線形代数の基礎を Pythonプログラムをもとに丁寧に解説！ 【本書の内容】 線形代数（ベクトル・行列の基本から特異値分解）について、Pythonのプログラムをもとにわかりやすく解説した書籍です。線形代数の基礎理論をPythonによる具体例を交えて解説しているので、実際の挙動を見ながら基礎理論の知識を習得できます。 【本書の特徴】 ・実際にプログラムで数値を入れて線形代数の計算結果を確認できる ・プログラムで結果を見ながら学習できるので幾何学的にイメージできる 【対象読者】 ・Python を使いながら線形代数を学びたい学生、文系エンジニア ・線形代数の基礎を学びなおしたいエンジニア 【本書で扱う線形代数の主なトピック】 ・ベクトルの基礎 ・行列の基礎 ・線形方程式系の解を求める計算方法 ・行列式の基礎 ・部分空間の基礎 ・直交の定義・直交基底の作成方法 ・最小二乗法による線形回帰 ・固有値・固有ベクトルの定義と具体的な計算方法 ・行列を対角化する方法 ・特異値分解の定理 【目次】 第0章 開発環境の準備 第1章 ベクトル入門 第2章 行列 第3章 線形方程式系 第4章 行列式 第5章 部分空間 第6章 直交性 第7章 固有値と固有ベクトル 第8章 特異値分解 【著者プロフィール】 かくあき 学生時代から数値解析を中心にPython,Matlab,Fortran,C,LISPなどのプログラミング言語を利用している。Pythonの普及の一助となるべく、Udemyで講座を公開。Kindle Direct Publishingで電子書籍を出版するなど、情報発信を行う。著書に『現場で使える！Python科学技術計算入門』『Pythonで動かして学ぶ! あたらしいベイズ統計の教科書』（いづれも翔泳社）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。

FLOCブロックチェーン大学校による書下ろし！ Pythonでブロックチェーンの仕組みを学ぼう！！ 【本書の概要】 本書は、ブロックチェーンの仕組みと基礎技術を、 Pythonによるサンプルを交えながら、やさしく解説した入門書です。 【本書の特徴】 ブロックチェーン技術者の育成・人材紹介及びキャリア支援で著名な 株式会社FLOCおよび同社が運営する FLOCブロックチェーン大学校の人気講師　赤澤直樹氏の執筆協力により、 基礎から体系的にブロックチェーン技術の仕組みを学べます。 全体で5部構成となっています。 ・第1部では、ブロックチェーンの概要と構成技術を丁寧に解説。 ・第2部では、本書で扱う必要最低限のPythonの基礎知識を解説。 ・第3部では、ブロックチェーンの仕組みを簡単なサンプルをもとにわかりやすく解説します。 ・第4部では、第3部の知識をもとにブロックチェーン・プログラムを作成します。 ・第5部では、もっとブロックチェーンを知りたい方のために最新開発事例などを解説します。 【対象読者】 ・ブロックチェーンの仕組みを学びたいエンジニア ・Pythonを利用しているデータサイエンティストやAIエンジニア ・教養としてブロックチェーンエンジニアリングを学びたいビジネスパーソン、学生 ※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。 機械学習エンジニア必見！ ベイズ統計の基礎から ベイズ統計モデリングまで Pythonプログラムをもとに丁寧に解説！ 【本書の内容】 ベイズ統計の基礎知識からベイズ統計モデリングまで、 Pythonのプログラムをもとにわかりやすく解説した書籍です。 前半ではベイズ統計の理解に必要な確率の説明からはじまり、 ベイズ統計学、ベイズの定理、ベイズ推定の基本事項をわかりやすく解説。 後半では線形モデルを例題として、MCMC法を用いたモデルの推定方法について解説します。 【本書で扱うベイズの定理について】 事後分布を求める際に問題となる、ベイズの定理の積分計算を回避する方法を2つ紹介します。 1つは、共役事前分布によって事後分布の解析解を求める方法です。 そしてもう1つは、MCMC法を使用することで数値計算によって事後分布を推定する方法です。 MCMC法はPythonのライブラリのPyMC3を用いて手軽に実践することができます。 【本書の扱うベイズ統計の範囲】 ・確率の基本 ・ベイズの定理 ・ベイズ推定 ・MCMC法：マルコフ連鎖モンテカルロ法 ・線形モデル ・一般化線形モデル 【対象読者】 ・ベイズ統計モデリングをこれから学ぼうとされる方 ・ベイズ統計モデリングの基礎知識が少ない機械学習エンジニア ※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。

世界最大のデータ分析コンペサイト Kaggle（カグル）に挑戦して データ分析の基礎知識を身に付けよう！ 【本書の概要】 本書はこれからデータ分析をはじめたいと思っている方や、 Kaggleに興味のあるデータ分析の初心者に向けて、 Pythonの実際のコードとともに丁寧に解説した書籍です。 データ分析で必要な一般的な知識とともに、 Kaggleへチャレンジするフローや、 Kaggleの初心者向けコンペへの取り組み方を紹介します。 データ分析や機械学習の一端に触れ、 実際に課題を解決するプロセスを体感できます。 【本書の対象読者】 ・データサイエンティストを目指す学生 ・データ分析に興味はあるが、あまり経験や知見がないデータ分析の初学者の方 【本書のポイント】 Kaggleの初心者向けチュートリアル「Titanicコンペ」「House Pricesコンペ」について、 分析の準備から結果の考察、そして精度を上げるプロセスを ステップバイステップでコードとともに、わかりやすく解説しています。 【本書より扱うコンペの特徴：本書より抜粋】 ・Titanicコンペの特徴 乗客ごとに性別や年齢、乗船チケットクラスなどのデータが、 生存したか死亡したかのフラグとともに与えられています。 生死に影響する属性の傾向をデータから分析して、 生死がわからない（予測用に隠されている）乗客について、 生死結果を予測することが目的です。 ※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。

本書は、Pythonでプログラミングをした経験のある読者が、 各種オープンソースソフトウェア（OSS）やライブラリを利用して、 自然言語処理を行うWebアプリケーションを作って動かし、自然言語処理を体験するための書籍です。 またその中で、自然言語処理に関連するさまざまな概念や手法、 簡単な理論についても学ぶことができ、本格的な学習の 前段階としても最適です。 本書の構成としては大きく2つの部に分かれており、 それぞれ以下のような内容を解説しています。 第1部：データの準備 ●テキストデータの収集 ●データベースへの格納 ●検索エンジンへの登録 第2部：データの解析 ●文法構造を調べる ●意味づけ ●知識データとの連係 全13章を順に追いながらWebアプリケーションを作っていくことで、 自然言語処理に関連するさまざまなテーマを学ぶことができます。 ※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。 Excelシート間のコピペをはじめ、単純なパソコン仕事は小さなプログラムを書くことで自動で行うことができます。 こうしたプログラムを書けるようになることが、自分の仕事を効率化したい社会人にとって大きな武器になることは間違いありません。 本書ではプログラミング言語Pythonを使って、パソコン仕事の中心であるExcel作業を自動化する方法を紹介します。 Excelの自動化といえば「マクロ・VBA」が定番ですが、Pythonの強みは ・Excelアプリを起動しなくてよい ・メールやWebブラウザなども簡単に自動化できる という点にあります。 本書ではExcelとともにメール、Webの自動化もしっかり扱います。これにより、Webから抽出したデータをExcelファイルに保存してメールで送信、といった連携も行えるようになり、仕事での活用の幅が広がります。 プログラミング初心者である社会人が、実際に自分の仕事が自動化できるように、必要な情報をもれなく丁寧に解説することを心掛けました。本書を片手に「新しい仕事のやり方」を始めましょう！ ＜本書の方針＞ ・オブジェクトなどの難しいプログラム理論は一切使いません。 ・一番単純な道具だけで、準備に時間をかけず、すぐ始められます。 ・実践的な例題で、実務で本当に使えるプログラムを紹介します。

※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。 「Excelの請求書の作成」、「作成した請求書のPDF化」「請求先への請求書のメール送信」、これらを自動化するサンプルプログラムの作成を通して、業務にも役立つ実践的な知識とノウハウをマスターしよう。

Excelは全ビジネスマン必須のアプリケーションですが、操作がめんどうだと感じたことはありませんか？ 本書は、「Python」というプログラミング言語を使って、そんなめんどうな業務を自動化・効率化する方法を紹介します。プログラミングがはじめての人にもわかるように、コードの書き方からしっかり解説。ExcelやGoogleスプレッドシートでのグラフ作成やデータ収集、表計算、データ分析など、ひととおりの業務をプログラムで動かす方法がわかります。 プログラミングのはじめの一歩としてもオススメです。

※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。 ストーリーでPythonと機械学習がわかる!! 『機械学習入門―ボルツマン機械学習から深層学習まで―』、『ベイズ推定入門　モデル選択からベイズ最適化まで』につづく、お妃さまシリーズの第3弾を刊行するものです。Pythonの学習を主軸としたものであり、機械学習を実践したくなった人、およびカジュアルでわかりやすいPython入門本を探している人をターゲットとします。Pythonのコードとコードの説明をイラストでわかりやすく解説します。現在注目されているGAN（敵対的生成ネットワーク）についても解説。 第1章　魔法の鏡との出会い 第2章　機械学習の発見 第3章　思い出のアヤメ 第4章　器用な鏡、不器用な小人 第5章　あなたは誰？顔認識システム 第6章　表情豊かな鏡に戻れ！

※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。 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

※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。 未来への確かな意思決定に、時系列予測を活用しよう！ 本書は、時系列予測の理論とPythonによる実装を体系的にわかりやすく解説します。時系列データ分析が未経験でも通読できるよう、基礎となる数学から始め、ビジネスや研究の場で実践するためのスキルが身に付くよう丁寧にフォローします。 ビジネスの現場では、データに基づく意思決定が重要視され、特に時系列データ分析は、売上予測や需要予測、在庫最適化など、多くの領域で活用されています。そうした時系列予測の理論と実践を学ぶために必要な知識を、本書の活用によって身に付けることができます。 ※本書と『Pythonによる時系列分析―予測モデル構築と企業事例―』との違い 本書では時系列予測（を主とする時系列分析）の数学的な解説や数理モデルを詳解することから 　・確かな理論的裏付けに基づく実践（コーディングや評価・検証）を試したい 方におすすめです。 一方、『Pythonによる時系列分析―予測モデル構築と企業事例―』は、（特にビジネス応用を念頭に置いた）時系列分析の入門として 　・まずはハンズオンで実践してみたい 　・ビジネスにおける時系列分析（を含めたデータ分析の全体像）をつかみたい という方におすすめです。 第1章　時系列予測が変えるビジネスの未来 第2章　統計的推測と時系列分析の基礎 第3章　時系列予測のための数理モデル 第4章　予測モデルの評価と検証 第5章　時系列予測事例 付録A　Python環境構築

【PythonでGUIをつくる！】 2018年6月にオフィシャルリリースされたQt for Pythonを利用して、インタラクティブで機能的なGUIをPythonで作成してみませんか？ 本書はQt for Python とQt Quickを使用したUIの基本的な作成方法を解説します。

★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

※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。 15の課題でアルゴリズムとデータ構造を学ぶ。各章の前半で具体的な事例から原理を理解する。確実に身につけるために各章に練習問題とその解答を配置。また後半ではPythonを使ってアルゴリズムのプログラムを組み、実際にどのように動くかを体験できる。 原理部分の理解と、プログラミング部分が分かれているので、原理が理解できていないのか、プログラムが理解できていないのかが、明確に区別できる。

※PDF版をご希望の方は Gihyo Digital Publishing (https://gihyo.jp/dp/ebook/2023/978-4-297-13293-4)も合わせてご覧ください。 プログラミング言語Pythonを使ってプログラミングに挑戦する本です。プログラミング初心者向けの勉強会の運営にかかわっている著者ふたりが，そこで学んだ初心者がつまずくポイントを「10の壁」として定義し，各章でそれを乗り越える構成にしています。初心者に加え，一度プログラミングに挫折した「再」入門者も対象に，やさしく解説しています。 <10の壁> 学習継続力の壁／PCスキルの壁／環境構築の壁／変数の壁／組み立て方の壁／練習から実用の壁／読みやすいコードの壁／アイデア実現の壁／完成の壁／プログラマーらしさの壁

※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。 コンピュータの計算力を目いっぱい使う本！検算にも！ 　本書は、PythonのモジュールであるSymPyを使って、式の展開結果を得たり、計算を行う方法を解説するものです。 　式の展開、計算（方程式を解くほか）は、小学校から高校、大学まで何時間もひたすら鉛筆で書きまくり解を得るレッスンが行われますが、専門家でもなければ、せっかく長時間をかけて身に付けた数学力も年月を経るごとに忘れていってしまいます。しかし、Python＋SymPyを使えば、忘れてしまっても、そもそも苦手でもサクサクで解け、式の展開に時間を使うことなく、結果が得られます。本書では、Pythonにおけるそれらテクニックを多数解説します。 第1章　Sympyとは何か？ 第2章　Pythonの基本の基本 第3章　簡単な式の計算 第4章　初等関数を扱ってみよう 第5章　方程式を解いてみよう 第6章　微分、積分の計算をしてみよう 第7章　線形代数の計算をしてみよう。 第8章　機械学習で現れる計算をしてみよう。 付録 Pythonでの数式に関するスペース／演算子、関数など

※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。 本書はPythonというプログラミング言語を用いて、ゲームを制作しながらアルゴリズムを学ぶ入門書です。 Pythonはソフトウェア開発や学術研究の分野で広く用いられるようになり、企業や教育機関で使われる主要なプログラミング言語の1つになりました。 また基本情報技術者試験にPythonが加わるなど、情報処理を学ぶ人たちにとっても触れる機会の多い言語になっています。 Pythonの人気が高まったのは、 ・記述の仕方がシンプルで、他のプログラミング言語より短い行数でプログラムを組める ・記述したプログラムを即座に実行でき、開発効率に優れている ・ライブラリが豊富で、それらの多くが使いやすい などの理由からです。 Pythonはプログラミング言語の中で特に学びやすく、誰もが習得できる言語であることも、広く普及した理由として挙げられるでしょう。 本書はアルゴリズムの学習に力を入れています。初学者が理解できるようにプログラミングの基礎からスタートし、やさしいアルゴリズムから段階を踏んで高度な内容を学ぶ構成になっていますので、どなたにも安心して手に取っていただけます。 ここで言うアルゴリズムとは、問題を解決するための手順や手法のことです。アルゴリズムを学ぶとさまざまな問題を解決する力が伸びるといわれており、しばらく前からアルゴリズムを学ぶ大切さが、色々なところで説かれるようになりました。 アルゴリズムと聞くと難しそうと考えてしまう方もいるかもしれませんが、心配は無用です。本書はゲームを制作していく過程で色々なアルゴリズムを習得できるようになっています。 みなさん、ゲームを作りながら、プログラミングとアルゴリズムを楽しく学んでいきましょう! (本書「まえがき」より)

本書は主にPythonを使用して、「おうちで」「クラウドコンピューティング」できる環境を自作します。ここで2語を強調したのは、人によってこれらの言葉の解釈が異なるだろうと考えたためです。本書では、次のような定義となります。 本書では、公開サーバに本書で作成した環境を置くのではなく、あくまでご家庭内(LAN)の範囲において、学習目的で環境構築します。したがって、なるべく一般的なご家庭の開発環境を想定し、「冗長性」や「セキュリティ」については基本的に考慮していません。ご自身で本書内容を再現される際は、この点に十分ご注意ください。

　本書はWebアプリ用のPythonを使って会員制サイトを作る入門書です。Pythonで会員制サイトを作ると聞くと「どうせDjangoやFlaskを使うんでしょう？」と思われるかもしれませんが、本書は追加パッケージをまったく使わずにPythonの標準モジュールだけを使って会員制サイトのシンプルなゲームSNSを開発します。 　Pythonと一緒にインストールされた標準モジュールだけを使う理由は、リーズナブルなレンタルサーバーはPythonに機能追加するpipが使えないからです。つまりDjangoやFlaskが使えないからです。 　本書では、まず、「HTML5＋JavaScript＋CSS＋jQuery」でミニゲームを開発したり、各Webページの作成などを解説しています。その後は、作成したWebページをもとに、PythonでWebページを書き出したり、データベース「SQLite3」の利用方法などを解説しています。

※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。 大手メーカーで活躍してきたクリエイターがゲーム開発のノウハウをゼロから教えます! 本書はPythonを使用した、ゲームプログラミングの解説書です。 類書とは異なり、終始一貫「ゲーム開発」に焦点を当て、今書いているプログラムがどのような＂動き＂に反映され、どのような＂面白さ＂に結びつくのかを、正しく学ぶことができます。 一般的なソフト開発ではなく「ゲーム開発の作法」をきちんと学ぶことによって、ゲーム好きな読者の皆さんの就職や趣味といったリアルな世界がより充実してくれることを願い、出版されました。 【読者対象】 ○ゲーム業界に就職したい学生・社会人 ○SNSや同人で自作ゲームを発表したい方 ○落ち物パズル、RPGの作り方を知りたい方 ○一般ソフトとゲーム制作の違いを知りたい方 ○Pythonを始めたけど作るものが浮かばない方 ……高校生ぐらいから読めます! 【本書の特長】 ○業界の基礎知識やプログラマーの役割からきちんと解説 ○Pythonの基本文法をしっかり解説、プログラミング初心者も安心 ○プログラム1行ごとに説明を付けており、理解しやすい ○豊富な図解とイラストを用い、イメージで理解できる ○開発に必要な素材はすべて無償ダウンロードできる クイズ、すごろく、おみくじ、診断アプリ、迷路、自動生成ダンジョン、落ち物パズル、本格PRGなど……簡単なミニゲームから難しいものまで幅広く教材を用意しています。 さらに、読者特典として3つのおまけゲームもプレゼント! すべてのゲームをつくり終えた時、あたなのプログラミングスキルは何倍にも向上しているに違いありません。 本書を機に、ぜひゲームプログラミングの世界に飛び込んでみてください!

※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。 Pythonゲーム開発入門の決定版! 人気ジャンルを題材にプログラミングの腕を磨こう! 大好評を博している『Pythonでつくる ゲーム開発 入門講座』に、第2弾『実践編』が登場! 前作同様、Pythonを用いたゲームプログラミングの基礎をまんべんなく解説しながら、今回は「アクション」「シューティング」「3Dカーレース」といった人気ジャンルの開発に挑戦します。 【本書の特長】 ○複数の演習を通し、ゲーム開発の知識・技術を大幅UPできる ○三角関数、遠近法などの知識を開発に活かす方法を学べる ○マップエディタやランチャーなど関連ツールの開発も行う ○プログラム1行ごとに説明を付けており、理解しやすい ○豊富な図解とイラストを用い、イメージで理解できる ○開発に必要な素材はすべて無償ダウンロードできる さらに、ゲーム開発でぶつかる＂壁を乗り越えるためのヒント＂も豊富に用意しました。 【開発のヒントが満載】 ・マップやアイテムの配置はどうするのか ・自機と敵機のヒットチェックはどうするのか ・＂弾幕＂の軌道はどうやって計算するのか ・面白さにつながる難易度とはどの程度なのか ・エフェクトやサウンドはどうやって組み込むのか ・坂道のカーブ、奥行、起伏はどう表現するのか ・Pythonで3Dを表現するにはどうしたらよいのか ……こんな疑問に答えます! ゲーム素材400本、プログラム80本、遊んで面白いゲーム5本を無償提供! 本書を読み終えた頃、ゲーム開発の知識はかなり高いレベルに到達できるでしょう。 また、各プログラム内にPythonのプログラミング技術を多くちりばめたので、Pythonを使う力もぐんと伸びているはずです。 ゲーム開発の基礎を盤石にしたい方、Pythonの技術に磨きをかけたい方にオススメの1冊です。

※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。 みんな知ってるスマホゲームやレトロゲームの“あの動き”は、実際にどのようなプログラミングでできているのか？ 本書は、実際に「あのゲームの」「あの動き」を作りながらPythonアルゴリズムを学ぶゲームプログラミング入門書です。撃つ・当たる・爆発するシューティングゲーム、逃げる・追いかける・先回りする迷路ゲーム、ジャンプ・ダッシュ・スクロールできるアクションゲームなど、様々なゲームの動きをまずは作ってみましょう！

※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。 ※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。 Pythonで対話型のシステムをつくろう！ 　近年、しゃべってコンシェル（NTTドコモ）やSiri（Apple）、Alexa（Amazon）などの音声対話アプリケーションや対話型のデジタルサイネージ、Sota（ヴイストン、NTT、NTTデータ）などのコミュニケーションロボット、電話自動応答など、人工知能技術を活用した知的対話型のアプリケーションが広く世の中に浸透しつつあります。 　本書は、このような人と自然言語で対話するシステム（対話システム）の作り方をハンズオン的に解説するものです。プログラミングしながら、ツールを使いながら、対話システムの開発を体験します。 第1章　対話システムをつくるにあたって 第2章　タスク指向型対話システム 第3章　非タスク指向型対話システム 第4章　Amazon alexa/Google homeへの実装 第5章　発展的な話題

※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。 Python＋Tkinter＋SQLite3で、デスクトップアプリを作ろう 　本書「Pythonでデスクトップアプリを作ろう」では、プログラミング言語「Python」を使って、パソコンのデスクトップ上で動作する「デスクトップアプリ」の作り方を解説します。 　Pythonでデスクトップアプリを作成する方法はいくつかありますが、本書では「Tkinter」を使います。Tkinterは、Pythonに標準で付属する唯一のGUIライブラリです。ですから、標準的なPythonのプログラミング環境であれば、すぐに使うことができます。 　本書の後半では、データベース管理システムの「SQLite3」を利用する、少しだけ本格的なアプリを作成します。このSQLite3もTkinterと同様、Pythonに標準で付属します。 　現時点で、「Python＋Tkinter＋SQLite3」は、最も手軽にデスクトップアプリを作成できる組み合わせの一つと言ってよいでしょう。ぜひ本書でPython＋Tkinter＋SQLite3の基礎を学び、役に立つ、面白いオリジナルのデスクトップアプリを作成してみてください。

本書ではプログラミング言語「Python」を使った視覚化（グラフの作成）について解説しています。 Phthonの実行環境としてはGoogle Colaboratoryを使用し、まずは基本的な視覚化ができることを目指します。その後は、視覚化に必要なPythonプログラムの構造と流れの習得します。 また、Python活用を進める上でつまずく可能性があるデータクリーニングや、機械学習にご興味をお持ちの方に向け、「モデルの最適化と評価」についても解説しています。

※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。 iPhone、iPadでPythonを使いこなそう! iOSでPythonプログラミングができる人気アプリ「Pythonista3」を使い、Pythonの基礎からnumpy/scipyなど拡張モジュールによる数理計算、2Dグラフィックを使ったゲーム作成、そしてiOS機能を拡張するプログラミングまでを楽しくマスターしよう 人気の高いプログラミング言語といえばPythonですが、Pythonを使うにはコンピュータが必要です。しかし現在、コンピュータを持っていない人は若い人を中心に増えています。そんな時代にプログラミングをするにはどうすれば良いでしょうか?答え「スマホでプログラミングすればいいのです!」 本書は、アプリ「Pythonista3」を使って、iPhone(iOS)でPythonプログラミングを学ぶための本です。 Pythonista3では、Pythonの基本的な機能は勿論、numpyやmatplotlibといったPythonで最も広く使われるモジュール、さらには「iPhoneのための機能」が充実していたり 2Dグラフィックに関する機能も強力で、すぐにでもリアルタイムゲームをプログラミングできます。 本書では、「標準モジュールを使った数理計算」「UI部品を使ったプログラミング」「2Dグラフィックを使ったゲームプログラミング」「iOSのさまざまな機能の利用」などについて 解説します。また、Pythonがはじめて、という読者のために、巻末ではPythonの基礎文法なども解説してあります。

時代が変わっても 変わらないアルゴリズムから考え方を学ぼう 本書は、初心者にも扱いやすいプログラミング言語「Python」を使用して、 アルゴリズムの基礎・考え方を学ぶ入門書です。特にPythonがはじめてという方の ために、第1章ではPythonの基本とデータ構造について解説しています。 本書では、プログラミング入門者が最低限知っておきたいアルゴリズムの 基礎と考え方に加えて、アルゴリズムの定石とその計算量について、具体的 なサンプルコードと動作イメージを交えて丁寧に解説していきます。 【こんな方におすすめ】 ・アルゴリズムをゼロから学びたい ・Pythonでプログラミングを学んでいるけれど何から手をつけていいのかわからない ・過去にアルゴリズムを学ぼうと思ったけれどPythonの資料が少なかった ・基本情報技術者試験でPythonが取り入れられるので勉強したい 【扱うアルゴリズム】 FizzBuzz｜フィボナッチ数列｜線形探索｜二分探索｜幅優先探索｜ 深さ優先探索｜番兵｜8クイーン問題｜n-クイーン問題｜ハノイの塔｜ ミニマックス法｜選択ソート｜挿入ソート｜バブルソート｜ヒープソート｜ マージソート｜クイックソート｜最短経路問題｜ベルマン・フォード法｜ ダイクストラ法｜A*アルゴリズム｜文字列探索の力任せ法｜Boyer-Moore法｜ 逆ポーランド記法｜ユークリッドの互除法 ※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。

★新・業界標準はこの一冊から！　MCPの概要からアーキテクチャ、Pythonによる実装まで★ 本書では、MCP（Model Context Protocol）の基本概念の説明から、既存のMCPのサーバーの基本的な利用方法、そして、PythonによるMCPサーバー／ホストの開発までを網羅的に扱います。MCPの基本構造、アーキテクチャについても、どこよりも詳しく、わかりやすく解説。また、AIコーディングによるMCPサーバー／ホストの具体的な開発例や、AIコーディングに役立つシステムプロンプトなども紹介しています。 【おもな内容】 第1章 MCPとは何か？ 　1.1 MCPの概要 　1.2 AIエージェントの発展とMCP登場の背景 第2章 MCPサーバーを使ってみる 　2.1 環境構築 　2.2 MCPサーバーを使う 　2.3 MCPサーバーの探し方 　2.4 MCPサーバー使用時の注意点 第3章 MCPのアーキテクチャ 　3.1 MCPの基本構造 　3.2 JSON-RPC 2.0とは 　3.3 MCPセッションとライフサイクル 　3.4 トランスポート層の概要 第4章 MCPサーバー開発 　4.1 MCPサーバー開発時の留意点 　4.2 MCPサーバーが公開する主な機能（MCPメソッド） 　4.3 Python SDKの概要と使い方 　4.4 MCPサーバーのエラー処理とロギング 　4.5 実践：シンプルなMCPサーバーを作ってみる 第5章 MCPホスト開発 　5.1 MCPホストの役割と設計 　5.2 MCPホストとサーバーの連携のためのセッション実装 　5.3 MCPホストとLLMの連携の実装 　5.4 MCPホストのエラー処理とロギング 　5.5 実践：シンプルなMCPホストを作ってみる 第6章 LLMを使ってMCPサーバー／ホストを開発する 　6.1 AIコーディングの基礎 　6.2 LLMによるMCPサーバーの開発 　6.3 LLMによるMCPホストの開発

本書はプログラミング⾔語「Python」を⽤いたビットコインの⾃動取引プログラムを構築するノウハウについて初⼼者向けにわかりやすく解説したものです。本書を読めば、Pythonでビットコインの⾃動取引プログラムを作成するに当たっての基礎的な知識が⾝につきます。細かいバックテストや戦略の検討ではなく、実際に動かせる⾃動取引プログラムの作成にフォーカスしたものとなります。

※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。 ※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。 Pythonで音作りをはじめよう！ ・音のプログラミングが音響楽の基本からわかる！ ・音の信号処理もていねいに解説！ ・打楽器・管楽器・弦楽器・鍵盤楽器の音が手もとで作れる！ ・ソースコードはWebからダウンロード可能！ 　 　本書は、コンピュータで音作りをしてみたい方に向けた、サウンドプログラミングの入門書です。音作りに興味があるけど何からはじめたらという初心者のために音響の基本から解説をはじめ、コンピュータでの音の考え方、音を加工するディジタル信号処理の基礎をていねいに説明し、シンセサイザ、エフェクタの音作りなどを解説します。さらに、さまざまな音響合成のテクニックとともに、その具体例として、ゼロから楽器音をつくり出すフルスクラッチ合成のレシピを紹介します。サウンドプログラミングの言語には、音データの読み書きはもちろん、波形、周波数特性、そしてスペクトログラムの描画も簡単に行える、Pythonを採用しています。 　Pythonを使ってサウンドプログラミングの第一歩を踏み出しましょう！ はじめに 目次 第1章　音響学 1.1　純音 1.2　複合音 1.3　音の三要素 1.4　音の大きさ 1.5　音の高さ 1.6　音色 第2章　サウンドプログラミング 2.1　サンプリング 2.2　標本化 2.3　量子化 2.4　 WAVEファイル 2.5　サウンドプログラミング 第3章　コンピュータミュージック 3.1　五線譜 3.2　音階 3.3　音符 3.4　強弱 3.5　拍子 3.6　テンポ 3.7　音楽の三要素 3.8　コンピュータミュージック 3.9　自動演奏 第4章　MIDI 4.1　MIDI 4.2　ノートオンとノートオフ 4.3　ノートナンバー 4.4　ベロシティ 4.5　プログラムチェンジ 4.6　プログラムナンバー 4.7　パーカッションマップ 4.8　MIDIファイル 4.9　DTM 4.10　自動演奏 第5章　ディジタル信号処理 5.1　周波数分析 5.2　スペクトログラム 5.3　楽器音の周波数分析 5.4　フィルタ 第6章　シンセサイザ 6.1　音響合成のアプローチ 6.2　アナログシンセサイザ 6.3　オシレータ 6.4　時間エンベロープ 6.5　加算合成 6.6　減算合成 6.7　FM合成 6.8　カープラス・ストロング合成 6.9　音のリアリティ 第7章　エフェクタ 7.1 リバーブ 7.2 ディストーション 7.3 コンプレッサ 7.4 イコライザ 7.5 モジュレーション 7.6 デチューン 第8章　ミキシング 8.1　モノラル再生とステレオ再生 8.2　音像定位 8.3　ミキシング 8.4　音楽制作 8.5　ボーカルキャンセラ 第9章　打楽器の音をつくる 9.1　グロッケンシュピール 9.2　トライアングル 9.3　チューブラーベル 9.4　マリンバ 9.5　シロフォン 9.6　ティンパニ 9.7　シンバル 9.8　銅鑼 9.9　ハイハットシンバル 9.10　バスドラム 9.11　タムドラム 9.12　スネアドラム 第10章　管楽器の音をつくる 10.1　フルート 10.2　ピッコロ 10.3　クラリネット 10.4　オーボエ 10.5　バスーン 10.6　サキソフォン 10.7　トランペット 10.8　トロンボーン 10.9　ホルン 10.10　チューバ 第11章　弦楽器の音をつくる 11.1　バイオリン 11.2　ビオラ 11.3　チェロ 11.4　コントラバス 11.5　ハープ 11.6　アコースティックギター 11.7　エレクトリックギター 11.8　エレクトリックベース 11.9　スラップベース 第12章　鍵盤楽器の音をつくる 12.1　パイプオルガン 12.2　リードオルガン 12.3　ハープシコード 12.4　アコースティックピアノ 12.5　エレクトリックピアノ 索引

本書は、Pythonを使ってデスクトップアプリを作成する方法を解説した初心者向けの指南書です。Pythonは自動化や効率化プログラムの作成に最適なプログラミング言語であり、初学者向けの書籍や動画教材も豊富に存在します。ノンプログラマーでも業務自動化ツールを簡単に作成できます。 しかし、せっかく作成したツールを殺風景なテキストではなく、「デスクトップアプリ」としてGUIで操作できるようにしたら、もっと魅力的になりますよね。他の人にも使ってもらいやすくなります。そこで登場するのが「PySimpleGUI」です。 PySimpleGUIは、その名の通り、シンプルなコードで美しいGUIが作れるPythonのライブラリです。短いコードで見栄えの良いGUIを作成でき、デフォルト設定でも十分なデザインが提供されるため、細かいデザインを気にしなくても大丈夫です。この本では、どのようなGUIが作れるのかをざっと把握できるようにし、GUIを作るためのコードの書き方を理解して自分のツールに応用できるようになることを目指しています。 初心者でも安心して始められる内容で、PySimpleGUIを使ってカッコいいPythonデスクトップアプリを作る方法を丁寧に解説しています。ぜひ、この本を手に取って、自分だけの素敵なデスクトップアプリを作りましょう！

※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。 ※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。 Pythonで、本格的な機器分析データの解析 化学分析データの処理プログラムをPythonで作ろう、という本です。自ら作ることにより、目的のはっきりした使い勝手のよいものを作ることができます。本書はそのための指南書です。 第1章　機器分析の世界 第2章　Pythonの基礎 第3章　統計の基礎 第4章　データの前処理と可視化 第5章　ケモメトリックスの基礎 第6章　次元削減 第7章　クラスタリング 第8章　回帰 第9章　クラス分類 第10章　フィッティング 第11章　二次元相関分光法

※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。 ●知識ゼロから始められるゲーム制作＆プログラミングの入門書 本書は、プロのゲームクリエイターがやさしく解説する、ゲーム制作＆プログラミングの入門書です。 ゲームを自作するには、プログラミングやゲーム制作の知識に加えて、ゲームのアルゴリズムを組むための数学の知識も必要不可欠です。そこで、ゲーム作りやプログラミングが初めてという方に向けて本書を執筆しました。Pythonという学びやすいプログラミング言語を使って、ゲームを作りながらプログラミングの基礎知識、ゲームの制作方法、そしてヒットチェック（当たり判定）などゲーム作りに必要なアルゴリズムや数学を無理なく学べる内容になっています。 【本書のサンプルゲーム】 モグラ叩き、テニスゲーム、カーレース、シューティングゲーム、ジャンプアクションゲーム、3Dダンジョン探検プログラムなど。 「とにかくゲームを作ってみたい」「知識ゼロからプログラミングやゲーム制作を学びたい」「何かを作りながらプログラミングやアルゴリズムを学びたい」「ゲームでよく使うアルゴリズムや数学を学びたい」といった方におすすめの一冊です。

※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。 Pythonで実務に使える数理最適化のスキルを身につけよう！ ▼この本の特徴 　本書は、Pythonを用いた数理最適化の入門書です。Pythonを使ってさまざまな課題を実際に解いてみることで、数理モデルを実務で使いこなす力を身につけます。 　この本の特徴は、数理最適化のアルゴリズム自体ではなく、数理最適化を用いた課題解決に重きを置いている点です。ビジネスなどにおける課題を数理最適化で解く際に現場で発生しうる試行錯誤が多分に盛り込まれており、実務における手順や気をつけるべきポイントを学習することができます。 ▼この本の構成 本書は二部構成です。 第Ⅰ部はチュートリアルです。中学校で習う連立一次方程式や高校で習う線形計画法を題材として、数理最適化の基礎的な考え方とPythonによる初歩的な実装を学びます。シンプルな課題設定なので、数学的な難しさを感じることなくPythonに集中して基礎を学習することができます。 第Ⅱ部はケーススタディです。 実際に社会で起こりうる、さまざまな課題を数理最適化によって解いていきます。 学校のクラス編成やサークル活動における学生の乗車グループ分けなどの学生にとっても身近な課題や、キャンペーンの効果最大化や効率のよい配送計画の立案などのビジネスにおいてたびたびぶつかる課題などを解いていくことで、手順や注意点、効率のよい方法などが学べます。 ▼第1版からの変更箇所 ・5章（車両の配送計画） 問題の理解を助けるために挿絵・最適化結果の可視化を増やし、実装プログラムの解説を充実させました。また、最適化に登場する部品の列挙アルゴリズムについては、計算速度よりも理解しやすさを優先したものに差し替えました。 ・6章（数理最適化APIとWebアプリケーションの開発）にFastAPIやStreamlitの記述を追加 PythonのWebアプリケーション開発のフレームワークであるFlaskに加え、人気のFastAPIやデータサイエンティストでも簡単にWebアプリケーションが開発できるStreamlitについて追記しました。 ・7章（商品推薦のための興味のスコアリング）行列表現に関する説明の調整 簡単な数理最適化問題の行列表現から解説を行い、段階を踏んで理解できるようにしました。さらに、ソースコードの解説を追記することで、プログラムにおける行列の扱い方を理解しやすくなりました。 ▼このような方におすすめ ◎ 数理最適化の実務応用について知りたい方 ◎ 施策の効果最大化や効率化に取り組むビジネスマン（エンジニア・マーケター・リサーチャーなど） ◎ 情報・経済・経営系などの学部や学科の学生 ◎ データサイエンティストを志す方 第Ⅰ部　数理最適化チュートリアル 　第1章　数理モデルとは 　第2章　Python数理最適化チュートリアル 第Ⅱ部　数理最適化のケーススタディ 　第3章　学校のクラス編成 　第4章　割引クーポンキャンペーンの効果最大化 　第5章　最小コストで行う輸送車両の配送計画 　第6章　数理最適化APIとWebアプリケーションの開発 　第7章　商品推薦のための興味のスコアリング Appendix　メソッド・関数早見表

　3Dプログラミングをやったことがある方なら、きっと3Dツール、中でも「ポリゴンモデラー」を作ってみたいと憧れる方が多いでしょう。念のために説明すると、3Dのオブジェクトを作成・編集などすることを「モデリング」といい、そのためのツールを「モデラー」と言います。 　本書ではプログラミング言語「Python」を使い、その3Dツールとしてmqoファイルの「3Dビューア」と「ポリゴンモデラー」を開発する方法を詳しく解説します。 　3Dの描画には「OpenGL」を扱える「pyglet」パッケージを使います。そして「pyglet」をラップした、筆者が開発した3Dライブラリ「kantanengine（簡単エンジン）」を使います。本書ではこの「kantanengine」ライブラリの中身も計2章に分けて詳しく解説します。

※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。 高校卒業から大学1年程度を対象として、プログラミングの知識がゼロでも無理なくPythonでプログラミングの学習を始められます。はじめてプログラミングを行うレベルを対象とするため、プログラムとは何か？といったところから説明します。Pythonの文法レベルをインタラクティブモードと簡単なプログラミング事例を示しながら、生徒に解を導かせるとともに、各章の最後に練習問題を提示し、読者が自分で考える機会を設けています。本書を通読することで、プログラミングの初心者がPythonを使って、実用的なデータ処理ができるレベルまで到達することを目標とします。実例として、実用的なExcelなどの表計算ソフトのデータの加工、データの可視化などを掲載しています。Python3、実行環境は、macOSターミナル、Windows 10 WSL、Linuxターミナルなど。

★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。 本書はPythonを使ったマテリアルズインフォマティクスの方法を習得するため、1．scikit-learnの使い方を学ぶ、2．プログラミングによるデータ解析手法を知る、3．帰納法の考え方に慣れる、という三つの目的から構成されています。データ解析学で用いるアルゴリズムは各データを記述する変数の数が等しい（等長説明変数）と仮定しているため、マテリアルズインフォマティクスの世界では苦戦する場面が少なくありません。そこで物質ごとに収集できる変数の数が異なる（非等長説明変数）場合のデータ解析の仕方を紹介しており、基礎から実践までをじっくりと理解できる内容となっています。

※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。 Pythonで機械学習のアルゴリズムを理解しよう！ Pythonでは機械学習のプログラムは様々なライブラリ・モジュールを使うことで簡単に試すことができる。その反面、単にモジュールを使用するだけでは機械学習の中のアルゴリズムがブラックボックス化してしまい、計算結果の意味を正しく捉えることも難しくなってくる。 本書ではまず「機械学習」のアルゴリズムを解説し、機械学習の動きをPythonで実際にプログラミングすることで、アルゴリズムの流れが理解できるよう構成している。まずは黎明期からの機械学習アルゴリズムを理解し、それを実装することが目標となる。 さらにPython用の機械学習モジュールの使用法も解説し、これらを使用したプログラムの作成も行う。機械学習を使いこなすためのイントロダクションとなる1冊。

基礎理論を飛ばさない！ 推定・検定から統計モデル・機械学習へ！ 本書は統計学の理論をゼロから学べる教科書です。 IoTやビッグデータの発展によりさまざまなデータが社会にあふれ、 全てのデータを確認するのは難しくなってきています。 多くのデータから価値があるデータを作成するには統計学の知識が必須です。 【本書のポイント】 本書は統計学をはじめて勉強するかたでも、 読み進めていけるように、以下の3点を重点的に解説しています。 ・データをどのように分析するのか ・なぜそのように分析するのが良いことなのか ・Pythonを使ってどのように分析するのか 【統計学を勉強するためのツールについて】 この書籍では、学習していく際のツールに、プログラミング言語のPythonを使用します。 PythonはExcelやRより自由度が高く、機械学習に多く利用されているので幅広い層から注目を集めています。 Pythonに馴染むことにより、機械学習を利用したデータ分析者になるための基礎的な技術も身に付けられます。 【本書の構成】 本書は全7部構成になっています。 それぞれの部で次のようなことを解説しています。 第1部では統計学の基本を解説しています。 第2部でPythonの基本やJupyter Notebookの使い方を説明します。 第3部でPythonを用いた統計分析の方法を学びます。 第4部からは統計モデルについて学んでいきます。 第5部では正規線形モデルを解説します。 第6部それを発展させた一般化線形モデルについて解説します。 第7部は、統計学から機械学習へのつながりを学びます。 統計学やPythonのことを何も知らない方にもオススメの一冊です。 ※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。

統計学の基礎から 統計モデリング、機械学習の入り口まで しっかり学べる！ 【本書の概要】 データサイエンスやAIについて学ぶ上で欠かせない 統計学の知識をPythonを利用して 基礎からしっかり学べる書籍です。 【統計学の学習にPythonを利用する理由】 Pythonは統計学を学ぶのに便利なライブラリが多数用意されており データサイエンス、AIの研究開発に数多く利用されています。 統計学の基礎を学ぶのに格好のプログラミング言語です。 【対象読者】 ・統計学の初学者 ・統計学を学びたいエンジニア 【本書のポイント】 はじめて統計学を学ぶ方でも躓かずに学習できるよう 以下の3つをもとに丁寧に解説しています。 ・データの分析方法 ・分析の意味 ・Pythonによる分析の実践 【目次】 第1部　統計学をはじめよう 第2部　PythonとJupyter Notebookの基本 第3部　記述統計 第4部　確率と確率分布の基本 第5部　統計的推定 第6部　統計的仮説検定 第7部　統計モデルの基本 第8部　正規線形モデル 第9部　一般化線形モデル 第10部　統計学と機械学習 ※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。 プログラマが最初に学ぶべきアルゴリズムを解説。 処理を効率化するテクニックが身につく！ 　本書は、プログラミング言語のPythonを使ったアルゴリズムの入門書です。アルゴリズムの処理の流れや論理構造を根本から理解できるように、図と文章で丁寧に解説しています。 　さらに、本書では、アルゴリズムを改良するテクニックを紹介しています。 　アルゴリズムを改良すると、処理を効率化できたり、別のプログラムで応用できたり、コードが読みやすくなったりします。 　自分で手を動かしてプログラムを改良することで、アルゴリズムの使い方や改良方法を実践的に学べます。 　本書の1章～10章では、ソートや探索など、様々な場面で使われている基本的なアルゴリズムとその改良テクニックを解説しています。 　補章では、初学者でも本書の内容を理解できるように、Pythonの基本的な文法を解説しています。 　いろいろなプログラムの書き方を学びたい方、プログラミングの力を伸ばしたい方におすすめです。

現代社会を支える根幹技術をPythonで！　 Pythonプログラミングのスキルアップにも最適！ 名著『Pythonスタートブック』の著者である辻真吾氏が書き下ろす至極の入門書！　ソートやグラフ構造など基本的な内容から、乱択アルゴリズムや数論、ブロックチェーンの仕組みなどの幅広い話題までを解説。コードはWeb公開（ https://github.com/tsjshg/pyalgdata）。 【データサイエンス入門シリーズ】 第2期として、以下の2点を刊行! 『統計モデルと推測』松井秀俊・小泉和之（著）竹村彰通（編） 『Pythonで学ぶアルゴリズムとデータ構造』辻真吾（著）下平英寿（編） 【「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) 【推薦の言葉】 データサイエンスの教育の場や実践の場で利用されることを強く意識して、動機付け、題材選び、説明の仕方、例題選びが工夫されており、従来の教科書とは異なりデータサイエンス向けの入門書となっている。 ――北川源四郎(東京大学特任教授、元統計数理研究所所長) 国を挙げて先端IT人材の育成を迅速に進める必要があり、本シリーズはまさにこの目的に合致しています。本シリーズが、初学者にとって信頼できる案内人となることを期待します。 ――杉山将(理化学研究所革新知能統合研究センターセンター長、東京大学教授)

※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。 エンジニアの基礎体力を身につける 本書はPythonを用い、ITエンジニアが身につけておくべき王道のアルゴリズムを手を動かしながら学べる入門書です。 教育機関で16年教鞭をとり、公式アプリ2000万DL超の開発実績を持つ廣瀬豪氏が、教育者・プログラマーとしての経験を生かし、データ構造とアルゴリズムの学習が「一生モノの財産になる」という視点で解説します。スタック、キュー、リスト、木、グラフなどデータ構造の基本から、サーチ、ソート、ハッシュといった王道アルゴリズムを厳選しつつ、ユークリッドの互除法、文字列探索、最短経路問題、フラクタル図形の描画、マンデルブロー集合などワンランク上の知識・技術まで網羅します。 サンプルプログラムは手入力しやすい短めのコードを108個用意し、すべての行に1行ずつコメントを付けて読解しやすいように工夫しています。また、ゲームクリエイターという肩書を持つ著者ならではの教材として、「アルゴリズムの見える化」という類書にはない楽しい要素を盛り込んでいる点もポイントです。 資格試験、就職試験に挑む方、大学や専門学校で情報処理を学ぶ方など、プログラミングの力を伸ばしたいすべての方におすすめです。

「セキュアコーディング、何から始めればいい？」 PythonでWebアプリを開発する若手エンジニアに向けて、脆弱性の見つけ方と直し方を実践的に学べる入門書が登場！ 本書は、セキュリティエンジニアが不足するいま、現場で求められる「安全なWebアプリの作り方」を、Pythonを使ったハンズオン形式で丁寧に解説。 脆弱性を「知る」だけでなく、自分の手で「再現し」「修正する」ことで、セキュリティ対策の本質が身につきます。 紹介する脆弱性は、SQLインジェクション、XSS、CSRF、パストラバーサル、XXE、セッション管理など、現場で頻出するものを網羅。 さらに「やられアプリ（DSCLab）」を使って、攻撃例と防御策を体験できます。 セキュリティを「なんとなく」から「自信を持って語れる」へ── 本書は、そんな第一歩を踏み出すあなたを支える「現場で使える」一冊です。 ◆こんな方におすすめ ・PythonでWebアプリを作っているが、セキュリティ対策に不安がある ・エンジニア1年目～3年目で、体系的に脆弱性と対策を学びたい ・セキュリティの実務スキルを「手を動かして」身につけたい ◆本書で学べる主な脆弱性 SQLインジェクション／XSS（クロスサイトスクリプティング）／CSRF／パストラバーサル／XXE（XML外部参照）／認証と認可／セッション管理　ほか

※PDF版をご希望の方は Gihyo Digital Publishing (https://gihyo.jp/dp/ebook/2022/978-4-297-13233-0)も合わせてご覧ください。 本書籍は，Pythonによる衛星データ解析に興味がある初学者に向けた入門書となっています。学校の情報の授業等で利用する際の副教材になることを意識し，衛星データだけでなくデータサイエンスの基礎的な内容も含めました。学校で地球環境やご自身が住んでいる地域がどのように変化しているか調べたい方はもちろんのこと，衛星データを使って何かビジネスを始めたい方にも読んでいただきたいと思っています。従来のデータサイエンスの教材の場合には身近なデータを利用することが難しかった中で，衛星データであれば身近な地域のデータを利用して解析することができます。少しのプログラミング変更で解析対象地域を変えることができるようになっているので，関心のある地域の変化についてぜひ調べてみてください。

※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。 一冊に、AIと数学とアルゴリズムの基本を濃縮！ Pythonの深層学習フレームワークを自作！ 社会の中で日々存在感を増している「AI」と「数学」と「アルゴリズム」。その基本を180ページに詰め込んだのが本ムックです。 バブルソートのような基本的なアルゴリズムから、手書き数字認識もできる深層学習フレームワークの自作、AIで使われる数学の基礎である線形代数、そして経済学のアルゴリズムであるゲーム理論まで、様々な話題を扱っています。 もちろん、単に解説するだけではなく、Pythonで動くコード付き！動かしながら、深く学ぶことができます。 ≪目次≫ 第1章　絶対に知っておきたいアルゴリズム10選　その１ 　基礎から機械学習まで厳選した10個のアルゴリズムを 　Pythonによる実装とともに解説！ 第2章　絶対に知っておきたいアルゴリズム10選　その２ 　3つのテーマで厳選した10個のアルゴリズムを 　Pythonによる実装とともに解説！ 第3章　自分で作るPython深層学習フレームワーク 　Python＋NumPyでフレームワークを完全自作！ 　深層学習の原理がよくわかる！ 第4章　Pythonで線形代数を学ぼう 　AI＆データサイエンスで使う数学の基礎！ 第5章 Pythonで学ぶ「ゲーム理論」 　人間関係をプログラミングできる！ 第6章　プログラミング時代の数学との付き合い方

※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。 中級者以上に向けた、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1冊目として、「音源分離」をテーマとしています。近年、AIスピーカをはじめとした、人が話した音声を理解する音声認識システムがさまざまな場面で使われています。一般的に音声認識システムは、1人の人の声を聞き取ることを想定しており、聞きたい人の声以外の音が入ってくると、どうしても聞きたい人の声を正確に聞き取ることが難しくなります。「音源分離」とはこのようにさまざまな音が混ざった中から、欲しい音だけを抽出するという技術です。本書では、音源分離の基礎から、Pythonを用いた実装までを詳しく解説しています。また、音源分離で用いる数学的知識の基礎として、線形代数や行列・ベクトルの微分の方法、確率統計の基礎について示しています。音源分離を理解しコードを書くためには、プログラミングに関する知識はもちろん、線形代数、微分積分、確率・統計といった数学的知識も必要不可欠です。とくに音源分離では複素数の行列・ベクトルを用いるので、複素数の計算方法について重点的に示しています。

※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。 「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。 「音声認識」とは、音声信号から発話内容を認識することで、AIスピーカなどに利用されている技術です。本書は、現在までの音声認識技術の発展経緯を学びながら、深層学習を用いた最新の音声認識システムを実装できるようになることを目的としています。まず手法の目的やアルゴリズムの概要を解説し、続いて数式レベルでの詳説、最後にソースコード付きで実装という流れで解説しています。特に手法の概要については「そもそもその手法は何を目的として生み出されたのか」という経緯と、「なぜその手法は前述の目的を達成できるのか」について直感的に理解できるよう工夫しています。本書は中級者以上に向けた、特定の技術分野のアルゴリズムの紹介と、それ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」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。 Pythonで効果検証の実務を学ぼう！ この本は、効果検証を実務で行いたい方に向けた入門書です。 実務応用しやすい3つの分析手法（A/Bテスト・Difference in Differences （DID）・Regression Discontinuity Design （RDD））について、現場で実際にぶつかりやすい課題をミニストーリーなどで指摘しながら、その対応策や考えかたを示し、Pythonで実装していきます。 とくにA/Bテストについては多くの紙面を割き、複数のデザインパターンや分析手法を紹介します。 また、DIDとRDDについても、ミニストーリーなどを交えて適用できる条件を具体的に例示しつつ、間違った分析結果を算出してしまわないよう丁寧に解説を行います。 本書では、全体をとおして、ビジネスの現場で必要とされる知識と理論的な基礎との乖離に着目し、その乖離を埋めるような説明を心がけました。あくまで入門書であるため理論的な説明は控えめになっていますが、参考文献やブックガイドから、より専門的な論文や書籍にアクセスできるようにしています。 本書を読了することで、基本的な効果検証の手法を理解し、Pythonで実装できるようになります。さらに、陥りやすいアンチパターンや、効果検証を通じて組織に貢献するための考えかたなど、データ分析の実務者に必要とされる知見も身につきます。 謝辞／目次 1章　はじめに：いまなお隔たりがある効果検証の実務と理論 　1.1 効果検証とはなにか？ 　　1.1.1 本書のねらい：基礎と実務を紐づける 　　1.1.2 本書の特徴 　　1.1.3 効果検証の各手法の特性と使いかた 　　1.1.4 効果検証の目的：意思決定と探索的分析 　1.2 本書の構成 　1.3 想定する読者 　1.4 サンプルコード 2章　A/Bテストを用いてクリーンに効果検証を行う 　2.1 Prelude 　　2.1.1 太郎くんの分析の再現 　2.2 施策と効果 　　2.2.1 基本的な用語の確認 　　2.2.2 施策効果と反実仮想 　2.3 バイアス 　　2.3.1 バイアスを含んだ分析の例：ユーザーの性質 　　2.3.2 バイアスを含んだ分析の例：時系列 　　2.3.3 バイアスを含む分析手法の負のループ 　2.4 A/Bテストの基本的な発想 　　2.4.1 ランダムな施策割当によるバイアスの排除 　　2.4.2 施策効果のポテンシャルアウトカムフレームワークによる表現 　2.5 A/Bテストのデザイン 　　2.5.1 A/Bテストの設計 　　2.5.2 データ収集 　　2.5.3 収集したデータの分析と評価 　2.6 PythonによるA/Bテストデータの分析の実装 　2.7 A/Bテストのアンチパターン 3章　A/Bテストを用いて実務制約内で効果検証を行う 　3.1 実務におけるA/Bテストの課題 　3.2 A/Aテスト：A/Bテストの信頼性を担保する 　　3.2.1 A/Bテストは頻繁に「失敗」する 　　3.2.2 A/Bテストの失敗は2種類のケースに大別できる 　　3.2.3 A/Aテスト 　　3.2.4 A/Aテストのリプレイ 　3.3 柔軟なA/Bテストのデザイン 　　3.3.1 クラスターA/Bテスト 　　3.3.2 層化A/Bテスト 　　3.3.3 A/Bテストにおける処置と割り当ての不一致 　3.4 効率的な分析：共変量のコントロール 　3.5 施策効果の異質性：どこで効果があるのか知る 　　3.5.1 セグメントごとにサブサンプルに分割する 　　3.5.2 セグメントの交差項を入れて分析を行う 4章　Difference in Differencesを用いて効果検証を行う 　4.1 DID（差分の差法）：施策実施前後の違いを捉える 　　4.1.1 施策をとりまく4つの状況とよくある分析の仮定 　　4.1.2 DIDの基本的な発想 　　4.1.3 DIDの発想に基づいた施策効果分析の実装 　4.2 DIDを用いた実務的な施策効果検証 　　4.2.1 パネルデータ 　　4.2.2 分析方法 　　4.2.3 DIDによる施策効果分析の実装：文言変化の効果を調べる 　4.3 2期間以上のデータをDIDで分析する 　　4.3.1 時間を通じて施策効果は変わりうる 　　4.3.2 分析方法 　　4.3.3 DIDによる施策効果分析の実装：イベントスタディのケース 　4.4 パラレルトレンド仮定と検証 　　4.4.1 パラレルトレンド仮定の検証とは？ 　　4.4.2 プレトレンドテスト 　4.5 複数回の施策を行った場合にDIDによる分析は適用できるか？ 5章　Regression Discontinuity Designを用いて効果検証を行う 　5.1 RDDを適用できるシチュエーション 　　5.1.1 クーポン配布施策：クーポンの効果は本当に大きいのか？ 　　5.1.2 閾値によって実施するかどうか決める施策の効果を評価する 　5.2 RDDの仮定と推定 　　5.2.1 RDDの直感的な説明 　　5.2.2 RDDにおける施策効果 　　5.2.3 Sharp RDDの推定 　　5.2.4 rdrobustを用いたSharpRDDの実装 　　5.2.5 RDDの仮定が成り立たないケースとその検証法 　　5.2.6 McCraryの検定の実装 　　5.2.7 共変量のバランステストの実装 　5.3 Fuzzy RDD：処置確率が閾値によって不連続に変化する場合のRDD 　　5.3.1 rdrobustを用いたFuzzy RDDの推定 　5.4 内的妥当性と外的妥当性：我々はなにを推定しているのか？ 　5.5 bunchingの難しさ 　　5.5.1 操作が発生している例：所得税控除制度 　　5.5.2 bunchingの推定ステップと2つのケース 6章　おわりに：実務における課題と展望 　6.1 これまでの振り返りと実務プロセスに合わせた分析手法の選択 　6.2 分析プロセスの“不”可能性 　6.3 データ分析実務者の役割 　　6.3.1 闇落ちするデータサイエンティスト 　　6.3.2 専門知識で意思決定を支える 　6.4 効果検証の実務者のためのブックガイド 　　6.4.1 施策効果検証の発想を理解する 　　6.4.2 効果検証の発展的なトピックを学ぶ 　　6.4.3 計量経済学を学ぶ 　　6.4.4 実務として効果検証を実践する 著者・監修者略歴／参考文献／索引

★ 実験を効率化する強い味方 ★ もう実験で疲弊しない。次に試す実験条件は、データと統計学が教えてくれる！ ベイズ最適化とPythonを駆使して、効率よく研究・開発を進めよう！ 《すぐに試せるサンプルデータセット・サンプルコード付き》 ■ データ解析の初歩から、モデルの設計、実践的な応用事例までを導く。 ■ 実験時間や人数が限られる今、絶対に役立つスキルが身につく！ ■ 入門書であり、実践書。フルカラー！ 【目次】 第1章　データ解析や機械学習を活用した分子設計・材料設計・プロセス設計・プロセス管理 ・ケモ・マテリアルズ・プロセスインフォマティクス ・分子設計 ・材料設計 ・なぜベイズ最適化が必要か ・プロセス設計 ・プロセス管理 ・データ解析・人工知能（モデル）の本質 第2章　実験計画法 ・なぜ実験計画法か ・実験計画法とは ・適応的実験計画法 ・必要となる手法・技術 第3章　データ解析や回帰分析の手法 ・データセットの表現 ・ヒストグラム・散布図の確認 ・統計量の確認 ・特徴量の標準化 ・最小二乗法による線形重回帰分析 ・回帰モデルの推定性能の評価 ・非線形重回帰分析 ・決定木 ・ランダムフォレスト ・サポートベクター回帰 ・ガウス過程回帰 第4章　モデルの適用範囲 ・モデルの適用範囲とは ・データ密度 ・アンサンブル学習 第5章　実験計画法・適応的実験計画法の実践 ・実験候補の生成 ・実験候補の選択 ・次の実験候補の選択 ・ベイズ最適化 ・化学構造を扱うときはどうするか 第6章　応用事例 ・複雑な非線形関数を用いた実験計画法・適応的実験計画法の実践 ・分子設計 ・材料設計 ・プロセス設計 第7章　さらなる深みを目指すために ・Gaussian Mixture Regression（GMR） ・GMR-Based Optimization（GMRBO）（GMRに基づく適応的実験計画法） ・複雑な非線形関数を用いたGMRBOの検証 第8章　数学の基礎・Anaconda・Spyder ・行列やベクトルの表現・転置行列・逆行列・固有値分解 ・最尤推定法・正規分布 ・確率・同時確率・条件付き確率・確率の乗法定理 ・AnacondaとRDKitのインストール・Spyderの使い方

PyQの大人気コンテンツ書籍化第2弾 Pythonで数理最適化と問題解決手法を学んでみよう！ 【本書の背景】 今日、数理最適化は、生産計画の最適化や勤務シフト表の作成、効率的なリソース配分の計画など幅広い分野で使われています。しかし、その理論的な深さや応用範囲の広さから、初学者が挫折感を覚えることも多いです（「はじめに」より抜粋）。 【本書の内容】 理論や詳細な内容を最小限に抑えて、Pythonのコードを動かしながら最適化を体験できるようにしました。さらに、簡単な確認問題を解くことで、理解度を確認しながら読み進められるように構成しました。（「はじめに」より抜粋）。 【PyQ（パイキュー）とは】 株式会社ビープラウドが運営する、ブラウザだけで学べるオンラインPython学習サービス。 【学習環境】 実行環境：PyQ、または、PC上のJupyterLab 利用言語：Python 3.11 利用ライブラリ：mip(1.15.0)、mip-tool(0.3.2)、pandas(2.1.3)、JupyterLab(4.0.9)、 Matplotlib(3.8.2) 【対象読者】 ・数理最適化を使って、社会や身近な問題解決に活かしたいという方 ・数理最適化を勉強したけど身につかず挫折した方 【前提知識】 ・高校数学のベクトルの知識 ・Pythonの文法知識 【目次】 Prologue PyQでPythonや数理最適化を学ぶ 第0章 本書の使い方 第1章 数理最適化による問題解決 第2章 数理モデルって何だろう 第3章 Pythonで数理モデルを作ろう 第4章 たくさんの変数はベクトルで 第5章 混合整数最適化って何だろう 第6章 Python-MIPのクラス 第7章 問題解決ってどうやるの？ 第8章 輸送費を減らしたい 第9章 もっと食べたくなる献立を 第10章 お酒をわけよう 第11章 シフト表を作りたい 第12章 pandasで数理モデルを作ろう 第13章 pandasで再モデル化 【著者プロフィール】 ・株式会社ビープラウド ・PyQチーム ・斎藤 努（さいとう・つとむ） 　株式会社ビープラウドにてPyQなどを担当。 ※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。 Pythonを使って線形代数学を見える化して学ぼう！ 本書は、大学初年次に学ぶ基礎数学科目の一つであり、具体的なところでは機械学習やコンピュータグラフィックス、ゲームプログラミングなどの基礎となる線形代数を、Pythonを使って学ぶものです。 線形代数は、微分・積分とならび基礎的な数学の一つですが、ふつうに勉強するとベクトル・行列計算が面倒くさく、また定義や概念が多く抽象的な表現も多いため、なかなか理解しづらい学問といえます。 そこで本書は、Pythonによるプログラミングを用いて以下の工夫を施すことで、よりわかりやすく、またビジュアルにベクトルを見るなどの体験を通して、線形代数を学べるようにまとめました。 1）2次元平面や3次元空間のベクトルを視覚的に表現する 2）関数をグラフ化することで、ベクトル計算の意味を理解しやすくする 3）面倒なベクトルや行列の計算をプログラミングで表現する 4）手計算では不可能な高次の線形計算を、具体的なデータ（音や画像）を用いて表現する 5）通常の教科書の演習問題レベルの計算問題をプログラミングによる数式処理で求める 改訂にあたり、全体を見直すとともに、この4年間で変化したPython環境の見直し、カラー画像・3D・動画およびサウンドを閲覧できるQRコードの配置、第9章・第10章の練習問題の追加などを行いました。 本書が、読者の線形代数学のより一層の理解の一助となれば幸いです。 第1章　数学の基礎とPythonによる表現 第2章　線形空間と線形写像 第3章　基底と次元 第4章　行列 第5章　行列の基本変形と不変量 第6章　内積とフーリエ展開 第7章　固有値と対角化 第8章　ジョルダン標準形とスペクトル 第9章　力学系 第10章　線形代数の応用と発展

本書はPythonによる自然言語処理、あるいはテキストマイニングの初歩について解説したものです。 テキストマイニングとは、テキストをコンピュータで探索（マイニング）する技術の総称です。ここで「テキスト」とは、小説や論文、あるいは新聞や雑誌の記事にとどまらず、インターネット上のブログ、あるいはSNSに投稿された文章など、およそ人間の言葉で書かれたものを指します。 Pythonの基本からテキスト分析の手順、形態素解析器の導入、さまざまな分析手法についてわかりやすく解説しています。また、本書の最後に、ディープラーニングを使ったテキストマイニング事例についても紹介します。 なお、本書の一部については解説動画が用意されています。

本書はプログラマーにとって必要不可欠な「データ構造とアルゴリズム」を学ぶための入門書です。データ構造とアルゴリズムに関する知識は、ソフトウェア開発の基盤であるとともに、問題解決能力を高める重要な要素でもあります。その知識をPythonという親しみやすいプログラミング言語を使って丁寧に解説します。 　プログラミングやコンピュータサイエンスの世界で広く学ばれる定番のアルゴリズムを中心に取り上げました。それに加え、知識を広げていただけるように、本書独自のアルゴリズムも複数、掲載しています。 　Pythonの基本を学んだ後に、データ構造とアルゴリズムを学習するように構成していますので、初心者の方も安心して学習を始められます。すでにプログラミングの経験がある方は、興味のある項目を選んで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。 ※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。 Pythonで機械学習に必要な統計解析を学べる!! 機械学習を使いこなすには、確率・統計に根ざしたデータ解析の基礎理論の理解が不可欠です。そこで本書は、Pythonの簡単な使い方から確率・統計の基礎、統計モデルによる機械学習を解説します。 第I部　Pythonによる計算 　第1章　Pythonの初歩 　第2章　確率の計算 第II部　統計解析の基礎 　第3章　機械学習の問題設定 　第4章　統計的精度の評価 　第5章　データの整理と特徴抽出 　第6章　統計モデルによる学習 　第7章　仮説検定 第III部　機械学習の方法 　第8章　回帰分析の基礎 　第9章　クラスタリング 　第10章　サポートベクトルマシン 　第11章　スパース学習 　第12章　決定木とアンサンブル学習 　第13章　ガウス過程モデル 　第14章　密度比推定 付録A ベンチマークデータ 　A.1 UCI Machine Learning Repository 　A.2 mlbench 　A.3 datasets 参考文献 Python索引 用語索引

※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。 さまざまな関係性の構造をPythonで分析する！ ネットワーク分析は、さまざまな「関係性」を分析する学問です。 構造をモデル化することで、ネットワークという言葉から想像しやすいWebやSNSの分析だけでなく、たとえば感染症の伝搬経路を見つけたり、未来の人間関係を予測したりすることが可能です。マーケティングなどの現場でも使用されています。 　本書では、ネットワーク構造をもつデータをPythonで分析するための基礎知識を習得できます。 　分析には、Google Colaboratory（クラウド上で使用できるJupyter Notebook環境。Colabとも呼ばれる）を用います。ブラウザ上で動くColabは環境構築が不要なため、すぐに実際にコードを試すことができます。また、可視化ツールとしてNetworkXを使用し、さまざまなネットワークをグラフとして視覚的に把握できます。 実際にColabで動かせるプログラムと、そのプログラムによって出力されたグラフを数多く例示しているため、実際にColabでコードを実行しながら理解を深めることができます。 データサイエンスを学ぶ学生はもちろん、企業の広報・企画・マーケティング担当者など、顧客の購買行動やソーシャルネットワークの分析などが必要になった社会人にも役立つ一冊です。 第1章　分析できる環境を用意する－ツールや言語の把握 第2章　ネットワーク分析の流れを知る－小説の人間関係を紐解く 第3章　必要な用語を学ぶ－ネットワークの基礎知識 第4章　中心を見つける－さまざまな中心性 第5章　経路を見つける－ネットワークの探索 第6章　グループを見つける－分割と抽出 第7章　似たネットワークを作る－モデル化 第8章　似た頂点を見つける－将来の構造予測 第9章　病気や口コミの広がりをモデル化する－感染、情報伝搬 第10章　ネットワークを俯瞰する－可視化による分析 第11章　リファレンス

※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の基本を、Pythonでやさしく学んで楽しもう！ 本書は、AI（人工知能）技術の基本を、自然言語処理と音声処理をとおしてわかりやすく解説した入門書です。アルゴリズムを平易に解説し、Pythonによるプログラミング例を紹介。さらに、自然言語処理や音声処理への応用例を取り上げ、実践しながらAI技術の基本が理解できるようになります。 第1章　人工無脳から人工知能へ 第2章　文字を処理する　テキスト処理の技術 第3章　自然言語処理の技術 第4章　音声処理の技術 第5章　知識表現 第6章　学習 第7章　深層学習 第8章　対話エージェントの構成 第9章　人工無脳から人工人格へ 付録

※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。 文理を問わないすべての大学生が身に着けるべきデータサイエンスの基礎を，Pythonを使った演習を行いながら実践的に学べる教科書です。数学的なバックグラウンドが無くても，概要を理解しながら飽きずに進めることができる内容です。数理・データサイエンス・AI教育プログラム認定制度（リテラシーレベル）に準拠。大学，大学院の講義で教科書として使用しやすいよう，全14章で構成しています。

※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。 プログラミング言語のPythonを学びながら、プログラムでコンピューターがどうやって動いているかの基本から理解できるプログラミング入門書籍です。 プログラミング言語も、私たちが読み書きする日本語や英語と同じ言語です。言語の習得と同じように、まずはPythonのプログラムを読むところからはじめ、動かして動作を確認し、少し書き換えてコンピューターの動作がどう変わるかを体験しながら学んでいきます。 そして、コンピューターの動作の基本は、数と計算の考え方です。世の中の「ものごと」を数に置き換える考え方が身につけば、プログラミングがみるみる上達していきます。 サンプルのプログラムは、GoogleのColaboratoryを使って、パソコンだけでなくタブレットやスマートフォンでも動かして体験できます。 本書で、コンピューターが動く基本がしっかり理解できれば、プログラミングが楽しくなり、みるみる上達していけます。 ※カバー画像が異なる場合があります。

※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。 本書は、Pythonを使ったプログラミングの基礎を初心者向けにわかりやすく解説した入門書です。プログラミングに必要な知識を体系的に習得しながら、基本的なアルゴリズムの理解やその実装方法を学べます。Google Colaboratory（Colab）の環境を活用することで、すぐに学習を始められます。また、「情報」の教科書以上に詳しくPythonプログラミングやアルゴリズムについて説明しており、「情報」の次のステップにもぴったりな内容です。 本書の目的は、初心者が将来の学びや応用につながるPythonの基礎的な知識とスキルを固めること、そしてアルゴリズムやプログラムのデザインを学び、自分でプログラムを作成する力を養うことです。プログラム作成では、複雑な問題を小分けに整理して進める構成を採用し、初学者でも無理なく実践できるよう配慮しています。重要なポイントで設計やアルゴリズムの意味を考える場面を設けることで、理解を深めながら、自力で設計・作成する能力を確実に身につけられる構成となっています。 対象読者はプログラミング初心者で、特に次の層に焦点を当てています。高校生にとっては学校の教科「情報」の内容をさらに深く学び、実践的なプログラミングスキルを習得できる内容です。大学生や社会人には、研究や業務で活用できるプログラミングの基本を学び、「データサイエンス」「AI（人工知能）」「業務自動化」といった分野へ進む足掛かりになる内容です。１人で学べる丁寧な解説が魅力となっており、幅広い層の初学者に自信を持ってプログラミングを始めるきっかけを提供する１冊です。

※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。 流体力学の数値計算法とPythonによるシミュレーションの考え方が正しく理解できる。 本書は、学生、企業の若手技術者の皆様が、自ら流体力学の数値計算法とPythonによるシミュレーションの考え方を一から学べる書籍です。 流体現象の基礎を学びながら、Pythonによるそのコーディングを紹介する構成としています。Pythonとコンピュータの技術革新は急激に進んでおり、現在ではストレスを感じることなく、Pythonで各種シミュレーションが容易に実施できる環境が生まれています。 これからの研究者、技術者にとって必読の1冊です。 序章　Pythonによるプログラミングの準備 第1章　離散化の考え方 第2章　1次元スカラー移流方程式 第3章　スカラー方程式における時間積分法 第4章　拡散方程式 第5章　システム方程式の解法　その１（方程式の理解） 第6章　システム方程式の解法　その2（実践的な計算法） 第7章　システム方程式における時間積分法 第8章　複雑形状への対応 第9章　実際の課題への対応

※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。 見込み客、土日の需要、商品リコメンド… 営業、マーケティングが劇的に変わる 業務に本当に役立つ“儲かるAI”を自分で作る！ 業務に本当に役立つ“儲かるAI”を作るには、「業務目線」と「技術目線」の両方が必要です。業務の課題を認識し、どう改善するかという「業務目線」が必要なのは従来システムと同じですが、AIの構築ではさらに業務の課題が本当に AIで解決できるのか、AIのどの処理方式なら適用できそうかという「技術目線」が不可欠なのです。 本書のPython実習で学ぶことで、「AIの目利きができる技術目線」を獲得し、自分でもAIを作れるようになります。 ◆数学なしでアルゴリズム選びもチューニングもわかる ◆現場目線でAIの最適化までできる ◆ブラウザだけで試せるPython実習（Google Colab） ◆XGBoost、Prophetなど話題のAI技術を活用 ◆全PythonコードをGoogle Colab用のNotebook形式で用意 ＜機械学習のための　Python入門講座＞つき！ 1章　業務と機械学習プロジェクト 2章　機械学習モデルの処理パターン 3章　機械学習モデルの開発手順 4章　機械学習モデル開発の重要ポイント 5章　業務要件と処理パターン 6章　AIプロジェクトを成功させる上流工程のツボ

※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。 膨大なデータを扱うときに基本となる知識が統計解析です。本書はこれから統計解析を学びたいと考える方に向けて，プログラミングの力を借りて実際にデータを確認することで，直感的な理解を促します。プログラミング言語にはPythonを利用します。Pythonで統計解析を解説するメリットはいくつかあります。Python自体がシンプルで可読性が高い上に逐次実行できるため初心者でも理解しやすいと言えます。これ以外にも，Pythonは統計解析に関するライブラリが充実しており，複雑な計算やグラフの描画がかんたんにできます。また，Pythonは汎用的な言語ですので，システムの中にシームレスに組み込むことができます。本書によって統計解析を学習することで，Pythonのデータ解析スキルもあわせて習得できるでしょう。

※PDF版をご希望の方は Gihyo Digital Publishing (https://gihyo.jp/dp/ebook/2022/978-4-297-12780-0)も合わせてご覧ください。 近年注目を浴びる人工知能は微分をはじめとした数学の計算に基づいています。また，新型コロナウィルス感染の予測では微分方程式が利用されています。微分積分は，多くの方が学ぶ意義がある学問なのですが，複雑な計算や数式が原因で学習に挫折した方も少なくありません。そこでPythonの出番です。 本書はこれから微分積分を学びたいと考える方や学び直したい方に向けて，Pythonの力を借りて視覚的にデータを確認することで，直感的な理解を促します。複雑な計算とグラフの描画はPythonにまかせ，Pythonが出力する結果とグラフを読み解くことに注力します。数学のエッセンスを理解して活用するために，コンピューターを使用した数学の学習は効率的な学習方法とも言えます。 「とりあえずPythonに計算させてみよう」と，軽い気持ちで数学の学習を開始してみましょう。

※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。 ※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。 データサイエンスを実応用するための基本を押さえる 　データエンジニアリングは、データサイエンスを現実に意味のある形に使えるようにし、実装・運用できるようにすることを指します。 　データサイエンスを機器や分析に実応用するためには、Pythonスクリプトの高速化の知識や、センサ信号の取得、アクチュエータ制御に必須となる通信、インタフェース駆動といった外部デバイスとのデータアクセスの基本と応用についてのスキルの修得が必要となります。本書は、これらのデータをエンジニアリングするための入門的な知識を解説するものです。 1編　基礎編 1．データエンジニアリングとは 2．コンピュータ工学の基礎 3．Intel CPUの工夫 4．デバイスデータアクセスの基礎 2編　高速化 1．少しの工夫で速くなる 2．NumPyの使用 3．C/C++モジュールを呼ぶ 4．マルチプロセス 5．Pythonのコンパイル 6．GPUの使用 3編　デバイスデータアクセス 1．IoT実現化に必要な機能 2．USBを用いたデータ転送 3．Bluetoothを用いたデータ転送 4．有線LANとWi-Fiを用いたデータ転送 5．センサ信号処理と制御の例

「データサイエンス」という言葉だけ聞くと、複雑な数式や高度で高価なソフトウェアパッケージが必要と考えるかもしれません。ところが近年では、「R」や本書で紹介する「Python」など、データ分析に適した様々なオープンソースのソフトウェアやプログラミング言語が公開されており、必要な知識さえあれば誰でも簡単に高度な分析を行う環境が整ってきています。 本書はIT エンジニアの読者を対象とし、データサイエンスの入門としてPython を使用してデータ集計や機械学習などのデータ分析手法を習得することを目的としています。 効率的なデータ分析を実践し、自らのサービスにフィードハックを加えたいエンジニアにとって、必読の一冊になっています。 Numpy（ナムパイ）、Pandas（パンダス）といったPython独自の便利なライブラリを短時間で習得できます。 ・著者プロフィール 東京工業大学 大学院 生命理工学研究科を卒業し、バイオ・インフォマティクスを学ぶ。現在は機械学習を用いたサービスのシステム設計や様々なサービスのデータ分析に従事している。趣味は家庭菜園であり、自宅のベランダは様々な植物で占拠されている（別な意味でもサイエンティスト）。

●データの加工や分析の実践スキルを身につけよう 本書は、Pythonやpandasの基礎を身につけた方が、データ分析を行ううえで知っておきたい「データ分析の実務で使うノウハウ」をまとめた書籍です。 さまざまな種類のデータの読み込みから加工、可視化、データの評価、pandasやNumPyの活用方法など、Pythonを使ってデータを加工し分析する方法を詳しく学べます。データ加工のレシピやデータ分析に必要な数学の知識についても学べます。 【本書で学べること】 ・データ加工の基礎知識 ・データの種類と読み込み ・表形式データの加工 ・NumPyと数値データ ・データの評価 ・時系列データの処理 ・テキスト情報の処理 ・画像データの処理 ・グラフデータの処理 ・地理空間データの処理 ・データ分析に必要な線形代数 【本書で学べること】 「Pythonのデータ活用や加工をより詳しく理解したい」「実務でデータ分析をしたい」「幅広いデータ形式の知識を持ちたい」「普段からPythonでデータ分析をしているが、データハンドリングの知識を学びたい／ツールの使い方を調べたい」といった方におすすめの一冊です。

※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。 ■ 膨大なデータを実際に分析する紙上ハンズオンセミナー □ データ分析の全プロセスを始めから終わりまで実体験できる！ データ分析やデータサイエンスに興味がある、あるいは業務でデータ分析を実際にやらなければならない――。きっと、そういう人なら基礎的な統計や分析、データサイエンスはの入門書はひと通り目を通したことと思います。おそらくは並行してプログラミングも勉強しているという人も多いでしょう。そうした基礎を学んだところで、こう思ってはいませんか？ 「さて、データ分析ってどうやるの？」 本書は実務としてのデータ分析について、データの取得から段階を踏みながら、どのようにデータの特徴や傾向を読み取るのか、具体的なやり方をハンズオン形式で解説します。取り上げるデータ、分析のためのプログラミング環境は、誰でも利用できるものばかり。本書に従ってデータ分析を進めていけば、分析プロセスはこう進めていけばいいのかというリアルな手順が身につきます。 本書が対象にするのは、ビジネスパーソンです。自社の次の戦略をベテラン社員のカンに頼って立案するのではなく、科学的な手法でデータを分析し、根拠のある戦略立案に役立てたいと考えている、現場のビジネスパーソンが対象です。そのためにデータ分析の目的、分析結果の活用まで考慮し、ビジネスの中でデータ分析をどのように生かせばいいのかについても解説しています。

※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。 Pythonでデータ分析と機械学習を実践します。豊富なライブラリを使って統計学に基づいた統計分析ができるので、Pythonに慣れ親しんだ人は、データ分析も機械学習もまとめて効率的に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。 制御技術の未来を拓く、モデル予測制御（MPC）マスターへの第一歩！ MPCの理論的な背景と数理的なアプローチをわかりやすく解説し、実際のプログラミング例を多数掲載。 CasADiは最適制御を行うためのオープンソースソフトウェアとして、MPCにおいて大変すぐれたツールです。 CasADiのPython版サンプルコードを提供するので、実践しながら学べます！ 【目次】 第1章　制御とは 1.1　制御の具体例 1.2　制御工学の基本概念 1.3　代表的な制御手法 1.4　補足事項 第2章　モデル予測制御（MPC）とは 2.1　MPCの直感的イメージ 2.2　MPCにおける有限ホライズン最適制御問題の定式化 2.3　MPCの特徴 2.4　補足事項 第3章　CasADi入門 3.1　導入 3.2　環境構築 3.3　シンボリックの基本 3.4　数理最適化 3.5　シンボリックの操作 3.6　関数オブジェクト 3.7　常微分方程式ソルバー 第4章　離散時間のモデル予測制御 4.1　生物個体数管理の制御問題 4.2　ロトカ・ヴォルテラのモデルの状態方程式 4.3　ロトカ・ヴォルテラのモデルの評価関数 4.4　MPCにおける最適化問題の定式化 4.5　MPC実装の流れ 4.6　MPC実装の詳細 第5章　連続時間のモデル予測制御 5.1　倒立振子モデル 5.2　倒立振子の評価関数 5.3　有限次元パラメータ近似 5.4　パラメータの設定 5.5　MPC実装の流れ 5.6　MPC実装の詳細 第6章　モデル予測制御の実装に向けて 6.1　時間離散化と最適化の順番 6.2　直接的アプローチによる連続時間最適制御問題の有限次元パラメータ近似 6.3　離散時間最適制御問題の構造と変数消去 6.4　オンライン最適化 第7章　CasADiにおける最適化ソルバーの比較 7.1　さまざまなソルバー 7.2　ソルバーの選定の必要性 7.3　QPソルバーの比較 7.4　NLPソルバーの比較 第8章　状態推定問題と移動ホライズン推定 8.1　導入 8.2　状態推定問題 8.3　移動ホライズン推定（MHE）とは 8.4　MHEによる状態推定の実装例 8.5　MHEを用いたMPC 第9章　より発展的な話題と将来の展望 付録A　最適化・数値計算の補足 付録B　CasADi中級 ※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。

本書では理論と実践のどちらにもフォーカスを当てAIや機械学習について「ある程度、中身を知って使える」を目指す入門書です。 Twitter APIや国の統計データなど、生のデータを使い、遊んでいるような感覚で理解が進む1冊です。 ■「はじめに」より抜粋 本書は、AIや機械学習について、「何だかよくわからないけどすごいもの」という理解から、「ある程度、中身を知っていて使える」にアップデートしたい人(もしくは、アップデートしなければいけなくなってしまった人)に向けた、導入となる最初の1冊になることを目指しています。 本書では、理論と実践、両方を抑えています。まず、なるべく数式を使わずに、直感的な理解ができるように機械学習の理論について解説します。「遊んで学ぶ」というタイトルの通り、理論の勉強も楽しめるように、具体例や図を多く使っています。しかし、だからといって不正確にならないように繊細な注意を払いながら、ギリギリまで噛み砕いて説明を行っています。 その後、よく使われるデータセットではなく、「APIで自由に取得できる、さまざまな企業が提供しているデータ」「国が提供している統計データ」などの生のデータを使い、実際に分析を行います。 本書は、実際にデータを取得するところからスタートすることで、「データの量を増やしたら結果はどうなるのだろう?」「このデータを可視化してみたらどうなるのだろう?」「変数を変えてみたらどうなるのだろう?」と、まるでデータを使って遊んでいるような感覚で理解が進むことを狙っています。 なお、データ分析を行うにあたり、多くの人は、RもしくはPythonというプログラミング言語を使います。どちらも、データ分析やデータ整形、そして可視化を行うのに有効なライブラリが多数存在しているため、非常に人気です。本書では、Pythonを用いて実装コードを記述しています。ただし、Rを使いたい人も進められるように、RとPython両方のコードを、Github上にて公開しています。ぜひ、参考にしてください。

※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。 機械学習による異常検知と系列データ解析を実例をもとに学ぶ 　本書は、現在産業界で注目されている、機械学習による ・機器の振動データに対する異常検知 ・系列データ（例として睡眠系列データ）に対する解析 を解説したものです。 　業務や研究開発に必要だが機械学習については素人という方でも実践できるように、本書前半では、基本的な識別器・予測器のPythonによる実装例・使い方を解説しています。後半では、実問題への適用例を著者の研究経験をもとに解説しています。 第1章　機械学習とは何か 第2章　基本的な識別器・予測器 第3章　機器の振動データに対する異常検知 第4章　系列データの解析

本書は著者による前著『Python3で学ぶ！プログラミングはじめの一歩』を理解した読者に最適な続編です。前作の「実践的な学習」のスタイルを継承しながら、今回はWebアプリケーション開発に特化した内容となっています。Pythonやプログラミングの基礎を扱っている前著に続き、本書ではWebアプリケーションの設計原理、関連する技術スタック、そしてその運用メカニズムについて具体的に解説しています。 本書では、Webアプリケーションの基本から高度な概念まで、全体的な理解を得ることができます。一歩一歩確実にスキルを積み上げたい方、次のレベルのWebアプリケーション開発者を目指す方におすすめです。

本書ではWebスクレイピングを、PythonとScrapyフレームワークを利用して行うことをソースコードとともに解説します。Webサイトには多くの情報があり、ブラウザの利用だけでも取得できます。しかし、Webサイトを閲覧するという行為が能動的であり手間と時間を使うことになります。本書はPythonを使って普通のサイトからWebスクレイピングをはじめ、少しづつ難易度を高めていく実践的な内容です。

Pythonプログラマなら身につけたい玄人技 本書は、Dan Bader, "Python Tricks The Book: A Buffet of Awesome Python Features"dbader.org,の翻訳書です。 【本書の内容】あらゆる場面で活躍するプログラミング言語、Python。本書はそんなPythonをマスターし、日々のプログラミングに活用したい熱心な方々のための1冊です。 入門書を一通り終えた駆け出しプログラマには、Pythonの機能や特徴をより深く、また他言語から新たにPython習得を目論むベテランには、コードの書き方の差異を、リスト内包や文字列フォーマットなど、さまざまなサンプルを元に教授してくれます。 著者のDan Baderは、Twitterでのアウトプットに端を発する、いわゆるTips紹介の延長線上で、この本を執筆しました。そのため、各種Tipsに対するさまざまなフィードバックと、よりよく伝えるためのアイデアが盛り込まれ、結果、Pythonをより深く知り、より良いコードを書くための知識が集積された書籍となりました。 つまり本書は、もっとすごいPython開発者になりたいあなたを、強力にサポートする1冊です。 【本書のポイント】・短いサンプルでPythonの一番すばらしい点を学べる・Pythonならではの、すばらしい機能をビュッフェ形式で学べる・Pythonプログラミングへの理解促進 【読者が得られること】・よりよいPythonプログラマとしての知見・効率的で実践的なPythonプログラミング・コードをよりパイソニックなものにするためのノウハウ ※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。 Pythonでスクレイピングを体験してみよう！ 【スクレイピングとは】 機械学習やデータ分析になくてはならない「データ」。 このようなデータは、インターネット上に膨大にありますが、Pythonを使えば効率よくデータ収集できます。 こうした手法を「スクレイピング」といいます。 サイト自体もオープンデータ化が進んでおり、データを集めやすい環境が整ってきています。 【Python2年生について】 「Python2年生」シリーズは、「Python1年生」を読み終えた方を対象とした入門書です。 ある程度、技術的なことを盛り込み、本書で扱う技術について身に着けてもらいます。 【ターゲット】 ・ネット上からデータ収集を行う初心者 ・データ分析の手前の初心者 【本書の売り】 ヤギ博士＆フタバちゃんと一緒に、インターネットからのファイルのダウンロード方法、 HTML解析の方法、いろいろなデータの読み書き、 APIの使い方といったデータ収集と便利なライブラリを利用した簡単な可視化手法を解説する書籍です。 また最終的にデータ収集を自動化する方法も簡単に解説します。 ※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。 【本電子書籍は固定レイアウトのため7インチ以上の端末での利用を推奨しております。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。ご購入前に、無料サンプル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】 待望の第2版 登場 スクレイピングの世界に飛び込もう！ 【本書の背景】 機械学習やデータ分析になくてはならない「データ」。このようなデータはインターネット上に膨大にありますが、Pythonを使えば効率よくデータ収集できます。こうした手法を「スクレイピング」といいます。サイト自体もオープンデータ化が進んでおり、データを集めやすい環境が整ってきています。 【本書の概要】 ヤギ博士＆フタバちゃんと一緒に、インターネットからのファイルのダウンロード方法やHTMLの解析方法、いろいろなデータの読み書きの方法、APIを使ったデータ収集方法を解説します。さらにライブラリを利用したデータの見える化の方法も解説します。 【第2版のポイント】 ・Python 3.12対応 ・各種ライブラリのアップデート ・利用オープンデータなどのアップデート 【Python2年生について】 「Python2年生」シリーズは「Python1年生」を読み終えた方を対象とした入門書です。ある程度、技術的なことを盛り込んでいますので、スキルアップにつながります。 【対象読者】 ・ネット上からデータ収集を行う初心者 ・データ分析の手前の初心者 【本書のポイント】 ・対話形式で解説し、イラストを交えながら基礎知識を解説します。 ・平易なサンプルを用意していますので、安心してプログラムを体験できます。 【目次】 第1章 Pythonでデータをダウンロード 第2章 HTMLを解析しよう 第3章 表データを読み書きしよう 第4章 オープンデータを分析してみよう 第5章 Web APIでデータを収集しよう 【著者プロフィール】 森 巧尚（もり・よしなお） 『マイコンBASICマガジン』（電波新聞社）の時代からゲームを作り続けて、現在はコンテンツ制作や執筆活動を行い、関西学院大学非常勤講師、関西学院高等部非常勤講師、成安造形大学非常勤講師、大阪芸術大学非常勤講師、プログラミングスクールコプリ講師などを行っている。近著に『ChatGPTプログラミング1年生』、『Python3年生 ディープラーニングのしくみ』、『Python2年生 デスクトップアプリ開発のしくみ』、『Python1年生 第2版』、『Python3年生 機械学習のしくみ』、『Python2年生 データ分析のしくみ』、『Java1年生』（いずれも翔泳社）、『ゲーム作りで楽しく学ぶ オブジェクト指向のきほん』（マイナビ出版）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。 【本電子書籍は固定レイアウトのため7インチ以上の端末での利用を推奨しております。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。ご購入前に、無料サンプル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】 Pythonで デスクトップアプリ開発を 体験してみよう！ 【初心者でもできる！デスクトップアプリ開発を一緒に体験しよう】 Pythonの基礎知識はあるけど、 「アプリ開発って初心者には難しそう」 「プログラムで何か残るものを作ってみたい」 と思っていませんか？ 本書はそうした方に向けて、初心者にも簡単に作れる方法を使ってデスクトップアプリ開発の基本をやさしく解説します。スマホアプリ、Webアプリに比べて、手軽に取り組めますので挫折することなく学習できます。本書を読んだあとは、スマホアプリやWebアプリ開発に挑戦してみてください。 【Python2年生について】 「Python2年生」は、「Python1年生」を読み終えた方を対象とした入門書です。ある程度、技術的なことを盛り込み、本書で扱う技術について身につけてもらいます。 『Python2年生 スクレイピングのしくみ』（ISBN：9784798161914） 『Python2年生 データ分析のしくみ』（ISBN：9784798164960） も刊行されています。 【対象読者】 デスクトップアプリの作り方を知りたい初心者 【本書のポイント】 ヤギ博士＆フタバちゃんと一緒に、デスクトップアプリ開発の考え方から丁寧に解説。デスクトップアプリ開発をする時に必要な前提知識からはじまり、デスクトップアプリ作りの基本、応用的なデスクトップアプリ、そしてゲームアプリ開発まで解説します。 【著者プロフィール】 森 巧尚（もり・よしなお） アプリの開発や、技術書や電子工作マガジンなどでの執筆活動。関西学院大学非常勤講師、関西学院高等部非常勤講師、成安造形大学非常勤講師、プログラミングスクールコプリ講師など、プログラミングに関する幅広い活動を行っている。近著に、『Python1年生　第2版』、『Python3年生機械学習のしくみ』、『Python2年生 スクレイピングのしくみ』、『Python2年生 データ分析のしくみ』、『Java1年生』、『動かして学ぶ！Vue.js開発入門』（いずれも翔泳社）、『楽しく学ぶ アルゴリズムとプログラミングの図鑑』（マイナビ出版）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。 Pythonでデータ分析を体験してみよう！ 【データ分析を一緒に体験しよう】 スクレイピングなどで集めた大量のデータ。 どうやって分析してたらよいか、困っていませんか？ 「数式があって難しそう」 「プログラムも大変そう」 と思っている方も多いはず。 本書は、そうした方に向けて、サンプルを元にやさしく データ分析の方法を解説しています。 【Python2年生について】 「Python2年生」は、「Python1年生」を読み終えた方を対象とした入門書です。 ある程度、技術的なことを盛り込み、本書で扱う技術について身に着けてもらいます。 『Python2年生 スクレイピングのしくみ』（ISBN：9784798161914）も刊行されています。 【対象読者】 ・データの分析方法を知りたい初心者 【本書のポイント】 ヤギ博士＆フタバちゃんと一緒に、データ分析の考え方から丁寧に解説。 データを分析する時に必要な前処理の方法や、データの集まりの見方、 データを見やすいグラフにする方法、データの分布の見方、予測の立て方を 解説する書籍です。 【著者プロフィール】 森 巧尚（もり・よしなお） アプリの開発や、技術書や電子工作マガジンなどでの執筆活動。関西学院大学非常勤講師、 関西学院高等部非常勤講師、成安造形大学非常勤講師、プログラミングスクールコプリ講師など、 プログラミングに関する幅広い活動を行っている。 近著に『Python1年生』、『Python2年生 スクレイピングのしくみ』、 『Java1年生』（いずれも翔泳社）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。 【本電子書籍は固定レイアウトのため7インチ以上の端末での利用を推奨しております。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。ご購入前に、無料サンプル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】 待望の第2版 登場！ Pythonでデータ分析を体験してみよう！ 【本書の背景】 Pythonにはデータ分析に便利なライブラリがたくさん用意されています。そのため、スクレイピングなどで集めた大量のデータ分析する際に、Pythonを利用する方が増えてきています。 【本書の概要】 ヤギ博士＆フタバちゃんと一緒に、データ分析の考え方から丁寧に解説。データを分析する時に必要な前処理の方法や、データの集まりの見方、データを見やすいグラフにする方法、データの分布の見方、予測の立て方を解説します。 【第2版のポイント】 ・Anaconda、Google Colab Notebookのアップデート ・各種ライブラリのアップデート 【Python2年生について】 「Python2年生」シリーズは『Python1年生』を読み終えた方を対象とした入門書です。ある程度、技術的なことを盛り込んでいますので、スキルアップにつながります。 【対象読者】 ・データ分析の手法を知りたい初心者 ・データの可視化や予測方法を知りたい初心者 【本書のポイント】 ・対話形式で解説し、イラストを交えながら基礎知識を解説します。 ・平易なサンプルを用意していますので、安心してプログラムを体験できます。 【目次】 第1章　データ分析って何？ 第2章　集めたデータは前処理が必要 第3章　データの集まりをひとことでいうと？：代表値 第4章　図で特徴をイメージしよう：グラフ 第5章　これって普通なこと？　珍しいこと？：正規分布 第6章　関係から予測しよう：回帰分析 【著者プロフィール】 森 巧尚（もり・よしなお） 『マイコン BASICマガジン』（電波新聞社）の時代からゲームを作り続けて、現在はコンテンツ制作や執筆活動を行い、関西学院大学非常勤講師、関西学院高等部非常勤講師、成安造形大学非常勤講師、大阪芸術大学非常勤講師、プログラミングスクールコプリ講師などを行っている。近著に、『Python2年生 スクレイピングのしくみ 第2版』『ChatGPTプログラミング1年生』、『Python3年生 ディープラーニングのしくみ』、『Python2年生 デスクトップアプリ開発のしくみ』、『Python1年生 第2版』、『Python3年生 機械学習のしくみ』、『Java1年生』、『動かして学ぶ！Vue.js開発入門』（いずれも翔泳社）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。

データ分析エンジニアに求められる技術の基礎が最短で身に付く ビッグデータの時代といわれ始めて数年が経過しました。 デバイスの進化により多くの情報がデジタル化され、 それらのデータを活用しようとデータ分析エンジニアに注目が集まっています。 この書籍では、データ分析において、 デファクトスタンダードになりつつあるプログラミング言語Pythonを活用し、 データ分析エンジニアになるための基礎を身に付けることができます。 書籍ではデータ分析エンジニアになるために必須となる技術を身につけていきます。 ・データの入手や加工などのハンドリング ・データの可視化 ・プログラミング ・基礎的な数学の知識 ・機械学習の流れや実行方法 本書で学べること ・Pythonの基本的な文法 ・データフォーマットについて ・データの前処理技術 ・データの可視化技術 ・既存アルゴリズムでの機械学習の実装 対象読者 データ分析エンジニアを目指す方 目次（抜粋） 第1章 データ分析とは 第2章 Pythonと環境 第3章 数学の基礎 第4章 ツールの基礎 第5章 応用：データ収集と加工 ※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。

最新環境に対応した第3版の登場！ データ分析エンジニア必携の 基本技術を習得できる 【本書の概要】 本書はデータ分析エンジニアに必要な 以下の基礎技術について サンプルを交えながら丁寧に解説します。 ・データの取得・加工 ・データの可視化 ・プログラミング ・基礎的な数学の知識 ・機械学習の流れや実行方法 【第3版のポイント】 ・Pythonデータ分析試験の主教材に指定 ・Python 3.13に対応 ・各種ライブラリの最新版への対応 【本書で学べること】 ・Pythonの基本的な文法 ・データフォーマットについて ・データの前処理技術 ・データの可視化技術 ・既存アルゴリズムでの機械学習の実装方法 【対象読者】 データ分析エンジニアを目指す方 【目次】 第1章 データ分析エンジニアの役割 第2章 Pythonと環境 第3章 数学の基礎 第4章 ライブラリによる分析の実践 第5章 応用：データ収集と加工 ※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。

読者の声に応えて第2版の登場！ データ分析エンジニアに必要な 基本技術をしっかり習得できる 【本書の概要】 本書はデータ分析エンジニアに必要な 以下の基礎技術を丁寧に解説しています。 ・データの取得・加工 ・データの可視化 ・プログラミング ・基礎的な数学の知識 ・機械学習の流れや実行方法 【第2版のポイント】 ・Python 3.10対応 ・よりわかりやすい解説 ・Pythonデータ分析試験の主教材に指定 【本書で学べること】 ・Pythonの基本的な文法 ・データフォーマットについて ・データの前処理技術 ・データの可視化技術 ・既存アルゴリズムでの機械学習の実装方法 【対象読者】 データ分析エンジニアを目指す方 【目次】 第1章 データ分析エンジニアの役割 第2章 Pythonと環境 第3章 数学の基礎 第4章 ライブラリによる分析の実践 第5章 応用：データ収集と加工 ※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。 どう考えれば、よいプログラムを作れるのかの解 　データサイエンス時代の今、データ構造とアルゴリズムのセオリーを身に付けるのはデータ処理を行う多数のエンジニアにとって大切なことです。本書は、データ構造とアルゴリズムの普遍的な基礎を、Pythonによるプログラミングの実践を通して丁寧に解説するものです。 ※プログラム開発やデータサイエンスを視野に、主要なアルゴリズムをPythonで実装し、データの動きと該当コードを対比させ、しっかりと解説をしています。 ※例題で使用したサンプルプログラムをオーム社ホームページよりダウンロードできます。アルゴリズムの実際をすぐに体感できます。。 第1章　アルゴリズムをはじめる前に 第2章　準備 第3章　データ構造 第4章　ソートアルゴリズム 第5章　探索アルゴリズム 第6章　木構造 第7章　グラフアルゴリズム 第8章　その他の有用なアルゴリズム

※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。 機械学習による異常検知の基本と応用がわかる！ 本書では、機械学習による異常検知のしくみを、誤差関数に着目して解説します。読者が新しい異常検知システムを自ら構築できるようになることを最終目標とし、機械学習アルゴリズムの基本から解説していきます。 機械学習について誤差関数を中心に理解を深めることによって「外れ値とはなにか」「閾値はどのように設定すればよいか」といった異常検知における基本が自然と理解できます。そういった基礎から入りつつ、時系列データを分析する際の手法と注意点（第3章）や、深層学習を用いた応用例（第4章）といった内容まで踏み込み、最終的には自ら異常検知システムを構築できるよう導きます。 機械学習の各アルゴリズムの説明や例題などには、Pythonのコードが付いています。 自分でプログラムを実行しながら学べる入門書です。 ＜本書の特徴＞ ・誤差関数を中心に機械学習の原理を理解することで、異常検知の基本が自然と理解できます。 ・基本だけでなく、時系列データに対する異常検知の考えかた（第3章）や、深層学習による応用（第4章）を学ぶことができます。 ・Pythonのコード付きなので、手を動かしながら学習することができます。 第0章　機械学習と異常検知 第1章　機械学習と統計解析の基本モデル 第2章　非時系列データにおける異常検知 第3章　時系列データにおける異常検知 第4章　深層学習による異常検知

※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。 医用画像診断支援の分野では人工知能が組み込まれたAI-PACS（画像保管管理システム）の普及が期待されています。こうした状況の中でPythonはその学びやすさと、また画像処理や人工知能のためのパッケージが多く提供されていることから、今後ますます、簡単な実験から臨床研究などへ幅広く使用されていくことが予想されます。 　本書では、深層学習の基礎的な内容、Pythonの基礎はおさえたうえで、医用画像応用に特化して、最新のデータセットやライブラリを使用して画像解析、診断への適用などの基礎的な内容をわかりやすく解説するものです。改訂にあたって、医用画像の標準規格であるDICOMの最新版の取扱いを解説するとともに、生成AIの適用・応用についてもふれています。 第1章　開発環境を構築する 第2章　Pythonプログラミングの基本を学ぶ 第3章　DICOM画像の表示と基本画像処理 第4章　画像管理とDICOM応用処理 第5章　Pythonを使った人工知能の前処理を学ぶ 第6章　Pythonを使った人工知能の基本を理解する 第7章　人工知能開発の実践 第8章　医用画像処理における生成AI活用

匿名加工医療データの登場により、医療保険開発や健康管理アプリ開発などの自由度が高まりました。それと同時に、開発者はこれまでの分析方法を適用していいのかという戸惑いを持ち、また分析者は時に急遽、分析担当としてアサインされ、期限のある中でデータに慣れて分析手法を学び、結果を出すことが求められます。本書では医療データを手元のPCで擬似生成し、生成した擬似データを分析しながらPythonに慣れ、分析手法を身に着けていただくことを目的にしています。 医療データを分析する上で、統計学以外に「疫学」「医療統計学」「線形代数学」の知識が必要となります。しかしこれらの専門書は医療データ分析の範囲を大きく超えます。企画している書籍は、1つの学問体系を説明する学術書ではなく、分析手法を網羅するような一般的な内容でもありません。この書籍は「いかにして医療データ（生物データ）からイベント（死亡・疾病等）の起こりやすさを推定するか」をテーマとして、様々な知識体系からアプローチし、得られた分析結果の妥当性を検証していく実用書です。

本書は、スクレイピングによるデータ収集、データを表示するダッシュボードの作成、PythonによるExcelの操作などについて、入門者向けに解説しています。 　スクレイピングとは、Webサイトから情報を自動的に取得する技術のことを指します。通常、人がWebブラウザを使って手動で行う情報収集をプログラムによって自動化するものです。これにより、大量のデータを効率的に集めることができます。 　なお、Python自体については、ある程度の知識があることを前提としています。もし、Pythonをまったく学習していない場合は、Webサイトや書籍などを用いて、先にPythonを簡単に学習することをお勧めします。 　本書は、Python環境の構築方法、コードエディタとして用いるVisual Studio Codeのインストール方法、Python in Excelの利用方法などの解説を掲載しているため、環境の導入を問題なく行えます。 　また、各ライブラリの基本的な使い方から始め、スクレイピングによるWebサイトのデータ収集、データを用いたダッシュボードの作成、データを用いたExcelファイルの作成などの具体例も解説しています。

※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。検索やハイライト等の機能が使用できません。 初心者でもPythonを用いて機械学習が実装できる！ 　 本書は、今後ますますの発展が予想される人工知能の技術のうち機械学習について、入門的知識から実践まで、できるだけ平易に解説する書籍です。「解説だけ読んでもいまひとつピンとこない」人に向け、プログラミングが容易なPythonにより実際に自分でシステムを作成することで、そのエッセンスを実践的に身につけていきます。 また、読者が段階的に理解できるよう、「導入編」「基礎編」「実践編」の三部構成となっており、特に「実践編」ではシステム計画研究所が展示会「Deep Learning実践」で実際に展示した「手形状判別」を実装します。 詳細目次 第1部　導入編 　第1章　はじめに 　1.1 機械学習とは 　1.2 Python と機械学習 　1.3 インストール＆セットアップ 　1.4 Python 早分かり ― NumPy とmatplotlib 　1.5 クイックツアー 　　小話 深層学習って何だ？ 　第2 章　機械学習の様々な側面 33 　2.1 機械学習をとりまく環境.. 33 　2.2 関連分野. 34 　2.3 学習法による分類. 35 　2.4 手法や課題設定による分類. 36 　2.5 応用例. 37 第2部　基礎編 　第3章　分類問題 　3.1 分類問題とは 　3.2 最初の分類器 　3.3 学習データとテストデータ 　　ミニ知識 色々な用語 ―学習・訓練・教師 vs テスト・評価・バリデート・検証 　　ミニ知識 k- 分割交差検証 　3.4 分類器の性能を評価しよう 　　ミニ知識 正答率（Accuracy）と適合率（Precision） 　　ミニ知識 色々な平均.調和平均・算術平均・幾何平均 　3.5 色々な分類器 　3.6 まとめ 　第4章　回帰問題 　4.1 回帰問題とその分類 　4.2 最初の回帰 ― 最小二乗法と評価方法 　4.3 機械学習における鬼門 ― 過学習 　4.4 過学習への対応 ― 罰則付き回帰 　4.5 様々な回帰モデル 　4.6 まとめ 　第5章　クラスタリング 　5.1 iris データセット 　　ミニ知識 フィッシャーのあやめ 　5.2 代表的なクラスタリング手法 ― k-means 　5.3 その他のクラスタリング手法 　5.4 まとめ 第3部　実戦編 　第6章　画像による手形状分類 　6.1 課題の設定 　6.2 最初の学習 　6.3 汎化性能を求めて ― 人を増やしてみる 　6.4 さらに人数を増やしてみる 　　ミニ知識 学習データに含める人数について 　6.5 データの精査と洗浄 ― データクレンジング 　6.6 特徴量の導入 　6.7 パラメータチューニング 　6.8 まとめ 　第7章　センサデータによる回帰問題 　7.1 はじめに 　7.2 準備 　7.3 センサデータの概要 　7.4 データの読み込み 　7.5 高松の気温データと四国電力の消費量 　7.6 もっと色々、そしてまとめ 　7.7 終わりに 第4部　付録 　付録A　Python で作る機械学習 　A.1 この付録の目的 　A.2 最小二乗法 　A.3 行列計算による解析解の導出 　A.4 反復法 　A.5 コードを書く前に 　A.6 実装例 　付録B　線形代数のおさらいと代表的な非線形モデル 　B.1 この付録の目的 　B.2 そもそも「線形」とは 　B.3 線形変換とアフィン変換 　B.4 ノルムと罰則項 　B.5 線形回帰の最小二乗解を考える 　B.6 機械学習における「非線形」

Webデータの巡回収集と解析を すべて自動で処理しよう 【背景】 企業においてデータ分析の需要が多くなってきているなか、 企業のデータ分析の現場において、 Webから様々なデータを集める「クローラー（クローリング）」と 集めたデータの解析を行う「スクレイピング」のニーズが 非常に高まってきています。 【対象読者】 ・データの収集、解析などの仕事を請け負うプログラマー ・クローラー開発を請け負うエンジニア 【本書の特徴】 本書は、データ収集・解析などの仕事を請け負うプログラマーや、 クローラー開発を請け負う分析会社のエンジニアに向けて、 クローラーの開発手法から実際のクローリングおよび スクレイピング手法ついて解説した入門書です。 本書ではデータ分析の現場でニーズの高まってきているPythonを利用して、 クローラー開発から始まり、クローリング、スクレイピングの基本から応用手法、 そして運用までそれぞれの開発が直面する場面に沿って丁寧に解説します。 最終章では目的別のクローラー開発手法を解説しています。 【対象OSとPythonのバージョンについて】 ・OS：macOS Sierra（10.2.x） ・Python：3.6.2 【目次】 Part1 基本編 Chapter 1 クローラーとスクレイピングを体験する Chapter 2　クローラーを設計する Chapter 3　クローラーおよびスクレイピングの開発環境の準備とPythonの基本　 Chapter 4　スクレイピングの基本 Part2　応用編 Chapter 5　クローラーの設計・開発（応用編） Chapter 6　スクレイピングの開発（応用編） Chapter 7　クローラーで集めたデータを利用する Chapter 8　クローラーの保守・運用 Chapter 9　目的別クローラー＆スクレイピング開発手法 Appendix クローラー＆スクレイピングに役立つライブラリ ※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。 深層強化学習の入門から実装まで、この一冊でわかる！ アルファ碁などのゲームAIやロボットアームの制御、自動運転などで注目されている深層強化学習の基礎と、Pythonによる実装について解説した入門書です。 強化学習に適したライブラリであるChainer（ChainerRL）と、AIシミュレーション環境であるOpenAI gymを用いて解説しています。 ソフトウェアシミュレーションだけでなくRaspberryPiとArduinoを用いた実環境への応用も解説しているので、ソフト・ハード問わず自身の課題に深層強化学習を応用することができるようになっています。 1章 はじめに 2章 深層学習 3章 強化学習 4章 深層強化学習 5章 実環境への応用 付録 付録1 VirtualBoxのインストール 付録2 RaspberryPiの設定 付録3 Arduinoのインストール 付録4 Graphical Processing Unit（GPU）の利用 付録5 Intel Math Kernel Libraryを用いたNumPyのインストール

※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。 ※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。 時系列データを上手く活用し、ビジネス成果を生み出す!! 　時系列データを上手く調理することは、これらの問に何かしら解を与えることができます。特に予測モデルを上手く活用すると、過去を振り返り、未来を予測し、現在すべきことを導きだし、成果へと繋げることができます。いくら高精度な予測モデルを手にしても、どう活用すべきかわからないと成果は生まれません。そこで本書ではどのように扱うかを、実際のデータを用いて、使い方を重点的に解説していきます。時系列分析の多くの書籍は数式等を用いて解説していますが、実務的な運用には理論よりもPython等コードで実践していくことが重要です。 なお、事例として以下を取り上げます。 ・モニタリング指標の異常検知によるキャンペーン評価（自動車ディーラー） ・モニタリング指標の異常検知と要因探索（小売りチェーン） ・売上予測モデルを活用したデータドリブン販促（小売りチェーン） ・離反予測モデルによる離反対策ルールの策定（食品・法人向けビジネス） ・チャーンマネジメントのための離反時期予測（携帯電話サービス） ・LTVマネジメントのためのLTV予測（ECサイト） ・広告・販促効果を見える化し最適化するマーケティング・ミックス・モデリング（スポーツジム） 第1章　ビジネスにおける時系列データ活用 1.1　ビジネス現場は時系列データで溢れている 1.2　ビジネス時系列データでよくある7つの活用事例 1.3　2種類の時系列データ 1 1.4　よく目にする7つの時系列特徴量 1.5　時系列特徴量付きテーブルデータ 第2章　Pythonのデータ分析環境の設定（JupyterLab） 2.1　Pythonのインストール 2.2　Python以外のインストール 2.3　利用するライブラリー（パッケージ）のインストール 第3章　時系列予測モデル構築・超入門 3.1　時系列データを使った予測モデル構築の流れ 3.2　時系列データの特徴把握と前処理 3.3　時系列の予測モデルを構築してみよう 3.4　季節成分が複数ある場合の予測モデル 3.5　多変量時系列データの特徴把握と因果探索 第4章　時系列データを使ったビジネス成果の上げ方 4.1　データでビジネス成果を上げる「データ活用ストーリー」 4.2　時系列データの異常検知 4.3　時系列データの要因探索 4.4　時系列データの将来予測 第5章　時系列データを活用したビジネス事例 5.1　モニタリング指標の異常検知によるキャンペーン評価（自動車ディーラー） 5.2　モニタリング指標の異常検知と要因探索（小売りチェーン） 5.3　売上予測モデルを活用したデータドリブン販促（小売りチェーン） 5.4　離反予測モデルによる離反対策ルールの策定（食品・法人向けビジネス） 5.5　チャーンマネジメントのための離反時期予測（携帯電話サービス） 5.6　LTVマネジメントのためのLTV予測（ECサイト） 5.7　広告と販促効果を見える化し最適化するマーケティングミックスモデリング（スポーツジム）

※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。 時系列予測の基礎からディープラーニングによる大規模な予測まで 本書は、データサイエンティストがPythonによる時系列予測をマスターすることを目的として書かれています。数式は必要最小限に抑え、ステップバイステップで丁寧に説明していきます。統計学的モデルや機械学習モデル・ディープラーニングを使った予測、自動予測ライブラリProphetを紹介します。 Manning「Time Series Forecasting in Python」の翻訳企画 第1部　歳月人を待たず 第1章　時系列予測 第2章　単純な未来予測 第3章　ランダムウォーク 第2部　統計学的モデルによる予測 第4章　移動平均プロセスのモデル化 第5章　自己回帰プロセスのモデル化 第6章　複雑な時系列のモデル化 第7章　非定常時系列の予測 第8章　季節性の考慮 第9章　モデルへの外部変数の追加 第10章　複数の時系列の予測 第11章　キャップストーン：オーストラリアの抗糖尿病薬処方数の予測 第3部　ディープラーニングによる大規模な予測 第12章　時系列予測のためのディープラーニング 第13章　ディープラーニングのためのデータウィンドウとベースラインの作成 第14章　ディープラーニングの手ほどき 第15章　LSTMで過去を記憶する 第16章　CNNを使った時系列のフィルタリング 第17章　予測を使ってさらに予測を行う 第18章　キャップストーン：家庭の電力消費量の予測 第4部　大規模な予測の自動化 第19章　Prophetを使った時系列予測の自動化 第20章　キャップストーン：カナダでのステーキ肉の月間平均小売価格の予測 第21章　さらなる高みを目指して 付録　インストール手順 Marco Peixeiro (マルコ・ ペイシェイロ) ：カナダ マギル大学（McGill University）卒。 カナダ最大手の銀行の1つNational Bank of Canadaでシニアデータサイエンティストを務めている。独学のサイエンティストであるMarco は、この業界で仕事を見つけて働くために必要な知識が何かをよく理解している。実践から学ぶことを信条とし、Medium のブログ、freeCodeCamp でのデータサイエンスの短期集中講座、Udemy の講座でも同じアプローチを取っている。本書のテーマを扱ったUdemyのオンライン講座　https://www.udemy.com/course/applied-time-series-analysis-in-python/　が好評で、その内容が書籍化された。Marco のデータサイエンスに関する記事はMedium でさらにチェックできる（https://medium.com/@marcopeixeiro）。ブログでも、最初に理論を提示し、次に実践的なプロジェクトに取り組むという同じアプローチを取っている。 株式会社クイープ ：1995 年、米国サンフランシスコに設立。コンピュータシステムの開発、ローカライズ、コンサルティングを手がけている。2001年に日本法人を設立。主な訳書に『The Kaggle Workbook』『The Kaggle Book』『実践XAI』（インプレス）、『なっとく！機械学習』『なっとく！関数型プログラミング』『実践マイクロサービスAPI』（翔泳社）、『Python によるディープラーニング』（マイナビ出版）などがある。 http://www.quipu.co.jp ※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。

※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。 『C による数値計算とシミュレーション』のPython版登場!! 　本書は、シミュレーションプログラミングの基礎と、それを支える数値計算の技術について解説します。数値計算の技術から、先端的なマルチエージェントシミュレーションの基礎までをPythonのプログラムを示しながら具体的に解説します。 　アルゴリズムの原理を丁寧に説明するとともに、Pythonの便利な機能を応用する方法も随所で示すものです。 まえがき 第1章　Pythonにおける数値計算 1.1　Pythonによる数値計算プログラムの構成 1.1.1　Pythonによる数値計算プログラム 1.1.2　Pythonモジュールの活用 1.2　数値計算と誤差 1.2.1　数値計算における誤差 1.2.2　数値計算における誤差の実際 1.2.3　Pythonモジュールの活用 章末問題 第2章　常微分方程式に基づく物理シミュレーション 2.1　質点の1次元運動シミュレーション 2.1.1　自由落下のシミュレーション 2.1.2　着陸船のシミュレーション 2.2　 ポテンシャルに基づく2次元運動シミュレーション 2.2.1　ポテンシャルに基づく2次元運動 2.2.2　2次元運動シミュレーション 2.3　Pythonモジュールの活用 章末問題 第3章　偏微分方程式に基づく物理シミュレーション 3.1　偏微分方程式の境界値問題 3.1.1　ラプラスの方程式 3.1.2　ラプラスの方程式の境界値問題 3.1.3　境界値問題の数値解法 3.1.4　ガウスの消去法による境界値問題の計算 3.1.5　逐次近似による境界値問題の計算 3.1.6　その他の二階偏微分方程式 3.2　ラプラスの方程式による場のシミュレーション 3.2.1　ラプラスの方程式の反復解法プログラム 3.2.2　より複雑な形状の領域の場合 3.3　Pythonモジュールの活用 章末問題 第4章　セルオートマトンを使ったシミュレーション 4.1　セルオートマトンの原理 4.1.1　セルオートマトンとは 4.1.2　セルオートマトンの計算プログラム 4.2　ライフゲーム 4.2.1　ライフゲームとは 4.2.2　ライフゲームのプログラム 4.3　交通流シミュレーション 4.3.1　1次元セルオートマトンによる交通流のシミュレーション 4.3.2　交通流シミュレーションのプログラム 章末問題 第5章　乱数を使った確率的シミュレーション 5.1　擬似乱数 5.1.1　乱数と擬似乱数 5.1.2　乱数生成アルゴリズム 5.1.3　Pythonの乱数生成モジュール 5.2　乱数と数値計算 5.2.1　数値積分と乱数 5.2.2　乱数と最適化 5.3　乱数を使ったシミュレーション 5.3.1　ランダムウォーク 5.3.2　ランダムウォークシミュレーション 5.4　Pythonモジュールの活用 章末問題 第6章　エージェントベースのシミュレーション 6.1　エージェントとは 6.1.1　エージェントの考え方 6.1.2　Pythonによるエージェントシミュレーションの実現 6.1.3　マルチエージェントへの拡張 6.1.4　相互作用するマルチエージェント 6.2　マルチエージェントによる相互作用のシミュレーション 6.2.1　マルチエージェントによるシミュレーション 6.2.2　マルチエージェントシミュレーションプログラム 章末問題 付録 A.1　4次のルンゲ=クッタ法の公式 A.2　ラプラスの方程式が周囲4点の差分で近似できることの説明 A.3　ナップサック問題の解法プログラムrkp30.py A.4　シンプソンの公式 章末問題略解 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。 ※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。 Pythonを使って制御工学を学ぶための入門書 本書は，各所でわかりやすく，かつ，実用的と好評をいただいているPythonを使って制御工学を学ぶための入門書の改訂版です． 「使ってみる，やってみる」を通して，制御工学を体感することができます． よりわかりやすさを追求して構成を見直し・追記したほか，ライブラリの最新版に合わせてPythonコードを修正しています． これから制御工学に携わる方々にとって必読の書です． 第1章　制御とは 第2章　Pythonの基礎 第3章　制御のためのモデル 第4章　制御対象の振る舞い 第5章　閉ループ系に注目した制御系設計 第6章　開ループ系に注目した制御系設計 第7章　アドバンストな制御系設計 付録　数学とプログラムの補足

※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。 Pythonによるネットワークプログラミング入門書！ 本書は、Pythonによる実装を前提として、ソケットプログラミングに必要な知識をわかりやすく解説する入門書です。TCP/IPやソケットの原理を説明したのち、Pythonでソケットを実装する基礎的方法を示していきます。さらに、Python固有の機能を用いたプログラミング例（モジュールを利用したサーバ実装など）を紹介します。 ダウンロードできるサンプルプログラムが多数掲載されているので、実際に試しながら読み進めて、知識と技術を身につけてください。 Chapter 1　TCP/IPとソケットの基礎 Chapter 2　Pythonソケットプログラミング Chapter 3　Pythonソケットによるネットワークシステムの構築 Chapter 4　Webシステムに関連するPythonモジュールの活用 Appendix

※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 3を使ったテキストマイニングの入門書！ 本書は、Pythonを使ったテキストマイニングの入門書です。Pythonのインストールから基本文法、ライブラリパッケージの使用方法などについてもていねいに解説していますので、Pythonに触れたことがない方でも問題なく使用できます。また、テキストマイニングも、概要から実例に至るまで一から解説していますので、Python・テキストマイニング両方の知識が全くない方にとって最適な入門書となっています。 目次 第1章　テキストマイニングの概要 1.1 テキストマイニングとは 1.2 応用の例 第2章　テキストデータの構造 2.1 テキストの構成要素 2.2 統計分析・データマイニングの基本的な手法 2.3 テキストマイニング固有の考え方 第3章　Pythonの概要と実験の準備 3.1 Pythonとは 3.2 プログラムを作って動かす環境 3.3 Pyrhonの書き方ルール 3.4 テキストマイニングに役立つライブラリパッケージ 3.5 データの準備 第4章　出現頻度の統計の実際 4.1 文字単位の出現頻度の分析 4.2 単語の出現頻度の分析 第5章　テキストマイニングの様々な処理例 5.1 連なり・N-gramの分析と利用 5.2 共起（コロケーション）の分析と利用 5.3 語の重要性とTF-IDF分析 5.4 KWICによる検索 5.5 単語のプロパティを使ったネガポジ分析 5.6 WordNetによる類語検索 5.7 構文解析と係り受け解析の実際 5.8 潜在的意味論に基づく意味の分析とword2vec 付録　Python, Jupyter notebook のインストール

※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