【さまざま領域に活用範囲を広げる、新進気鋭の言語のポテンシャル】 本書では、Webアプリケーション、機械学習、IoTなどでのElixirの活用方法を解説します。サンプルアプリケーションを開発しながらコードを紹介しつつ解説しています。Phoenix、Nx、Livebook、Nervesといったツールやライブラリの実践的な活用方法も紹介しているので、今の開発に即した実践的な知識が身に付けられます。 ■こんな方におすすめ ・なんらかのプログラミング言語を習得している人で、新しい言語としてElixirを習得したい人 ■目次 第1章：Elixir小史 　　Elixir言語の特徴 　　Erlang/OTP──Elixirの実行基盤 　　Elixirの誕生 　　Elixirの持つポテンシャル 第2章：Elixirの基礎 　　Elixirのインストール 　　Elixirコードの実行方法 　　基本的な文法 　　制御フロー 第3章：基本的な型とパターンマッチ 　　基本的な型 　　シジル──リテラルを表現する記法 　　パターンマッチ──データとパターンの照合 第4章：モジュール 　　モジュールと関数によるプログラムの構造化 　　String──文字列操作を扱う標準モジュール 　　File──ファイル操作を行う標準モジュール 　　IO──標準入出力を扱う標準モジュール 　　Enum──コレクションを「いい感じ」に扱う標準モジュール 　　Map──マップを「いい感じ」に扱う標準モジュール 　　Stream──コレクションを遅延評価する標準モジュール 　　ExUnit──Elixirの単体テスト標準モジュール 第5章：Mixを使ったElixirプロジェクトの開発 　　Mixの基本的な使い方 　　Mixタスク──Elixir開発を支える便利なコマンド 　　開発に便利なTips 第6章：並行プログラミング 　　プロセスによる並行プログラミングの実現 　　OTPによる並行プログラミングの実現 第7章：Phoenixの概要 　　Phoenixとは何か──Elixir製のWebアプリケーションフレームワーク 　　Phoenixの基礎知識 　　Phoenixの基本的な使い方 第8章：Ectoによるデータベース操作 　　Ectoとは何か──Elixir製のデータベースライブラリ 　　Ectoの基礎知識 　　Ectoの基本的な使い方 第9章：phx.gen.authによる認証 　　phx.gen.authとは何か──ビルトインのMixタスク 　　phx.gen.authの基礎知識 　　phx.gen.authの基本的な使い方 第10章：LiveViewによるフロントエンドの開発 　　LiveViewとは何か──Elixirで実装するリアルタイムWeb 　　LiveViewの基礎知識 　　LiveViewの実践的な使い方 第11章：実践的なWebアプリケーションの開発 　　ブログアプリケーションRealWorldの実装 　　記事のCRUD機能の開発 　　コメント機能の開発 　　タグ機能の開発 　　認証機能の開発 　　LiveViewによるRealWorldの開発 　　デプロイ 第12章：行列演算ライブラリNxの概要 　　Nxとは何か 　　Nxの基本的な使い方 第13章：Axonの概要と機械学習システム開発の進め方 　　Axonとは何か 　　Axonの基本的な使い方 　　SciDataとNxによる学習データの準備 　　Axonによるモデルの構築 　　Axon.Loopによるモデルの学習と可視化 　　Axon.Loopによるモデルの検証 　　Axon.predict/4──推論の実行 第14章：機械学習向けのライブラリ 　　Kino──Livebook用のUIライブラリ 　　StbImage──軽量画像読み書きライブラリ 　　Evision──OpenCVラッパー 　　Bumblebee──学習済みTransformerモデル提供ライブラリ 第15章：実践的なAxonアプリケーションの開発 　　画像分類を行うWebアプリケーションの実装 　　LiveViewページの作成 　　ファイルアップロード機能の実装 　　学習済みモデルでの画像分類機能の実装 第16章：Nervesの概要 　　Nervesとは何か 　　Nervesの動作するIoTボード 第17章：Nervesでの開発の進め方 　　用意するもの 　　Nervesプロジェクトの基本的な開発の進め方 第18章：Elixir Circuitsによるモジュールの制御 　　Elixir Circuitsとは何か──Elixir/Nerves向けのモジュール制御ライブラリ 　　モジュールの通信方式 　　用意するもの 　　Elixir Circuitsの使い方 第19章：実践的なIoTアプリケーションの開発 　　開発するもの 　　データ受け取りサーバの作成 　　データのリアルタイム表示部の作成 　　データ送信モジュールの作成 　　ボタンの押下によるデータ測定 ■著者プロフィール 栗林 健太郎：GMOペパボ株式会社で取締役CTOを務めるかたわら、北陸先端科学技術大学院大学博士後期課程に在学中の社会人学生。IoTシステムへのElixirの応用について研究している。 大原 常徳：株式会社ドリコム　SRE部門のマネージャー。tokyo.exというElixirのコミュニティを運営。 大聖寺谷 一樹：本業では主にKotlinを使った開発をしてるが、副業でElixirやElmを触っているなんちゃってアルケミスト。 山内 修：日本マイクロソフト賞④受賞。Elixir本体、Ectoに貢献歴あり。 齋藤 和也：Webのサーバサイド開発やクラウドインフラ構築が得意なエンジニア。Elixir/Phoenixのお仕事や情報発信もしています。複数社で技術顧問を務めている。 隆藤 唯章：僧職系フリーランスプログラマー。ElixirMobileというElixirのコミュニティのオーガナイザー。最近はElixirでモバイルアプリの開発、モバイルアプリと機械学習との連携についての研究を行っている。 高瀬 英希：旧くからの組込み屋さん、最近の言い方ではIoT屋さん。ElixirだけでIoTシステムをすべからく包括的に開発できたら楽しい世界になると信じて研究を進めている。

※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。 ◆◆3言語(C言語、C++、Python)対応で、「画像処理の基本」が身につくと、大好評のテキストの改訂版！◆◆ ・OpenCV4.5に対応し、さらにパワーアップ! ・基本アルゴリズムとサンプルプログラムが豊富で、いますぐできる！ ・理論と実践のバランスがよく、初学者に最適！ ・全編をフルカラー化し、デザインも一新！ ・練習問題を解いて理解度アップ！ ・Windowsだけでなく、Macでのインストールにも対応！ 【「まえがき」より】 本書は，理数科高校生，工業高等専門学校生，大学学部生などを対象とした講義用教科書としての利用を想定し，基本的かつ汎用性の高い画像処理アルゴリズムを選定して解説した．また初学者が独学でも学べるように，開発環境の構築方法，トラブルシューティングなどの詳細な手順を載せている．本書ではまず，画像処理アルゴリズムについて解説し，内部で行われる処理が十分に理解されることに重点を置いている．その後，C言語での実装例を並べて表記し，各アルゴリズムがどのようにコーディングされるのかを解説する．さらに，OpenCVの関数を用いたプログラム（Python，C++言語）も併記し，OpenCVの利用方法を説明する． 今回，第3版に改訂するにあたり，読者からのさまざまなコメントや，我々が本書を用いて講義してきた経験をもとに，内容の理解がより促進されるように章立てを整理し，読者がより興味を惹くような内容に変更した．執筆時点における最新の開発環境に対応するため，OpenCV4系を採用し，Windows11とmacOS上での開発環境の構築について詳細な解説を加筆した．さらに，OSに依存しないGoogle Colaboratoryを用いたプログラム作成方法も加筆した．一方，情報処理技術者試験の試験要綱が2022年4月から更新され，擬似言語の記述形式が大幅に変更され，プログラムの記述方法がC言語と同等になった．そのため，第2版まで記載していた古い記述形式の擬似言語を用いたプログラムは削除することにした． 【おもな内容】 1章　画像処理とOpenCV 2章　OpenCV の導入 3章　画像入力装置と静止画・動画フォーマット 4章　デジタル画像と配列 5章　色空間 6章　濃淡変換 7章　フィルタ処理 8章　2値画像処理 9章　複数画像の利用 10章　幾何学変換 11章　距離画像処理 付録A　OpenCVの描画系関数 付録B　OpenCVをソースからビルドする 付録C　OpenCVメインモジュール概説 姉妹書『OpenCVによるコンピュータビジョン・機械学習入門』も好評発売中！ ※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。 AIシステムを動かすモデルの解釈可能性を高め、説明可能なAIへの道を開く 本書では、線形回帰や決定木などのシンプルなホワイトボックスモデルから、深層ニューラルネットワークなどのようなブラックボックスモデルまで、その解釈手法とPythonによる実装を解説。「どのように動作し、予測に至ったのか」に答え、モデルを「解釈可能」にするためのアプローチを網羅的に扱い、そして更に「なぜ、この予測をしたのか」に答え「説明可能なAI」に至るための道を示しています。 第1部 解釈可能性の基礎 第1章 はじめに 　1.1 Diagnostics+のAI―AIシステムの一例 　1.2 機械学習システムの種類 　1.3 Diagnostics+のAIを構築する 　1.4 Diagnostics+のAIの問題点 　1.5 Diagnostics+のAIシステムを堅牢にする 　1.6 解釈可能性と説明可能性 　1.7 本書で何を学ぶのか？ 　1.8 まとめ 第2章 ホワイトボックスモデル 　2.1 ホワイトボックスモデル 　2.2 Diagnostics+―糖尿病の進行度 　2.3 線形回帰 　2.4 決定木 　2.5 一般化加法モデル（GAM） 　2.6 ブラックボックスモデルとは 　2.7 まとめ 第2部 モデルの処理の解釈 第3章 モデルに依存しない方法：大域的な解釈可能性 　3.1 高校生の成績予測器 　3.2 アンサンブルツリー 　3.3 ランダムフォレストを解釈する 　3.4 モデルに依存しない方法：大域的な解釈可能性 　3.5 まとめ 第4章 モデルに依存しない方法：局所的な解釈可能性 　4.1 Diagnostics+のAI：乳がん診断 　4.2 探索的データ分析 　4.3 深層ニューラルネットワーク 　4.4 DNNを解釈する 　4.5 LIME 　4.6 SHAP 　4.7 アンカー 　4.8 まとめ 第5章 顕著性マップ 　5.1 Diagnostics+のAI：浸潤性乳管がんの検出 　5.2 探索的データ分析 　5.3 畳み込みニューラルネットワーク 　5.4 CNNを解釈する 　5.5 バニラバックプロパゲーション 　5.6 ガイド付きバックプロパゲーション 　5.7 その他の勾配ベースの手法 　5.8 Grad-CAMとガイド付きGrad-CAM 　5.9 どの寄与度推定法を使えばいいのか？ 　5.1 まとめ 第3部 モデルの表現の解釈 第6章 層とユニットを理解する189 　6.1 視覚的な理解 　6.2 畳み込みニューラルネットワーク：復習 　6.3 ネットワーク分析フレームワーク 　6.4 層とユニットを解釈する 　6.5 まとめ 第7章 意味的な類似性を理解する 　7.1 感情分析 　7.2 探索的データ分析 　7.3 ニューラル単語埋め込み 　7.4 意味的類似性を解釈する 　7.5 まとめ 第4部 公平性とバイアス 第8章 公平性とバイアスの軽減 　8.1 収入予測 　8.2 公平性の概念 　8.3 解釈可能性と公平性 　8.4 バイアスを軽減する 　8.5 データセットのためのデータシート 　8.6 まとめ 第9章 説明可能なAIへの道 　9.1 説明可能なAI 　9.2 反実仮想的な説明 　9.3 まとめ Appendix 付録A セットアップを行う 　A.1 Python 　A.2 Gitコードリポジトリ 　A.3 Conda環境 　A.4 JupyterNotebook 　A.5 Docker 付録B PyTorch 　B.1 PyTorchとは？ 　B.2 PyTorchをインストールする 　B.3 テンソル 　B.4 データセットとDataLoader 　B.5 モデリング 付録C 日本語版付録日本語を扱う 　C.1 単語に分割する 　C.2 ワードクラウドを作成する 　C.3 日本語を単語埋め込み化する Ajay Thampi（著者） 信号処理と機械学習をテーマに博士号を取得し、強化学習、凸最適化、5Gセルラーネットワークに適用される古典的な機械学習技術をテーマに主要なカンファレンスやジャーナルで論文を発表している。現在は大手テック企業にて「責任あるAI」と公平性を専門に機械学習エンジニアとして活躍。マイクロソフトのリードデータサイエンティストとして、製造業、小売業、金融業など様々な業界の顧客に対して、複雑なAIソリューションをデプロイする仕事を担当した経験を持つ。 松田晃一（翻訳者） 博士（工学、東京大学）。石川県羽咋市生まれ。『宇宙船ビーグル号の冒険』を読み、絵描きではなく、コンピュータの道へ。海（海水浴）と温泉を好む。HCI/AR/VR/UX、画像処理・認識、機械学習、エッセーの執筆、技術書、SF、一般書の翻訳などに興味を持つ。最近立ち上げたPython の講義が（自分では）結構良く構成でき、再構成し書籍化を考えている。PAW^2（メタバース）の開発に携わり、オープンソースのm3py ライブラリの開発を行っている。著書に『Python ライブラリの使い方～ GUI から機械学習プログラミングまで』、『p5.js プログラミングガイド改訂版』（カットシステム)、『学生のためのPython』（東京電機大学出版局)、『WebGL Programming Guide』（Addison-Welsley Professional）など、訳書に『Web API デザイン・パターン』、『機械学習エンジニアリング』、『プログラミングのための数学』、『データサイエンティストのための特徴量エンジニアリング』（マイナビ出版）、『生成Deep Learning』、『詳解OpenCV3』、『コンピュータビジョンのための実践機械学習』（オライリー・ジャパン）、『デザインのためのデザイン』（ピアソン桐原）などがある。 ※この商品は固定レイアウト型の電子書籍です。 ※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。 ※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。