《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

※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。

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。

★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

【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!

★数学とプログラミングを対比させながら、一歩一歩わかりやすく！ 実務に即してPyMC5プログラミングでベイズ推論を使いこなせるようになる。 最初の一冊として、データサイエンティストにおすすめ！ 【サポートサイト】 https://github.com/makaishi2/python_bayes_intro 【主な内容】 第1章 確率分布を理解する 1.1 ベイズ推論における確率分布の必要性 1.2 確率変数と確率分布 1.3 離散分布と連続分布 1.4 PyMCによる確率モデル定義とサンプリング 1.5 サンプリング結果分析 1.6 確率分布とPyMCプログラミングの関係 第2章 よく利用される確率分布 2.1 ベルヌーイ分布（pm.Bernoulliクラス） 2.2 二項分布（pm.Binomial クラス） 2.3 正規分布（pm.Normal クラス） 2.4 一様分布（pm.Uniform クラス） 2.5 ベータ分布（pm.Beta クラス） 2.6 半正規分布（pm.HalfNormal クラス） 第3章 ベイズ推論とは 3.1 ベイズ推論利用の目的 3.2 問題設定 3.3 最尤推定による解法 3.4 ベイズ推論による解法 3.5 ベイズ推論の精度を上げる方法 3.6 ベイズ推論の活用例 第4章 はじめてのベイズ推論実習 4.1 問題設定 (再掲) 4.2 最尤推定 4.3 ベイズ推論 (確率モデル定義） 4.4 ベイズ推論 (サンプリング） 4.5 ベイズ推論 (結果分析） 4.6 ベイズ推論 (二項分布バージョン） 4.7 ベイズ推論 (試行回数を増やす） 4.8 ベイズ推論 (事前分布の変更） 4.9 ベータ分布で直接確率分布を求める 第5章 ベイズ推論プログラミング 5.1 データ分布のベイズ推論 5.2 線形回帰のベイズ推論 5.3 階層ベイズモデル 5.4 潜在変数モデル 第6章 ベイズ推論の業務活用事例 6.1 ABテストの効果検証 6.2 ベイズ回帰モデルによる効果検証 6.3 IRT (Item Response Theory）によるテスト結果評価

基礎的な点群処理から、ICPアルゴリズム、物体認識、PointNetまでをPythonで学ぼう！★章末問題付き★ ・Open3Dを使用し、Pythonプログミングとともに平易に解説。 ・サンプルコードをサポートページから提供したので、すぐに実践できる！ ・最終章では、RGBD画像、ボクセルデータ、メッシュデータ、多視点画像の3次元データ処理も解説。 【主な内容】 第1章　はじめに 第2章　点群処理の基礎 第3章　特徴点・特徴量の抽出 第4章　点群レジストレーション（位置合わせ） 第5章　点群からの物体認識 第6章　深層学習による3次元点群処理 第7章　点群以外の3次元データ処理

★「いつか学ぼう」と思っていたなら、今！★ 初歩から実装まで悩まず進める！ GISの基本から始まり、今ホットな時空間データの解析まで解説。 サンプルコードと出力結果が詳細だから実践しながら学べる、最高のガイド！ [主な内容] 第1部〈導入編〉　空間データの統計解析の基礎 　第1章　はじめよう！　地理空間データの統計解析 　第2章　統計学の基本 　第3章　回帰モデルの基本 　第4章　Rの基本 　第5章　Rによる空間データ処理・可視化の基本 第2部〈基礎編〉　地域データの記述統計 　第6章　空間相関と近接行列 　第7章　大域空間統計量 　第8章　局所空間統計量 第3部〈基礎編〉　地域データの統計モデリング 　第9章　同時自己回帰モデル 　第10章　条件付き自己回帰モデル 第4部〈基礎編〉　点データの統計モデリング 　第11章　空間過程とバリオグラム 　第12章　地球統計モデル 　第13章　地理的加重回帰 第5部〈応用編〉　非ガウス空間データの統計モデリング 　第14章　一般化線形モデルの基礎 　第15章　空間相関を考慮した一般化線形モデル 　第16章　INLAによる空間モデリング 第6部〈応用編〉　時空間データの統計モデリング 　第17章　時空間データの統計モデリングの概略 　第18章　時空間CARモデル 　第19章　時空間過程モデル 第7部〈応用編〉　一般化加法モデルと時空間モデリング 　第20章　一般化加法モデルの基礎 　第21章　一般化加法モデルによる時空間モデリング 　第22章　加法モデルによる空間可変パラメータモデリング 補章　空間統計と機械学習

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。

集合と位相がよくわからない！という人のために、集合と位相の言葉（論理）の使い方に慣れることを目標とした。さらに最近話題の圏論を入門的に解説する。 読めば読むほど味が出る数学スルメ本！ （本書のまえがき） 数学を専門としない人が数学の専門家に質問や相談をすると，「それは何の上で定義されているのか」，「それはどこからどこへの関数なのか」としきりに尋ね返される．それは無意味に厳密だったり，些末なことにこだわっているのではない．ましてや，知識を誇ろうとしているのでもない．ただ，数学の言葉を話し，数学の言葉で考えようとしているのである．そして，その言葉とは「集合」と「写像」のことである． 本書では，数学の非専門家を対象に，いわゆる「集合と位相」，つまり，数学の言葉としての「集合」と「写像」および，その重要な性質である「位相」の基礎概念を解説する．さらに，新たに数学の言葉の仲間入りをしつつあり，分野によっては既に不可欠なものになった「圏」の概念についても，集合と写像をベースにその初歩の解説を行う． さて，このような数学の言葉であり基礎でもある「集合と位相」を学習する場合に問題になることが2 つある．1 つは厳密さの程度の問題である．集合とは何かをつきつめれば，数学とは何か，という問題にまで到達せざるを得ない．しかし一方で，数学の非専門家はもちろん，専門家を目指す人にすら，数学の論理的根底から学ぶことは効率が良い方法とは言えない．おそらく正しい態度は，「あらゆることがらにおいて同じように厳密性を求めることをせず，それぞれの場合においてその素材に応じまたその研究に固有な程度においてする」ことだろう．そこで，本書において目指した厳密さの程度は，確固たる足がかりを感じられる程度の深さである．無論，これを言うは易しく，行うのは非常に難しい．そして，もう1 つの問題は，「集合と位相」の学習にdiciplineの意味があることである．「数学をする」とか「数学がわかる」とはどういうことかを学ぶ． 第0章　集合，位相，圏のこころ 第1章　集合 第2章　論理と集合 第3章　写像 第4章　集合の構造 第5章　R とその間の関数　位相への道程 第6章　距離空間　位相への道程2 第7章　位相 第8章　圏

◆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

★まずは実行しよう。数理はそれからだ。★ 初学者が無理なく読み進められるように、ていねいに解説した。まずは、Rでデータ解析を実践し、Rの操作を習熟したら、数理的側面を学ぶ構成。理解の定着に役立つ練習問題が充実！　コードはWebで公開。 【サポートページ】 https://sites.google.com/view/ihsayah/sdar 【主な内容】 第1章　準備：Rの操作 第2章　データの可視化と要約 第3章　回帰分析（1）：単回帰モデル・重回帰モデル 第4章　回帰分析（2）：統計的推測・正則化法に基づく回帰分析 第5章　判別分析 第6章　ロジスティック回帰モデル 第7章　単純な規則に基づく判別モデル：決定木・インデックスモデル 第8章　主成分分析 第9章　クラスター分析 第10章　ブートストラップ法 第11章　Rを用いたシミュレーション：数理統計学を「実感」する 【「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)

※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。 ベイズ統計に基づくモデリングだからこそ、見えてくるものがある。いかにデータを集めるか？だった時代から、勝手に集まるデータをいかすには？に課題が変化しつつある今、時代に応じたマーケティングのための基本を紹介。

この一冊からはじめよう！ ボケが止まらないネコ教授と、生意気な生徒クロが楽しくナビゲートする画期的な書。 集合、論理、写像、関係、帰納法、順列、グラフ、無限集合の基本を網羅した。 定理の証明は正確かつ細部まで記述し、練習問題付き。 【推薦の言葉】 鮮やかな筆さばきが光る本書を読んだ方々が、離散数学の魅力を堪能し、将来、これらの理論を生活や勉学、研究に役立てていかれることを期待します。 ――数学者・秋山仁先生 【主な内容】 第1章　離散数学の魅力――まず面白さを感じて下さい 1.1　ピックの定理 1.2　オイラー路とオイラー閉路 1.3　ハミルトン路とハミルトン閉路 1.4　ポーサのスープの問題 1.5　鳩の巣原理 1.6　エルドシュ・スズカーズの単調部分列の定理 第2章　集合――数学の大本 2.1　集合とは何か 2.2　ベン図と和集合，共通集合，部分集合など 2.3　普遍集合とド・モルガンの法則 2.4　有限集合と包除原理 2.5　冪集合 第3章　論理――科学的思考の基礎 3.1　命題論理 3.2　述語論理 第4章　対応と写像――ここを押さえておかないと道に迷う 4.1　集合の直積 4.2　対応 4.3　写像 第5章　関係――「恋人」も「ライバル」も「親の仇」もすべて「関係」だ 5.1　関係の基本 5.2　半順序 5.3　ハッセ図 5.4　厳密半順序 5.5　同値関係 第6章　帰納法と関係の閉包――自然数といえば帰納法 6.1　帰納法 6.2　関係の閉包 6.3　集合の対等性 第7章　順列と組合せ――この先には賞金 100 万ドルの未解決問題が！ 7.1　順列と組合せ 7.2　二項定理 第8章　グラフ――離散数学界のセンターポジション 8.1　グラフとは何か 8.2　グラフの用語 8.3　さまざまなグラフ 8.4　ピックの定理の証明 8.5　オイラー路とオイラー閉路 第9章　無限集合――「対角線論法」を知らずして「面白い証明」を語るなかれ 9.1　素数 9.2　集合の濃度 9.3　可算濃度 9.4　実数集合Rの濃度と対角線論法 9.5　複素数の濃度

※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。 高性能な無料統計ソフトJASPを使ってみよう！ 理論のポイントをおさえながら、操作手順を豊富なカラー画像で詳しく解説。 統計の基礎が身につき、初心者でもサクサク解析できる！ 授業・研究・仕事に使える解析ができる、結果の書き方もわかる！ JASPは日本語での使用も可能になったので、英語が苦手な人も大丈夫！ 【本書はこんな人におすすめ】 ●統計をゼロから学びたい ●授業や研究、仕事で解析が必要だけど、何をしたらいいかわからない ●プログラミングや英語が苦手 【目次】 第1章　JASPのインストール 第2章　データの種類（尺度水準） 第3章　記述統計 第4章　統計的仮説検定 第5章　t検定 第6章　一元配置分散分析 第7章　二元配置分散分析 第8章　ノンパラメトリック検定 第9章　無相関検定 第10章　単回帰分析 第11章　重回帰分析 第12章　因子分析 第13章　カイ2乗検定 ※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。

基礎をしっかりと理解し、Ｐｙｔｈｏｎですぐに実践！　社会で求められるデータサイエンスの応用３分野を、各分野の専門家が平易な文章と多彩な図で説く。 ・初歩の動機づけから基本原理、さらには社会実装までを見すえる ・学んだことが、すぐに試せる。豊富なPythonコードを収録 ・練習問題を多数掲載し、講義テキストに最適。初学者の自学自習にも役立つ 【主な内容】 第I部 テキスト分析（西川仁） 第1章 テキスト分析概論 第2章 言語資源と言語モデル 第3章 基礎技術 第4章 応用技術 第II部 画像分析（佐藤智和） 第1章 画像解析の概要 第2章 画像のデータ表現 第3章 二次元画像解析 第4章 三次元画像解析 第5章 三次元構造の推定アルゴリズム 第III部 音声データ分析（市川治） 第1章 音声認識の全体像 第2章 音声データの特徴量 第3章 音響モデル 第4章 言語モデル 第5章 デコーダ 第6章 音声認識技術の発展 【「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）

このわかりやすさ、もう手放せない!･｢仮名化/匿名化｣｢差分プライバシー｣｢秘密計算｣の3つの主要技術を扱う。･統計学･データ工学･暗号理論の観点から丁寧に解説。･データ解析実務者も必読。※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。

筑波大学の名講義を書籍化! 圧倒的ライブ感! 中学レベルから出発し、微分積分、線形代数、確率統計まで1冊で学び切る数学教科書。※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。 ★つまずきやすい「C言語を用いたプログラムの作り方」がチャートで身につく！★ ・10年間の講義経験をもとに作った「挫折しない」教科書！ ・標準的な数値計算の手法を、フルカラーの図でイメージしながら学ぶ ・SPDチャートを使って、苦手な人が多い「C言語を用いたプログラムの作り方」を丁寧に説明 本書はC言語を用いた数値計算の教科書です。 数値計算に関してよく聞く学生の声が「計算手法は理解できても、どうやってプログラムにするのかがわからない」というものです。本書はSPDチャート（フローチャートの一種）を用いて実際のプログラムの作り方に踏み込み、プログラムを設計する手法についても解説します。 また、数式のみの説明ではなく、図を多く用いているので、イメージを持ちながら各手法の意味を理解できます。 連立一次方程式の解法から、数値微分と自動微分、非線形方程式の解法、行列の固有値問題、数値積分、常微分方程式までと標準的な内容をカバーしています。自動微分の一部についてはC++も用いています。 教科書採用者特典の講義用スライドもあり、15章立てで教科書として使いやすい構成です。 【おもな内容】 第1章　コンピュータ内の数値表現と誤差 第2章　数値計算の基礎知識 第3章　連立一次方程式の直接解法(1) 第4章　連立一次方程式の直接解法(2) 第5章　連立一次方程式の反復解法 第6章　数値微分と自動微分 第7章　非線形方程式の解法(1) 第8章　非線形方程式の解法(2) 第9章　行列の固有値問題(1) 第10章　行列の固有値問題(2) 第11章　関数近似 第12章　補間 第13章　数値積分 第14章　常微分方程式(1) 第15章　常微分方程式(2) ※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。 ◆生成AIを大幅加筆し，好評テキストが改訂！◆ ・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！ ・「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！ ・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） 3.5　生成AI（岡﨑　直観） ※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。 心理・教育系の学生に大好評の「ピンク本」が全面改訂！　統計の基礎理論からはじめて、HADによる各種検定・分析法を手とり足とり解説する。サンプルサイズ設計や因子分析の解説が加わった。レポートや卒論の最強の「お供」に！ ※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。

★確率的プログラミング言語がすぐに使える！★ ・Pythonでのコーディングを前提に、PyMC3、Pyro、NumPyro、TFP、GPyTorchをカバー。 ・回帰モデルの基本から潜在変数モデル・深層学習モデルまでを幅広く解説。 【主な内容】 第1章　ベイジアンモデリングとは 1.1 データ解析とコンピュータ 1.2 ベイジアンモデリングの基礎 1.3 代表的な確率分布 1.4 近似推論手法 第2章　確率的プログラミング言語（PPL） 2.1 ベイジアンモデリングとPPL 2.2 自動微分・最適化アルゴリズム 2.3 PyMC3の概要 2.4 Pyroの概要 2.5 NumPyroの概要 2.6 TensorFlow Probabilityの概要 2.7 GPyTorchの概要 第3章　回帰モデル 3.1 線形回帰モデル：線形単回帰モデル 3.2 線形回帰モデル：線形重回帰モデル 3.3 一般化線形モデル：ポアソン回帰モデル 3.4 一般化線形モデル：ロジスティック回帰モデル 3.5 階層ベイズモデル 3.6 ガウス過程回帰モデル：ガウス尤度 3.7 ガウス過程回帰モデル：尤度の一般化 第4章　潜在変数モデル 4.1 混合ガウスモデル 4.2 行列分解モデル 4.3 状態空間モデル 4.4 隠れマルコフモデル 4.5 トピックモデル 4.6 ガウス過程潜在変数モデル 第5章　深層学習モデル 5.1 ニューラルネットワーク回帰モデル 5.2 変分自己符号化器 5.3 PixelCNN 5.4 深層ガウス過程 5.5 正規化流

※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。 データ集め（社会調査），データの整理，分析，……．社会調査に携わるすべての人が知っておくべき統計学の基礎を，懇切ていねいに解説する．親しみやすい題材に触れながら，調査研究に必要となる知識・手法を身につけよう．一見難しい数式も，その意味を言葉で説明しているので，数式アレルギーを克服できる！ 【主な内容】 第０章　イントロダクション 第I部　コア 第１章　データを集める 第２章　データをまとめる 第３章　関連を捉える 第４章　関連を疑う 第５章　データから推測する 第６章　データから確かめる 第II部　理論 第７章　コイントスで社会を見る 第８章　集まったデータを表現する 第９章　推定が満たすべき条件 第III部　手法 第10章　社会の下流化は起こっているか 第11章　継承される格差を検討する 第12章　世界の男性の家事事情 第13章　年収と年齢の関係 第14章　ワイン評論家を出し抜く方法 第IV部　終わりに 第15章　統計学の応用とこれから ※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。 知識ゼロからはじめるデータサイエンス。豊富な図や演習で、理解が深まり、個々の問題に適用するための基礎を身につけることができる。統計検定2級，3級受験者にも好適。実践志向のやさしい統計本。 ※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。

シリーズの第2弾は、初学者向けのKaggle入門書の決定版！ ★「Kaggleで勝つ」準備をしよう！★ 初学者が「Kaggleに何となく興味ある」状態から「実際のコンペに参加できる」状態になれるような内容を目指しました。 ・サンプルコードの詳細な解説があるから、しっかり身につく！ ・優勝チームと専業Kagglerのコンビによる、安定のわかりやすさ！ ・充実の本音対談で、やさしくサポート！ ・初学者や手探りでやっているが体系的な知識を得たい人に最適。 【本書のサポートページ】 https://github.com/upura/python-kaggle-start-book 【実践Data Scienceシリーズ】 https://www.kspub.co.jp/book/series/S069.html 【主な内容】 第1章　Kaggleを知る 1.1 Kaggleとは 1.2 Kaggleで用いる機械学習 1.3 Kaggleのアカウントの作成 1.4 Competitionsページの概要 1.5 環境構築不要な「Notebooks」の使い方 第2章　Titanicに取り組む 2.1 まずはsubmit！　順位表に載ってみよう 2.2 全体像を把握！　submitまでの処理の流れを見てみよう 2.3 次の一手を見い出す！　探索的データ分析をしてみよう 2.4 ここで差がつく！　仮説に基づいて新しい特徴量を作ってみよう 2.5 勾配ブースティングが最強？！　いろいろな機械学習アルゴリズムを使ってみよう 2.6 機械学習アルゴリズムのお気持ち？！　ハイパーパラメータを調整してみよう 2.7 submitのその前に！　「Cross Validation」の大切さを知ろう 2.8 三人寄れば文殊の知恵！　アンサンブルを体験しよう. 第3章　Titanicの先に行く 3.1 複数テーブルを扱う 3.2 画像データを扱う 3.3 テキストデータを扱う 第4章　さらなる学びのために 4.1 参加するコンペの選び方 4.2 初学者にお勧めの戦い方 4.3 分析環境の選択肢 4.4 お勧めの資料・文献・リンク 付録A　サンプルコード詳細解説 A.1 第2章 Titanicに取り組む A.2 第3章 Titanicの先に行く

･さまざまな方策(探索戦略)が、定量的かつ直感的に理解できる。･最適腕識別や連続腕バンディットなどの発展的な内容も解説。･モンテカルロ木探索やインターネット広告などのより具体的な状況への対応も紹介。※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。

膨大なデータから、いかにして原因と結果の関係を見いだすのか? ｢LiNGAM｣(線形非ガウス非巡回モデル)を開発した第一線の研究者が、基礎事項から発展的話題まで平易に説き起こす。因果推論･因果探索に必携。※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。

｢ウェブ｣を知らずして、｢データ｣を語ることなかれ･機械学習がどのように応用されているかを概観する。･評判分類の学習、単語の意味表現、検索結果の順序学習を重点的に解説。･話題を瞬時に発見するバースト検出やウェブのリンク解析も紹介。※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。

さぁ、無限次元の扉を開こう!確率分布の基礎から時系列データやスパースモデリングへの応用までを明快に説く。理論的な背景である測度論も基礎から丁寧に解説する親切設計。新進気鋭のエース研究者が、満を持して執筆した。全ベイジアン必携!※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。

通常の計算機環境で実行可能な例を中心に、機械学習の主要問題への組合せ最適化手法の適用を解説。NP困難な問題を含む最適化の理論に加え、データ構造を利用した劣モジュラ最適化アルゴリズムの高速化についても述べる。※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。

どんな分野でも効率的な処理には優れたアルゴリズムが欠かせない。スパース(疎)という性質に着目すると、最短の道が見えてくる。定義や必要な数理、考え方の基礎から、アトミックノルムなどの発展的な内容までを1冊で学ぼう。※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。

教師あり学習や凸解析の復習から、大量データ解析に有用な並列分散確率最適化まで丁寧に解説する。基本技法も新しいトピックも、きちんと理解できる1冊。式の成り立ち、アルゴリズムの意味がわかる。証明を極力略さず示す大規模計算実行までの本当の早道。※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。

誰でもすぐにオンライン機械学習を実践できる即戦力の入門書!オンライン機械学習の基礎から理論、実装、応用、最新手法までをすべて網羅し、明快に解説した。この1冊で、面白いほどよくわかる!※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。

※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。 開発や制御でよく使われる手法に絞り、使い方、特徴、留意点を解説する。「数理最適化」という世界を上手に歩くためのガイドブック。ツールがすでに提供されている手法の何を理解し、どう選び、どう使いこなすか。システム、アルゴリズム、工程、モデル、装置――最適化するべき課題をもつ人のための道案内。企業研究者が現場で実感した知恵を伝授する。

※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。 最小二乗法で、機械学習をはじめましょう!! 数式だけではなく、イラストや図が豊富だから、直感的でわかりやすい!　MATLABのサンプルプログラムで、らくらく実践!　さあ、黄色本よりさきに読もう!

★★管理職も技術者も必読！「機械学習」のやさしい活用法★★ 機械学習プロジェクトの上手な進め方、機械学習を活用するときに気をつけること、活用事例などをていねいに解説。 「機械学習を作る側」と「機械学習活用する側」との橋渡しとなる一冊！ [本書で学べること］ ・そもそも機械学習で何ができるのか？ ・現場への適切な組み込み方法は？ ・どうやって精度を保証するのか？ ・実運用を見すえたときに確認すべき部分は？ [主な内容] 　第1章　本書の使い方 第1部　機械学習の基礎 　第2章　機械学習とは何か 　第3章　機械学習手法の種類と基礎 　第4章　機械学習のタスク 第2部　機械学習の利活用 　第5章　機械学習は一般企業でも活用できる 　第6章　機械学習を現場で活用するには 　第7章　機械学習の適用事例 　第8章　実運用に耐えうる機械学習モデルの構築 　第9章　機械学習モデルの説明性

◆◆数式とコードの距離が近いJuliaで一生モノの考え方を身につけよう！◆◆ 線形代数、微積分、最適化、確率・統計の基本的な計算から、 ハミルトニアンモンテカルロ法、階層ベイズ、状態空間モデルの原理までをていねいに解説！ [サポートページ] https://github.com/sammy-suyama/JuliaBayesBook [主な内容] 第1章　Juliaの基礎 1.1　Juliaとは 1.2　基本文法 1.3　パッケージの利用 1.4　グラフの描画 第2章　数値計算の基礎 2.1　ベクトル・行列計算 2.2　統計量の計算 2.3　統計量と確率分布のパラメータ 2.4　微分計算 2.5　関数の最適化 2.6　最適化によるカーブフィッティング 2.7　積分計算 第3章　確率計算の基礎 3.1　表を使った確率計算 3.2　式を使った確率計算 3.3　連続値における周辺分布と条件付き分布 3.4　確率的試行のシミュレーション 第4章　確率分布の基礎 4.1　確率分布とは 4.2　Juliaでの確率分布の扱い（Distributions.jl） 4.3　離散型確率分布 4.4　連続型確率分布 4.5　統計モデルの設計 第5章　統計モデリングと推論 5.1　ベルヌーイモデル 5.2　線形回帰 5.3　ロジスティック回帰モデル 第6章　勾配を利用した近似推論手法 6.1　なぜ勾配を利用するのか 6.2　ラプラス近似 6.3　ハミルトニアンモンテカルロ法 第7章　発展的な統計モデル 7.1　ポアソン回帰 7.2　階層ベイズモデル 7.3　状態空間モデル

※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。 統計ソフトRは意外と簡単？「心理統計」の講義に出てくる題材を自分のPCで実行してみよう。R、RStudioのダウンロード、インストールから実験計画の立て方、集計結果の見せ方まで収録。心理学に使うための要領がわかる。 【　目　次　】 第0章　RとRStudioのセットアップ 第1章　測定と尺度 第2章　変数を要約して示す 第3章　複数の変数を要約して示す 第4章　母集団と標本 第5章　統計的仮説検定の考え方 第6章　度数分布の検定 第7章　平均値の差の検定、基本的原理 第8章　１要因分散分析 第9章　実験計画 第10章　回帰分析 第11章　Rmarkdownによるレポートの作成 ※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。 「数理論理学は難解で、よくわからない」といわれる現状を打ち破る一冊。身近な具体例から始めて、論理の考え方を平易に説き、いつしか論理学の体系的理解が身につく。読めば誰もがわかる平易な“再入門書”が誕生！

ここまで書いてあれば、絶対わかる! 公式暗記･計算は大嫌い、能書きを語ったら止まらない、そんな数学者が語りだした! 有名な定理には、有名になるだけの効能がある。淘汰されずに生きのびた記号には、やはり、それなりの意味と便利さがある。｢こう考えなさい｣｢このとおりに覚えなさい｣という"効率的な"本では語れないことをたっぷりと語る1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。

理論と経験則を正しく知って基礎を固める。統計は数字のトリックではない。頭ごなしにやり方を伝えるマニュアル的書籍では学べない背景、信頼していい程度などを豊富な例から無理なく学ぶ、読める入門書。※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。

ハウツー本では物足りない、理屈の本は難しい。その2パターンしか本がない。その思い込みを覆す、役に立つ理論書。式や概念の見た目の難しさに惑わされず、また理屈抜きで理論を扱うこともせず、何のためのどんな考え方なのかを語る1冊。｢数理｣だということになっとくできる。※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。

※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。 定番教科書が待望の改訂。栄養学研究に必要な統計学の知識と考え方が，抵抗なく身につく！　データの整理から各種分析の方法まで，フルカラーの紙面でわかりやすく解説する．各章に演習問題も加わり，学びやすくなった． 【おもな内容】 第1章　栄養学と統計学 第2章　データの種類 第3章　度数分布図と代表値 第4章　データの散布度（散らばり） 第5章　正規分布 第6章　標本の抽出法と標本の性質 第7章　検定の考え方 第8章　2群の平均値の比較 第9章　3つ以上の群の平均値の比較 第10章　2つの変数の相関 第11章　2つの変数の回帰分析 第12章　多変数の関係 第13章　研究デザインとクロス集計表 第14章　クロス集計表の解析 第15章　クロス集計表の応用 ※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。

★最強最短の近道は、これだ！★ ・画像・自然言語処理の機械学習コンテストに取り組みながら、深層学習の具体的な知識をいち早く身につけよう！ ・レジェンドたちの豊富な経験に基づくスキルアップのノウハウも満載！ 【主な内容】 第1章　機械学習コンテストの基礎知識 1.1　機械学習コンテストのおおまかな流れ 1.2　機械学習コンテストの歴史 1.3　機械学習コンテストの例 1.4　計算資源 第2章　探索的データ分析とモデルの作成・検証・性能向上 2.1　探索的データ分析 2.2　モデルの作成 2.3　モデルの検証 2.4　性能の向上 第3章　画像分類入門 3.1　畳み込みニューラルネットワークの基礎 3.2　コンテスト「Dogs vs. Cats Redux」の紹介 3.3　最初の学習：CNNアーキテクチャ 3.4　最初の学習：データセットの準備と学習ループ 3.5　最適化アルゴリズムと学習率スケジューリング 3.6　データ拡張 3.7　アンサンブル 3.8　さらにスコアを伸ばすために 第4章　画像検索入門 4.1　画像検索タスク 4.2　学習済みモデルを使ったベースライン手法 4.3　ベースラインを実装する 4.4　距離学習を学ぶ 4.5　画像マッチングによる検証 4.6　クエリ拡張を学ぶ 4.7　Kaggleコンテストでの実践 第5章　テキスト分類入門 5.1　Quora Question Pairs 5.2　特徴量ベースのモデル 5.3　ニューラルネットワークベースのモデル

※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。 現代の理工系に必携。学生から職業的プログラマーまで、必須の教養「線形代数」を身につけよう！ 数学的基礎がしっかり理解でき、課題をPythonで解く力が得られる。サンプルコードによる演習も豊富な、一挙両得の入門書！ 【目次】 第1章 行列と連立方程式1 第2章 行列と連立方程式2 第3章 逆行列 第4章 行列式・ブロック行列 第5章 行列式の余因子展開・クラメルの公式 第6章 対称群による行列式表示・終結式 第7章 幾何学的意味 第8章 ベクトルの一次独立性・直交基底 第9章 行列と線形写像 第10章 固有値と固有ベクトル 第11章 行列の標準化 第12章 特異値分解・低ランク近似

★基礎技術と分析アプローチがわかる入門書の決定版！★ ・「spaCy＋GiNZA」による一気通貫の分析がすぐに実践できる ・観光／金融・経済／ソーシャルメディアの分析事例をていねいに解説 ・つまずきやすい「環境構築」もしっかりサポート 【本書はこんな人におすすめです】 ・Pythonの基本が身についたので、次はテキストアナリティクスを学んでみたい ・大学の講義やプログラミングスクールなどで自然言語処理について少し触れたが、もう少し詳しく学びたい ・テキストアナリティクスにつまずいたことがあったり、ブランクがあったりして再挑戦してみたい 【本書「巻頭言」より抜粋】 アイディア次第でさまざまな分析が可能になるのがテキストアナリティクスの面白さです．その反面，多くの場合，簡単に結果が出るものではありません．諦めずに試行錯誤を続けることが重要です．基本的には多様な可能性に思いを巡らせることが有効です．それには経験の蓄積が活きてきますので，やればやるほど成果を出しやすくなります．自分で実際にデータを処理し，試行錯誤をしてみるのがテキストアナリティクスのスキルを向上させる近道です．その考えから，本書では試してみることを重要視しています． ――那須川哲哉（日本アイ・ビー・エム株式会社東京基礎研究所主席研究員） 【サポートページ】 https://github.com/tksakaki/kspub_ds_text_analytics 【主な内容】 第I部　テキストアナリティクスの基礎 第1章　テキストアナリティクスことはじめ 第2章　プログラミングの補足知識 第3章　環境構築 第4章　基礎技術 　 第II部　テキストアナリティクスの実践 第5章　データ収集 第6章　観光テキストの解析 第7章　金融・経済テキストの解析 第8章　ソーシャルメディアテキストの解析 第III部　応用技術・発展的な内容 第9章　実践的なテクニック 第10章　深層学習技術 第11章　環境構築の要らないテキストアナリティクス 付録　本書で利用するPythonライブラリ 【編著者紹介】 榊　剛史 株式会社ホットリンク 開発本部R＆D 部長 東京大学未来ビジョン研究センター 客員研究員 中国・清華大学による世界的なAI研究者2000人に選出。2006年電力会社にて情報通信業務に従事した後、東京大学博士課程に入学。2013年松尾研究室にて博士号取得。2015年～株式会社ホットリンクに入社。

【初学者納得、玄人脱帽！】 　SNSで大絶賛の名講義がついに書籍化！ ・問題解決に必要な「プログラマ的感覚」が身につく！　 ・基礎から解説し、プログラミングにはじめて触れる読者を、簡単な数値シミュレーションや機械学習まで導く。充実の目次！ ・Google Colaboratoryで環境構築も簡単。教科書として最適！ 【主な内容】 第1章　Pythonの概要とGoogle Colabの使い方 第2章　条件分岐と繰り返し処理 第3章　関数とスコープ 第4章　リストとタプル 第5章　文字列処理 第6章　ファイル操作 第7章　再帰呼び出し 第8章　クラスとオブジェクト指向 第9章　NumPyとSciPyの使い方 第10章　Pythonはどうやって動くのか 第11章　動的計画法 第12章　乱数を使ったプログラム 第13章　数値シミュレーション 第14章　簡単な機械学習 （詳細：https://www.kspub.co.jp/book/detail/5218839.html ） 【「はじめに」より抜粋】 　なぜプログラミングを覚えるべきか。それは今後プログラミングが就職活動の必須スキルになるからではなく、ましてAI がブームだからでもない。「プログラマ的感覚」を身につけるためだ。(…)エクセルを使っていても、面倒な処理を見た時に「これは一括でできるマクロがあるに違いない」と思って探すかどうか。毎日決まった時間に、あるウェブサイトにアクセスして、ある値を読み取らないといけないという「仕事」が与えられた時に、「ウェブサイトにアクセスして値を読み込めるツールがあるに違いない。毎日決まった時間に何かを自動的に実行する方法があるに違いない。それらを組み合わせれば良い」と思えるかどうか。これが「プログラマ的感覚」である。 　（…）細かい文法などは最初は気にせず、必要に応じて調べれば良い。「Python はこういうことができるんだな」「それはこれくらいの作業量でできるんだな」という「感覚」を頭の片隅に残すこと、それを目的として学習して欲しい。 【正誤表】 https://kaityo256.github.io/python_zero/errata/

数学が生まれ育ってきた歴史から始めて、数や集合、関数をおもしろ楽しく解説。｢中学数学の知識もあやふやだなあ｣という人でも大丈夫。どんな方にも数学の魅力をあますことなく感じてほしい。※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。

機械学習分野に参入したい技術者･大学生を対象とし、機械学習技術の理解に必要なトピックに厳選した。イメージが掴めるように、図を多く掲載したから、わかりやすい。コンパクトなので初学者の教科書としても、最適!※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。 ◆累計5万部を超えるベストセラー改訂！◆ 【安宅和人氏（慶應義塾大学環境情報学部教授・LINEヤフー株式会社シニアストラテジスト）推薦!!】 データ×AIドリブンな時代に何が基礎なのか、それを理解したい人はまずこれを手に取りたい。 ・これからを生き抜くために知っておきたいキーワードが、この一冊でまるわかり！ ・「数理・データサイエンス・AI（リテラシーレベル）モデルカリキュラム」の改訂にあわせ、高等学校「情報1」との連携、生成AIの急速な発展などに対応し、完全準拠の公式テキストがますますパワーアップ！ ・フルカラーで見やすく練習問題も充実！ ・日本を代表する豪華執筆陣がていねいに解説！ 【主な内容】 第1章 [導入] 社会におけるデータ・AI利活用 1.1 社会で起きている変化（樋口知之） 1.2 社会で活用されているデータ（樋口知之） 1.3 データ・AIの活用領域（孝忠大輔） 1.4 データ・AI利活用のための技術（内田誠一） 1.5 データ・AI利活用の現場（丸山 宏） 1.6 データ・AI利活用の最新動向（内田誠一） 第2章 [基礎] データリテラシー 2.1 データを読む（川崎能典） 2.2 データを説明する（椎名 洋） 2.3 データを扱う（川崎能典） 第3章 [心得] データ・AI利活用における留意事項 3.1 データ・AIを扱う上での留意事項（中川裕志） 3.2 データを守る上での留意事項（佐久間淳） ※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。

【統計学はこんな場面で役に立つ】 経営戦略、顧客分析、マーケティングといったビジネス上の課題においては、たくさんの数値（データ）を扱う場面が必ず現れます。そんなときに必要となるのが「統計学」の知識です。 たとえば、過去のデータを根拠にして以下の問いに答えるには、どのような分析が有効でしょうか？ ●広告費を増やすと、売上はどれだけ増えると期待できるか？　広告費を増やすのと営業部員を増やすのでは、どちらが効果的か？ ●SNSによる情報発信の前後で売り上げは変化したか？ ●工場の機械が不調をきたしているか？（製品のばらつきの範囲は誤差の範囲と言えるだろうか？） 本書では、こうしたトピックを例題として扱いながら、統計学の知識・手法を解説していきます。じつはむずかしい数式を覚えたりする必要はありません！　感覚的な理解を目指しながら、ていねいに説明しました。「数学は苦手で……」「自分、文系ですから」と、統計を避けがちな方にこそ読んでいただきたいです。 【学生にも社会人にも】 経営学や商学を専攻する大学生が「統計学」に入門するためテキストとして、また、社会人の独習書としてオススメです！ 【本書の特徴】 数学的に厳密な理解を深めることよりも、手を動かすことを主眼においた内容です。まず簡単な例題を示し、その解説を掘り下げていくことで、確率・統計の知識や考え方を身につけられる構成となっています。理解の定着を図るため、例題を発展させた練習問題を多数用意し、解説・解答も掲載しました。また、手計算が難しい例題・練習問題については、表計算ソフト（エクセル）による解法を解説し、便利な関数を紹介しています。 【おもな内容】 　第0章　はじめに 第I部　データの全体像をつかむ 　第1章　データの可視化 　第2章　度数分布表・ヒストグラム 　第3章　代表値・分散 　第4章　散布図・相関係数 　第5章　単回帰分析 　第6章　重回帰分析 第II部　観測されたデータの起こりやすさを測る 　第7章　確率の定義と場合の数 　第8章　事象の関係と確率の計算 　第9章　条件付き確率とベイズの定理 第III部　観測されたデータの背景を知る 　第10章 確率変数、確率分布、期待値 　第11章 代表的な離散分布：二項分布 　第12章 代表的な連続分布1：正規分布 　第13章 代表的な連続分布2：カイ2乗分布とt分布 第IV部　データの背後にある確率分布を推測する 　第14章 標本調査と標本からの推定 　第15章 区間推定 　第16章 仮説検定

数学を学びたい。そんな気持ちにこたえます。数学を復習しなくては! 数学をやりたい! という人向けの数学シリーズ! 中学程度の数学から、高校の数学までをおもしろく解説。会話入り。大学の数学にも踏み込む。※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。

数学との楽しい付き合い方、教えます。｢マイナス×マイナスはなぜプラス?｣｢分数のわり算はどうしてひっくり返してかけるの?｣｢積分計算をするとなぜ面積になるの?｣いまさら人に聞けない素朴な疑問に一発解答!※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。

ヘンテコな形の記号(∇)を使いこなせ! ｢偏微分って何? ｣｢何のためのdiv、rot? ｣といった誰でも一度は抱く疑問を平易な言葉でわかりやすく解説!※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。 はじめて行列に触れる学生向けであることを意識し、理系で必要な計算ができるようになることを目指した。約30の項目に内容を整理。高校教科書執筆者と線形代数講義担当者らによる大学数学のスタートにふさわしい1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。

※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。 工学で役立つ「ベクトル・行列」がスムーズに学べる！ 工学者による工学部生のためのテキスト。「行列」をまったく知らない学生を対象とした。オールカラーで、図、例題、演習問題が豊富なので、抜群にわかりやすい！ ・ベクトル・行列の和差積の演算が無理なく身につく。 ・数式の展開や具体的な計算もできるだけ途中式を記し、計算方法に思い悩むことがないように配慮した。 ・工学系の応用において重要となるベクトル・行列の微分、外積、最小二乗法といった「評価関数の最適化」について説明した。

※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。 大学1・2年生向け講義のテキストとして最適！バイオで頻出する例題を解きながら、統計の基本的な考え方やデータの処理方法が自然と身につきます。エクセル操作のポイントを紹介するので、実験レポートや卒論でも役立ちます。 ※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。 高１レベルの数学知識を前提として、Σを使わないなど、レベルに配慮し、内容を１５節にわけ、授業で使いやすいように工夫した。最新の統計データを用いながら具体的に学ぶ。初級者向け教科書。 ※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。 高校の数学を復習しつつ、大学の線形代数を基本からていねいに解説する。ベクトルから始めて、行列、行列の基本変形、行列式、ベクトル空間、行列の対角化、固有値問題までを扱う。例題と演習問題で理解を深める。初学者に最適の教科書！ ※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。

微分積分の著書が10万部を超える小寺先生があらたに送る新教科書。中堅大学の理工系学生に合わせた解説、例題、章末問題を配した。本文も4色印刷となり見やすくなった。これからの大学生の教科書として最適な1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。

※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。 昨今の数学力の低下、高校の新課程などに対応して、高校で抜け落ちてしまった基本から丁寧に解説。ベクトル・行列から始めて、行列式・固有値までを扱う。これから始める初学の学生にピッタリのテキスト。

※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。 精選問題の解答お手本集。「模倣」で解ける類題多数収録。真似して書こう！「数学語」修得への早道。例題を真似すれば解ける問題を多数収録。論理記号や数学独特の言いまわしをノートや解答用紙に「そのまま」書ける形で例示。「とっかかり」をつかむための1冊。

※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、ディープラーニングを支え、ベースとなっている数学に焦点をあて、どのような仕組みで、どのように効いて、なぜ機能するのかの解説をしていきます。「ブラックボックス」と思われがちなディープラーニングの中身を理解していきます。 高校数学の知識を前提としながらも、必要な数学を復習しつつ、高校で習わない偏微分に関しては基本から必要な部分を解説して、ディープラーニングを支える数学の知識を学んでいきます。 「ディープラーニングという言葉は聞くが、どんなものなのか分からないので理解したい」「ブラックボックスと言われるディープラーニングの仕組みを知りたい」「ディープラーニングを学びたいけれど、数学の勉強のどこから手を付けていいか分からない」といった読者の興味に応える一冊です。 数学を学びながら、それがディープラーニングにどのように効いているのか分かることが重要です。その点を実感として理解することができれば、ディープラーニングの仕組みの本質が理解できたことにつながっていきます。そのためのディープラーニングの主要な概念の解説もしていきます。 ※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。

どんな学生でもわかるフルカラーテキスト! やさしい変数分離形から級数解法までを扱い、講義に使いやすい15週構成とした。例題を解くことで、学習者の意欲を高める。これからの理工系大学生の必携書!※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。

わかりやすい、やさしい、コンパクト! データ収集の基本から始めて、統計処理に必要となる数学的な考え方をていねいに解説する。教科書執筆の名手が書き下ろす、全編フルカラーの新しい数学テキスト。※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。

電気系･情報系など、工学部の学科で必要とされる複素数の基本をコンパクトにまとめた。講義を組み立てやすくする工夫満載。関数の定義域としての複素平面の扱いなど、フルカラーで視覚的にもわかりやすく解説する。*端末によりカラー表示が出来ない場合があります。※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。

微分方程式をたてて標準的な方法で解けるようになることを目標に、工学部全学科必須範囲をカバーする。講義が組み立てやすい15章構成。要点が見やすく理解しやすいフルカラー教科書。*端末によりカラー表示ができない場合があります。※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。 近年の数学力の低下、未履修学生の増加に対応して、基本からていねいに解説。1次関数、2次関数から始めて、1変数の微積分、多変数の微積分まで扱う。カラーで見やすく、コンパクトにまとめた。

式や記号が嫌いという気持ちがわかる著者が全体を組み立て，情報科学の専門家が1歩進むためのヒントを加えた．基礎がわかれば，自分の課題にいかせる．｢集まってしまう｣データを｢使えるデータ｣にするコツを知ろう．※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。

※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。 微分・積分の本当の意味を理解する一冊。 せっかく高校時代に微積分を学んでも、運算の手順を追うことばかりに終始し、一過性の知識の習得に終わってしまいがちです。いざ、現実の問題の解決に使おうとしたり、それを土台にして、さらに高度な学習に進もうとする際に、いままでの微積分が役に立たず、立ち往生してしまうことが少なくありません。 本書では、微積分のスタートラインに立ち戻って、微積分の考え方をひとつひとつ積み上げていきます。 ※本書は、2004年5月に講談社サイエンティフィックより刊行された『今日から使える微積分』を普及版として、ブルーバックスより再刊行するものです。 第1章　ビセキの素顔を眺めてみよう（微積分ことはじめ） 第2章　微分のテクニック入門編（初等関数の微分） 第3章　微分のテクニック前進編（微分法のあれこれ） 第4章　微分のテクニック上級編（偏微分・全微分） 第5章　積分のテクニック基礎編（不定積分の定石） 第6章　積分のテクニック応用編（身近な定積分） 第7章　微分積分の総がらみ（数値積分・級数展開） 第8章　微分方程式へのお誘い（微分方程式入門） ※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。

レジが2つになれば行列は半分になる、は本当? マンホールに落ちないふたは円形だけか? 平均寿命より長生きできる人は全体の半分だけ? その直感、間違っています! センスやひらめき、直感を過信せず、地道な思考の積み重ねを大切にするのが数学。時として専門家でさえ間違いを犯してしまう｢思い込みの罠｣を紹介しながら、論理的に考え、正しく本質を見抜くための数学的思考法をひもときます。(ブルーバックス･2014年11月刊)

※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。 暗記と計算だけのツマラナイ微積分にさようなら。本質を鷲掴みにする巧みなイメージ化で、すらすらと理解が進む!　微積分の基本を大胆にイメージ化し「考え方のコツ」を伝授。積分から微分へと進む画期的な構成、軽妙な解説と豊富な図解で、学校時代に丸暗記させられた公式や数式が、その「意味」からスッキリと理解できる。微積分の「勘所」を1冊でマスター!　(ブルーバックス・2012年9月刊)

その統計、信じていいの? 数字の裏に潜む｢隠れた関係｣をあぶり出し、事実を正しく見極める｢統計思考力｣が身につく。大学で統計を教える主人公･素呂須譲二(そろすじょうじ)。彼のもとに、統計アレルギーの学生や怪しい営業マン、はては文系女子の妻や娘が次々と難題を持ち込んで……。平均、標準偏差から相関、検定、回帰分析、推測統計まで、難しい数式は一切使わず、統計の基本と使い方が会得できる! (ブルーバックス･2011年4月刊)

※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。 研究からビジネスまで、全世界で使われている「Ｒ」を最速で使えるようになる本！ 〈メジャーアップデートしたR 4.2に対応！〉 データの特徴把握から解析法、最適モデルの選択まで、実例を用いてデータ分析のプロセスを体感できる！ 統計学者が開発したフリーの統計処理ソフトとして爆発的人気を博し、いまやデータ解析のスタンダードとなった「Ｒ」。 本書最大の特徴は、「Ｒ」を使いこなすための補助ソフト「Ｒコマンダー」を用いた、難解なコマンド入力不要の解析手法を紹介する点にあります。 操作解説がわかりやすいことに加え、統計学の基本もていねいに説明されており、「Ｒ」の活用法と統計処理の基礎を一気に習得できます！ 【実用に役立つ豊富な巻末付録も収録！】 ・演算子一覧表 ・関数一覧表 ・統計用語集……ほか 著者紹介： 逸見 功（へんみ・いさお） 東京都生まれ。東京工業大学大学院総合理工学研究科博士後期課程修了。博士（理学）。専門は統計学および行動計量。日本赤十字看護大学看護学部教授などを経て、現在、日本赤十字看護大学名誉教授。著書に『ワークシート式 失語症言語訓練講座』（三輪書店）、訳書に『入門 時系列解析と予測』（シーエーピー出版）、『バーンズ＆グローブ 看護研究入門』（エルゼビア・ジャパン）などがある。

実用度ナンバーワン言語のPythonをはじめよう! Pythonは、AIの開発やデータ分析、統計など何かと話題の分野で必須のプログラミング言語です。本書では、3つのプログラムを作り、動かしながらPythonの基本からちょっとした応用を学びます。1つ1つの手順を丁寧に解説するので、書いてあるとおりにプログラムを作っていくだけで自然とPythonの使い方や特長をマスターできます。※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。

世の中には統計が氾濫している。｢平均｣とか｢相関関係｣とか言って数字やグラフを示されると、怪しい話も信じたくなる。しかし、統計数字やグラフは、必ずしも示されている通りのものではない。目に見える以上の意味がある場合もあるし、見かけより内容がないかもしれないのだ。統計が読み書きの能力と同じぐらい必要になっている現在、｢統計でだまされない｣ためには、まず｢統計でだます方法｣を知ることが必要だ!

※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。 情報は、なぜディジタル化できるのだろうか?　現代の巨大な情報社会を支える情報科学の基礎はシャノンによって作られた。形のない情報をどのように表現し、情報の価値をどのように表すのか?　シャノンの築いた情報理論を分かりやすく解説する。　(ブルーバックス・2012年12月刊)

※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。 テレビの視聴率、明日の晴れの確率、発ガンリスク、直下型地震の起こる確率、放射線のリスク、生産管理、在庫管理、物価変動、マーケティング……現代の私たちの生活は、「統計」なしには成り立ちません。しかし、統計学の正しい知識がなければ、数字に追われ、数字に踊らされ、数字に振り回されるだけです。本書は、高校数学の知識だけで本格的に統計学を理解することを目指します。(ブルーバックス・2012年2月刊)

※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。 現代数学の二本柱「集合と位相」が楽しくわかる！ 自然数と有理数の「無限の濃度」が同じ!? 実数の無限より大きな無限は存在するのか？ 自然数、有理数、代数的無理数、超越数、そして実数へ。 カントール、ヒルベルト、ベルンシュタイン、デデキント……。そうそうたる数学者たちは「数」をどのように考え、そして「無限」をどのようにして数えたのか。 数えられる無限とは？　実数の無限基数「アレフ」とは？　数の近傍ε（イプシロン）って？　コンパクトとはなにか？ 重要なキーワードと楽しい解説をもとに、「現代数学の景色」を一望しましょう。 ＜本書まえがきより抜粋＞ 世に数学嫌いの人は多いとか……。 しかし、嫌いというのは数学に関心のある証拠かもしれません。じつは分かるものなら数学を楽しんでみたい。もしかしたら数学の素顔は案外素敵かもしれない。 本書はそんな人のために、現代数学の二つの分野、「集合と位相」を解説した本です。 集合と位相、言葉からしてなんとなく現代数学の柱のようで（事実これは現代数学の大きな柱の2本です）、抽象的でかっこいいという感じもするし、いかにも数学！ という雰囲気もある。 たしかに集合と位相は現代数学の根底を形づくるもっとも重要な概念です。これらは20 世紀になって初めてきちんと確立されたものですが、数千年の歴史を持つすべての数学を展開する場を提供しています。 子供たちが算数の中で初めて出会う、もっとも素朴な「数を数える」という行為の中にさえ、集合の考え方が潜んでいるのです。 本書はそんな集合と位相を、数式をなるべく少なくして（数学の宿命でどうしても最小限の記号は使わなければなりませんが）、その意味するところをイメージとしてつかんでもらうための解説書として書かれました。 現在進行形で数学を学んでいる人にはひと味違った解説として、これから数学を学ぶ人には一種の旅行案内として、すでに数学を学んでしまった人には、自分の学んできたことを振り返り、さらに数学とつき合っていくための手引書として活用していただけることと思います。

推理ストーリーを楽しむうちに、ベイズ統計のポイントが分かる! 近年注目を集める新しい統計学｢ベイズ統計｣。"原因の確率を結果から予測する"、それがベイズ統計のポイントです。この本では、ミステリー仕立ての愉快なストーリーを読みながら、｢ベイズの定理｣を中心に学んでいきます。ベイズ統計のはじめの一歩に最適です。※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。 なるほど！　そうだったのか、数学。 小学校から高校まで学ぶ算数・数学のうち、とくに押さえておくべき「重要キーワード」を一つひとつ解説していくことで、体系的・構造的に数学を学べるよう工夫しています。 ロングセラー『なっとくする数学記号』の著者にして、数学教育を知り尽くした専門家だから書けた、「学びなおし」の決定版！ 第1部　「数」とは何か　 　　　　小数と分数、そして量の性質 01　基数と序数／数の二面性って　 02　命数と記数／１対１が基本です　 03　世紀の大発明・位取り記数法／101匹のワンちゃん 04　離散量と連続量（外延量と内包量）／量こそ数の命 05　小数と分数／仲良しこよしでも生まれが違う 06　割合／賢い市民になる登竜門 第2部　　方程式から考える 　　　　有理数、無理数、さらに複素数 07　算術の基本定理と素数／エラトステネスのふるい 08　最大公約数とユークリッド互除法／壁貼り職人になれますか 09　不定方程式とユークリッド互除法／小学生も挑戦 10　有理数と無理数／√2 ＋√3 はどうする 11　連分数展開／分数で迫る無理数の姿 12　グラフと曲線／デカルトさんに感謝！　数学を飛躍させた発明 COLUMN1：　パラボラアンテナの秘密 13　２次方程式アラカルト／なぜか話題に上る解の公式 14　複素数／領土拡張は数学だけにしよう 15　複素数と代数学の基本定理／カルダノさんの戯れ 第3部　関数と微積分 　　　指数、対数から微分方程式へ 16　指数関数／喜びも悲しみも幾年月 17　対数関数／掛け算を足し算にする魔術 18　 職人気質（対数表）／計算機のない時代の宝物 19　微分法(微分係数)／何事も接してみなければわからない 20　微分法(導関数)／傾きでできる関数 COLUMN2：三角関数の導関数 21　微分法(級数展開)／関数を丸裸にする 22　ネイピア数／どうでもいい（e）話？ 23　積分法(求積)／紀元の昔からある面積計算 24　積分法と微分法／ニュートンさんとライプニッツさんに感謝 25　積分法（不定積分と定積分）／具体の面積を求めてみよう 26　微分方程式／アンダーコントロール? 第4部　数学にまつわるさらなる話題 　　　　現代数学の位相 27　確率と大数の法則／賭け事に始まって数学となる 28　暗号と数論／新しい時代に必要な守護神 29　フェルマーの最終定理とＡBC予想／たかが数遊びと思うことなかれ

※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。 離散数学の最も大切なポイントは「数える」ことにある！　 組合せの数、グラフ理論、デザイン論、無限集合の濃度……離散数学の考え方をしっかりと理解するための一冊。 離散数学は、物事を「数える」ことから始まり、現代の暗号理論、プログラム理論をはじめ、さまざま分野で注目されている数学である。 整数の概念の誕生、あみだくじ、正多面体の回転、麻雀大会の組合せなど、豊富な例と問題を通して、離散数学の基礎的な概念をわかりやすく解説する。 【本書のもくじ】 第１章　整数の誕生 　１．１　トークン 　１．２　１対１の対応の発想 第２章　素朴に数えること 　２．１　樹形図の発想 　２．２　数えることのいろいろな問題 第３章　帰納的に考える発想 　３．１　組合せに関する基本的な公式 　３．２　包含・排除の公式と全射の個数 　３．３　グラフ理論の木の個数 　３．４　ハノイの塔と13個のオモリ問題 　３．５　偶置換・奇置換の一意性の証明その１ 第４章　２通りに数える発想 　４．１　グラフ理論の基礎的定理と多面体 　４．２　デザイン論の基礎 　４．３　16人の麻雀大会とカークマンの女子学生問題 　４．４　偶置換・奇置換の一意性の証明その２ 第５章　対称性を用いる発想 　５．１　ダイオキシンの異性体と正多面体 　５．２　グラフの自己同型写像 　５．３　偶置換・奇置換の一意性の証明その３ 　５．４　デザインの自己同型群と関連するガロア群 第６章　無限集合の濃度 　６．１　集合同士の対等 　６．２　いろいろな集合の濃度 ※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。 数学はなぜそれを必要とし、生み出したのか。知っているようで知らなかった、奥深き知的営み――「証明」の世界へ飛び込もう！【おもな内容】はじめに第1章　証明とはなんだろうか第2章　証明のさまざまな技術第3章　命題と論理記号第4章　算数の中の証明をもう一度第5章　証明の花形――初等幾何学の証明第6章　無限に挑戦する――解析学の証明第7章　式は語る――代数学の証明終わりに――数学にとって証明とはなにか

人類史上最大の発明は｢数学｣である! 円周率や無理数との出会い、ゼロの発見など、エピソード満載で語る新しい数学入門。

理論から応用まで、一歩一歩着実に! 最近は強力な統計用ソフトが手軽に使えるようになり、統計解析が身近になりました。しかし、統計の｢勘どころ｣を押さえておかなければ、手法の選択を誤ったり、怪しい数字に騙されてしまったりします。本書はこれ以上ない丁寧さと、実用を意識した解説で、あなたを｢統計達人｣にします! 現代人必読の一冊です。※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。

20世紀中期以降、とくに発展した科学の分野の1つに、アルゴリズムを設計する離散数学があります。離散数学は連続数学と違い、とびとびの対象物を扱います。そして、アルゴリズムと呼ばれる問題解決の手順を作り出します。本書では、とくに、｢ものを分ける｣問題を扱います。参加者全員が好きな対象物、あるいは参加者全員がきらいな対象物で、分割可能なものを、参加者全員が納得できるように分割する方法を扱います。※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。

問題を解きながら、離散数学の考え方がわかる! すべての情報を｢0と1｣の組み合わせで表すコンピュータの普及で、重要性が見直されている離散数学。離散数学の中核にあるのが｢数え上げ理論｣である。予備知識のいらないやさしい問題で分割数、フィボナッチ数、カタラン数に触れたあとには、数え上げ理論の三種の神器である包除原理、差分方程式、母関数の理論を紹介。その奥深い魅力が、充分に味わえる。(ブルーバックス･2008年11月刊)※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。 数学が苦手？ それは「錯覚」です。 ――カオス理論の権威が説く、「本当は誰もが好きになれる数学の世界」！ 【数学の「本質」を知れば、新しい世界が見えてくる】 多くの人は、数学という学問を誤解しています。 難しい、とっつきにくい、役に立たない…… 数学に対するこうしたイメージは、すべて「錯覚」です。 人々の「素朴な思い」から生まれた学問なので、 段階を踏んでいけば、誰にでも理解できるはずなのです。 本書では、「測定」「計算」「論理」という基本から 数学が持つ本質的な構造と役割を問い直していきます。 “数学の階段”を登っていくと、あなたの想像を超える広い世界が見えてくるでしょう。 数学が嫌いな人は、数学がちょっと好きになるはずです。 もともと数学が好きな人は、 これまでとは違う視点から、新しい数学の魅力を感じてもらえるはずです。 ◆本書の内容 プロローグ　「数学嫌い」は錯覚である　～「数学とはどんな学問か」を考える前に ステップ１　「数学のはじまり」を知ってみる　～数学は人間の想念そのものである ステップ２　「数学の本質」に触れてみる　～数学はもっとも誠実な学問である ステップ３　「数学の最初のつまずき」を解消する　～苦手意識はここから始まる？ ステップ４　「数学のおもしろさ」を感じてみる　～“意味”が分かれば見える世界が変わってくる エピローグ　　数学とはどんな学問か？　～数学の“階段”を登ると見えてくるもの 私にとって心安らげる場である数学が、多くの人々に「とっつきにくい」と思われていると聞くと、 寂しいような、ちょっと不思議な気持ちになります。 なぜなら、数学は誰にでも理解できる、誰にでも好きになれる学問だと思っているからです。 数学は、誰に対しても平等で、誠実な存在なのです。　　　　　　　　―――「はじめに」より

広中平祐氏の自伝的数学啓蒙書です。｢学問とは何か｣｢学ぶとはどういうことか｣｢数学とは何か｣など、数学や科学するときの最も大切な基本姿勢を教えてくれる1冊。広中平祐氏が特異点解消問題を解決して、1970年にフィールズ賞を受賞した経緯にも触れられていています。

英語を勉強していて意味のわからない単語に出会ったとき、その単語を英国人が実際に使っている現場に行き、まねをして使ってみると、自ずと意味がわかってくることがよくあります。これは数学にも当てはまります。とかくむずかしいと敬遠されがちな微分方程式ですが、最初に全部を理解してから進もうとするのではなく、とにかく本書で著者のまねをして方程式をつくり、展開してみてください。※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。

科学･技術を学ぶ上で、最も重要な数学が、微分と積分です変化を記述する微分、面積や体積、量を計算する積分。この2つは、科学や工学、さらには経済学でも最も重要な数学です。どちらも、基本はすべて高校で学びますが、｢あやふやな人｣が多いのも、この2つです。法則や定理を正確に理解するために、もう一度、しっかり復習してみましょう。※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。

実験で得た数値データを表すグラフは、誤解なく読み取れるように仕上げることが重要。これをExcelで実現するために必要なデータを正しく伝える技術について丁寧に解説する。軸ラベルや凡例、線の種類などの基本設定から対数グラフやヒストグラムなどの描き方まで、卒論やレポートなどに用いるグラフの質を飛躍的に向上させる知識が自然と身につく。※本書は以下の環境を使い、機能を確認して執筆しています。｢Excel 2010、Excel 2013(共にWindows 7)｣｢Excel 2007(Windows Vista)｣｢Excel 2003(Windows XP)｣※本書で掲載している画面はExcel 2010で使用したときのものです(Excel 2013、Excel 2007、Excel 2003でも操作できるように、紙面の許す限り補足を入れています) (ブルーバックス･2013年10月刊)※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。