◆「ゴールベース資産管理」は、日本においても、広がりを見せてきた。顧客と長期の契約を模索し、丁寧に顧客に向き合って資産を管理しようという証券会社が増えてきたことが背景にある。生き方の多様化・長寿化に対応した「ゴールを明確にした資産管理」は、近年の投資環境とあいまって、今後さらに盛り上がりを見せると思われる。 ◆2016年には、『ゴールベース資産管理入門』（原題・Personal Benchmark）を野村グループの翻訳で出版。本書は、その後の日本の取り組みと事例について、日本の識者が様々な角度から解説するもの。 ◆執筆者の所属は、野村證券、野村総合研究所（NRI）、NRIアメリカ、野村資本市場研究所などとなっており、日米の比較や、様々な調査からの示唆を得られる。

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 深層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。 モノと情報が溢れている現在、商品購入、サービスの浸透、ブランド力のアップ、いずれにも「プロモーション」が大きな役割を担っています。しかし、流行っているから、他社がやっているからという理由で、プロモーション方法やツールを選択していませんか?Web活用が過渡期のいま、従来と同じ考え方や方法でプロモーションを行っても、もはや成果が得られません。本書では、プロモーションの考え方や戦略といった大きな話から、プロモーションを成功させるために必要な施策まで、順に掘り下げる形で、事例を交えつつ解説を行っています。 Chapter1「プロモーションの基本と考え方」では、現代の消費者動向を分析し、効果的に訴求するにはオンラインとオフラインを融合したプロモーションが必要なことを解説。Chapter2「プロモーションの戦略と手法」では、ビジョンから、戦略をたてるのに必要な自社分析、市場分析といった各種分析、戦術への展開、プロモーションの方向性の策定など、具体的な策の前に考えるべきことをまとめます。Chapter3「成果を出すプロモーションツール活用術:新規顧客獲得編」は、新規顧客獲得を目的としたプロモーションのノウハウをまとめます。リターゲティング広告、リスティング広告、ソーシャルメディア、新聞や雑誌などのオフラインツールについても解説。Chapter4「成果を出すプロモーションツール活用術:既存顧客・ブランディング編」は顧客育成やブランディングを目的とした施策を紹介。メールマガジン、販促物、ソーシャルメディア、イベントなど、それぞれの特徴と使いどころ、活用例を具体的に解説します。Chapter5 「「これから」のプロモーションを考える」では、今後の動きを踏まえて、Web担当者やプロモーションに携わる方が考えるべきことをまとめます。 ○ご注意:Appendixで紹介しているBenchmark Emailの1年間無料使用権は、紙版書籍限定の特典です。電子書籍版にはこの特典は付属しておりません。ご了承ください。なお、Benchmark Emailには無料トライアルも用意されていますので、そちらをお試しください。