道具として「測度」が必要な人のための一冊。情報科学・工学・自然科学に「使う」のに十分な内容をコンパクトにまとめ、ルベーグ積分のチェックポイントもわかりやすく示した。データサイエンス、機械学習の理解にも好適。

最短経路で平易に理解できる、今までにない入門書! ベイズ主義機械学習(ベイズ学習)の基本原理にのっとり、｢モデルの構築→推論の導出｣という一貫した手順でアルゴリズムの作り方を解説。どこまでも分かりやすい!

データ単体ではなくデータ間の関係に注目すると、データが｢次｣を予測してくれる。多重に次元が上がる解析を実際に行うために必要な知識を1冊におさめた。考え方を理解して、自分の分野で応用しよう。※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。

丁寧な説明が感動的! しっかり、よくわかる!どのような学習アルゴリズムが効率的かを見極めるには、確率論･統計学に根ざした基礎が不可欠。カーネル法、SVM、ブースティングなど、重要概念を丁寧に記述した。学習手法をしっかり理解して使いこなせるようになる。※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。

【甘利俊一先生推薦！！】本書は、形式的で無味乾燥な定義から始めるのを避け、具体的に目に付く多くの話題から、線形代数の醍醐味に迫ろうというものである。 ★★授業で習う線形代数から、「見方」を変えるための30話★★ 「ベクトルで関数を微分するって、どういうこと？」 「行列の指数関数って計算できるの？」 「行列のノルムって、何に使えるの？」 授業中に「大切だよ」と言われ続ける「線形代数」。 けれど実は、それぞれの概念がどのように使われるのかよくわからない…… 本書では、「線形代数」的な視点を身につけて、応用に向かうための準備をします。 【本書のポイント】 1.数式を眺める視点を、いろいろと 2.関数を、線形代数的に捉える 3.巨大なデータに立ち向かうための道具を手に入れる 4.一度学んだ人に、これから学ぶ人に、半歩先から見える景色を 【主な内容】 第1部　ならべた数に法則を 第1話　演算による豊かさ 第2話　基底は一つではない 第3話　関係性はとても大切 第4話　多様性の一つのかたち 第5話　情報を操作して処理する 第6話　[幕間] ベクトルの影、測定の視点 第2部　ならべた数に解釈を 第7話　「数式」が「点」になる 第8話　やっぱり基底は一つではない 第9話　数式にも関係性を作る 第10話　交わらないことの便利さ 第11話　関数を行列で操作する 第12話　[幕間] 波の分解と再構築 第3部　ならべた数に応用を 第13話　世界の一部をモデルに写しとる 第14話　関数をベクトルで微分する 第15話　データに合う関数を探す 第16話　学び過ぎはよくない？ 第17話　行列の特別な分解 第18話　[幕間] 直交の技術 第4部　ならべた数と移りゆく世界 第19話　移り変わりを数式で表現する 第20話　行列を引数にとる関数？ 第21話　いくつかの時間発展を一度に解く 第22話　関数の時間変化を考える 第23話　偏微分方程式を解く 第24話　[幕間] 予測の光、理解の闇 第5部　ならべた数のさらなる発展 第25話　時間発展データのために 第26話　観測方法を変える・その１ 第27話　観測方法を変える・その２ 第28話　変数が増えると、爆発 第29話　圧縮しながらベクトルを作る 第30話　[終幕] 世界を眺める視点の変革

★機械学習の実利用で、本当にビジネスの価値を生み出すには？★ 技術・プロセス・文化の3面から学ぶ、「MLOps」はじめての実践ガイドが登場！ 機械学習システムをビジネスに導入し、運用していく中での悩みによく効くノウハウが満載です。 企業が事業で機械学習の成果をスケールさせるためのさまざまな取り組みをMLOpsといいます。 本書はそのMLOpsを解説する書籍です。 第1部ではMLOpsの全体像、そしてそれを実現する技術・プロセス・文化を紹介します。機械学習をビジネスに導入し、運用していくための基礎知識がわかりやすく学べます。 第2部では、第1部に対応したプラクティスを9つの組織から提供してもらいました。 【おもな内容】 第1部　MLOpsの背景と全体像 1章　MLOps とは 1.1　MLOpsの背景 1.2　本書でのMLOpsの全体像 2章　MLOps を実現する技術 2.1　機械学習パイプライン 2.2　推論システム 2.3　技術選定 2.4　機械学習の実行環境とアクセラレーター 2.5　機械学習システムのモニタリング 2.6　データの品質管理 2.7コードの品質管理 3章　MLOps を支えるプロセス・文化 3.1　機械学習システムの開発フローとPoC 3.2　素早い実験を繰り返す 3.3　多様な利害関係者との協業 3.4　ビジネスの意思決定に役立つモニタリング 3.5　MLOps のプロセスを支える文化 第2部　MLOpsの実践事例と処方箋 4章　DeNAにおける機械学習プロジェクトの進め方（株式会社ディー・エヌ・エー　玉木竜二　藤原秀平） 5章　少人数で迅速に実現する　コンテンツレコメンドにおけるMLOps（株式会社CAM　原和希） 6章　顧客ごとに複数機械学習モデルを出し分ける学習と推論のアーキテクチャ（澁井雄介） 7章　機械学習パイプライン構築事例から見る技術選定（安立健人） 8章　事故を減らすための機械学習モデル適用の工夫（株式会社ディー・エヌ・エー〈GO株式会社出向〉　松井健一） 9章　機械学習プロジェクトの失敗確率 80% を克服するプラクティス（アマゾン ウェブ サービス ジャパン合同会社　久保隆宏） 10章　ML Test Score を用いた機械学習システムの定量的なアセスメント（柏木正隆） 11章　大規模言語モデルの研究開発から実運用に向けて（株式会社日本経済新聞社　石原祥太郎） 12章　ユーザー企業における機械学習プロジェクトの推進事例（サントリーシステムテクノロジー株式会社　高木基成）

★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

最適化問題へのモデル化と、基本的なアルゴリズムを俯瞰し、最適化という考え方の基礎をしっかりと固める。大事なことは、いつの時代も変わらない。イメージしやすい具体的な例や、理解の定着にかかせない演習問題も充実！ 【推薦の言葉】 数理最適化は、問題解決のための数学である。今では、その成果を実装したソルバーが簡単に手に入るようになった。直面する問題を解決するには、まずそれをモデル化し、適切な最適化手法を適用するという手順を踏む。 本書は、豊富な実例を通して、モデル化の勘どころを説明し、さらに広範な最適化手法それぞれを、基本から分かりやすく解説している。この分野全般を知るための「最適解」として推薦したい。 ――茨木俊秀(京都情報大学院大学学長) 【サポートページ】 https://sites.google.com/view/introduction-to-optimization/main 【主な内容】 第1章 数理最適化入門 1.1 数理最適化とは 1.2 最適化問題 1.3 代表的な最適化問題 1.4 本書の構成 第2章 線形計画 2.1 線形計画問題の定式化 2.2 単体法 2.3 緩和問題と双対定理 第3章 非線形計画 3.1 非線形計画問題の定式化 3.2 制約なし最適化問題 3.3 制約つき最適化問題 第4章 整数計画と組合せ最適化 4.1 整数計画問題の定式化 4.2 アルゴリズムの性能と問題の難しさの評価 4.3 効率的に解ける組合せ最適化問題 4.4 分枝限定法と切除平面法 4.5 近似解法 4.6 局所探索法 4.7 メタヒューリスティクス

★この本を買わずして何を買う！！★ 競技プログラミング経験が豊富な著者が、「アルゴリズムを自分の道具としたい」という読者に向けて執筆。入門書を標榜しながら、AtCoderの例題、C++のコードが充実。入門書であり実践書でもある、生涯役立つテキストを目指した。 【推薦の言葉】 プログラムが「書ける」ことと、効率の良い結果を得ることには大分ギャップがある。本書は、どのようにすれば効率のよい結果が得られるか？　すなわちどのようなアルゴリズムを採用すればよいか？　という点に対して、幅広くかつ明快に解説している。 また本書は、アルゴリズム初心者に対して、アルゴリズムへの興味を惹かれるように記述されている。アルゴリズム上級者への初めの一歩には最適であろう。 ――河原林健一（国立情報学研究所副所長） 【全体を通して、アルゴリズムの設計技法を重視した構成】 まず、1、2章でアルゴリズムと計算量について概観します。そして、3～7章が、早くも本書のメインパートといえる部分であり、「アルゴリズムの設計技法」について詳しく解説します。これらの設計技法に関する話題は、多くの書籍では、最後の方で簡単に説明しています。しかし本書は、現実世界の問題を解決するための実践的なアルゴリズム設計技法の鍛錬を目指しています。そこで、アルゴリズム設計技法について前半で詳しく解説する構成としました。そして、これらの設計技法が後半の章でも随所に使われていくことを示していきます。 その後、8～11章では、設計したアルゴリズムを効果的に実現するうえで重要となるデータ構造を解説します。データ構造について学ぶことで、アルゴリズムの計算量を改善したり、また、C++やPythonなどで提供されている標準ライブラリの仕組みを理解して、それらを有効に活用したりすることができるようになります。 そしていったん、12章でソートアルゴリズムについての話題を挟んだ後に、13～16章でグラフアルゴリズムについて解説します。グラフは、非常に強力な数理科学的ツールです。多くの問題は、グラフに関する問題として定式化することで、見通しよく扱うことができるようになります。また、グラフアルゴリズムを設計するとき、3～7章で学ぶ設計技法や、8～11章で学ぶデータ構造が随所で活躍します。 最後に、17章で PとNPに関する話題を解説し、世の中には「効率的に解くアルゴリズムを設計することができそうにない難問」が多数あることを見ます。18章で、これらの難問に取り組むための方法論をまとめます。ここでも、動的計画法 (5章) や貪欲法 (7章) といった設計技法が活躍します。

圧倒的に柔軟なベイズ的回帰モデルであるガウス過程の日本初の入門書。基礎の線形回帰から始め、ガウス過程の原理をゼロからていねいに解説。教師なし学習、実応用など最近の話題まで紹介した。さあ、はじめよう!

★フリーソフトQGISとオープンデータを使って、地図をつくろう！★ 「高齢者が多く住んでいる区域を可視化して、ビジネスに活かしたい！」 「市の防災担当として、浸水予想マップをつくりたい！」 「社会科の授業でオリジナル地図をつくりたい！」 これ一冊でぜんぶできます！ フリーソフトとオープンデータを使うから、初心者でも安心。 GISの基礎知識やデータの入手方法までしっかり解説！ 《目次》 PART 1　基礎知識編 　第1章　オープンデータの基本 　第2章　GISの基本 　第3章　オープンデータとGISの活用事例 PART 2　地図づくり準備編 　第4章　オープンデータの入手 　第5章　QGISの準備 PART 3　地図づくり実践編 　第6章　ビジネスに役立つ地図づくり 　第7章　登記所備付地図データを活かした地図づくり 　第8章　防災に役立つ地図づくり

最小の努力で、最大の学びがここにある!･境界分野が面白い! 基礎から最先端まで，骨太の一冊!･機械学習に不可欠な基礎知識が身につく。･おだやかではない。かつてこれほどの教科書があっただろうか。※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。 測度論を用いた確率論への入門の新定番。 ・確率論の「王道」をしっかり押さえた丁寧な解説と豊富な例題・演習問題が初学者にぴったり ・学びやすいと好評の講義ノートを大幅に加筆修正し、解説がさらにわかりやすく ・序章で確率論の具体的なモデルを紹介し、具体例から学べる構成 本書は測度論を復習しながら確率論を学習できる入門書です。 丁寧な解説と本文中の例題で手を動かしながら学び、演習問題（解答付き）で理解を確かめ、学びを深めることができます。 さらに、ランダムウォーク・パーコレーション・分枝過程・ブラウン運動などのモデルについても紹介します。これらのモデルは問題設定はわかりやすいものの、現在でも確率論の研究において頻繁に扱われるものです。教科書の範囲を大きく逸脱しない範囲の知識で得られる結果については証明も与えていきます。このように具体的なモデルを眺めながら学習することで確率論とはどういった学問なのかを体験し、また抽象的な理論や定理の使い方を身につけられる構成になっています。 【おもな内容】 序章　確率模型 第1章　確率論の基礎 第2章　期待値 第3章　独立性 第4章　大数の法則 第5章　中心極限定理 第6章　独立性および条件付き期待値 第7章　マルコフ連鎖 第8章　離散時間マルチンゲール 第9章　ブラウン運動 第10章　連続時間マルチンゲール 第11章　確率積分 付録A 　測度論 付録B　フビニの定理 付録C　確率空間に関する補足 付録D　L^p-空間 付録E　フーリエ変換 問題解答 ※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。

《これが世界標準！　世界もここから始めてる！！》 データサイエンス・機械学習を学ぶ「はじめの一歩」として、スタンフォード大学にて使用されている教科書“Introduction to Applied Linear Algebra: Vectors, Matrices, and Least Squares”がついに翻訳！！ ・豊富な事例を示しながら、ベクトル・行列の基本から最小二乗法による機械学習までをていねいに解説！ ・データサイエンス・機械学習に必要な数学の学び直しにうってつけ！ ・章末問題が298問掲載されているから、完全に理解できる！ ・Julia言語によるプログラミング課題が原著者のウェブサイトから入手できる！　 ・プログラミング課題を日本語に翻訳したものを、訳者のGitHubにて無料公開！ 【プログラミングの補足資料と追加の演習問題の入手先】 ・原著者のウェブサイト：http://vmls-book.stanford.edu ・補足資料の日本語訳：https://github.com/tttamaki/julia_companion_jp 【推薦の言葉：原著刊行にあたって】 データサイエンスの学生だけでなく，すべての学生に必読の入門書 ――ローラン・EI・ガウイ（カリフォルニア大学バークレー校） これが正攻法！ ――ギルバート・ストラング（マサチューセッツ工科大学） この本は多くの授業で使われるだろう．これだけ演習問題が大量にあるのだから ――トレバー・ヘイスティ（スタンフォード大学） 【主な内容】 第1部　ベクトル 1章　ベクトル 2章　線形関数 3章　ノルムと距離 4章　クラスタリング 5章　線形独立 第2部　行列 6章　行列 7章　行列の例 8章　線形連立方程式 9章　線形動的システム 10章　行列積 11章　逆行列 第3部　最小二乗法 12章　最小二乗法 13章　最小二乗当てはめ 14章　最小二乗識別 15章　多目的最小二乗法 16章　制約付き最小二乗法 17章　制約付き最小二乗法の応用 18章　非線形最小二乗法 19章　制約付き非線形最小二乗法 付録A　記法 付録B　計算量 付録C　微分と最適化 付録D　さらなる話題