対応 6.1　再帰型ネットワーク 6.2　1次元畳込み 6.3　Transformer 演習問題 第7章　画像認識への適用 7.1　主な画像認識ネットワーク 7.2　画像認識ネットワーク内部の可視化 7.3　物体検出 7.4　領域分割 7.5　人物姿勢推定 7.6　動画認識 演習問題 第8章　画像生成・変換への適用 8.1　エンコーダ・デコーダ型ネットワーク 8.2　オートエンコーダ 8.3　深層生成モデル 8.4　画像変換 8.5　画像最適化による画像変換 演習問題 第9章　音声処理への適用 9.1　音声認識ネットワーク 9.2　音声合成ネットワーク 演習問題 第10章　自然言語処理への適用 10.1　単語ベクトル 10.2　系列変換モデル 10.3　事前学習モデル 演習問題 第11章　マルチモーダル学習 11.1　マルチモーダル・クロスモーダル 11.2　画像と言語ル 11.3　画像・映像と音声 演習問題 演習問題略解 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。 画像工学の基礎から応用までがわかる教科書 本書は情報処理学会編集のIT Textシリーズの一巻であり、情報系の大学学科の専門科目である「画像工学」「画像処理」の教科書です。画像認識・画像処理の基本となる標本化・量子化、各種変換処理や二値化処理、特徴抽出などの技術を解説するものです。やや進んだ動画像処理や三次元画像処理などまでわかりやすく記述します。 1章　視覚と画像 2章　デジタル画像 3章　ノイズ除去 4章　エッジ処理 5章　二値画像処理 6章　画像の空間周波数解析 7章　特徴抽出 8章　画像の幾何変換 9章　動画像処理 10章　3次元画像処理 11章　画像処理の具体的応用 付録　OpenCV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。 笑いかけるとやってくる、「こんにちは」と話しかけると反応する、そんなAIロボットを自分で作れる解説書が登場！ 小学生も簡単につくることができるロボットと、初めてでも使いやすい、Scratch3.0を改造したビジュアルプログラミング環境でプログラムをすることによって、AIロボット作りを気軽に始められます。 「小学生ロボコン」（主催：小学生ロボコン実行委員会（NHKエンタープライズ・科学技術館））でも採用されているロボット工作キット「ユカイな生きものロボットキット」と、プログラミングをしたり無線で操縦できるようにするモジュール「ココロキット」、「ココロキット＋」でつくるロボットをAIを使ったプログラムで動かすことで、自分の表情や呼びかけなどに応じて反応するロボットをつくることができます。 本書内でつくるロボットは、2種類。どちらもキットの部品に身近な材料を加えることで、簡単にできるものです。紙工作などを応用して、自分だけのオリジナルロボットにすることもできます。 そのロボットを動かすAIプログラムは約10種類紹介しています。表情やしぐさ（カメラによる画像認識）、呼びかけや音楽（音声認識）などに応じてロボットが反応するもので、簡単にできるものから、表情と呼びかけを組み合わせるといった少し複雑なものまで幅広いレベルのプログラムが学べる内容となっています。 自分の手でロボットを作り、プログラミングをしていくことで「動くしくみ」を。また、AIのプログラムでは表情などを見分けるための「学習」などをコンピューターで行うことで、AIのしくみを体験を通じて学ぶことができます。

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

※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。 感染症シミュレーションやエッジAI、画像認識、数学など、Pythonを使って様々なプログラムの作成に挑戦するムックです。人気の「Visual Studio Code」と「Visual Studio 2019」をPythonプログラミングで活用するための記事や、Pythonプログラムを“EXE化”する方法を解説する記事も収録しています。 　本ムックを読むことで、プログラミングの面白さと奥深さがわかると同時に、Pythonの実践的な使い方を学べます。 　例えば、感染症シミュレーションは社会的に大きな話題になっています。そのようなシミュレーションは、一部専門家だけが行えるものではなく、興味さえあれば誰でもできることを、本ムックではPythonのコードとともに示します。 　また、AIやデータサイエンス時代の到来に合わせて、数学の重要性が改めて指摘されています。苦手意識を持たれることの多い数学ですが、Pythonのプログラムとともに学べば、その面白さに気づくことができます。本ムックは、AIやデータサイエンス時代に必要な実践的な教養を、Pythonのプログラムとともに提供します。 ≪目次≫ 第1章 Visual Studio Code/Visual Studio 2019を使いこなそう ●PythonユーザーのためのVisual Studio Code活用術 第2章 AIプログラミングに挑戦 ●ディープラーニングAI超入門 第3章 数学的な思考を磨こう ●Pythonで楽しい数学プログラミング

映像・画像処理技術は今や、人間にやさしいシステム作りに不可欠な要素として、さまざまな分野に浸透しつつあります。また、これまでの映像・画像の進展にブレーキをかけていた情報量の問題も、画像圧縮技術の開発や、コンパクト大容量メモリの普及で、誰にでも扱えるより身近なものになってきました。 「映像情報インダストリアル」では、“仕事に役立つ情報”をモットーに、イメージ技術の基礎から応用まで、多彩な誌面で質の高い情報をより速くご紹介しています。画像処理・解析、画像計測、画像認識・理解はもとより、画像圧縮、画像通信、画像ファイリングなどの周辺技術や、それらの要素技術である画像記録や撮像素子、カメラ、ディスプレイなどのデバイス技術、ソフトウェア情報を満載しております。映像・画像は専門を超えたファンダメンタルな技術になっています。ヒューマンインタフェイスの有力な手段である映像・画像の付加価値を、あらゆるビジネスシーンに取り入れていただきたいと考えています。

在庫管理システムを構築するために 必須の知識と最新動向がつかめる！ 【本書のポイント】 ●在庫管理のシステム導入のやり方がわかる ●在庫管理業務の機能がわかる ●在庫管理システムと他のシステムとの連携法がわかる ●在庫管理の現在と直面するビジネスの変化、対応方法がわかる ●在庫管理システムに携わるエンジニアなら知っておきたい最新動向がわかる 【内容紹介】 どんな企業でも在庫の正確な把握は必須の業務です。しかし他のシステムと連携する必要などもあり、在庫管理システムの構築は複雑化しています。また、ただ在庫の数量を把握できるだけではなく、製造計画や需要予測につながる情報がわかることなど、さらなる価値を生み出す機能も求められています。 そこで本書では、エンジニアが押さえておくべき在庫管理システムの基本や適正在庫を実現するための需要予測の手法・管理方式の仕組み、各種システムとの連携方法を解説しています。さらに、画像認識機能で効率化をもたらすAI技術や、在庫管理の精度を高めるIoT重量計など在庫管理システムと連動する最新のテクノロジー動向まで、基本の知識と最新の情報が一挙に身につく1冊です。 【本書の構成】 第1章　在庫管理システムの現状 第2章　在庫に関する基礎知識 第3章　在庫管理の目的 第4章　在庫管理の中核となる発注管理機能 第5章　在庫管理に付随する関連システム（1）生産管理 第6章　在庫管理に付随する関連システム（2）販売管理 第7章　在庫管理に付随する関連システム（3）購買管理 第8章　在庫管理に付随する関連システム（4）会計管理 第9章　在庫管理に付随する関連システム（5）原価管理 第10章　その他在庫管理と関連性のある業務管理システム 第11章　在庫に関連する最新のテクノロジー動向 ※本電子書籍は同名出版物を底本として作成しました。記載内容は印刷出版当時のものです。 ※印刷出版再現のため電子書籍としては不要な情報を含んでいる場合があります。 ※印刷出版とは異なる表記・表現の場合があります。予めご了承ください。 ※プレビューにてお手持ちの電子端末での表示状態をご確認の上、商品をお買い求めください。

AI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

※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。 日本版AIを標榜しつつ登場した未来派知識の総合誌。その第1号。その内容はこれからも探索していく。ビジネスで急速に加速したAIで何が純粋で何が不純かは判然としない。原石集めから有効な純度と有効な不純物濃度を持たせていくプロセスが開始されるのだろう。AIのイメージは不動でなく、数学者・工学者・ビジネスマンそれぞれのAI認識を見据え、純粋物・異物をも取り込むことによって新たな構造と機能を誕生させる…… 　今はもうなくなったUPUから1985年から1987年まで隔月で刊行された“幻の雑誌”がデジタルで復活！ 　AI（Artificial Intelligence ＝人工知能）を科学と技術との両面から捉える“未来派知性の総合誌”。その第1号（1985年12月発行）。 表紙 目次 AIJ Radical Review 　1　アバウトだらけのAI語法 　2　人工知能はポルノクラフィーの夢を見るか 　3　AIDSとAIとミネルバの梟 　4　徐福はどこにいるのか Ahaの瞬間1――箱詰めポールの中を電子が走る……西澤潤一 特集／’85AI総決算　何ができてどんな解題が残ったか 　座談会／技術者たちのAI……棟上昭男、森健一、竹内郁雄 　アーキテクチャ――逐次処理からどこへいくのか 　　実機を製作することか基本に……相磯秀夫 　　データフローマシンの狙い……雨宮真人 　画像・音声――シンボル〈言語〉を発見せよ 　　画像認識の“平均点”を上ける知識工学……木戸出正継 　　何をさしてAI的というのか……鳥脇順一郎 　　研究者間の相互交流か重要である……溝口理一郎 　　本流から目をそらしているのか現状……辻三郎 　自然言語理解――意味の理解と場の理解 　　アリストテレスを祖とする状況意味論……石本新 　　コンピュータの自然言語は、不自然言語である……岩田誠 　　'85年は意味処理元年である……田中穂積 　　籠なみのものを乗用車なみに高める……横井俊夫 　ソフトウェア――言語の抽象化と世界のモデル化 　　人間世界の並列性を表現したい……米澤明憲 　　Prolog-KABAの背景には……桜川貴司 　　計算機は人間以外にシンボル操作ができる唯一のもの……中島秀之 　　ソフトウェア自動生成は、遠い夢ではない……大野豊 　ロボティクス――人間の知的行為の実験場 　　作業の非決定性をいかにカバーするか……吉川弘之 　　自然環境へ対応するロボット……広瀬茂男 　　ロボットは自らの存在理由を知らねばならない……佐藤晟 　知識表現――頭脳の記述への挑戦 　　工学分野を超えた知識の解明を……安西祐一郎 　数理モデル――いま数理に何が可能か 　　「情報幾何学」の提案……甘利俊一 　　問題は科学理論の実存性に溯る……佐藤文隆 　　計算機科学には計量化の理論か必要……野崎昭弘 　　ティスプレイに立ち現われる天才の頭脳内イメージ……宇敷重広 　生物モデル――現象がモデルを刺激し、モデルが現象を見せる 　　分子モデリングの研究でガンの発生を捉える。……神沼二真 　　教師なし学習、自己組織化の生体モテル。……大森隆司 　　脳の全体的な構造研究の進展を期待。……伊藤正男 　エキスパートシステム――市場に出そろった構築用ツール 　ワークステーション――本格化するAI用WS市場　ネットワーク化に標準 　　開発環境重視のDEC戦略……村上憲郎 　機械翻訳システム――課題を残しつつも実用化へ 　　AI技術を取り込んで、新世代のシステムをめざす。……山本武彦 　実用エキスパートシステム――集積された専門知識が、組織を変える 　　製鉄プラントの運営効率化システム　日本鋼管 　　建設工事災害予知情報システム　大成建設 　　“ホロン的”AI開発を指向　フジタ工業 　　金融自由化に向けてのAI戦略　三洋証券 　　溶接ロボットへの応用を検討　日立造船 　　感性の復活をめざすAI　大林組 　AIビジネスの周辺――フロンティアをめざすAIのニューカマーたち 　　9週間で580万円――KE養成講座を開設……成井弦 　　カーネギー・グループ社の開発プロジェクト ほか

ディープラーニングの適用範囲が拡がり，画像認識や音声認識の精度が高くなる一方，モデルに対して細工した画像を送り，誤った分類結果を引き起こす攻撃などが懸念され始めています。海外では非常に活発な研究領域です。たとえば，敵対的サンプル（Adversarial example）として，パンダ（Panda）の画像にノイズを少し加えることでテナガザル（Gibbon）と誤認識させる現象が有名です。 本書では，これらを理解するためにディープラーニングの基礎からハンズオンによる実装方法まで解説しています。ディープラーニングは数式などがあって難易度が高く感じる方にも最適な一冊です。 本書で利用するソースコードは次のWebページからダウンロードできます。 https://github.com/tagomaru/ai_security/releases

※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。 本ムックでは、様々なタイプのAI（人工知能）プログラミングを紹介しています。 第1章では、現在のAIの基本と言える「ニューラルネットワーク」をプログラミング言語「C＃」を使って自作し、 手書き文字認識のアプリを作成します。いわゆる“AIライブラリ”を使わずに“ゼロから作る”ことで、AIの仕組みを深く理解できるようになります。 もちろん、「TensorFlow」や「Chainer」といった定番のAIライブラリを使うパートも用意しています。 プログラミング言語「Python」とAIライブラリを使って、第2章では画像生成を、第4章では画像認識を行うプログラムを作ります。 第3章では大きな話題になっているスマートスピーカーのプログラミングを取り上げました。 こちらは、プログラミング言語「JavaScript」を利用して、対応するアプリを開発します。

※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。 AIやIoTという言葉が毎日のようにメディアで紹介されています。しかし、興味を持っても、本を読むだけでは技術は身につきません。やはり実際に手を動かして、自分で体験するのが一番です。本書は、画像認識装置を製作して、AIやIoTなどの最先端技術を体験しながら学ぶ初心者のための入門書です。猫を認識し、画像を保存し、メールで知らせる、さらにIoTらしく「いつでもどこでも使える」装置を自分の手で、低予算で作りましょう。

※PDF版をご希望の方は Gihyo Digital Publishing (https://gihyo.jp/dp/ebook/2022/978-4-297-12776-3)も合わせてご覧ください。 OpenCVはコンピュータビジョン分野でもっとも利用されているオープンソースフレームワークです。近年の人工知能ブームに呼応する形で機械学習やディープラーニングAPIが強化され，物体の名称と位置を認識するオブジェクト検出（Object Detection）といったタスクも容易に扱えるようになりました。 とはいえ，画像認識タスクがすべてディープラーニングによる手法に置き換わるわけではありません。これまでに培った手法を選択した方が堅実な場面もあるため，本書では現時点で重要とされる画像処理手法を整理します。OpenCVの基礎的な解説からはじめ，dnnモジュールを用いたディープラーニングによる画像認識についても解説していきます。 サンプルコードにはPythonを利用し，OpenCV 4.5.X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。 本書は世界各国で出版・公開された書籍 “Approaching (Almost) Any Machine Learning Problem” の翻訳書です。豊富なコード例と機械学習にまつわる基礎的な内容を取り上げていきます。 交差検証や特徴量エンジニアリングなどモデル作成以前の重要な要素にも紙面が割かれ、コードの再現性やモデルのデプロイといった話題にも踏み込みます。 モデル作成では、表形式のデータセットだけでなく、画像認識や自然言語処理に関する内容が具体的な実装と共に示されます。 本書の節々から、性能を追求するだけではなく実運用にも重きを置いた著者の姿勢が垣間見えるでしょう。 ”KaggleのGrandmasterが書いた本”と聞くと高尚な話題が展開される印象を受ける方もいるかもしれませんが、実態は実践的なプログラミング解説書です。Kaggleコミュニティに限らず機械学習に興味を持つ多くの方に手に取っていただきたいと考えています。 この本ではコードが非常に重要です。何が起こっているのかを理解したければ、コードを注意深く見て、“自分で” 実装しなければなりません。 　If you didn't code you didn't learn.（コードを書かねば、何も学べない。） ぜひ自らの手でコードを実装し、学びを深めてください。 第0章　実行環境の準備 第1章　教師あり学習と教師なし学習 第2章　交差検証 第3章　評価指標 第4章　機械学習プロジェクトの構築 第5章　質的変数へのアプローチ 第6章　特徴量エンジニアリング 第7章　特徴量選択 第8章　ハイパーパラメータの最適化 第9章　画像分類・セグメンテーションへのアプローチ 第10章　テキストの分類・回帰へのアプローチ 第11章　アンサンブルとスタッキングへのアプローチ 第12章　コードの再現性やモデルのデプロイへのアプローチ

デジタルカメラの顔認識機能など、身近で利用されている画像認識の技術。機械学習の応用により、その精度は格段に向上した。最前線で活躍する研究者が、基礎から深層学習を取り入れた応用的手法までをくわしく解説する。画像認識の現状と今後の展望を知るのに最適な一冊!※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。

画像や映像、音声の高度な認識を可能とし、自動運転などにも応用されている“ディープラーニング”は、自動化や効率化が進むこれからの時代にますます注目を集めています。本書では、ディープラーニングを活用した様々な事例やディープラーニングを用いたサービスを提供する企業の取り組みを1冊にまとめました。

※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精度向上はトレーニングデータが鍵。 良質なトレーニングデータを手に入れるための必須知識。 アメリカをはじめ、ヨーロッパや中国などを中心にAI（機械学習）やディープラーニングを活用としたユースケースやビジネスモデルなどが大きく進化し、日本国内においても、自動車、製造、建築・土木、公的機関、eコマースなどさまざまな業種で機械学習やディープラーニングの適用が進んできています。 　このようにAIに使われる機械学習を、高い精度・確率のものとするためには、高い品質、さまざまな条件の分布、バリエーションに富んだトレーニングデータを準備することが成功の鍵といえます。　本書では、トレーニングデータの性質に焦点をあて、解説を行います。 はじめに 第1章　機械学習とトレーニングデータ 1.1　ディープラーニングに進化する過程 1.2　ディープラーニングはブラックボックス 1.3　機械学習の種類 1.4　プログラミングから見た機械学習 1.5　トレーニングデータの位置付け 第2章　マネジメント層とエンジニアの機械学習 2.1　データ活用とは 2.2　DXからデジタルファーストへ 2.3　マネジメント層の大事な役割 2.4　エンジニアとトレーニングデータ 2.5　機械学習を取り巻く課題 2.6　実行すべきこと 第3章　AIとトレーニングデータ 3.1　音声認識とは 3.2　機械翻訳 3.3　画像認識 3.4　動画 3.5　チャットボット・ボイスボット 3.6　自然言語処理系AI 3.7　固有表現抽出 3.8　ポイントオブインタレスト（POI） 3.9　自動車関連系AI 3.10　AR／VR／MRとメタバース 3.11　その他 第4章　各種トレーニングデータ 4.1　音声データ 4.2　画像データ 4.3　動画データ 4.4　センシングデータ（3D点群データ） 4.5　シンセティックデータ 第５章　データアノテーション 5.1　データアノテーションとは？ 5.2　プリラベリングデータ 5.3　音声データからのアノテーション 5.4　テキストデータのアノテーション 5.5　画像データのアノテーション 5.6　アノテーションフォーマット 第6章　アノテーションツール 6.1　アノテーションツールの種類 6.2　データ収集 6.3　プロジェクト定義 6.4　データ管理と割り当て 6.5　音声系へのアノテーション 6.6　テキスト系のアノテーション 6.7　画像・動画系データ 6.8　品質チェック工程 6.9　データ取りまとめ 第7章　データセキュリティ 7.1　関連する法律 7.2　データセキュリティについて 7.3　AI倫理 第8章　トレーニングデータの重要性 おわりに 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。 機械学習のしくみをイラストや図解でやさしく学ぼう！ 本書は、機械学習に関するさまざまなトピックスを概説する書籍です。人工知能における機械学習の位置づけを説明したのち、機械学習内の分野をマップ化し、マップ内の街（＝機械学習内の分野）を旅する形でやさしく解説していきます。 数式や複雑な処理手順は扱わずに、「どんなしくみで、どこで使われていて、どう役に立つのか」という要点をわかりやすく示します。大枠や要点を掴むことを主眼としているため、短時間・効率的に学ぶことができます。機械学習について関心をもっているものの、専門書はハードルが高いと感じている学生やビジネスパーソンにおすすめです。 構成は、はじめに人工知能における機械学習の位置づけや手法の分類を示したうえで、機械学習の個々のトピック……すなわち、ｋ近傍法や決定木などによる分類、進化的計算や群知能による最適化、強化学習、ニューラルネット、深層学習などを説明していきます。 まえがき 目次 はじまり－機械学習の国へ行こう－ 第一章　いりぐち－機械学習ってなんだろう？－ 機械学習ってなんだろう？ AIにできること いきものとコンピューター、それぞれの学びかた コンピューターの学習 機械学習はなにができるの？ 「言葉」を認識する 「画像」を認識する 　COLUMN　強いAIと弱いAI 第二章　観光案内所－機械学習の種類と仕組み－ 機械学習には種類がある 先生に正解を教えてもらおう－教師あり学習－ 教師データとラベル　 教師あり学習の仕組み 自力で学習を進めよう－教師なし学習－ 試行錯誤の経験から学習しよう－強化学習－ コラム　いろんな機械学習 学習した知識を役立てよう－汎化・タスク・アルゴリズム－ 学習のしすぎに注意！－過学習－ COLUMN　オッカムの剃刀とノーフリーランチ定理 第三章　分類の街－k近傍法と決定木－ 並べかたで分類しよう－k近傍法－ 　一刀両断、スパッと分類！－サポートベクターマシン－ ○と×で分類しよう－決定木－ 決定木の作りかた たくさんの決定木の森－ランダムフォレスト－ COLUMN　みにくいアヒルの子定理 第四章　最適化の街－進化的計算と群知能－ 最適化ってなんだろう？ 進化を模倣してよりよい情報を残そう－進化的計算－ いきものの進化の仕組み 進化的計算ってなんだろう？ 進化的計算の代表選手、遺伝的アルゴリズム 遺伝的アルゴリズムの仕組み もっと複雑なことをするには－遺伝的プログラミング－ 生物の群れの行動から学習しよう－群知能－ 蟻みたいに近道を見つけよう －蟻コロニー最適化法－ 大勢で答えを探そう－粒子群最適化法－ 魚みたいに餌を探そう－AFSA－ 第五章　試行錯誤の街－強化学習－ 強化学習ってなんだろう？ とにかく試行回数を重ねよう－モンテカルロ法－ より効率的に試行するには？－Q学習－ Q学習で迷路を脱出しよう 第六章　神経回路の街①－ニューラルネット－ 神経細胞と神経ネットワーク 神経細胞の模倣－人工ニューロン－ 神経ネットワークの模倣－人工ニューラルネットワーク－ ニューラルネットの学びかた 視覚のシミュレーション－パーセプトロン－ ハイスピードで学ぼう！－バックプロパゲーション－ ニューラルネットワークの種類 ①階層型 ニューラルネットワークの種類 ②全結合型と再帰型 「何か」を見つける－認識－ 「何か」を動かす－制御－ 「何か」を考える－判断－ 必ず「何か」を返してくる。……それでいいのかな？ 第七章　神経回路の街②－ディープラーニング－ ディープラーニングってなんだろう？ 人間の「視覚」を真似したニューラルネット これはイヌ？　それともネコ？－畳み込みニューラルネットの画像認識－ CNNはどうして高性能なんだろう？ 時間で変わるデータを分析しよう－リカレントニューラルネットとLSTM－ 本物そっくりのニセモノをつくる－敵対的生成ネットワーク－ ディープラーニングを自動翻訳に役立てよう 経験から学ぶ深層学習－深層強化学習－ 第八章　でぐち－機械学習をはじめよう－ 機械学習に使われる言葉－プログラミング言語Python－ 機械学習に使われるソフトウェア①－TensorFlowとKeras－ 機械学習に使われるソフトウェア②－Caffe、PyTorch、Chainer－ おわりに－AIについて学べる参考図書たち－ 　索引

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

※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。 料理を支える自然言語処理と画像処理を学ぼう！ クックパッドや楽天レシピなどのレシピサービスは、多くの方にとってなじみ深い、日常的に使用するものです。ほかにも、写真を撮るだけで食事が記録できるアプリや、トレーに載せた食品をスキャンすると精算ができる画像認識型のレジなど、身の回りには食に関係する情報技術が多数存在します。 本書は、そういったレシピや料理画像を題材として、言葉や画像を扱う技術について解説します。 たとえばクックパッドには、投稿されたレシピの文章を解析して、自動的にカテゴリ分けする機能があります。これには、自然言語処理という言葉を扱う技術が活用されています。 また、上で触れた食事が記録できるアプリなどには、投稿された料理写真を解析して、自動的に料理を認識する機能があります。これには、画像処理という画像を扱う技術が活用されています。 こういった自然言語処理や画像処理の技術を概説したのち、研究や開発に使用できるデータセットや、実際のサービスにおける活用事例を紹介します。さらに、自然言語処理と画像処理を複合的に用いる、クロスモーダルな処理についても紹介します。 また、最後には、自然言語処理や画像処理をより深く学びたい方に向けて、推薦図書の案内も掲載しています。 「まさに料理に関する情報サービスの開発に携わっている！」という方にはもちろんですが、これから自然言語処理や画像処理を学びたい方、言語と画像のクロスモーダルな処理について学びたい方、新しい研究テーマやサービス開発のアイデアを見つけたい方、さらには単純に料理とAIという組み合わせに興味のある方まで、技術に興味のある方には幅広く楽しんでいただける内容です。 第1章 はじめに――なぜ料理と情報処理なのか？ 第2章 料理と自然言語処理 第3章 料理と画像処理 第4章 料理とクロスモーダル処理――複合的なアプローチ 第5章　おわりに――料理と情報処理のこれから

※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。 深層学習でネットワークを解析する世界最前線の研究を1冊で学ぶ！ 　深層学習をグラフ（ネットワーク）で表される構造データに対して適用するための研究が盛んになっています。それが、本書で解説するグラフニューラルネットワークです。グラフ中の頂点やグラフ全体を高精度に分類できれば、高度な画像認識、推薦システム、交通量予測、化合物分類、さらには新型コロナウイルス（COVID-19）への対処のための応用なども期待できる、世界最前線の研究です。 　本書では、グラフニューラルネットワークの基本的な知識および研究事例について説明し、PyTorchによる実装について紹介するとともに、今後の学習のための情報源についても解説します。Google Colaboratoryで解説するとともに、サンプルコードもついています。 まえがき 第1章　グラフニューラルネットワークとは 　1.1　はじめに 　1.2　グラフを対象とした畳み込み 　1.3　グラフを対象とした機械学習タスク 　　1.3.1　ノード分類 　　1.3.2　グラフ分類 　　1.3.3　リンク予測 　　1.3.4　グラフ生成 　1.4　グラフニューラルネットワークの応用 　　1.4.1　画像認識 　　1.4.2　推薦システム 　　1.4.3　交通量予測 　　1.4.4　化合物分類 　　1.4.5　組み合わせ最適化 　　1.4.6　COVID-19とグラフニューラルネットワーク 　まとめ 第2章　グラフエンベディング 　2.1　グラフエンベディング手法の概観 　2.2　次元縮約に基づく手法 　2.3　グラフ構造に基づく手法 　　2.3.1　DeepWalk 　　2.3.2　LINE 　　2.3.3　node2vec 　　2.3.4　GraRep 　2.4　ニューラルネットワークに基づく手法 　まとめ 第3章　グラフにおける畳み込み 　3.1　グラフ畳み込みにおけるアプローチ 　3.2　Spectral Graph Convolution 　　3.2.1　フーリエ変換 　　3.2.2　グラフラプラシアン 　　3.2.3　ChebNet 　　3.2.4　GCN 　3.3　Spatial Graph Convolution 　　3.3.1　PATCHY-SAN 　　3.3.2　DCNN 　　3.3.3　GraphSAGE 　まとめ 第4章　関連トピック 　4.1　グラフオートエンコーダ 　4.2　GAT 　4.3　SGC 　4.4　GIN 　4.5　敵対的攻撃 　4.6　動的グラフのエンベディング 　4.7　時空間グラフ畳み込みネットワーク 　4.8　説明可能性 　まとめ 第5章　実装のための準備 　5.1　Python 　5.2　NumPy 　5.3　SciPy 　5.4　pandas 　5.5　Matplotlib 　5.6　seaborn 　5.7　Scikit-learn 　5.8　t-SNE 　5.9　Jupyter Notebook 　5.10 Google Colaboratory 　まとめ 第6章　PyTorch Geometricによる実装 　6.1　PyTorch 　　6.1.1　データセット 　　6.1.2　モデル 　　6.1.3　損失 　　6.1.4　最適化 　6.2　PyTorch Geometric入門 　　6.2.1　PyTorh Geometricとは 　　6.2.2　類似ライブラリとの比較 　　6.2.3　PyTorch Geometricによるグラフのデータ構造 　　6.2.4　よく使われるベンチマークデータセット 　　6.2.5　ミニバッチ 　　6.2.6　データ変換 　　6.2.7　グラフの学習手法 　6.3　PyTorch Geometricによるノード分類・グラフ分類 　　6.3.1　PyTorch Geometricによるエンベディング 　　6.3.2　PyTorch Geometricによるノード分類 　　6.3.3　PyTorch Geometricによるグラフ分類 　まとめ 第7章　今後の学習に向けて 　7.1　書籍 　7.2　サーベイ論文 　7.3　動画 　7.4　リンク集など 　7.5　Open Graph Benchmark 　まとめ おわりに 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。 Webサイトやアプリで、とにかく画像が多すぎることが原因で、時間がかかりすぎ、捌ききれない工程が発生することがあります。本書は、Google Cloud AutoMLを利用して、多すぎる画像の管理を自動認識で楽にするノウハウをわかりやすく解説します。学習データの作成から、予測モデル構築・チューニング・モデル評価・ウェブやアプリの組み込みまで、ディープラーニング・ニューラルモデル・機械学習を使ったシンプルな画像認識AI作成がわかります。

囲碁のプロ棋士に勝つ、クイズのチャンピオンに勝つ──、人工知能（AI）はこうした特定分野で象徴的な成果を上げてきました。しかし、最近ではAIが人々の生活や経済活動を改善して、世の中を変えていく可能性を示す実例が次々と出てきました。 例えば、米グーグルは、AIを使った「Google翻訳」の精度を大きく改善し、長年「実用的ではない」と言われてきた機械翻訳を日常生活では十分実用的なレベルへと引き上げました。また、同社はデータセンターにおけるサーバーなどの冷却電力を40％も削減しました。これもAIを活用して空調や窓の調節・開閉など約120の要素を制御し最適化した成果です。 大手IT企業は次々と、画像認識、音声認識、翻訳といったAI機能を安価に提供し始めており、いわば「蛇口をひねればAIがすぐ使える」時代が間もなく到来します。 このAIの進化をけん引するのが、脳の神経回路が仕組みの原点にある「ディープラーニング」という技術です。本書では、グーグルのエンジニアらへの取材に基づき、このディープラーニング技術をやさしく解説。また、将来のビジネスがどう変わるのか、グーグルのサービスや日本企業の取り組み事例から探るとともに、その未来の姿に迫ります。 序章●ディープラーニングがすべてのビジネスを変える １章●超入門　人工知能と機械学習とディープラーニングはどう違う？ ２章●入門　　ディープラーニングの仕組み ３章●グーグル事例編　グーグルのディープラーニング活用事例 ４章●企業事例編 ５章●活用フレームワーク編 ６章●将来展望編　ディープラーニングが課題を解決する未来へ

※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。 【入門！ コンピュータとプログラミングの基礎の基礎】<br/〉 コンピュータに関する教育が高校でも正規授業として必修化され、大学入試の共通テストでも受験生は情報科目に直面せざるを得なくなったような状況が生まれている現在、この「情報とプログラミング」に焦点を当てた入門書の決定版として本書をお贈りします。もちろん、内容的には高校生にとどまらず社会人のプログラミング入門にも十分に応え得るものです。何らかの言語の入門ではなくプログラミングの「考え方の入門」であることから、まったく何の知識もない方にも抵抗なく入っていただけます。これからの社会人が基礎知識を獲得するのにも役立つこと間違いなし。まずは本書を読んで、プログラミングとはどういうものか、どういう考え方をすればよいのかを理解したうえで、Pythonなど具体的な言語の入門書を手に取るなりして次のステップに進んでいただくのが、遠回りなようで実は最も効率的な学習方法なのです。前提知識は必要ありません。 今後社会で活躍する人に必ず求められるはずの教養（＝プログラミング）を獲得するための第一歩として、本書をご活用ください。 ■こんな方におすすめ<br/〉 これからプログラミングを勉強する（または、しなければならない）方／情報科目でプログラミングに触れた高校生／社会人や大学生を含むプログラミング入門者 ■目次<br/〉 ●第1章 情報とコンピュータ 　　1 「情報を処理する」ってどういうこと？ 　　2 情報×コンピュータ＝快適な暮らし ●第2章 コンピュータのしくみ 　　1 コンピュータが情報を処理する方法 　　2 コンピュータってどんな機械？ 　　3 プログラミングのすすめ ●第3章 プログラムを書こう！ 　　1 コンピュータへの命令のしかた 　　2 日本語の指示書の役割 　　3 日本語の指示書を作ろう（その1）── ロボボのお使いプログラム 　　4 日本語の指示書を作ろう（その2）── 秘密の暗号プログラム 　　5 これからのこと 　　6 ところで「アルゴリズム」って何？ ●第4章 データの入れ物 　　1 値を入れる箱──変数 　　2 箱の使い方 　　3 箱の大きさ──データ型 ●第5章 コンピュータの演算 　　1 変数に値を入れる──代入 　　2 コンピュータを使って計算する──算術演算 　　3 コンピュータを使った計算の宿命 　　4 2つの値を比較する──比較演算 　　5 TrueとFalseを使った演算──論理演算 　　6 演算子の優先順位 ●第6章 命令を実行する順番 　　1 プログラムの流れは3通り──制御構造 　　2 分かれ道を作る──条件判断構造 　　3 同じ道を何度も通る──繰り返し構造 　　4 改訂版：ロボボのお使いプログラム ●第7章 データをまとめて入れる箱 　　1 同じ種類のデータを並べて入れる──配列 　　2 縦横に並べた箱にデータをまとめて入れる──二次元配列 　　3 関連するデータをまとめて入れる──構造体 　　4 大事なデータを保存する──ファイル ●第8章 プログラムの部品を作る 　　1 プログラムを入れる箱──関数 　　2 関数を定義する 　　3 関数を利用する 　　4 プログラムで使う「箱」を整理しよう 　　5 改訂2版：ロボボのお使いプログラム ●第9章 日本語からプログラミング言語へ 　　1 プログラミング言語の選び方 　　2 これからの勉強のしかた ●第10章 情報を整理する力 　　1 間違いはどこにある？ 　　2 AIが出した答えは本当に正しい？ 　　3 コンピュータにできること、人間がすべきこと 　　4 おわりに ■著者プロフィール<br/〉 谷尻かおり：データベースから画像認識・画像処理、機械学習まで手掛ける現役のプログラマー。それぞれの分野に関する入門的解説書から数学やプログラミングの入門書まで数多くの書籍や雑誌記事の執筆も手掛けてきており、誰にとってもわかりやすい、その優しい語り口には定評がある。

AIで新型コロナウイルスを封じ込める！ 画像認識、自動運転などAIの利活用がさまざまな分野で進んでおり、 IoTなどの技術と合わせて産業構造が大きく変化しています。 医療分野においても技術の進展は急速であり、 さまざまな病気の治療にも最先端の技術が活用されています。 これらの技術はコロナ対策においても、さまざまな分野で利用されています。 【本書の概要】 ・AIを中心にコロナ対策に活用されている最新テクノロジーを紹介 ・活用例は治療だけにとどまらず、「予防」「スクリーニング」「創薬」「公衆衛生」「除菌」など幅広く紹介 ・AIだけでなく、コロナ対策に活用されているロボットの事例も紹介 ・まだ実用化はされていないが、今後の活用が期待される事柄も紹介 ・AIの論文をいくつか取り上げ、どのようなシーズが作られているのかを紹介 豪華二大特集 台湾のデジタル担当大臣オードリー・タン氏のインタビューも掲載。 同氏の見るコロナウイルスvs.デジタルという視点は、 今後の新型コロナウイルスとデジタルとの付き合い方を考えるうえで大いに参考になります。 また、著者の一人石井大輔氏は新型コロナウイルス患者として医療現場で働く医師や看護師と接することになりました。 現場のリアルな苦闘もエンジニアの視点からレポートします。 ※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。

※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

【最新動向サーベイ】 ・イマドキノNeural Fields：なぜNeural Fields はこのような盛り上がりを見せているのか？　従来の信号表現に比べてNeural Fields は何が面白いのか？　などの問いについて、技術的な視点からわかりやすく解説。 【論文フカヨミ】 ・フカヨミ非グリッド特徴を用いた画像認識：CNNの内部ではシーンの表現に一様なグリッド状の特徴マップが用いられているが、実世界のシーンを特徴ベクトルの集合で表現する際は、グリッド状の均一な配置ではなく、情報の濃淡に応じた不均一な配置になるのが自然に思われる。このような発想に基づき、グリッドによらない特徴表現によってシーンを認識する手法を紹介。 ・フカヨミ一般化ドメイン適応：教師なしドメイン適応（UDA）の研究動向として近年数多く提案されている派生問題について述べたうえで、多様化するUDAの派生問題を統一的に扱う枠組みとして提案された一般化ドメイン適応（GDA）について、GDA提案者自らが丁寧に解説。 ・フカヨミバックボーンモデル：Vision Transformerもさまざまなタスクを解くためのバックボーンモデルとして活用されつつある。本稿ではVision Transformerを物体検出タスクなどのバックボーンモデルとして活用する手法をフカヨミ。 【チュートリアル】 ・ニュウモン微分可能レンダリング：微分可能レンダリングとはどのような発想に基づくものなのか、「微分可能」であることにどのような価値があるのかを説明し、具体的な応用を幅広く例示したうえで、微分可能レンダリングそのものの技術的課題と解決法、および微分可能レンダリング機能を提供するライブラリを紹介。 その他、4コマ漫画「えーあい＊けんきゅうしつ」、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。

無償で使えるRPAツール 前提知識はPythonのみ 　「お金をかけずにRPAツールを作りたい」―― 　こうしたニーズをお持ちなら、本書で紹介している「SikuliX」はピッタリです。 　SikuliXは、無償で利用できるRPAツールです。パソコンのモニターに表示されている画像を認識する機能を備え、マウスやキーボード操作を自動化できます。例えば、「画面のこの領域のデータを読み取って、別のアプリのこの領域にコピーする」といった作業を自動化できるのです。 　画像認識技術を用いているので、アプリを選びません。自社で作り込んだ専用のアプリでも、Webブラウザーでも、エクセルでも、適用できます。人によるパソコンでの作業のほとんどをカバーできるでしょう。 　SikuliXは複数のプログラミング言語で扱うことができ、本書では最近注目の「Python」で説明しています。SikuliXのインストール手順に始まり、基本的な操作方法やプログラミング方法を丁寧に解説していますので、Pythonが読めれば、そのほかの予備知識なしに利用可能です。 　本書の特徴は、RPAのサンプルをたくさん掲載していることです。「こんなことがやりたかった」が見つかれば、本書のサンプルを参考にすることで、すぐにでも業務自動化が可能になります。

※この商品は固定レイアウトで作成されており、タブレットなど大きいディスプレイを備えた端末で読むことに適しています。 また、文字列のハイライトや検索、辞書の参照、引用などの機能が使用できません。 端末により、見開き表示で、左右が逆になる場合があります。 行くぞ！AR拡張現実の開拓者たち！ 本書はiPhoneアプリの開発を目的として、iOS 12のSwift 4.2プログラミングと開発環境Xcode 10の使い方をゼロから学べる解説書です。SwiftはiPhoneの進化を支えるプログラミング言語として高機能化と改良を重ね続けています。最新のiOS 12では機能アップしたARKit 2が大注目です。 そこで本書でもARKitの解説を前書の36ページから82ページへと大幅に増やしてその秘密に迫ります。プログラミング初心者にとっては、最終章のARKit 2までの道のりは少し長い旅になるかもしれません。しかし、全力で学びたいという気持ちがあるならば、今すぐ出発するだけです！ 本書の内容は段階的に３つのパートに分かれています。 Part 1　概要～最初の話～：ハローワールド 第1章では、ステップを追って簡単なアプリを１個作ってみましょう。難しいのでは？と構えていたiPhoneアプリ開発が意外と簡単で、自分にもできそうという印象をもたれることでしょう。作るのはボタンで画面の色を変えるアプリです。 作ったアプリはXcodeのシミュレータで動作チェックできます。Swiftを手軽に試せる新しいPlaygroundについても紹介します。 Part 2　基礎知識～実力を蓄える～：Swiftのシンタックス 第2章から第10章はSwiftプログラミングのシンタックス全般の解説です。 定数、変数、タプル、条件分岐、繰り返しなどの基本知識から始めて、関数、配列、辞書、セット、オプショナル、列挙型、構造体、クラス定義の知識へと、徐々に本格的なプログラミングに向けて範囲を広げていきます。 中級者向けの内容も含まれていますが、ここですべてを理解し覚える必要はまったくありません。 初めてプログラミングを学ぶ人にとっては、読み進めるために努力が求められる内容かもしれませんが、できるだけ簡潔なコードと図解で丁寧に詳しく説明します。 重要な箇所はマーカーで強調し、ポイントとなるコードは線で指し示し、わかりやすく囲って補足説明しています。 たくさん出てくる用語やテクニックも、随所に埋め込まれた参照ページと索引の充実が学習を手助けしてくれることでしょう。 Part 3　実践入門～作って学ぶ～：iOSアプリを作る 第11章からが実践です。ボタン、スイッチ、テーブルビュー、アクションシートなど、標準的なUI部品を１つずつ取り上げた後、ビューの理解、シーンの移動、映像効果とアニメーション、フィンガーアクション、図形の描画、データ保存などのiOSアプリで利用したい基礎テクニックを解説します。 第19章では位置情報、地図、カメラ、コンパスなど、実機を使ったアプリ開発も行います。 そして最後の第20章がARKit 2の解説です。水平面／垂直面の検出、物理ボディの追加、ヒットテスト、画像認識、物体認識、複数利用者間でのワールドマップの共有など、ARKit 2が広げていく世界に迫ります。 もう一つの世界 私たちはまだすべての物を見ていません。一歩足を進める毎に考えも及ばなかったことが起こります。 世界は時間を釣り糸に結び、想像の魚が喰らい付くのを狙っています。星が沈み次の太陽が昇ったならば、あなたがどこに居ようとそこにはもう一つの世界が開いているのです。 もし、今日はちょっと違うなと感じたらそれが証拠です。

※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。 CNNとViTによる画像認識を本格的に学ぶために！ 本書は、深層学習（ディープラーニング）に基づく2つの技術、畳込みニューラルネットワーク（CNN）とVision Transformer（ViT）を通して、画像認識の基礎を実践例とともに解説するものです。 画像認識技術は、顔認証や異常検知など、現代社会に欠かせない技術として広く応用されており、研究開発も盛んに行われています。本書では、確かな理解のもとに画像認識技術の研究開発が可能となるよう、前半において理論的な基盤（深層学習の基本事項、畳込みニューラルネットワーク（CNN）、Vision Transformer（ViT））を、紙数を割いてわかりやすく解説していきます。また後半では、画像認識の基本的手法である物体検出と領域分割、学習データの大規模化に欠かせない自己教師あり学習を実例とともに解説し、最終章では今後ますます重要になると見込まれるVision and Languageのマルチモーダル処理を詳細に扱います。 全体を通して、擬似コードなどでアルゴリズムを把握できるようにしたほか、Python（PyTorch）のサンプルコードも用意し、読者自身が手を動かして画像認識を実践することができるようにしました。 第1章　画像認識の概要 第2章　深層学習の基礎 第3章　畳込みニューラルネットワーク 第4章　Vision Transformer（ViT） 第5章　物体検出 第6章　領域分割 第7章　自己教師あり学習 第8章　画像と自然言語

※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。 自作しながら画像処理と数値計算を学ぼう 画像処理・画像認識、数値計算、電気・電子回路の動作確認などのテーマについて、C#によるWindowsフォームアプリケーションの作成を通して学ぶことができます。 ・画像処理を学ぼう 情報処理技術の分野において画像処理の比重は非常に高くなっている。画像補正や特徴抽出には、高度な画像処理が使用されている。自分で作成したプログラムで画像を独自に加工してみよう。 ・数値計算を活用しよう 数値計算は、特別な技巧を要さず、直感的な結果が容易に得られる便利なツール。実験データの整理や、電気回路の動作理解に、気軽に数値計算を活用しよう。複素数計算の神秘的な面をのぞかせる等角写像、Mandelbrot集合図形の描画について取り上げました。 ・Windowsフォームアプリケーションの基礎を紹介 Visual Studio 2017 Communityを使って、C#が得意とするWindowsフォームアプリケーションの基礎を紹介。 ・サポートサイトより、本書で作成したプロジェクトファイルを配布しています。

※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。

日立グループ内のトップデータサイエンティスト約100名を集結した「Lumada Data Science Lab.（以下、LDSL）」が2020年に創立されました。 　本書の著者のLDSLのデータサイエンティストチームメンバーは、幅広い業種のお客様と毎年多くのデータサイエンスプロジェクトを経験してきました。その活動を通じて様々な学びがあり、データサイエンスプロジェクトを成功させるための（そして、失敗しないための）ノウハウを蓄積してきました。 　本書では、LDSLがこれまで蓄積してきたデータサイエンスのノウハウの一端をご紹介します。 ◆本書の主な内容 第1章　データサイエンスの現場　 　1.1　ビジネスの現場で活躍するデータサイエンティストとは？ 　1.2　十人十色のデータサイエンティスト 　1.3　データサイエンティストの一日 　1.4　データサイエンスプロジェクトを成功させるには？ 第2章　データサイエンティストになるには　 　2.1　高度な統計、数学知識が必要？ 　2.2　データサイエンティストが扱う代表的なツール 　2.3　データサイエンティストとしての心構え 第3章　データサイエンスプロジェクトの進め方　～失敗しないためには～ 　3.1　データサイエンスプロジェクトの流れ 　3.2　（１）業務課題の把握（プロジェクト起案） 　3.3　（２）分析方針の設計 　3.4　（３）データの理解・収集 　3.5　（４）データの加工 　3.6　（５）データ分析・モデリング 　3.7　（６）分析結果の考察 　3.8　（７）業務への適用 第4章　分野別に学ぶデータサイエンス　 　4.1　はじめに 　4.2　数値解析（予測） 　4.3　数値解析（予兆検知） 　4.4　数値解析（要因解析） 　4.5　画像認識（適用技術：Deep Learning） 　4.6　テキスト解析（文書分類） 　4.7　数理最適化（生産計画最適化） 第5章　データサイエンスの現場適用とは　 　5.1　分析結果を現場で活用するには 　5.2　分析モデルの寿命？！ 　5.3　MLOpsという考え方 　5.4　MLOpsを動かしてみよう 第6章　データサイエンティストの未来　 　6.1　データサイエンティストが不要になる時代が来る！？ 　6.2　データサイエンティストとして今後重要になるポイント 　6.3　学び続けることの大切さ・楽しさ

※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」を概念から実務へ ― Keras、Torch、Chainerによる実装！ ―数多の「ディープラーニング」解説書で概念は理解できたが、さて実際使うには何から始めてよいのか― 本書は、そのような悩みを持つ実務者・技術者に向け、画像認識を中心に「ディープラーニングを実務に活かす業」を解説しています。 すでに世界で標準的に使われているディープラーニング用フレームワークであるKeras（Python）、Torch(Lua)、そして日本で開発が進められているChainerを、そのインストールや実際の使用方法についてはもとより、必要な機材・マシンスペックまでも解説していますので、本書をなぞるだけで実務に応用できます。

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。

※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。 CASEやIoT技術の中核を担う画像センシング技術について、わかりやすいフルカラー図解で解説する入門書です。センサーやプロセッサなどのハードウェア面から画像処理・画像認識を行うソフトウェア面まで、画像センシング技術の全体像をこれ1冊で把握できます。ものづくりの最前線で働きたい就活生や転職希望者に役立つ情報が満載です。

本書は，ディープラーニングによる画像認識を題材に，現場のプロジェクトで必要とされる知識をハンズオン形式で学習するための入門書です。ディープラーニング開発プロジェクトにおける「データ収集」「モデル実装」「データ準備」「学習」「評価」「性能向上」という6つのプロセスについて，それぞれの工程でどんなツールを使うのか，何をすれば良いのか，求められることや注意すべき点は何かなど，手を動かしながら理解を深めます。フレームワークの使い方を知っているだけではなく，ディープラーニングプロジェクトの全体像を正しく理解し，きちんと手を動かすことのできるAIエンジニアを目指すために役立つ基本の1冊です。

100万部ベストセラー現代版！　整理を概念から覆す「無限にためて瞬時に引き出す」メソッド全公開 超メモ帳、画像認識、音声入力、思考整理、発想・学習などAIを活用して「仕事と生活を発展させる」方法を紹介。 ◎目的のデータを効率的に引き出す「メタキーワード」 ◎音声入力で本格的な原稿を作る「超」AI文章法 ◎画像認識で「名刺」と「新聞記事」を機能的に管理 ◎「紙の書類」「テキストデータ」「写真」の整理原則 ◎「沈黙していた書物」がしゃべりだす!?　ほか AIはさまざまな面で人間の創造活動を補助してくれます。ですから、それを活用すべきです。 人間とAIの共働体制を作ることに成功した組織や人が、未来の世界を切り開いていくでしょう。 ただし、新しい技術を使うためには仕事の仕組みをうまく構築する必要があります。 そのためには、これまで習慣的に行ってきたパソコンやスマートフォンの使い方を大きく変える必要があります。 本書は、それについての具体的な提案です。 本書が想定する読者は、クリエイティブな仕事をしたいと思っている人たち、新しい可能性を開きたいと思っている人たち、そして、仕事や生活の効率を向上させたいと思っているすべての人たちです。 本書で提案する方法を活用して、新しい世界を切り開いていただきたいと思います。―「はじめに」より抜粋 第１章　新しい情報大洪水の到来 第２章　情報大洪水時代に必要な「超」整理法の思想 第３章　AI時代の「超」メモ帳 第４章　思考を整理する「超」ＡＩ文章法 第５章　AIの眼を持つ百科事典の実力は 第６章　AIを駆使するアイディア製造と独学 第７章　インターネットと現実世界の新しいつながり 第８章　AIで事務作業を効率化 第９章　AIはいかなる未来を作るか

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。 画像認識などの情報処理、数値解析、ニューラルネットワーク、量子コンピューター、半導体といった様々な分野に跨って活躍しているテンソルネットワークを基礎からていねいに解説する。身近な問題から始めて、テンソルの計算手法の基礎を解説し、画像認識や量子物理の例を用いて、少しずつ理解を深めていく。物理系・情報系の入門者に最適の一冊。 第1章　テンソルネットワークを身近に 第2章　テンソルのダイアグラム表記 第3章　畳で学ぶ転送行列 第4章　角転送行列 第5章　特異値分解とエンタングルメント 第6章　角転送行列繰り込み群 第7章　高次特異値分解・木構造・行列積 第8章　手書き数字の見分け 第9章　行列積演算子と制限ボルツマンマシン 第10章　テンソル繰り込み群 第11章　ディスエンタングラー 第12章　量子系の状態変化を追う 第13章　変分法 第14章　再発見の歴史から未来へ ※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。 TensorFlowは、Google社が公開しているPython向け機械学習用ライブラリです。本書は、Pythonの基礎を学習した方に向けて、JupyterNotebookを使ったTensorFlowの活用法を解説する入門書です。シンプルな二値分類から画像認識、自然言語処理における時系列データの分析までを理論をまじえて体系的に解説します。「TensorFlow&Kerasプログラミング実装ハンドブック」の内容を一新してTensorFlowバージョン2に完全対応しました。

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

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 Scratch3.0を使って、AIプログラミングを楽しく学ぼう！ 本書は、実際に遊びながら学べる、AIプログラミングの入門書です。プログラミング教育の定番ソフトScratch3を用いて、子どもが1人で楽しみながらプログラミングとAIを同時に学べる構成になっています。 「キャラクターを動かすにはどうすればいいの？」「レジ機能には何が必要なの？」「AIが画像を認識できるのはどうして？」など、作成するプログラムごとに、ねらいやしくみをイラストや図を用いて丁寧に解説しています。クイズやバトルゲームといった子どもが興味・関心のある要素が満載で、遊びながら楽しく学ぶことができます。 【特典】 ・「ドラゴンバトルゲームを作ろう(3)」PDFデータ 購入特典として、本書の7日目で作るプログラムをさらに発展させた「ドラゴンバトルゲームを作ろう(3)」のPDFデータをダウンロードいただけます。 ・解説動画 すべての章に解説動画がついています。紙面のQRコードを読み取って、スマートフォンやタブレットで動画を見ながら操作することができます。 【本書の特徴】 ・人工知能が体験できる 画像認識や音声認識などAI機能を使ったレジの仕組みやゲームを自分で作ることで、AIプログラミングが、実際に体験しながら学べます。 ・子ども1人でもやりきれる パソコンの基本操作から解説してあるので、パソコン操作に不慣れな子どもでも1人で読み進められます。 ・ほどよいボリューム 1週間でやりきれる内容で、プログラミングをはじめて学ぶ人でも最後まで楽しみながら学習できます。

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。

※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のしくみと，使いこなすための技術がいっぺんに身につくディープラーニングの入門書 ディープラーニングをゼロから始めて，しっかりと理解したい人のための入門書です．ディープラーニングの基礎を一歩一歩着実に理解しながら，NumPyとKerasを使った実践的なAIプログラミングを学ぶことができます。 本書は，ディープラーニングの原理を説明しているテキストでも，そのプログラミングを実践形式でまとめたチュートリアルのような本でもありません．それらの両方をバランスよく組み合わせた，本当の意味でディープラーニングをわかるように解説した本です．「AIの学習とは」から，「ディープラーニングによる画像認識プログラムの作成」までを，なるべくやさしい言葉で，しかし大事なところを省くことなく説明しています． これからディープラーニングを学ぶ人，また，いまいちディープラーニングについてわからないことがある人，プログラムがうまく実行できない人におすすめの書籍です． 第1章　AIプログラミングを始めよう 1.1　AIとAIプログラミング 1.2　NumPyを使ってみよう 1.3　Matplotlibを使ってみよう 第2章　AIの学習の基本的な考え方 2.1　AIはどうやって学習するのか 2.2　再帰計算法を理解しよう 2.3　学習アルゴリズムの基本形 2.4　勾配降下法を理解しよう 2.5　多変数関数の勾配降下法 第3章　AIの学習の基本的なしくみ 3.1　重みを導入しよう 3.2　損失関数と重みの最適解 3.3　確率的勾配降下法 3.4　簡単なデータセットをつくってみよう 3.5　確率的勾配降下法による重みの最適解を求めるプログラム 3.6　ミニバッチ勾配降下法 3.7　ミニバッチ勾配降下法による重みの最適解を求めるプログラム 第4章　ニューラルネットワークの導入 4.1　単純パーセプトロン 4.2　活性化関数（その1）：ステップ関数 4.3　基本論理ゲートの学習問題 4.4　誤り訂正学習法 4.5　学習プログラムを作成するときの注意点（その1） 4.6　プログラム例：AND ゲートの学習問題 第5章　ニューラルネットワークに勾配降下法を適用する 5.1　活性化関数（その2）：シグモイド関数 5.2　単純パーセプトロンに確率的勾配降下法を適用する 5.3　学習プログラムを作成するときの注意点（その2） 5.4　プログラム例：単純パーセプトロンの確率的勾配降下法 5.5　単純パーセプトロンにミニバッチ勾配降下法を適用する 5.6　プログラム例：単純パーセプトロンのミニバッチ勾配降下法 第6章　単純パーセプトロンを組み合わせる 6.1　パーセプトロンを「多出力」にする 6.2　活性化関数（その3）：ソフトマックス関数 6.3　多出力のパーセプトロンに確率的勾配降下法を適用する 6.4　学習のためのデータを十分に用意しよう 6.5　プログラム例：アイリスの種類を判別する学習問題 第7章　ニューラルネットワークを2層にする 7.1　ニューラルネットワークの層を重ねる 7.2　1出力2層のニューラルネットワークの確率的勾配降下法 7.3　XORゲートの学習問題 7.4　プログラム例：XORゲートの学習問題 第8章　ニューラルネットワークを多層にする 8.1　多出力多層のニューラルネットワーク 8.2　一般的なニューラルネットワークの確率的勾配降下法 8.3　誤差逆伝播法 8.4　学習プログラムを作成するための補足説明 8.5　プログラム例：手書き数字を認識する学習問題 第9章　Kerasを使ってプログラミングする 9.1　Kerasとは何か 9.2　Kerasの導入 9.3　Kerasを用いたプログラムの基本構成 9.4　Kerasを用いたプログラムにおける損失関数 9.5　Kerasを用いたプログラムにおける学習アルゴリズム 9.6　Kerasを用いたプログラムにおける学習の評価指標 9.7　Kerasを用いた学習プログラムの例 第10章 CNNで時系列データを処理しよう 10.1　畳み込みとは何か 10.2　CNN（畳み込みニューラルネットワーク） 10.3　活性化関数（その4）：tanh関数 10.4　1次元CNNのプログラム例 10.5　Kerasによる1次元のCNNの実現 10.6　Kerasによる1次元CNNのプログラム例 第11章 RNNで時系列データを処理しよう 11.1　簡単な再帰型システム 11.2　RNN 11.3　簡単なRNNの学習アルゴリズム 11.4　簡単なRNNのプログラム例 11.5　KerasによるRNNの実現 11.6　KerasによるRNNのプログラム例 第12章 ディープラーニングで画像認識を行おう 12.1　2次元畳み込み 12.2　活性化関数（その5）：ReLU関数 12.3　画像処理の2次元CNNのプログラム例 12.4　Kerasによる2次元CNNの実現 12.5　Kerasによる2次元CNNのプログラム例

※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。 「1週間であなたもAIプログラマー!」 人気ブロガーのからあげ氏が5年間で得た、AIに関する学びの全てを注ぎ込んだAIの入門書。「とにかく楽しく」AIを学べます。AIの面白さと基本的な仕組みを、1週間で体感・理解できます。 「じゃんけん画像を自動認識する」「実在しない人の顔画像を生成する」「ルンバをAIで制御する」といったAIの作例を通じて、楽しく先端技術を学ぶスキルが身に付きます。AIの作例は、ブラウザーだけで体験できます(Google Colab)。 からあげ氏が見せたAIのデモをきっかけに、会社の先輩は好きが高じて会社のAI戦略を動かす人材になりました。公務員をしながらAIコンテストで頭角を現し、AIベンチャーに転職できた人もいます。そんなAIプログラマーになれるような「AIの学び方」を解説します。 【目次】 1章 AIで遊ぼう 2章 AIで画像認識 3章 AIでテキスト分析・生成 4章 AIで画像を生成・変換 5章 AIで人の姿勢を推定 6章 エッジコンピューティング 7章 まとめの今後の学習方法

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。 オンライン教育プラットフォームUdemyの人気講師が教えるディープラーニングの基礎。ディープラーニングのベースであるニューラルネットワークと、ニューラルネットワークを学習させる際に用いられるアルゴリズムであるバックプロパゲーション（誤差逆伝播法）を初学者にもわかりやすく解説。また画像認識の分野で高い効率性を発揮する畳み込みニューラルネットワークについてもコード付きで解説することにより、入門書であるにもかかわらず本格的AI開発の入り口まで学ぶことができます。 ［本書の特徴］ ・はじめてPythonに触れる方のために、Python本体と数値演算ライブラリNumPyによるプログラミングの基礎を解説しています。 ・文系エンジニアのために、微分や線形代数など、ニューラルネットワークの理解に必要な数学の知識を解説しています。 ・サンプルプログラムはフレームワークを使わずにPythonのみで記述しています。このため数式をコード化する際の原理が初心者にもわかりやすくなっています。 ・サンプルプログラムはSBクリエイティブ株式会社のサイトからダウンロード可能です。 ・Python3、Jupyter Notebook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。 エンジニアから学生、ビジネスパーソンまで、多くの人に使われている注目度ナンバーワンのプログラミング言語「Python」の入門書です。 Pythonプログラミング環境のインストールから始まり、基本的な文法やライブラリの使い方などを、わかりやすく解説します。 話題の画像認識やラズベリーパイを使うIoTのプログラミングにも少しだけチャレンジします。

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

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 現代エンジニアの必須知識：ディープラーニング技術を身に付けよう！ PythonのディープラーニングフレームワークKerasの開発者である筆者が、多くの人々がディープラーニングを活用できるようPythonコーディングを交えながら分かりやすく説明していきます。「ディープラーニングを適用できる課題とはなにか」「限界はどこにあるのか」を実践解説。Keras/TensorFlow 2対応。第1版(2017年)以降の話題やモデル・理論とその実装コードなど、より丁寧に解説し大幅にボリュームアップしています。 ディープラーニングにより自動言語翻訳や画像認識の精度は飛躍的に向上し、現代のソフトウェア開発者にとってその技術の理解と習得は必要不可欠な分野になりつつあります。 機械学習プラットフォームTensorFlowの上で動作するKerasは、Pythonで書かれたディープラーニングのAPIです。数学やデータサイエンスの専門的な知識がなくともディープラーニングを手軽に実装できるようになります。 Keras開発者であるFrançois Cholletは、改訂・増補された本書で、機械学習の初心者と経験者、両者に向けたアドバイスを提供します。直感的な説明とわかりやすいイラスト・例題で理解が深まり、ディープラーニングのアプリケーションを開発するために必要なスキルをすぐに身につけることができます。 ・ディープラーニングの最初の一歩 ・画像分類と画像セグメンテーション ・時系列予測 ・テキスト分類と機械翻訳 ・テキスト生成、画像生成 1章 ディープラーニングとは何か 2章 ニューラルネットワークの数学的要素 3章 KerasとTensorFlow 4章 ニューラルネットワーク入門：分類と回帰 5章 機械学習の基礎 6章 機械学習のユニバーサルワークフロー 7章 Kerasを使いこなす 8章 コンピュータビジョンのためのディープラーニング 9章 コンピュータビジョンのための高度なディープラーニング 10章 時系列のためのディープラーニング 11章 テキストのためのディープラーニング 12章 生成型ディープラーニング 13章 現実世界でのベスト・プラクティス 14章 本書のまとめ

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 Pythonは、パワフルなオブジェクト指向型の言語ですが、文法がシンプルなため、入門者が最初に学ぶプログラミング言語にうってつけです。本書は、Pythonの基礎から、統合型の開発用フレームワーク「Anaconda」などのツールの使い方、今話題のディープラーニングまで、チャットボットの開発を体験しながら楽しく学ぶPython解説書の決定版です。第3版では、最新のWeb API、ライブラリに対応し、画像認識もより高度な手法を追加しました。

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

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

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 ※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。 PyTorchで物体検出アルゴリズムを実装しよう！ 本書は、PyTorchを利用して、物体検出のアルゴリズムと実装方法を解説する書籍です。 ・ PyTorch（パイトーチ）とは？ 2018年にFacebook が発表した、ディープラーニングのフレームワークです。世界的にユーザーが多く、GitHubで公開されるディープラーニングのプログラムもPyTorchで作られたものが多数存在します。 ・ 物体検出とは？ 画像認識の一分野で、画像から特定の物体の位置と、その物体のカテゴリ（クラスタ）を検出する技術です。 ディープラーニングは当初、物体の識別において従来手法を大きく上回る精度を出したことから注目されました（例：2012年の画像認識コンテストILSVRC）。ただし物体識別自体はどちらかといえば要素技術であるため、そのまま現実のシステムに応用することは多くありません。実際に必要とされるものは、多くの場合、物体識別を発展させた物体検出です。自動運転・外観検査・医療分野の画像診断など、どれも物体識別ではなく物体検出の技術が使われています。 本書は、PyTorchの使いかたを習得することと、物体検出の各種アルゴリズムを理解して自力でプログラムを作れるようになることを目的とします。前半はPyTorchについて解説し、後半は物体検出の代表的なアルゴリズムを解説しながら、PyTorchでの実装例を示します。 ＜本書の特徴＞ ・PyTorchを使って物体検出アルゴリズムを実装できるようになります。 ・Pythonによるサンプルコードを例示＆配布し、自分で手を動かしながら理解を深められます。 第1章　PyTorch によるプログラミング 第2章　物体検出アルゴリズムSSDの実装 第3章　SSDに関連した話題

※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。 「おっ! こんなこともできるんだ! ! 」 ●ビジネスや生活にどのような影響があるのか ・群衆から容疑者を見つけ出すには? ・ローンやクレジットカード審査の仕組みとは? ・AIが議事録の要約もやってくれる? ・手書き文字をAIはどうやって認識する? ほか ●最新トレンドを図や写真で紹介! 本書は、見開き2ページで右ページは図表という、サクサク読めることで好評を博している日経文庫ビジュアル版の1冊。図表を多く使い、わかりやすく解説しているのが特長です。 画像認識、音声認識の最新情報も紹介! AIがずいぶんと浸透しつつある中、企業内のAI導入の第一歩についても、やさしく解説します。

いま幅広い分野で人工知能やディープラーニングなどに代表される「機械学習」の重要性が高まっています。しかし、機械学習に興味があっても、理論や実装が難しく、一般のユーザーはなかなか手が出せません。本書は、初心者向けに人工知能やAI、評判分析、画像認識など、初歩的な機械学習のアルゴリズムや使い方を実際に体験しながら学ぶ入門書です。著者の人気勉強会の講義内容を書籍化しました。サンプルコードのDLサービス付き。

※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へのアプローチには様々な方法があります。本書は、Pythonの外部ライブラリであるTensorFlow2、PyTorchを用いてディープラーニングの基礎理論から画像分類、物体検出、自然言語処理などについて学べる入門書です。第2版では大幅な仕様変更のあったTensorFlow2とKeras、PyTorchによるプログラミングを紹介します。それぞれのプログラミングスタイルを比較することでより深くディープラーニングを理解できます。

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 Pythonのライブラリの1つであるTensorFlowは、ディープラーニングを支える数学的な各種理論を学ぶのに最適なライブラリです。しかし、TensorFlowは学習に必要な計算式を開発者が自ら組み立てねばならないという少し高めのハードルがあります。本書は、TensorFlowとKeras/TFLearnの3つのライブラリを取り上げ、ディープラーニングの基礎理論から2次元フィルター、転移学習、時系列データ、自然言語処理などを楽しく学べる入門書です。

ＡＩ格差時代を勝ち抜きたいなら、働くな！ ＡＩやロボットに仕事を奪われる……ある意味では、事実だろう。 だが、奪われるという発想を持つ必要はない。 私たちの方から、ＡＩやロボットの側に、面倒な仕事を受け渡すのだ。 今後はＡＩやロボットを使いこなす人と、そうでない人との格差の拡大が始まる。使いこなす側が受けられる恩恵と、使いこなせない側の不利益は、これまでの格差とは比べものにならないほど、大きくなるだろう。 とてつもない「ＡＩ格差」の時代が、始まりつつあるのだ。 「はじめに」より ディープラーニングの登場によって、飛躍的な進化を遂げたAI。 囲碁や将棋などの知能ゲームで人間を圧倒するほか、画像認識やデータ解析などに活用され、続々と「人間超え」を果たしている。 さらに、AIの「手足」となるロボット技術も急速に進化し、映画や小説の世界の空想が、次々とリアル化している。 もはや私たちは「AI×ロボット」の力を使って、未来を築かざるを得ない。 テクノロジーに「奪われる側」ではなく、「使い倒す側」になるため、いまやるべきこととは？ ホリエモンが第一線で活躍する世界的な研究者たちと対話を重ね導いた、唯一無二の「結論」。

※この商品は固定レイアウトで作成されており、タブレットなど大きいディスプレイを備えた端末で読むことに適しています。 また、文字列のハイライトや検索、辞書の参照、引用などの機能が使用できません。 2021年にリリースされたmacOS Montereyは、バージョン12.0となりました。 Montereyの特徴は、おおきく「セキュリティの強化」「iPhoneやiPadとの連携強化」「AIテクノロジーの融合」に分けられると思います。 「セキュリティの強化」の点では、Safariのパスワード管理の強化が上げられます。インターネットが社会インフラとして浸透した現在、SNS以外にパスワード入力を求められる機会が多くなりました。Safariでは、これらのパスワードを記憶して管理できるだけでなく、漏洩や使い回しの警告機能が搭載されました。 また、「メール」アプリの「プライバシー保護」は、企業からのメールによる行動履歴を抑制するものです。昨今のインターネットにおけるマーケティングテクノロジーは高度なものとなっており、知らないうちに行動履歴が取られていることも少なくありません。これらを阻止する機能がOS標準として搭載されるのは、ユーザーにおおきなメリットといえます。 それ以外に、有償のiCloud+にはメールアドレスのランダム化なども導入され、ユーザーが安心してインターネットを利用できる環境を、さりげなく提供するAppleの姿勢には好感が持てます。 「iPhoneやiPadとの連携強化」では、今回の発刊には機能のリリースが間に合いませんでしたが、MacとiPadでキーボードやマウスをシームレスに連携して利用できるようになります。また、AirPlayにより、Macの画面をiPadや他のMacの画面に表示したり、iPhoneやiPadの画面をMacに表示することも簡単にできるようになりました。 「AIテクノロジーの融合」としては、画像内のテキスト認識機能が追加されました。音声認識機能として以前からSiriが搭載されていますが、画像認識機能としてテキスト認識機能も搭載されたわけです。「写真」アプリの人物の人認識も画像認識技術が利用されていますが、最先端の技術がさりげなくOSの機能として搭載されているところにAppleらしさを感じます。翻訳機能も、アプリではなくOS標準として搭載されました。対応アプリでは同じ操作方法で、日本語と多国語の翻訳が可能です。 Macは、初心者からプロフェッショナルまで直感的な操作で扱える優れたパソコンです。操作が簡単であるため、便利な使い方があることを知らずにいるユーザーも少なくありません。基本的な操作を見直すと、知らなかった機能や使い方を発見でき、さらに便利に利用できるはずです。本書は、macOS Montereyの新機能も含めて、Finderや日本語入力などのMacの基本的な使い方、標準搭載しているアプリの使い方、インターネットへの接続、他のMacとの接続、Time Machineによるバックアップなどを17分野に分けて、簡潔に豊富な図版を使って説明しています。 この本を手に取った皆様が、macOS Montereyを使いこなすのに、ほんの少しでもお手伝いができたら幸いです。 (本書「はじめに」より)

容量無制限に写真が保存できる！ スマートフォンでの写真撮影は楽しく便利なものです。しかしついつい撮りすぎてスマホの容量が足りなくなってしまうことも……。 「Googleフォト」サービスの素晴らしい点は、撮ったそばからすぐにクラウドサーバにアップされ保存されるのです。しかも容量無制限！　そしてさらにバックアップされた画像を高度な画像認識を利用して自動でジャンル分けが可能！　これらがすべてデバイスの垣根を超えて、シームレスにパソコンやタブレット端末でも扱うことができるのです！ さらにさらに、これだけ使えてGoogleフォトは無料!! 使わない手はない、というよりも使わなければ損をするGoogleフォトを使いこなそう！

自動運転のクルマは日本でも買えるし、もう乗れます。では、各社の実力はどうか。徹底比較します。さらに自動運転がもたらす業界の変化と社会の未来を大胆予測。これを読めばすべてが分かります。 　本書は週刊エコノミスト２０１６年６月28日号で掲載された特集「もう乗れるぞ！自動運転・ＥＶ」の記事を電子書籍にしたものです。 目　次： はじめに ・急カーブでも操作なし　テスラが見せる車の未来 ・自動車メーカー最新事情　ここまで来た！自動運転技術 ・グーグルの到達点　ドライバーは形だけ　市街地を走り回る ・グーグルがロビー活動　「ＡＩ＝ドライバー」なのか　一歩先行く米国の議論 ・ＡＩがカギ握る　学習して進化する人工知能 ・台頭する部品メーカー　画像認識に優れるエヌビディア ・完全自動運転の世界　トヨタ×ウーバーの理由 ・ＤｅＮＡ×ＺＭＰ　無人タクシーへ発進！ ・「次世代コックピット」争奪戦　電機各社が狙う運転席 ・地図を巡る争い　日本はガラパゴスの恐れも ・電気自動車　充電場所や航続距離は増加 ・次世代電池の開発　期待がかかる全固体電池 【執筆者】 松本惇、藤枝克治、島下泰久、土方細秩子 黒崎亜弓、川端由美、貝瀬斉、谷口健 桃田健史、西村直人、浮島哲志、週刊エコノミスト編集部

※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。 ニューラルネットワークは、脳の神経細胞を数学的な計算によって表現できるようにした数式モデルです。今では、画像認識や顧客データの分析をはじめとするデータマイニングに応用され使われています。本書は、多層パーセプトロン、ニューラルネットワークをはじめとするディープラーニングを根底から支える数学的手法を学び、Pythonでの実装まで案内する機械学習入門書です。

※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。 カメラ＆センサーではじめての自動制御 Googleアクセラレーターで自分だけのAI画像認識 カメラとセンサーを使って、いろんな自動制御を実現してみましょう。 暗くなったら明かりをつけるといった基本的なものから、 「自走カーでチキンレース」「雨の予報なら傘立てが光る」など、 いろんな制御法を一挙30種類紹介します。 ※電子版には紙版についている付録プリント基板はつきません。予め、ご了承ください。

※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。 ラズパイ電子工作を今こそ始めましょう。 複雑な配線作業もなしに電子工作ができる、専用の拡張基板を作りました。 標準で付いてくる、モーターやセンサー、LED、スイッチ、小型ディスプレイなど、基本パーツを全部すぐに動かせます。 さらに、ラズパイのGPUを直接利用して最大50倍速で画像認識できるソフトを活用しましょう。 Google社のAIスピーカーと画像認識カメラの工作キットは7つの活用方法を一挙紹介します。

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 絶対に失敗しない定番6パーツの配線テク Wi-Fiマイコン搭載IoTボードで遊ぼう 　メインの特集は「定番6パーツ配線テク」です。モーター、LED、スイッチ、LCD、スピーカー、ボリュームという定番6パーツを、いろいろな応用例に生かす方法を詳説します。人工知能を使って、スマートスピーカーや画像認識マシンを作る方法も紹介します。 ※電子書籍には紙版についている付録「無線プログラミング拡張ボードのプリント基板」はつきません。予め、ご了承ください。

※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。 電子パーツ40分野350種を一挙紹介 Google工作キット2種もいち早く詳報 特集1では、40分野350種の電子パーツを一気に紹介します。 各種のモーター、ディスプレイ、LED、スイッチ、リアルタイムクロックなどを総ざらえ。 つなぎ方、動かし方、選び方を解説します。 さらに、特集2では新登場のGoogle工作キット2種、画像認識AIカメラとAIスピーカーキット (バージョン2)をいち早く解説。組み立て方から活用法までカバーします。 ※電子版には紙版についている付録プリント基板はつきません。予め、ご了承ください。

※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。 ゲーム製作で分かる パーツの動かし方入門30 Google工作キット2種で画像学習とサーボ制御 「マインスイーパー」「旗揚げゲーム」「モグラ叩き」。 特集１ではラズパイでゲーム工作をしながら、多様な電子パーツを制御する基本を学びましょう。 LED点灯などの基本から、割り込みの設定、ディスプレイのスクロール制御など、電子工作で頻出する制御法を網羅的に紹介します。 特集２は、「画像認識AIカメラ」と「新版AIスピーカー」のGoogle工作キット2種のさらなる活用法を紹介します。 AIカメラでは、グー、チョキ、パーの画像をディープラーニングで学習し、AIカメラとじゃんけん対決します。 AIスピーカーではサーボを音声で制御し、“歌って踊れるAIスピーカー"に仕立てます。 このほかラズパイ以外の工作ボードとして、ソニーの新製品「SPRESENSE」も活用。ボタン操作でビートを刻めるビートボックスを作ります。

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 複雑な制御が必要な電子パーツであっても、「ライブラリ」があれば、サクッと動かせます。英語で書かれた専門用語ビッシリのデータシートとにらめっこしながらプログラムを組む作業から解放され、短いコードで簡単に電子パーツを制御できるようになります。そんな便利なライブラリを活用するために必要となる知識とデータをまとめて紹介します。 特集1 サクッと動くパーツ＆ライブラリ総覧 特集2 ArduinoライブラリでラズパイPicoを動かす 特集3 古いラズパイをフル活用！Node-REDで 楽しい電子工作 特集4 空気の汚れをラズパイで検知しよう 特集5 ラズパイで楽しむLinuxライフ 　　　　カメラの性能を正しく引き出そうGUIコマンドの両方で操作 特集6 NVIDIAのAIボードが6000円台に！ 　　　 「 Jetson Nano 2GB」を画像認識に使ってみた 特集7 M5StickCで始める電子工作 iPhoneからサーボモーターを制御しよう 【付録冊子】フルカラー52ページ 20作例以上 ラズパイ工作超入門から応用までステップ36

※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。 LEDを点灯する、温度を計測するなど、電子工作ではその目的に合わせた「電子パーツ」の利用が欠かせません。 電子パーツに対する理解を深めて自分の工作アイデアに結び付けられるように、80個の「やりたいこと」別に100種の電子パーツを動かしてみましょう。 すべての記事にラズパイとPico向けの接続図およびサンプルプログラムを用意しています。 特集1 ラズパイ＆Pico両方に対応 パーツ100種全部動かす！ 特集2 みんなのラズパイコンテスト2021 受賞した全48作品を一挙紹介 特集3 古いラズパイをフル活用！Node-REDで 楽しい電子工作 特集4 性能が5倍になった最新機種！ラズパイゼロ 2を使ってAI画像認識で遊ぼう 特集5 ラズパイで楽しむLinuxライフ GUIとPythonでデータベースを操作する 【付録冊子】 みんなのラズパイコンテスト 2017～2020年 グランプリ作品はこう作る！

※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。 ◆特集1　新モデルラズパイ5完全対応　電子工作のはじめ方 　世の中には膨大な種類の電子パーツがありますが、ラズパイやラズパイPicoを使えばそれら電子パーツの多くを制御可能です。基本的な動かし方から作品の作り方まで一気にマスターしましょう。話題の「ChatGPT」を使って作品作りを効率化する方法も紹介します。 　最新のラズパイ5やPicoを使い電子パーツを自在に制御しよう 　Part1　電子パーツを電池で動作させてみよう 　Part2　ラズパイやPicoで電子パーツを制御しよう 　Part3　定番電子パーツ11種を動作させよう 　Part4　生成AIも活用しつつ、実用的な作品を作る ◆特集2　I/O、CPUが高速になったラズパイ5 　「NVMe」対応でSSDアクセスは2倍速に ◆特集3　ラズパイPicoをNode-REDで動かす 　GUI上のフローでプログラミング ◆特集4　ラズパイ＆AIによる画像認識でアームクローラーを制御しよう ◆特集5　ラズパイで楽しむLinuxライフ 　「今、会議中」と家族に伝えるプレートをPythonで作ろう ◆特集6　ラズパイで楽しむLinuxライフ 　「GitLab」で課題管理と資料の整理をしよう ●講座　実験して分かる電子パーツの動かし方 ●講座　ハード＆ソフトをちょい足し　新しいラズパイの遊び方 第15回 ●講座　ラズパイ＆PC両対応　Linuxで学ぶセキュリティ入門 ●講座　IoT時代の電子工作 ●講座　電子工作にも役立つ！ 基礎からわかるLinuxコマンド 第11回 【特別付録】 ・第1部　自動で動くカメラ＆センサー完全25パターン ・第2部　温湿度センサーで室内を監視 ・第3部　スカイツリーを好きな色に光らせる ・第4部　拡張ボードHATを自作しよう

※この商品は固定レイアウトで作成されており、タブレットなど大きいディスプレイを備えた端末で読むことに適しています。 また、文字列のハイライトや検索、辞書の参照、引用などの機能が使用できません。 手のひらサイズの高性能シングルボードコンピュータ、Raspberry PiでAI活用に挑戦しよう! 本書では、AIスピーカー(スマートスピーカー)や音声操作ロボット、会議内容を記録してメールで送信する自動議事録機、撮影したものを画像認識するAIカメラなど、盛りだくさんの内容に挑戦します。 また、初心者でも取り組みやすいように、全て基本的なことから解説を行っています。 Raspberry Piのセットアップから初期基本設定、遠隔操作の準備や使い方から、基本的なLinuxコマンドの操作方法、プログラミングの基本などを解説。 さらに電子工作初心者のために、電気の基礎知識からLED、マイク・スピーカーなどを使った電子工作を実践し、少しずつステップアップして学べるように工夫しています。 また、本書で解説したサンプルプログラムもサポートページでダウンロード提供します。 本書はRaspberry Pi 3 Model B+およびRaspberry Pi 4 Model Bを対象に執筆を行っています。 GPIO40ピンのRaspberry Piであれば書籍と同様の配線などは可能ですが、古いRaspberry Piの場合は処理性能が低く書籍内で解説した内容が再現できない恐れもありますので、ご注意ください。