※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。 内容を精査して再登場！AIエンジニアは必携の資格【ディープラーニングE資格（エンジニア）】対応の問題集。 ◆ JDLA認定プログラムの第1号事業者であるスキルアップAIの講師陣が執筆！ ◆ 業界の第一人者 杉山 将氏（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）監修！ ◆ ていねいで分かりやすく解説。正答も誤答も技術解説しているので知識吸収も加速！ ◆ 出題傾向を徹底分析した模擬問題を収録で合格力がさらにアップ！ ●目次● 第01章 線形代数 第02章 確率・統計 第03章 情報理論 第04章 機械学習の基礎 第05章 前処理・特徴選択・性能指標 第06章 モデルの評価・正則化・ハイパーパラメータ探索 第07章 教師あり学習の各種アルゴリズム 第08章 教師なし学習の各種アルゴリズム 第09章 強化学習の各種アルゴリズム 第10章 深層学習の概要 第11章 順伝播計算と逆伝播計算 第12章 最適化手法 第13章 畳み込みニューラルネットワーク 第14章 再帰型ニューラルネットワーク 第15章 深層学習を用いた自然言語処理 第16章 深層学習を用いた生成モデル 第17章 深層学習を用いた強化学習 第18章 開発・運用環境 第19章 総仕上げ問題 付録 覚えておくべきPython/NumPyの知識

AI研究の一分野として注目を集める深層学習(ディープラーニング)に関する教科書として世界的な評価を受けている解説書。深層学習の理解に必要な数学、ニューラルネットワークの基礎から、CNN(畳み込みニューラルネットワーク)やRNN(回帰結合型ニューラルネットワーク)などのすでに確立した手法、さらに深層学習の研究まで、深層学習の基礎を理論を含めてしっかり学習したい人に最適な内容になっている。近年の深層学習研究をリードする著名な研究者たちが執筆した入門者必読の書である。

間違いないのは、生成AIは、ディープラーニング（深層学習）の登場によって火ぶたが切って落とされた第３次AIブームに続く「第４次AIブーム」の幕開けというだけではなく、AIの枠を飛び越え、テクノロジー史に名を刻むだろうということである。（「はじめに」より） 生成AIで経済のすべてが変わる―― 決定版！野村総研アナリストが「生成AI」を全解説。 チャットGPTのしくみ、チャットGPTでできること、巨大テック企業の戦略、先行企業の生成AI活用例、生成AIで消える仕事・生まれる仕事、著作権問題、AI脅威論……などを網羅した内容。 間違いないのは、生成AIは、ディープラーニング（深層学習）の登場によって火ぶたが切って落とされた第３次AIブームに続く「第４次AIブーム」の幕開けというだけではなく、AIの枠を飛び越え、テクノロジー史に名を刻むだろうということである。（「はじめに」より） 生成AIで経済のすべてが変わる―― 決定版！野村総研アナリストが「生成AI」を全解説。 チャットGPTのしくみ、チャットGPTでできること、巨大テック企業の戦略、先行企業の生成AI活用例、生成AIで消える仕事・生まれる仕事、著作権問題、AI脅威論……などを網羅した内容。 たった５日間で１００万ユーザー獲得／生き字引であり、壁打ち相手でもある／人間の価値観まで反映／ＧＰＴ‐４はユーモアまで理解する／トヨタは自動車のデザインに活用／手書きのアイデアがすぐＵＩに／「あうんの呼吸」は通用しない／プロンプトエンジニアの「お仕事」／プロンプトは「買ってくる」時代／ＰＣの使い方が１８０度変わる／チャット連動型広告の誕生／ポスト・オープンＡＩの最右翼は／結局は生成ＡＩもビッグテックが支配する？／ＡＩスパコンでも熾烈な争い／大手金融機関はＡＩの開発レースへ／生成ＡＩ失業論／３億人分の仕事が自動化される？／チャットＧＰＴは「爆弾の作り方」を教えるのか？／「機械学習パラダイス」ニッポン／ＡＩネイティブ世代の誕生／ＡＩ界のゴッドファーザーの苦悩／国家安全保障にも影響……ほか

※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。 自動運転の要素技術を、第一線の著者陣により、わかりやすく解説。 　本書は、自動運転の要素技術を、第一線の著者陣により、わかりやすく解説した書籍です。本書1冊で、自動運転にかかわる技術の全容と今後の課題をポイントを押さえて理解することができます。 　自動運転技術は交通事故の減少、高齢者の移動支援、運転負荷の軽減や快適性の向上など、現在のさまざまな課題を解決する切り札として、大きな注目を集めています。 　一方、自動運転技術は自動車工学、パワーエレクトロニクス、移動体通信工学、人間工学、センシング技術、そしてAI・機械学習技術など、まさに各分野における最先端の要素技術の集合体であるため、その全容をコンパクトにポイントを押さえて解説している書籍がいままでにありませんでした。 　今後のキーテクノロジーとされる深層学習が自動運転技術において、どのように使われていくのかに焦点を当てながら、イメージに訴える平易な説明を心掛け、数式の使用を最小限に抑えて解説しています。 第1章　自動運転技術の概要 第2章　環境認識・予測 第3章　地図作成と自己位置推定 第4章　自動運転車の判断 第5章　縦方向と横方向の車両運動制御 第6章　複数台の協調制御 第7章　自動運転技術開発に使用されるツール 第8章　深層学習の基礎 第9章　深層強化学習 第10章 深層学習のノウハウ

※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。 近年の技術の発展により、画像認識技術はますます身近になっています。スマホの顔認証やオンライン会議での人物と背景を認識して背景をぼかすなどをはじめ、画像認識技術ははさまざまな場面において人々の生活をサポートしています。本書では画像認識について実践的に学べるように、Pythonを使った実装を示しています。また画像認識の基礎については簡単に触れるにとどめ、最新の画像認識手法について紙幅を割き、多くの部分で深層学習の実装について学ぶことができる構成になっています。

大好評！デジタル時代の必携リテラシー、G検定の「公式テキスト」の改訂版！ 【本書の特徴】 ・大ベストセラー、ディープラーニング G検定 公式テキストの改訂版。 ・改訂された新シラバスに完全準拠。 ・試験運営団体である「日本ディープラーニング協会」が監修。 ・章末問題を大増量。分かりやすい解説付き。 ・ディープラーニングに関する入門書としても最適。 【対象読者】 ・ G検定を受験しようと思っている人 ・ディープラーニングについて概要を学びたい人 ・ディープラーニングを事業活用しようと思っている人・DX推進を検討している人 【G検定とは】 ・内容：ディープラーニングを事業に活かすための知識を有しているかを検定する ・試験方式：知識問題（多肢選択式）、オンライン実施（自宅受験） ・日程：年3回（詳細は公式サイトにて公表） 【目次】 試験の概要 第1章 人工知能（AI）とは 第2章 人工知能をめぐる動向 第3章 人工知能分野の問題 第4章 機械学習の具体的手法 第5章 ディープラーニングの概要 第6章 ディープラーニングの手法 第7章 ディープラーニングの社会実装に向けて Appendix　事例集 産業への応用 ※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。

【最新動向サーベイ】 ・イマドキノバーチャルヒューマン：XR分野におけるバーチャルヒューマンにかかわる技術の中でも、人間の全身構造や形状の把握に主眼を置いた代表的な研究について紹介。今後の見通しについても触れる。 【論文フカヨミ】 ・フカヨミオープンワールド物体検出：筆者らがECCV2022で提案したオープンワールド物体検出のための手法LDETについて解説。既存手法の欠点を克服するためのデータ拡張、および学習フレームワークを提案し、さらなる発展についても言及。 ・フカヨミマルチフレーム超解像：シングルイメージ超解像を含む超解像分野全体の概観から始め、マルチフレーム超解像に関する最新の研究について紹介。 ・フカヨミ深層単画像カメラ校正：1枚の入力画像のみで歪みと傾きを高精度に校正する深層単画像カメラ校正の研究動向を紹介し、高精度な深層単画像カメラ校正を実現した論文をフカヨミ。 【チュートリアル】 ・ニュウモンAutoML：深層学習のためのAutoMLとして、ニューラル構造探索（NAS）とハイパーパラメータ最適化（HPO）について、代表的な手法を取り上げて解説。 その他、漫画「訳わかめフューチャー」、CV分野の学会・研究会・国際会議の開催日程や投稿日が一挙にわかる「CVイベントカレンダー」を掲載。

※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。 そのモデル、本質を理解して使っていますか？ 本当にデータの全てを活用しきれていますか？ 回帰分析、ResNet、方策勾配法、因子分析・主成分分析、階層ベイズモデリング、正準相関分析、カーネル回帰分析・・・実戦で頻出するデータ形式への対応に必須の分析モデル群を完全網羅！ 【強化学習はいつ使うべきなのか？】 【なぜ、勾配決定木や畳み込みは強いのか？】 【結局、ベイスの定理は何に使えるのか？】 すべての疑問が間違いなく解消されます！

本書は人工知能研究における機械学習の諸分野をわかりやすく解説し、それらの知識を前提として深層学習とは何かを示します。具体的な処理手続きやプログラム例（C言語）を適宜示すことで、これらの技術がどのようなものなのかを具体的に理解できるように紹介していきます。

※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。 人工知能の構成技術を網羅的に概観する、やさしい教科書 本書は、人工知能のしくみを一から丁寧に解説する入門書です。 「人工知能とはなにか」という定義からはじまり、機械学習や画像処理といったさまざまな技術のしくみを、できるだけ数式を使わずに平易に説明します。 深層学習が火付け役となった人工知能ブームによって、人工知能は多くの方にとって馴染みのある存在になってきました。しかし、 ・　機械学習 ・　ニューラルネットワーク ・　進化的計算 ・　自然言語処理 ・　画像認識 などの個別のトピックのみが取り上げられることも多く、人工知能全体の体系はよくわからない、という方も多いのではないでしょうか。 本書では、上述したようなトピックを網羅的に扱い、人工知能を構成する技術の全体像を概観します。できるだけ数式を用いずに、平易に解説するよう心がけました。 業務上AIに関する知識が必要になった社会人や、情報系の学部・学科に所属する大学生はもちろん、人工知能に興味のある高校生にも読んでいただける内容です。 なお、各章の最後には、Pythonを使った演習を設けています。 エンジニアの方や、エンジニアを志す学生の方は、ぜひ演習問題にも取り組んでみてください。 第1章　人工知能とは 第2章　人工知能研究の歴史 第3章　学習 第4章　知識表現と推論 第5章　ニューラルネットワーク 第6章　深層学習 第7章　進化的計算と群知能 第8章　自然言語処理 第9章　画像認識 第10章　エージェントと強化学習 第11章　人工知能とゲーム 第12章　人工知能はどこに向かうのか

※PDF版をご希望の方は Gihyo Digital Publishing (https://gihyo.jp/dp/ebook/2022/978-4-297-12927-9)も合わせてご覧ください。 問題数を増量！　さらに幅広い問題と解説を提供！ AIエンジニア資格「E資格」で圧倒的な合格実績を誇る機械学習・ディープラーニング教育のプロ，株式会社AVILENが執筆。 実践的な演習問題と，分かりやすさを追求した問題解説で，AI・ディープラーニングの仕組みや手法の理解をサポート。G検定合格を目指すあなたに最適な1冊です。 本書の特徴 G検定頻出の「AIの社会実装」分野，「ディープラーニングの手法」を中心に問題を増量，旧版より52ページ増量。 旧版で内容の重複する問題を極力削り，新たなトピックを加え，バリエーション豊かな問題に再構成。 解説だけで206ページののボリューム。解説が丁寧でわかりやすく，機械学習や深層学習の仕組みからしっかりと理解できる。 豊富な図や表で読みやすく，イメージしやすい設計。 重要なキーワードを押さえた「用語解説」を各章に記載。試験前の見直しに最適。 最新の傾向にも対応。

※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。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 深層学習をベースとした自然言語処理の基礎が体系的に身につく！ 本書は、深層学習に基づく自然言語処理の基礎となる知識や考え方を、丁寧に展開し解説するものです。自然言語処理技術の概観から始め、機械学習の基本的枠組み、言語モデル・系列変換モデルとして非常に有用なTransformerとそれを活用した事前学習モデルの詳解、さらに自然言語処理の基本的なタスクである系列ラベリング、構文解析、意味解析と、自然言語処理を学ぶうえで必須の基礎知識や背景となる仕組みを幅広くカバーし、体系的に身につけることができる構成としました。 大学の学部上級から大学院の学生、さらには自然言語処理を学び始めた若手技術者にお薦めの教科書です。 第1章　自然言語処理の概要 　1.1　自然言語処理の応用 　1.2　コーパスと自然言語処理 　1.3　自然言語処理の難しさ 　演習問題 第2章　自然言語処理のための機械学習の基礎 　2.1　機械学習とは 　2.2　教師あり学習 　2.3　特徴量表現 　2.4　パーセプトロン 　2.5　ロジスティック回帰 　2.6　ソフトマックス回帰モデル 　2.7　機械学習モデルの評価 　2.8　正則化 　2.9　ニューラルネットワーク 　2.10　計算グラフと自動微分 　2.11　ニューラルネットワークに関するその他の話題 　演習問題 第3章　単語ベクトル表現 　3.1　記号からベクトルへ 　3.2　素性関数による単語のベクトル表現 　3.3　分布仮説と単語文脈行列 　3.4　特異値分解による次元削減 　3.5　Word2Vec：ニューラルネットワークによる学習 　3.6　単語ベクトルの応用 　3.7　FastText：単語よりも小さな単位の利用 　3.8　単語ベクトル表現の課題と限界 　演習問題 第4章　系列に対するニューラルネットワーク 　4.1　単語ベクトルの合成 　4.2　再帰型ニューラルネットワーク（RNN） 　4.3　勾配消失問題と勾配爆発問題 　4.4　長期短期記憶（LSTM） 　4.5　ゲート付き再帰ユニット（GRU） 　4.6　畳込みニューラルネットワーク（CNN） 　演習問題 第5章　言語モデル・系列変換モデル 　5.1　言語モデル・系列変換モデルの導入 　5.2　言語モデルの定式化 　5.3　言語モデルの利用例 　5.4　言語モデルの具体例1：nグラム言語モデル 　5.5　言語モデルの具体例2：ニューラル言語モデル 　5.6　系列変換モデル 　5.7　言語モデルの評価：パープレキシティ 　5.8　未知語問題への対応 　演習問題 第6章　Transformer 　6.1　Transformerの歴史的背景 　6.2　自己注意機構（セルフアテンション） 　6.3　Transformerの構成要素 　6.4　学習時の工夫 　演習問題 第7章　事前学習済みモデルと転移学習 　7.1　事前学習済みモデルの背景 　7.2　デコーダの事前学習：GPT 　7.4　エンコーダ・デコーダの事前学習：BART 　7.5　事前学習済みモデルと知識蒸留 　7.6　事前学習済みモデル利用上の注意点 　演習問題 第8章　系列ラベリング 　8.1　系列ラベリングとは 　8.2　系列ラベリングの定式化 　8.3　点予測による系列ラベリング 　8.4　線形連鎖に基づく条件付き確率場 　演習問題 第9章　構文解析 　9.1　構文解析とは 　9.2　句構造解析 　9.3　依存構造解析 　9.4　さまざまな構文解析手法 　演習問題 第10章　意味解析 　10.1　意味解析とは 　10.2　テキスト間含意関係認識 　10.3　ニューラルネットワークによる意味解析 　10.4　述語項構造解析 　10.5　論理表現 　10.6　セマンティックパージング 　10.7　意味解析のその他の話題 　演習問題 第11章　応用タスク・まとめ 　11.1　機械翻訳 　11.2　質問応答 　11.3　対話 　11.4　自然言語処理の過去・現在 演習問題略解 参考文献

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 深層学習（ディープラーニング）の全体像が理解できる一冊。 日々進化し続ける深層学習技術の基礎をなす知識や考え方を体系的に，応用を俯瞰的にまとめた教科書。 　本書は、人工知能（AI）技術の一つである深層学習（ディープラーニング）の全体像を体系的にまとめた教科書です。 　SNS、スマートスピーカー、画像診断、自動運転、……などなど、身のまわりには深層学習の技術や手法が広く応用されています。このことからもわかるように、深層学習は今日に至るまでさまざまな場面で成功を収めていますが、その技術や手法は、今現在も、非常に速いスピードで進歩し続けています。「以前は当たり前のように利用されていた技術が、ある日突然、それを上回る別の技術に置き換えられた」ということも十分にあり得ます。しかし、そのような深層学習技術の基礎には、普遍的かつ不変的な知識や考え方があります。 　本書は、現代の深層学習の技術や手法を理解するうえで基礎となる知識や考え方を、必要に応じて数式を用い、詳細に解説しています。また、代表的な応用例として、画像、音声、自然言語の処理を俯瞰的に解説し、深層学習の全体像が理解できるように構成しました。論文や国際会議等で深層学習技術の最新動向を追うためのベースは、本書で十分に学ぶことができます。 第1章　序論：深層学習登場の前と後 1.1　パターン認識とは 1.2　パターン認識の困難さと深層学習による成功 1.3　深層学習と従来のパターン認識手法の違い 第2章　深層学習以前のパターン認識手法 2.1　深層学習以前のパターン認識の概略 2.2　特徴抽出 2.3　機械学習・パターン認識手法 2.4　クラスタリング 2.5　評価指標 演習問題 第3章　深層学習ネットワーク 3.1　深層学習のアイディア 3.2　パーセプトロン 3.3　多層パーセプトロン 3.4　深層学習ネットワークにおける基本レイヤ群 3.5　基本ネットワーク構造 演習問題 第4章　ネットワークの学習 4.1　深層学習ネットワークの学習の基本的アイディア 4.2　誤差関数 4.3　確率的勾配降下法 4.4　誤差逆伝播法 4.5　畳込み層の学習 4.6　学習の実際 4.7　学習した畳込みフィルタの例 演習問題 第5章　学習のための技術 5.1　学習パラメータの初期値 5.2　学習率の設定 5.3　データ拡張 5.4　ドロップアウト 5.5　入力データの正規化 5.6　モデルアンサンブル 5.7　事前学習とファインチューニング 5.8　中間信号の画像特徴量としての利用 5.9　距離学習 5.10　マルチタスク学習 5.11　自己教師学習 5.12　ネットワークを小さくする工夫 演習問題 第6章　系列データへの対応 6.1　再帰型ネットワーク 6.2　1次元畳込み 6.3　Transformer 演習問題 第7章　画像認識への適用 7.1　主な画像認識ネットワーク 7.2　画像認識ネットワーク内部の可視化 7.3　物体検出 7.4　領域分割 7.5　人物姿勢推定 7.6　動画認識 演習問題 第8章　画像生成・変換への適用 8.1　エンコーダ・デコーダ型ネットワーク 8.2　オートエンコーダ 8.3　深層生成モデル 8.4　画像変換 8.5　画像最適化による画像変換 演習問題 第9章　音声処理への適用 9.1　音声認識ネットワーク 9.2　音声合成ネットワーク 演習問題 第10章　自然言語処理への適用 10.1　単語ベクトル 10.2　系列変換モデル 10.3　事前学習モデル 演習問題 第11章　マルチモーダル学習 11.1　マルチモーダル・クロスモーダル 11.2　画像と言語ル 11.3　画像・映像と音声 演習問題 演習問題略解 参考文献

※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。 信号処理の基礎から最新の理論まで解説！ 信号処理は、さまざまなセンサー（カメラ、マイクなど）から得られる信号（音響、画像、映像など）をディジタル化してコンピュータで処理し、瞬時に伝送するのに加え、インターネットで流通、共有させるために不可欠な技術分野です。信号処理によって、人間が聞きやすく、見やすく、分かりやすくし、さらには人間や機械がより高度な分析や判断を行うことを可能にします。 「IoT」や「ビッグデータ」においても、実世界に存在する無数のセンサーからの大規模データ（信号）が実時間で記録、保存、解析されることが前提となっており、「可視化」「見える化」「イメージング」などが実現されます。信号処理がなければ、現代のスマート社会は成り立たないといっても過言ではありません。 本書は、信号処理の大学学部レベルの教科書を想定して書かれていますが、大学院レベルの内容も含まれています。第13章「新しい信号処理」では、深層学習の基礎となるディープニューラルネットワークと、近年注目されているグラフ信号処理についてもふれています。また、本文中には多くの問いを設け、その解答も掲載しています。 第1章 信号処理とは 第2章 信号の表現と演算 第3章 信号処理システム 第4章 連続時間フーリエ解析 第5章 サンプリング 第6章 離散時間フーリエ解析 第7章 高速フーリエ変換 第8章 窓関数と短時間フーリエ変換 第9章 z変換 第10章 ディジタルフィルタ 第11章 離散コサイン変換とウェーブレット変換 第12章 画像・映像の圧縮：JPEG・MPEG 第13章 新しい信号処理

人工知能を利用した開発に必要な基礎知識がわかる！ 本書は人工知能関連の開発に携わっているエンジニアに向けて、今後のコアとなる理論と技術を図解で解説した書籍です。 話題の機械学習・深層学習、IoTやビッグデータとの連係についてもフォロー。理論の概念図や事例などを、わかりやすく解説しています。 第1章では人工知能の過去と現在と未来について解説。第2章～第14章への伏線となるように解説しています。 第2章～第14章では、各トピックにおける理論と技術について解説しています。 【対象読者】 人工知能を利用したプロダクトやサービス開発に携わるエンジニアの方（プログラマー、データベースエンジニア、組込みエンジニアなど） 【目次】 CHAPTER1 人工知能の過去と現在と未来 CHAPTER2 ルールベースとその発展型 CHAPTER3 オートマトンと人工生命プログラム CHAPTER4 重み付けと最適解探索 CHAPTER5 重み付けと最適化プログラム CHAPTER6 統計的機械学習（確率分布とモデリング） CHAPTER7 統計的機械学習（教師なし学習と教師あり学習） CHAPTER8 強化学習と分散人工知能 CHAPTER9 深層学習 CHAPTER10 画像や音声のパターン認識 CHAPTER11 自然言語処理と機械学習 CHAPTER12 知識表現とデータ構造 CHAPTER13 分散コンピューティング CHAPTER14 大規模データ・IoTとのかかわり ※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。 主要なデータマイニング手法の理論の基礎を学べる!! 　データマイニングとは，玉石混淆であるたくさんのデータから必要な情報を読み出す作業です。データマイニングの手法として理解しておく必要があるものには，比較的基本的な知識である回帰分析、主成分分析、判別分析等からクラスタリング、サポートベクターマシン(SVM)、ベイズ推定、ニューラルネットワークなどがあります。最近ではこれらの応用として、深層学習等についても解説します。 第I部　多変量解析 第1章　データマイニング 第2章　回帰分析 第3章　主成分分析 第4章　判別分析 第5章　クラスタリング 第II部　機械学習 第6章　機械学習 第7章　サポートベクターマシン 第8章　ベイジアンネットワーク 第9章　ニューラルネットワーク 第10章　自己組織化マップ 第11章　深層学習 参考文献

※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。 ボードゲームを題材とした古典的なAIの実装からはじめ、深層学習と強化学習を囲碁AIに組み込み、改良していきます。囲碁ボット構築の方法を理解することで、他の人工知能開発にも応用することができるようになります。 Manning Publications『Deep Learning and the Game of Go』の日本語版。 ・PythonとKerasを利用した囲碁AIボット開発でディープラーニングを深く理解できます。 ・AlphaGo/AlphaGo Zeroで用いられた手法も解説！ ・基本的なPythonと高校レベルの数学の知識で読破可能。 この本はAlphaGoの開発と拡張という魅惑的な冒険へ導いてくれます。あなたは最も美しくかつ挑戦的なゲーム開発の基礎を学ぶことになるでしょう。とても読みやすく魅力に溢れた人工知能と機械学習の実践的入門書です。 ―Thore Graepel：DeepMind AlphaGoチームの研究・開発者（本書まえがきより）

※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。 私たちの日常生活で、人工知能が普通に使われる時代になりました。スマートフォンの顔認証、自動運転技術、SiriやAlexaのようなAI音声アシスタントなど身近な技術ばかりです。これからは機械学習や深層学習はエンジニアの基本教養となるかもしれません。本書は、機械学習や深層学習の分野から画像認識に重点をおいて、難しい数式をつかわず、図や写真を多用して解説する入門書です。必要な概念、用語、キーワードも網羅的に説明します。

★初学者向けの名著を100ページ増の大改訂！　ホイールダック２号は深層学習を手に入れた！★ ・全面的に記述を見直すも、第1版との連続性を最大限保ち、ますますパワーアップ！ ・「ニューラルネットワーク」の章を新設し、深層学習の歴史的位置づけ、CNN、RNNをわかりやすく解説した！ ・「確率的生成モデル」の章を新設し、強化学習・状態推定・教師なし学習などに関わる解説に芯を通すことができた！ まずは、この１冊から始めよう！ 【主な内容】 第1章 人工知能をつくり出そう　 第2章 探索(1)：状態空間と基本的な探索 第3章 探索(2)：最適経路の探索 第4章 探索(3)：ゲームの理論 第5章 計画と決定(1)：動的計画法 第6章 確率モデル(1)：確率とベイズ理論の基礎　 第7章 確率モデル(2)：確率的生成モデルとナイーブベイズ 第8章 計画と決定(2)：強化学習 第9章 状態推定(1)：ベイズフィルタ 第10章 状態推定(2)：粒子フィルタ 第11章 学習と認識(1)：クラスタリングと教師なし学習　 第12章 学習と認識(2)：パターン認識と教師あり学習　 第13章 学習と認識(3)：ニューラルネットワーク　 第14章 言語と論理(1)：自然言語処理　 第15章 言語と論理(2)：記号論理　 第16章 言語と論理(3)：証明と質問応答　 第17章 まとめ：知能を「つくる」ということ

おお!もう第2版! 深層学習ベストセラーがさらにパワーアップ。リカレントニューラルネットワーク、GAN、深層強化学習の｢章｣が新たに加わり、ツールの最新事情も反映された。50ページ以上増強されたお得な一冊!

※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。 ※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。 医用画像におけるディープラーニング（Deep Learning）をまとめた本格的なシリーズ　最新版 　医療関係者が人工知能をはじめて本格的に学ぶことができる一冊。 　人工知能と医療（主に画像）とのかかわりを詳しく解説。 　後半の事例編を大幅に増やし、具体的な応用例、研究例を多数掲載。 　医療AIの今がわかる！ 推薦文　福島邦彦先生 【基礎編】 Chapter1　人工知能（AI）総論 Chapter2　ニューラルネットワーク Chapter3　ディープラーニング Chapter4　動かす Chapter5　評価する 【応用編】 Chapter6　検出する Chapter7　分類する Chapter8　推定する Chapter9　作る・処理する Chapter10　診断を支援する Chapter11　医療を取り巻く世界 【事例編】 Chapter12　眼底画像 Chapter13　病理画像 Chapter14　大腸内視鏡画像診断支援 Chapter15　大腸CT内視鏡　　 Chapter16　歯科X線画像 Chapter17　放射線治療画像 Chapter18　外科治療画像 Chapter19　医用画像とRadiomics Chapter20　マンモグラフィと乳腺超音波検査 Chapter21　運動器領域の画像解析 Chapter22　深層学習のCT 画像再構成への応用 Chapter23　MRI再構成問題 Chapter24　MR画像処理への応用 Chapter25　核医学画像分野におけるディープラーニング 特別Column1　AI時代の放射線科医 特別Column2　AI時代の診療放射線科技師 【Column】 アジア近隣諸国におけるAI事情 大規模学習ニューラルネット（MTANN） 画像診断ナショナルデータベース AIと倫理，薬事ガイドライン コンピュータビジョンの動向 IT/AIの医療への実装 ACR AI-LABで医用画像AI を体験 深層学習による脳動脈瘤診断支援AI ディープラーニング研究の3つのツールのトピックス

※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。 医用画像におけるディープラーニング（Deep Learning）をまとめた本格的なシリーズ　最新版 　プログラミングは一切行わず、医用画像に人工知能を導入するための解説書。 　具体的には、Neural Network Console（ソニー）と、DIGITS（NVIDIA）、MATLAB（MathWorks，2020-2021年版から追加）を使って、深層学習と医用画像処理を行う手順とノウハウを詳しく解説しています。 　人工知能には興味があるが、どこから始めたらよいわからず困っている方には、ぜひお勧めします。 本書利用にあったっての注意事項 第1章　深層学習の基礎 第2章　Neural Network Consoleを使った深層学習と医用画像処理 第3章　DIGITSを使った深層学習と医用画像処理 第4章　MATLABを使った深層学習と医用画像処理 第5章　ディープラーニングのための前処理と後処理

特集1 ［古い技術，コードの重複，密結合］ フロントエンド脱レガシー 長く愛されるプロダクトをさらに改善していくために プロダクトが長く使われると，度重なる改修や技術の進歩によりレガシーな部分が出てきます。そしてレガシーな部分は，時間が経つほど改善が困難になります。特に技術の進化の速いフロントエンドは，どの技術をどう取り入れていくのかは，将来の開発効率や柔軟性に大きく影響します。サイボウズのフロントエンドエキスパートチームは，kintoneという古くから愛されるプロダクトを今後も改善していくために脱レガシーに取り組みました。本特集では，そのノウハウを解説します。 特集2 インフラ障害対応演習 「避難訓練」でいざに備える！ システムの運用において切り離せないものであるにもかかわらず，頻繁に経験することを避けたい障害対応は，その性質上とても難しい仕事です。本特集では，障害対応を上手にこなすための方法として，障害対応を安全な環境で練習する「障害対応演習」を紹介します。障害対応の課題と演習の必要性，Mackerelでの演習の実際，フルリモートワークでの対応法，演習で確認したいこと・得られるものを解説します。いざというときの障害にどのように対処すべきかを確認できる障害対応演習は，心強い武器となってくれるでしょう。 特集3 深層学習入門以前 チュートリアルを動かす前に知っておくこと 深層学習にはさまざまなチュートリアルが提供されています。本特集では，読了後にチュートリアルを動かして，深層学習に入門するための足がかりとなることを目指します。 深層学習には幅広い知識が必要なため，すべてを知ってから始めようとすると，莫大な時間を学習に費やす必要があります。逆に事前知識なしにチュートリアルを動かしても，何が行われているのかをつかむのは難しいでしょう。そこで本特集では，深層学習のアルゴリズムの動きを，数式を使わずに概観していきます。

※PDF版をご希望の方は Gihyo Digital Publishing (https://gihyo.jp/dp/ebook/2022/978-4-297-12891-3)も合わせてご覧ください。 特集1 Reactの深層 最新バージョンから読み解く！ 変わる常識と変わらない思想 本特集はReact 18のリリースを受け，これまでのReactについて復習するとともに，React 18の新機能を紹介します。新機能を使いこなすにあたり，前半ではこれまでのReactの使い方やAPIに込められた思想を確認し，後半ではReactユーザーが対応を迫られる新しい常識を解説します。将来にわたってReactらしいコーディングをするための考察です。 特集2 できるところから無理なく導入！ 小さく始めるデザインシステム 「デザインシステム」という用語を耳にする機会が増えました。しかし，重要な概念であることはわかっていても，考えなければいけないことがたくさんあり導入に踏み切れない方も多いのではないでしょうか。もちろんデザインシステムはすべての要素を考慮するのが理想ですが，完璧を目指すあまり採用を見送ってしまうのはもったいないと思います。本特集では「小さく始める」ことをコンセプトに，できるところから無理なく始め，そのメリットを知ってもらうことを目的としています。 特集3 最新レコメンドエンジン総実装 協調フィルタリングから深層学習まで レコメンドエンジンとは，ECサイトやWebサイト上で，ユーザーにお勧めの商品やコンテンツを表示するためのシステムです。本特集では，Python言語を用いてレコメンドエンジンを実際に作成し，理解を深めていきます。実サービスに導入できるレコメンドシステムのしくみ，汎用的なものから深層学習までのレコメンドエンジンの実装，良いレコメンドエンジンとは何かを評価する方法を紹介します。

※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。 社会のさまざまな場面で使われるようになった人工知能（AI）。AIは，気づかないうちに私たちの社会や生活に深く入り込んでいて，多くの恩恵がもたらされるとともに，さまざまな課題も発生しています。本書は，社会を映す「鏡」でもあるAIについて，深層学習など技術の基本から，公平性や不平等，監視と安全のトレードオフ，分断やフェイクニュースといった社会の問題に対する影響と課題までをマンガとイラストでわかりやすく解説しました。AIというレンズを通して，今の私たちの社会を見つめなおし，技術とのかかわり方を考える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。 第3次ブームから数年が経過した現在、人工知能（AI）は大きな転換期を迎えています。深層学習を中心とするテクノロジーの進化や社会実装が進む反面、当初の期待と実態とのギャップが明らかになり、倫理面での問題や雇用への影響など、負の側面も議論されるようになりました。 本ムックでは、「深層学習の父」と呼ばれるジェフリー・ヒントン博士、東京大学の松尾 豊教授をはじめとする著名研究者へのインタビュー、中国や欧州における教育や医療分野での社会実装の事例、AI研究のトレンド解説、倫理・ガバナンス問題の国際動向など、MITテクノロジーレビューに掲載された膨大なAI関連記事の中から特に価値ある記事を厳選して収録しました。AI技術の開発に関わる研究機関、AIを利用した新規事業の創出に取り組む一般企業、AI政策の立案に関わる政府機関など、転換期のAI戦略を描くためのあたらしい指針として活用ください。 ※「MITテクノ ロジーレビュー（MIT Technology Review）は、1899年に米国マサチューセッツ工科大学によって創設された、世界で最も歴史あるテクノロジー誌です。米国版の読者層は、その8割超がテクノロジー部門の責任者であり、6割が経営層に読まれています。本ムックは2017年～2020年にかけて日本版Webサイトに掲載した会員限定記事を再編集したものです。 ※一部の記事・企画は電子版で未収録・未対応の場合があります。

本書は著名な機械学習用データセットMNISTとその派生データセットを紹介しつつ、深層学習ライブラリPyTorchを活用し各種手法を動かしてみることに取り組みます。深層学習が動くことを体感するための、簡易なGUIアプリの作成方法についても解説しています。

AIは人間社会をどこまで変えるのか？ 驚異的な速度でＡＩが発展し、社会に決定的な影響を及ぼす時代、「ＡＩ新世」。いまＡＩに何ができるかを網羅、人類の展望を示す。 はじめに 第1部　ＡＩにできること 第1章　画像認識 第2章　画像生成 第3章　音声認識 第4章　音声生成 第5章　文章認識 第6章　文章生成 第7章　その他ありとあらゆる応用 第8章　未来のＡＩにできるかもしれないこと 第2部　ＡＩは社会をどう変えるか 第1章　第一次産業はどうなるのか 第2章　第二次産業はどうなるのか 第3章　第三次産業はどうなるのか 第4章　ＡＩ技術との付き合い方 第3部　ＡＩの歴史と未来 第1章　ＡＩの歴史 第2章　深層学習の誕生 座談会　ＡＩは人間にとって代わるのか おわりに

◆最新のAIを駆使したソフトが、プロ棋士を打ち負かしたり、AIが関わった小説が星新一賞の第一次審査を突破したりと、AI(人工知能)という言葉を新聞で見ない日はありません。さらには、AIが金融や人事、教育などの具体的場面に登場し、ビジネスマンのみならず、一般の人の関心も高まっています。本書では、AIの全体像と世の中へのインパクトをコンパクトに解説します。 ◆今回のAIブームは、正確には第3次ブームで、「深層学習」という技術がポイントになります。簡単にいうと「大量のデータからAIが自分で関係性や特徴を割り出し、判断・行動する」というもの。AIが人間の能力をこえるとされる2045年の世界を俯瞰し、AIに関する技術やそれによって起こるビジネス・生活上の変化について、いくつかの章を使って解説します。日本にとってこれからどんなチャンスがあるのかにも触れます。 ◆著者は、野村総合研究所で同分野の調査にあたっているエキスパート。AIに関する類書は、その技術面にフォーカスを当てたものか、社会の変化をおどろおどろしく書いたものがほとんどで、全体像を解説したものはほとんどない状態。「話題のAIが何なのか、ざっくり知りたい」というニーズに応えます。

花王社長 長谷部佳宏氏推薦！ 「100冊のデジタル関連本よりも、まずコレ。 ビジネス×ヒト×AIの行方を情報技術の革命児たちが語る」 “文系”ビジネスパーソンが知っておくべき「AIの本質」はこれだ！ 今ビジネスの世界では「AI」という言葉がますますもてはやされています。AIを主語として「AIが～する」という表現も極めて一般的になりました。 ただ、課題解決の新しい手段として存在感を増していくにつれ、「仕組みはよく分からないけど、とにかくAIさえ導入すれば課題を解決できる」という極めて漠然とした理解が広がっていることも否めません。 我々Preferred Networks（PFN）は、現在「AI」と呼ばれることが多い機械学習・深層学習という技術の実用化で多くの産業領域の企業と共同研究や事業を行ってきました。その経験をもとに、2021年秋に、エンジニアリング志向でもなく、単なる知識の注入でもない事業担当者向け研修プログラム「AI解体新書」（https://anatomy.preferred.jp）の提供を開始しました。 本書をお読みいただければ、機械学習・深層学習・強化学習や、それらの機能である認識や生成、制御などを「AI」と一緒くたにして議論することがビジネスの現場ではあまり意味をなさないことがお分かりいただけるでしょう。「AIが絵を描く」ではなく、「人間の意思で、深層学習を利用した生成モデルが絵を描く」という枠組みと解像度で事象を理解し、ご自身の事業の課題解決に応用できるようになることを目標としています。 ビジネスパーソンの皆さんにとって、本書が「AI」の本質的な原理やメリット、限界を知り、ビジネスの現場でいち早く役立てるための一助となれば幸いです。

リクナビ事件、Yahoo!スコア事件、破産者マップ事件、AIチャットボットや顔認識技術――。 　深層学習などのAI技術の発展により、AIが社会の様々な場面で用いられるようになりました。同時に、AIの普及に伴って社会問題が生じ、AIを使った製品・サービスに対して、法律には違反しないものの、倫理的に問題があるとして、社会から厳しい批判がされるケースも増えています。 　これらの問題に対応するため、日本や諸外国の政府や民間団体は活発な議論を行い、AI倫理原則を定めています。 　本書ではこれらのAI倫理原則を体系化して、AIとデータに関する倫理（AI倫理）の基本的な考え方と実際の事例を整理します。実際の失敗事例を数多く検討することで、同じような失敗を避けることにもつながります。 　ソニー、日本マイクロソフト、メルカリ、富士通の担当者の方による取組みの紹介など、AIを使った製品・サービスを社会に提供する企業の方も必読です。

「AIテクノロジーがいつどのように実現するか分かる」――マイクロソフトCEO サティア・ナデラ絶賛！ 「唯一無二の魅力に満ちた一冊」――ベストセラーSF『三体』作者 劉慈欣推薦！ 「年間ベストブック」３冠達成！〈ウォールストリートジャーナル〉〈ワシントンポスト〉〈フィナンシャルタイムズ〉 Amason US のベストノンフィクションにピックアップ！（976レビュー4.4★） 全米ベストセラーにして「未来予測本の決定版」が遂に日本上陸！ ・元GAFAトップの人工知能学者が最先端テクノロジー解説 ・鬼才のSF作家がストーリーで見事にビジュアライズ 【最高のストーリー＋AI技術解説で描く「20年後の私たちの世界」】 ・AI保険が個人生活を深層学習、恋愛相手まで決める ・パンデミック対応でAI医療が発達。非接触型社会へ ・完全自動運転とスマートシティ。移行期の課題とは ・没入型V Rがエンタメを一変。東京がメタバース聖地に ・バーチャルAI教師が子どもを教育。才能を開花させる ・量子コンピュータが発達。AI兵器が人類存亡の危機を招く ・幸福の定義が変わり、経済モデルは全く新しくなる われわれはA Iに降伏するのか？　それとも、AIでよき未来をつくるのか？ 深層学習、未来予測、自然言語処理、AI教育、ディープフェイク、自動運転、VR/AR/MR、メタバース、量子コンピュータ、仮想通貨、ブロックチェーン、AI兵器、幸福感、消える職業・生まれる職業、ベーシックインカムなど、本書一冊ですベてを網羅。 ビジネスパーソンの生き残りに必携の「SF的ビジネス教養書」が誕生！

※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。 ■本書の特徴： 1．初心者でも実践的な知識が身につく 本書はクラウドの初心者を対象としていますが、実践的な知識を学べます。AWSの提供するクラウド環境を例に、手を動かしながら知識を身につけられます。 2．コードで学べる サーバー構成などをコードで管理する方法を丁寧に解説しています。AWSをコードで管理する方法を実際に手を動かしながら学ぶことができます。 3．豊富な図解 AWSのサービスや構築に関わる内容を概念図によって丁寧に解説しています。はじめての学習でも最後まで学べるような構成にしてあります。 ■本書の構成： Chapter 1 はじめに Chapter 2 クラウド概論 Chapter 3 AWS入門 Chapter 4 Hands-on #1：初めてのEC2インスタンスを起動する Chapter 5 Hands-on #2：AWS でディープラーニングを実践 Chapter 6 Docker 入門 Chapter 7 Hands-on #3：AWS で自動質問回答ボットを走らせる Chapter 8 Hands-on #4：AWS Batch を使って機械学習のハイパーパラメータサーチを並列化する Chapter 9 ウェブサービスの作り方 Chapter 10 Serverless architecture Chapter 11 Hands-on #5：サーバーレス入門 Chapter 12 Hands-on #6：Bashoutter Chapter 13 Hands-on #7：boto3 道場 Chapter 14 Hands-on #8：シン・Bashoutter Chapter 15 Hands-on #9：深層学習を用いたアート自動生成アプリケーション ――― Appendix　環境構築

時代を生き抜く 「確かな力」が身に付く！ 【本書のポイント】 ・身近なテクノロジーの裏側を体感できる ・問題を解決に導く「考え方」がわかる ・変革するIT技術の「未来」が見えてくる！ アルゴリズムは、プログラマーやエンジニアにとって 必要不可欠な知識です。 特に昨今は機械学習や深層学習が注目されるなど、 ITテクノロジーの大転換期にあり、アルゴリズムの重要性は ますます高まってきました。 本書は、「身の回りの様々なテクノロジーはどんなアルゴリズムで 実現されているのか」を、自宅PCで確認しながら学習を進めていきます。 「アルゴリズムの基本を学べること」だけでなく、 「アルゴリズムの開発＆活用力（＝問題解決力）を身に付けること」が 本書の目標です。 スキルを高めたいプログラマーはもちろん、 アルゴリズムについての知識を得ておきたい各種技術者や IT企業の営業マンなどに、ぜひ手に取ってもらいたい1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。

※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。 ★ベストセラー『教養としてのデータサイエンス』に続く第2弾！★ ★「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！★ ・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！ ・文理を問わず、大学・高専生に、自らの専門分野への数理・データサイエンス・AIの「応用基礎力」を習得させることを目的として編纂された。 ・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） ※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。 ※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。 チューニングを自動化するブラックボックス最適化について詳説 　本書は，機械学習に欠かせないハイパーパラメータ調整（チューニング）を自動化するブラックボックス最適化について一からわかりやすく，そして，詳しく説明した書籍です．合わせて，Python言語上で動作するフレームワーク“Optuna”によるブラックボックス最適化の実行を，Optunaの開発者ら自ら詳しく説明しており，基礎を理解しながら実践に即した知識を身につけることができます． 　いまや機械学習は多種多様な応用が広く図られており，技術者／研究者，学生全般にとって必修といえるスキルになっていますが，その際に手間を要するのが，ハイパーパラメータ調整です．特に，深層学習（ディープラーニング）では，ハイパーパラメータの数が多い傾向があるうえに，その調整が性能を大きく左右するといわれています．多くの技術者が，これにかなりの時間が費やされてしまっているのが実情です．ブラックボックス最適化は汎用性も高く，機械学習のハイパーパラメータ調整に限らず，工学や日常生活にかかわる多くのことを最適化できます．例えば，本書ではミドルウェアのパフォーマンス調整や，お菓子のレシピ作成にブラックボックス最適化を応用する方法も紹介しています． 　ハイパーパラメータ調整の手間を大幅に削減するブラックボックス最適化とそのPythonベースのフレームワークOptunaについて，応用例からアルゴリズムまでを一からわかりやすく説明した書籍です．機械学習に留まらず，科学技術のあらゆる分野で登場するブラックボックス最適化に入門するにあたって最適な書籍です． CHAPTER 1　ブラックボックス最適化の基礎 1.1　ブラックボックス最適化とは？ 1.2　目的関数と最適化 1.3　グリッドサーチとランダムサーチ 1.4　SMBO 1.5　ブラックボックス最適化の利用対象 CHAPTER 2　はじめてのOptuna 2.1　環境構築 2.2　簡単な数式の最適化 2.3　機械学習のハイパーパラメータのOptunaによる最適化 CHAPTER 3　Optunaを使いこなす 3.1　多目的最適化 3.2　制約付き最適化 3.3　可視化機能を用いた探索空間の調整 3.4　探索点の手動指定 3.5　分散並列最適化 3.6　サンプラーの選択 3.7　枝刈り CHAPTER 4　ブラックボックス最適化の応用例 4.1　機械学習のハイパーパラメータの最適化：音声認識ソフトウェアMozilla DeepSpeech 4.2　パイプラインフレームワークとハイパーパラメータ最適化 4.3　継続的なモデル改善でのOptunaの使い方 4.4　オンライン広告入札システムの実行環境の最適化 4.5　クッキーレシピの最適化 4.6　ニューラルアーキテクチャサーチ CHAPTER 5　Optunaの最適化の仕組み 5.1　Optunaの柔軟なインタフェース 5.2　独立サンプリング 5.3　独立サンプリングの課題 5.4　同時サンプリング 5.5　パラメータ選択の全体像 CHAPTER 6　ブラックボックス最適化のアルゴリズム 6.1　探索点選択における共通の枠組 6.2　単目的最適化における探索点選択のアルゴリズム 6.3　多目的最適化における探索点選択のアルゴリズム 6.4　探索点選択アルゴリズムの使い分け

音声の信号処理についての知識ゼロでも読めるように、懇切丁寧に解説した。基礎理論はコンパクトにまとめ、｢耐雑音｣｢話者認識｣｢深層学習｣についてたっぷり解説。一気に実用が進んだ音声認識分野がこれ一冊で学べる!

★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。 プロジェクトの立ち上げから運用まで、AIをビジネスに導入する際に知っておくべき知識を垂直統合して解説！ 本書は、「ビジネスモデル構築」と「実装・サービス化」の両方で豊富な経験と知識を有する著者が、AIをビジネスに取り入れる際のさまざまな側面で、実行すべきこと、注意しなければならないこと、どのように進めるべきかなどを解説していきます。 対象とする読者は、次のような方々です。 ●AIプロジェクトを立ち上げ・進行するマネージャーやディレクター ●ディープラーニング（深層学習）・マシンラーニング（機械学習）を仕事に使いたい・使うことになったエンジニア ●AIを自社に導入したい・自社サービスに取り入れたい経営者 ●AIプロジェクトの契約書類を作成する法務担当や営業担当 取り上げるのは、 ●AIサービスの開発にはどのようなアプローチが必要でるのか ●どのように向き合うのが成功の近道であるか ということです。 著者の経験をもとにまとめた本書は、AIビジネスにおけるヒントが至るところに隠されています。業界が分野が違っても、必ず参考になるはずです。

※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。 本書では、確率的グラフィカルモデルの統計的機械学習理論について、画像処理とパターン認識に応用例を絞りつつ概説することから始める。特にパターン認識では、クラス分類問題という視点において、多値ロジスティック回帰モデルと制約ボルツマンマシンという2つの確率的グラフィカルモデルを通し、深層学習の基礎となる数理を紹介する。その上で、グラフ構造の疎（Sparse）性という深層学習とは真逆の性質を元に急速に展開しつつあるスパースモデリングという新しい研究領域の最近の理論的基盤の深化の様子を、連続最適化問題という視点から解説する。

デジタルカメラの顔認識機能など、身近で利用されている画像認識の技術。機械学習の応用により、その精度は格段に向上した。最前線で活躍する研究者が、基礎から深層学習を取り入れた応用的手法までをくわしく解説する。画像認識の現状と今後の展望を知るのに最適な一冊!※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。 本書は、古典機械学習ともよぶべき題材に的を絞り、考え方をできるだけ詳細に記述した教科書である。本書では、機械学習全体の網羅や、深層学習を中心に据えた説明は意図していない。大量のデータが存在する対象、あるいはその近傍の対象に対しては、深層学習はきわめて高性能を発揮する。しかし、少数のデータしか得ることができない対象も多く、本書で紹介する古典的な機械学習の手法は、今後も随所で活躍するであろう。とりわけ、ベイズ的な考え方は、予測の損失最小を保証するという意味で重要である。多くの大学理工系の学部で、初年次あるいは2年次に学ぶ多変数の微積分や、固有値問題の基本をふくむ線形代数、それと確率と統計の基本事項は既知としているが、確率と統計や、対称行列に関する固有値問題などの数学的事項の要点は、第V部としてまとめた。 本書は多くの優れた書籍を参照して書かれ、とりわけ、C. M. ビショップ（著）、『パターン認識と機械学習』の影響は随所にみられる。数学的記法も同書に準拠した。また、構成は、K. P. Murphy， “Probabilistic Machine Learning: An Introduction”の影響をうけている。Murphyの本では深層学習を1つの部としているが、本書では深層学習の部はもうけず、ニューラルネットワークの基礎的事項をパラメトリックモデルの部へ、また、深層生成モデル（の1つであるVAE）を潜在モデルの部へおいた。ベイズ推論の重要性に鑑み、潜在モデルを第IV部としたことは本書の特徴の1つである。 各章には演習問題、巻末には解答例と丁寧な解説を掲載。

※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、自然言語処理について初歩から学べる書籍です。プログラミングについては、なんらかのプログラミング言語を使ったことのある開発者を対象に書いています。 自然言語とは、私たち人間が日常的に読み書きしたり、話したりするのに使っている言語のことです。そして、自然言語で書かれたテキストデータをコンピュータで処理するための技術を自然言語処理と呼びます。自然言語処理によって実行できるタスクの代表的な例としては、自動翻訳や質問応答、対話などがあります。 本書では、この自然言語処理について、今まで学習したことがない人でも学べるように、基礎から解説しています。自然言語をコンピュータで処理するために、事前にどのような処理をしておくのか、どのように単語や文章を解析するのか、自動翻訳などのタスクを実行させるためにどのような処理を行うのか、などについて、やさしく説明していきます。 基礎からはじめて、単語分散表現やテキスト分類、系列ラベリング、系列変換、アテンションといった、自然言語処理では欠かせない技術について、理論を解説した上で、Pythonを使って実装し、手を動かしながら理解できるようにしています。 また、現在の自然言語処理は、機械学習や深層学習とも切り離せません。ですので本書では、これらの技術についても基礎から説明し、Pythonを使って処理を実装していきます。基礎的な実装のみではなく、RNN、LSTM、CNNさまざまなモデルを使っての実装、特徴量エンジニアリングや正則化、ハイパーパラメータチューニングなど、実際の処理で必要になるところまで、詳しく解説しています。

機械学習の予備知識がない読者を、研究の最前線までしっかり連れて行く、ひとりでも学べる入門書! 深層学習の理論を初めて学ぶ人はもちろん、今度こそ理解したい人のために。 【甘利俊一先生推薦】 ｢世の中に人工知能の解説書は多いが、基礎から始め、その仕組みを理論的に明快に説明したのは本書が初めてといってよい｣

「Ｐｙｔｈｏｎで強化学習が実装できる！」と好評を得た入門書の改訂版。読者からの要望・指摘を反映させた。主に、Ｐｏｌｉｃｙ ＧｒａｄｉｅｎｔとＡ２Ｃの記述・実装を見直した。・Pythonプログラミングとともに、ゼロからていねいに解説。・コードが公開されているから、すぐ実践できる。・実用でのネックとなる強化学習の弱点と、その克服方法まで紹介。【おもな内容】Day1　強化学習の位置づけを知る　強化学習とさまざまなキーワードの関係　強化学習のメリット・デメリット　強化学習における問題設定：Markov Decision Process　Day2　強化学習の解法(1): 環境から計画を立てる　価値の定義と算出: Bellman Equation　動的計画法による状態評価の学習: Value Iteration　動的計画法による戦略の学習: Policy Iteration　モデルベースとモデルフリーとの違いDay3　強化学習の解法(2): 経験から計画を立てる　経験の蓄積と活用のバランス: Epsilon-Greedy法　計画の修正を実績から行うか、予測で行うか: Monte Carlo vs Temporal Difference　経験を価値評価、戦略どちらの更新に利用するか：Valueベース vs PolicyベースDay4　強化学習に対するニューラルネットワークの適用　強化学習にニューラルネットワークを適用する　価値評価を、パラメーターを持った関数で実装する：Value Function Approximation　価値評価に深層学習を適用する：Deep Q-Network 　戦略を、パラメーターを持った関数で実装する：Policy Gradient　戦略に深層学習を適用する：Advantage Actor Critic (A2C)　価値評価か、戦略かDay5　強化学習の弱点　サンプル効率が悪い　局所最適な行動に陥る、過学習をすることが多い　再現性が低い　弱点を前提とした対応策Day6　強化学習の弱点を克服するための手法　サンプル効率の悪さへの対応: モデルベースとの併用/表現学習　再現性の低さへの対応: 進化戦略　局所最適な行動/過学習への対応: 模倣学習/逆強化学習Day7　強化学習の活用領域　行動の最適化　学習の最適化

※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。 『機械学習と深層学習 C言語によるシミュレーション』のPython版登場!! 　本書は人工知能研究における機械学習の諸分野をわかりやすく解説し、それらの知識を前提として深層学習とは何かを示します。具体的な処理手続きやプログラム例（Python）を適宜示すことで、これらの技術がどのようなものなのかを理解できるように紹介していきます。 まえがき 第1章　機械学習とは 1.1　機械学習とは 1.1.1　深層学習の成果 1.1.2　学習と機械学習・深層学習 1.1.3　機械学習の分類 1.1.4　深層学習に至る機械学習の歴史 1.2　本書例題プログラムの実行環境について 1.2.1　プログラム実行までの流れ 1.2.2　プログラム実行の実際 第2章　機械学習の基礎 2.1　帰納学習. 2.1.1　演繹的学習と帰納的学習 2.1.2　帰納的学習の例題　―株価の予想― 2.1.3　帰納学習による株価予想プログラム 2.2　強化学習 2.2.1　強化学習とは 2.2.2　Q学習　強化学習の具体的方法 2.2.3　強化学習の例題設定　迷路抜け知識の学習 2.2.4　強化学習のプログラムによる実現 第3章　群知能と進化的手法 3.1　群知能 3.1.1　粒子群最適化法 3.1.2　蟻コロニー最適化法 3.1.3　蟻コロニー最適化法の実際 3.2　進化的手法 3.2.1　進化的手法とは 3.2.2　遺伝的アルゴリズムによる知識獲得 第4章　ニューラルネット 4.1　ニューラルネットワークの基礎 4.1.1　人工ニューロンのモデル 4.1.2　ニューラルネットと学習 4.1.3　ニューラルネットの種類 4.1.4　人工ニューロンの計算方法 4.1.5　ニューラルネットの計算方法 4.2　.バックプロパゲーションによるニューラルネットの学習 4.2.1　パーセプトロンの学習手続き 4.2.2　バックプロパゲーションの処理手続き 4.2.3　バックプロパゲーションの実際 第5章　深層学習 5.1　深層学習とは 5.1.1　従来のニューラルネットの限界と深層学習のアイデア 5.1.2　畳み込みニューラルネット 5.1.3　自己符号化器を用いる学習手法 5.2　深層学習の実際 5.2.1　畳み込み演算の実現 5.2.2　畳み込みニューラルネットの実現 5.2.3　自己符号化器の実現 付 録 A　荷物の重量と価値を生成するプログラム　kpdatagen.py B　ナップサック問題を全数探索で解くプログラム　direct.py 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。 イラストを使って初心者にわかりやすく解説!! 　現在扱われている各種機械学習の根幹とされる「ボルツマン機械学習」を中心に、機械学習を基礎から専門外の人でも普通に理解できるように解説し、最終的には深層学習の実装ができるようになるまでを目指しました。 さらに機械学習の本では、当たり前になってしまっている表現や言葉、それが意味していることを、この本ではさらにときほぐして解説しています。

※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。 ベイズモデル、生成AIの数学的動作原理を学ぶ 　本書は，機械学習の道具として使われている確率過程の書籍です．確率過程とは，誤解をおそれずにひと言でいえば「パラメータにしたがってランダムに変動するデータを解析するための数学の一分野」です．すなわち，ベイズモデル、生成AIの数学的動作原理です． 　日進月歩の勢いで発展を遂げる機械学習の研究成果を各自の専門領域に取り入れるには，これらの中で道具として使われている確率過程の基礎的な知識が必要不可欠です．本書では，数学的な厳密性は犠牲としながらも，機械学習の最新の結果を理解するために最低限必要と思われる内容にしぼって，確率過程について説明しています． 第1章　確率論の基礎 1.1　ランダム事象と確率 1.2　確率空間と確率変数 1.3　確率変数の独立性 1.4　確率変数の相関 1.5　確率変数の和 1.6　確率変数の変換 1.7　累積分布関数と特性関数 1.8　モーメントとキュムラント 1.9　多変量の確率変数 第2章　確率積分と確率微分方程式 2.1　ランダムな運動 2.2　確率過程 2.3　ブラウン運動とその性質 2.4　ブラウン運動と確率積分 2.5　確率微分方程式 2.6　伊藤の公式 2.7　確率微分方程式の具体例 2.7.1　オルンシュタイン・ウーレンベック過程 2.7.2　幾何ブラウン運動 2.7.3　一般化コーシー過程 2.7.4　多変数オルンシュタイン・ウーレンベック過程 第3章　マルコフ過程の性質 3.1　確率密度関数による表現 3.2　マルコフ過程 3.3　フォッカー・プランク方程式の導出 3.4　フォッカー・プランク方程式の解法 3.4.1　1変数の場合 3.4.2　多変数の場合 第4章　確率過程とベイズモデル 4.1　ベイズモデルの基礎 4.1.1　線形回帰モデルとベイズモデル 4.1.2　変分推論 4.1.3　マルコフ連鎖モンテカルロ法 4.2　時系列と状態空間モデル 4.2.1　時系列モデリング 4.2.2　状態空間モデル 4.2.3　カルマンフィルタ 4.2.4　拡張カルマンフィルタ 4.2.5　アンサンブルカルマンフィルタ 4.2.6　粒子フィルタ 4.3　連続空間のベイズモデル 4.3.1　確率的パラメータ 4.3.2　EMアルゴリズム 第5章　確率過程と機械学習 5.1　ガウス過程回帰 5.1.1　ガウス過程回帰の導入 5.1.2　ガウス過程回帰のパラメータ推定 5.1.3　ガウス過程回帰の予測分布 5.1.4　ガウス過程潜在変数モデル 5.1.5　ガウス過程動的潜在変数モデル 5.2　スチューデントのt-過程回帰 5.2.1　スチューデントのt-過程回帰の導入 5.2.2　スチューデントのt-過程回帰のパラメータ推定 5.2.3　スチューデントのt-過程回帰の予測分布 5.2.4　スチューデントのt-過程回帰潜在変数モデル 5.2.5　スチューデントのt-過程動的潜在変数モデル 第6章　実問題への応用 6.1　環境ゆらぎの影響を受けるブラウン粒子の運動 6.2　オプションの価格付け問題 6.3　深層学習への応用 6.3.1　深層学習とガウス過程回帰 6.3.2　拡散モデル 付録　 サンプルコード A.1　状態推定のサンプルコード A.2　機械学習のサンプルコード

※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。 機械学習のしくみをイラストや図解でやさしく学ぼう！ 本書は、機械学習に関するさまざまなトピックスを概説する書籍です。人工知能における機械学習の位置づけを説明したのち、機械学習内の分野をマップ化し、マップ内の街（＝機械学習内の分野）を旅する形でやさしく解説していきます。 数式や複雑な処理手順は扱わずに、「どんなしくみで、どこで使われていて、どう役に立つのか」という要点をわかりやすく示します。大枠や要点を掴むことを主眼としているため、短時間・効率的に学ぶことができます。機械学習について関心をもっているものの、専門書はハードルが高いと感じている学生やビジネスパーソンにおすすめです。 構成は、はじめに人工知能における機械学習の位置づけや手法の分類を示したうえで、機械学習の個々のトピック……すなわち、ｋ近傍法や決定木などによる分類、進化的計算や群知能による最適化、強化学習、ニューラルネット、深層学習などを説明していきます。 まえがき 目次 はじまり－機械学習の国へ行こう－ 第一章　いりぐち－機械学習ってなんだろう？－ 機械学習ってなんだろう？ AIにできること いきものとコンピューター、それぞれの学びかた コンピューターの学習 機械学習はなにができるの？ 「言葉」を認識する 「画像」を認識する 　COLUMN　強いAIと弱いAI 第二章　観光案内所－機械学習の種類と仕組み－ 機械学習には種類がある 先生に正解を教えてもらおう－教師あり学習－ 教師データとラベル　 教師あり学習の仕組み 自力で学習を進めよう－教師なし学習－ 試行錯誤の経験から学習しよう－強化学習－ コラム　いろんな機械学習 学習した知識を役立てよう－汎化・タスク・アルゴリズム－ 学習のしすぎに注意！－過学習－ COLUMN　オッカムの剃刀とノーフリーランチ定理 第三章　分類の街－k近傍法と決定木－ 並べかたで分類しよう－k近傍法－ 　一刀両断、スパッと分類！－サポートベクターマシン－ ○と×で分類しよう－決定木－ 決定木の作りかた たくさんの決定木の森－ランダムフォレスト－ COLUMN　みにくいアヒルの子定理 第四章　最適化の街－進化的計算と群知能－ 最適化ってなんだろう？ 進化を模倣してよりよい情報を残そう－進化的計算－ いきものの進化の仕組み 進化的計算ってなんだろう？ 進化的計算の代表選手、遺伝的アルゴリズム 遺伝的アルゴリズムの仕組み もっと複雑なことをするには－遺伝的プログラミング－ 生物の群れの行動から学習しよう－群知能－ 蟻みたいに近道を見つけよう －蟻コロニー最適化法－ 大勢で答えを探そう－粒子群最適化法－ 魚みたいに餌を探そう－AFSA－ 第五章　試行錯誤の街－強化学習－ 強化学習ってなんだろう？ とにかく試行回数を重ねよう－モンテカルロ法－ より効率的に試行するには？－Q学習－ Q学習で迷路を脱出しよう 第六章　神経回路の街①－ニューラルネット－ 神経細胞と神経ネットワーク 神経細胞の模倣－人工ニューロン－ 神経ネットワークの模倣－人工ニューラルネットワーク－ ニューラルネットの学びかた 視覚のシミュレーション－パーセプトロン－ ハイスピードで学ぼう！－バックプロパゲーション－ ニューラルネットワークの種類 ①階層型 ニューラルネットワークの種類 ②全結合型と再帰型 「何か」を見つける－認識－ 「何か」を動かす－制御－ 「何か」を考える－判断－ 必ず「何か」を返してくる。……それでいいのかな？ 第七章　神経回路の街②－ディープラーニング－ ディープラーニングってなんだろう？ 人間の「視覚」を真似したニューラルネット これはイヌ？　それともネコ？－畳み込みニューラルネットの画像認識－ CNNはどうして高性能なんだろう？ 時間で変わるデータを分析しよう－リカレントニューラルネットとLSTM－ 本物そっくりのニセモノをつくる－敵対的生成ネットワーク－ ディープラーニングを自動翻訳に役立てよう 経験から学ぶ深層学習－深層強化学習－ 第八章　でぐち－機械学習をはじめよう－ 機械学習に使われる言葉－プログラミング言語Python－ 機械学習に使われるソフトウェア①－TensorFlowとKeras－ 機械学習に使われるソフトウェア②－Caffe、PyTorch、Chainer－ おわりに－AIについて学べる参考図書たち－ 　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。 人工知能研究における諸分野を、C 言語による具体的な処理手続きやプログラム例によりやさしく解説する!! 　強化学習は、一連の行動の結果だけから行動知識を学習する手法です。　本書では、この強化学習と深層学習の基礎を紹介した上で、深層強化学習のしくみを具体的に説明します。単に概念を説明するだけでなく、アルゴリズムを実際にC言語のプログラムとして実装することで、実際にプログラムを動かすことで具体的な処理方法の理解を深めます。 主要目次 第1章　強化学習と深層学習 第2章　強化学習の実装 第3章　深層学習の技術 第4章　深層強化学習

「ビッグデータ（Big Data）」という用語は、2010年頃から特にビジネスの分野を中心によく見かけるようになり、2012年の米国大統領選をきっかけに爆発的なブームとなりました。しかし、多くの人は、ビッグデータとはいったい何なのかを未だによくわかっていないのが現状だと思います。本書は、データベース研究者である著者が「ビッグデータとは何か」、「ビッグデータに関わる技術や課題とは何か」について常日頃から考えている内容を整理して執筆したものです。 1章では、まずビッグデータおよびその解析技術について概観します。2章では、ビッグデータ解析の応用事例について、代表的なものを紹介します。3章では、以降の章における技術的な解説の理解を促進するために、ビッグデータ解析の典型的な流れについて、データ収集とデータ解析に焦点を当てて解説します。4～7章では、ビッグデータを支える技術として、分散処理フレームワーク、ストリーム処理エンジン、データベース、機械学習について代表的な技術をそれぞれ紹介します。次に8章では、ビッグデータ解析が今以上に広く浸透するために重要となるオープンデータについて、国内外の動向を踏まえて解説します。最後に9章では、本書のまとめとして、ビッグデータに関する将来の動向、可能性について議論します。 ビッグデータについて知りたい、学びたいと思っている読者が、押さえておくべき重要な事項を一通り学ぶことができる1冊になっています。

※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。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 深層学習でネットワークを解析する世界最前線の研究を1冊で学ぶ！ 　深層学習をグラフ（ネットワーク）で表される構造データに対して適用するための研究が盛んになっています。それが、本書で解説するグラフニューラルネットワークです。グラフ中の頂点やグラフ全体を高精度に分類できれば、高度な画像認識、推薦システム、交通量予測、化合物分類、さらには新型コロナウイルス（COVID-19）への対処のための応用なども期待できる、世界最前線の研究です。 　本書では、グラフニューラルネットワークの基本的な知識および研究事例について説明し、PyTorchによる実装について紹介するとともに、今後の学習のための情報源についても解説します。Google Colaboratoryで解説するとともに、サンプルコードもついています。 まえがき 第1章　グラフニューラルネットワークとは 　1.1　はじめに 　1.2　グラフを対象とした畳み込み 　1.3　グラフを対象とした機械学習タスク 　　1.3.1　ノード分類 　　1.3.2　グラフ分類 　　1.3.3　リンク予測 　　1.3.4　グラフ生成 　1.4　グラフニューラルネットワークの応用 　　1.4.1　画像認識 　　1.4.2　推薦システム 　　1.4.3　交通量予測 　　1.4.4　化合物分類 　　1.4.5　組み合わせ最適化 　　1.4.6　COVID-19とグラフニューラルネットワーク 　まとめ 第2章　グラフエンベディング 　2.1　グラフエンベディング手法の概観 　2.2　次元縮約に基づく手法 　2.3　グラフ構造に基づく手法 　　2.3.1　DeepWalk 　　2.3.2　LINE 　　2.3.3　node2vec 　　2.3.4　GraRep 　2.4　ニューラルネットワークに基づく手法 　まとめ 第3章　グラフにおける畳み込み 　3.1　グラフ畳み込みにおけるアプローチ 　3.2　Spectral Graph Convolution 　　3.2.1　フーリエ変換 　　3.2.2　グラフラプラシアン 　　3.2.3　ChebNet 　　3.2.4　GCN 　3.3　Spatial Graph Convolution 　　3.3.1　PATCHY-SAN 　　3.3.2　DCNN 　　3.3.3　GraphSAGE 　まとめ 第4章　関連トピック 　4.1　グラフオートエンコーダ 　4.2　GAT 　4.3　SGC 　4.4　GIN 　4.5　敵対的攻撃 　4.6　動的グラフのエンベディング 　4.7　時空間グラフ畳み込みネットワーク 　4.8　説明可能性 　まとめ 第5章　実装のための準備 　5.1　Python 　5.2　NumPy 　5.3　SciPy 　5.4　pandas 　5.5　Matplotlib 　5.6　seaborn 　5.7　Scikit-learn 　5.8　t-SNE 　5.9　Jupyter Notebook 　5.10 Google Colaboratory 　まとめ 第6章　PyTorch Geometricによる実装 　6.1　PyTorch 　　6.1.1　データセット 　　6.1.2　モデル 　　6.1.3　損失 　　6.1.4　最適化 　6.2　PyTorch Geometric入門 　　6.2.1　PyTorh Geometricとは 　　6.2.2　類似ライブラリとの比較 　　6.2.3　PyTorch Geometricによるグラフのデータ構造 　　6.2.4　よく使われるベンチマークデータセット 　　6.2.5　ミニバッチ 　　6.2.6　データ変換 　　6.2.7　グラフの学習手法 　6.3　PyTorch Geometricによるノード分類・グラフ分類 　　6.3.1　PyTorch Geometricによるエンベディング 　　6.3.2　PyTorch Geometricによるノード分類 　　6.3.3　PyTorch Geometricによるグラフ分類 　まとめ 第7章　今後の学習に向けて 　7.1　書籍 　7.2　サーベイ論文 　7.3　動画 　7.4　リンク集など 　7.5　Open Graph Benchmark 　まとめ おわりに 参考文献 索引

本書は、GoogleがGCP(Google Cloud Platform)上で提供している機械学習関連のツールやAPIを活用し、実際に機械学習の環境やデータに触れながら、その原理と動作を体験的に学ぶことができる機械学習入門書です。 ●Googleは、機械学習にも有用な優れた環境を提供しており、特にDatalabはブラウザ上でPythonのコードを実行でき、グラフ・表を出力できるほか、ビッグデータを高速で処理するBigQueryや便利な各種APIにも簡単にアクセスできるツールです。 ●本書では、Datalabを通じて、Googleが膨大なリソースを使い初めから用意している機械学習環境にアクセスし、高度な機能と豊富な資源を十分に活用できるよう読者を導いていきます。 ●本書の学習では、数式はほとんど使わず、簡単なコードとそのグラフィカルな実行結果により、理解を深めていきます。 まずは識別の基礎から入り、各種識別関数を通じて機械学習の原理や手法を学びます。 続いて実践的にデータを扱いながら、データの評価方法やチューニングを学び、さらに深層学習(ディープラーニング)へと進んでいきます。 深層学習では、画像識別による具体例から始まり、より高度なニューラルネットワークまで学んだ後、実際にGoogleの深層学習用ライブラリー(TensorFlow)を使ってニューラルネットワークをモデリングする方法を学びます。 最後に、画像識別を代表するCNN(畳み込みニューラルネットワーク)の実装法を学び、実運用の入り口へと案内します。

最新のAI開発プラットフォームで 機械学習・深層学習・強化学習の 基礎技術を学ぼう！ 【本書の概要】 本書はUdemyで大人気の講座 『AIパーフェクトマスター講座 -Google Colaboratoryで隅々まで学ぶ実用的な人工知能/機械学習-』をもとにした書籍です。 ・機械学習（回帰、k平均法、サポートベクターマシン） ・深層学習（画像識別や画像生成、RNN） ・強化学習（Cart Pole問題、深層強化学習） といった、AI開発でニーズの高い人工知能技術を、深層学習を中心に解説しています。 また本書ではサンプルを用意していますので、サンプルを動かしながら、AI技術の仕組みを理解できます。 開発環境にはGoogle Colaboratoryを使用します。 【Google Colaboratoryとは】 ブラウザ上で利用できる機械学習や深層学習向けの開発環境です。 GPUを無料で利用できるので、コードの実行時間を大幅に短縮できます。 【本書ポイント】 ・機械学習・深層学習・強化学習の基礎知識を一気に学べる ・Pythonでコードを動かしながら機械学習・深層学習・強化学習の理論を学べる 【対象読者】 ・何らかのプログラミング経験のある方 ・機械学習・深層学習・強化学習を学ぶ意欲のある方 ・高校数学以上の数学知識のある方 【著者プロフィール】 我妻幸長(あづま・ゆきなが) SAI-Lab株式会社を起業。「ヒトとAIの共生」がミッション。 人工知能（AI）関連の研究開発、教育、アプリ開発が主な事業。 著者のYouTubeチャンネルでは、無料の講座が多数公開されている。 ※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。

※本書はリフロー型の電子書籍です 【ChatGPTはブームではない。テクニウムがもたらすゲームチェンジに備えよ！】 2023年は生成AIに関するニュースが毎日のように報じられていて、技術のトレンドも最新の状況も猫の目のようにくるくると変わっています。しかし、じっくり腰を据えて見渡してみれば、いま起きていること、そしてこれから起きることは、「検索」から「生成」という大きなパラダイムシフトであると捉えることができるのです。生成AIはブームではありません。新しい時代の幕開けなのです。本書では「検索から生成へ」といたるパラダイムシフトはなぜ、どのようにして起きたのかを歴史的背景から紐解き、これから起きることはなにかを考えていきます。 〈目次〉 序　～まえがきにかえて～ プロローグ　検索の時代 検索以前の時代とインターネットの誕生/人力によるディレクトリ検索/自動で探索するロボット型探索/「そんなに検索精度が高いと儲からない」/KPIは顧客滞在時 …ほか 第1章　生成AIとはなにか？ コンピュータとAIは真逆の存在/説明なしで学ぶ人工ニューラルネットワーク/巨大化することで性能を飛躍的に向上させた生成AI/生成AIの性能を決定づけるデータとバイアス …ほか 第2章　テクニウムがもたらす未来～知恵を合わせる能力～ AIが急速に進歩した理由/Microsoftはなぜ大学生に負けたのか？/ファミコンから始まったゲーム機戦争/PCとMac、GPUの共進化/WebサービスとWeb2.0/強化学習×大規模言語モデルがChatGPT …ほか 第3章　民主化された生成AIが世界を変える 大規模言語モデルが民主化されるとなにが起きるのか/生成AIの法的な問題/倫理的な問題/データ中心主義（データセントリック）/表現手段としてのAI/プログラムを書くAI …ほか 第4章　生成AIでビジネスはどう変わるのか 生成AIでプロジェクトを管理するコミュニケーションと生成Ａ経営者と管理職を助ける生成AI/中小起業こそ生成AI導入のメリットがある/生成AIで変わる人事/生成AI時代の組織とは …ほか 第5章　生成AIの可能性 コミュニケーションと生成AI/エンターテインメントと生成AI/プランニングと生成AI/仕事と生成AI/新しい働き方と生成AI/教育と生成AI/高齢化社会と生成AI おわりに　「永続する未来へ」 〈本書の内容〉 生成AIでビジネスはどう変わるのかを事例とともに考察するほか、「生成の時代」をヒトはどう生きるべきかまでを人工知能研究の第一人者が解明！ 〈著者プロフィール〉 清水 亮（しみず・りょう）　 新潟県長岡市生まれ。AIスペシャリスト。プログラマーおよび上級エンジニア経験を経て、1998年に株式会社ドワンゴに参画。2003年に独立し、以来20年で12社の設立に関わるシリアルアントレプレナー。2005年、IPA（情報処理推進機構）より「天才プログラマー／スーパークリエータ」として認定。2017年、2018年 内閣府知的財産戦略本部「新たな情報財検討委員会」委員。2018年から2023年 東京大学客員研究員。2019年、2020年 一般社団法人未踏とNEDOによる「AIフロンティアプログラム」メンター。著書に『よくわかる人工知能』（KADOKAWA）、『はじめての深層学習（ディープランニング）プログラミング』（技術評論社）、『最速の仕事術はプログラマーが知っている』（クロスメディア・パブリッシング）、『プログラミングバカ一代』（共著、晶文社）がある。

【本書の特徴】 2015年11月にGoogleがオープンソース化したソフトウェアライブラリ「TensorFlow（テンソルフロー）」は、 多くの開発者に支持され、多企業で採用されています。 本書は、TensorFlowの導入から、高レベルAPIであるKerasを利用した実践的な深層学習モデルまで解説した、 エンジニア向けの入門書です。第1部の基本編では、深層学習とTensorFlow、Kerasの基礎について解説し、 第2部の応用編では画像処理における応用的なモデルのKerasを使った実装方法を解説します。 特に、第2部では、「ノイズ除去」「自動着色」「超解像」「画風変換」「画像生成」を取り上げています。 TensorFlowやKerasの機能面を押さえつつ、現場で使用できるような実践的な深層学習モデルまでフォローしています。 【対象読者】 深層学習に入門したいエンジニア 【目次】 第1部 基本編 第１章 機械学習ライブラリTensorFlowとKeras 第２章 開発環境を構築する 第３章 簡単なサンプルで学ぶTensorFlowの基本 第４章 ニューラルネットワークとKeras 第５章 KerasによるCNNの実装 第６章 学習済みモデルの活用 第７章 よく使うKerasの機能 第2部 応用編 第８章 CAEを使ったノイズ除去 第９章 自動着色 第10章 超解像 第11章 画風変換 第12章 画像生成 ※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。

【概要】 本書は、深層学習の開発環境の準備とPythonの基本、各種深層学習モデルの解説、そして実際の現場での利用方法について解説した書籍です。 ニーズの高い、人気の深層学習モデルを利用した画像処理モデルの構築方法を解説しています。 また最終章では深層学習のモデルをGoogle Cloud Platform（GCP）にデプロイする手法を解説しています。 【読者対象】 人工知能関連の開発に携わる開発者、研究者 【著者】 株式会社アイデミー　木村優志（きむら・まさし） 博士（工学）。ATR-trek、富士通を経て、現在はConvergence Lab.の代表として多数のAI案件を手がける。 アイデミー技術顧問。 ※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。

注目の最新AI技術！深層強化学習の開発手法がわかる！ 第一線で活躍する著者陣の書下ろしによる待望の1冊！ 【本書の目的】 AlphaGo（アルファ碁）でも利用されている深層強化学習。 AIサービスのみならずロボティクス分野でもその応用が期待されています。 本書は、AI開発に携わる第一線の著者陣が深層強化学習の開発手法について書き下ろした注目の1冊です。 【本書の特徴】 第1部では、まず、深層強化学習の概要について説明します。 次いで、強化学習の基礎（Q学習、方策勾配法、Actor-Critic法）と深層学習の基礎（CNN、RNN、LSTM）を解説します。 さらに、簡単な例題として倒立振子制御を取り上げ、DQNとActor-Critic法による実装例を紹介します。 第2部では、具体的な応用例として3つのアプローチを実装込みで解説します。 1つ目は、連続動作制御です。ヒューマノイドシミュレータの2足歩行制御を試みます。 2つ目は、パズル問題の解法です。巡回セールスマン問題（TSP）やルービックキューブの解探索について説明します。 3つ目は、系列データ生成です。文書生成（SeqGAN）やニューラルネットワークのアーキテクチャ探索（ENAS）を解説します。 全体を通して、行動の制御を担うエージェントのモデル化と、方策ベースの強化学習によるエージェントの学習法について学ぶことができます。 【読者が得られること】 深層強化学習による開発手法を学ぶことができます。 【対象読者】 深層強化学習を学びたい理工学生・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。

【本書について】 本書は、 杜世橋氏がKindle Direct Publishingを利用してKindleストアで販売している 『PyTorchで学ぶニューラルネットワークと深層学習』（ASIN: B078WK5CPK）を書籍化したものです。 書籍化にあたり、最新（2018年7月時点）のPyTorch v0.4に対応するなど大幅に加筆しています。 また、付録に無料で利用できるGPU環境である「Colaboratory」の利用方法の追加などを行っており、 GPU環境が利用できない読者でも様々なニューラルネットワークのモデル学習が体験できるようになっています。 【PyTorch（パイトーチ）とは】 PyTorchは主にFacebook社のメンバーが開発しているOSSの深層学習フレームワークです。 特徴としては動的ネットワーク方式を採用していてPythonの関数と同じ感覚でニューラルネットワークを構築できる点が挙げられます。 【本書の概要】 本書はPyTorchの基本から深層学習モデルの作成、そしてアプリケーション作成まで網羅した書籍です。 具体的には、PyTorchの基本から始まり、最尤推定と線形モデル、多層パーセプトロンについて解説します。 その後、画像処理と畳み込みニューラルネット、自然言語処理と再帰型ニューラルネットを扱います。 また、推薦システムやWebAPIの作成、アプリケーションのデプロイについても解説します。 さらに付録では、TensorBoardによる可視化、Colaboratoryの利用方法などを解説しています。 【対象読者】 深層学習エンジニア、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。

進化したWatsonでAIアプリを開発しよう！ AIサービスの先駆けでもある「Watson（ワトソン）」。 近年急激な進化を遂げています。 機械学習や深層学習を利用したアプリケーション開発において 利用する開発者の方も増加してきています。 本書は、そうしたWatson の主力サービスである、 ・Watson Assistant ・Watson Discovery ・Watson Studio を軸にした開発手法を紹介する書籍です。 第1部では、Watson、Watson APIとIBM Cloudを利用した AIサービス開発の基本を紹介します。 第2部では、「Watson Assistant」「Watson Discovery」「Watson Studio」を利用した AIサービスの開発手法を紹介。 最終章では、ハタプロ社のロボット「ZUKKU（ズック）」の事例なども紹介します。 ※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。 ※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。 ゲームAI研究の「これまで」と「これから」を第一線の研究者がわかりやすく解説 　本書は，ゲームAI研究の「これまで」と「これから」を第一線の研究者がわかりやすく解説した書籍です． 　ゲームAI研究は従来より，AIの社会実装における重要な示唆を与えるものとして大きな役割を果たしてきました．特に近年，深層学習の登場により注目を集める分野になっています．しかし，すべての情報を得られない不完全情報ゲームや実環境の外乱が結果を大きく左右するスポーツ等の不確定ゲーム，コミュニケーションがゲームの勝敗に大きな影響を与えるコミュニケーションゲームなど，まだまだ多くのゲームで人間を超えるゲームAIをつくることが困難な分野もあります．さらに，AlphaGoZeroが人間のプロを超越したとされる完全情報ゲームの囲碁でも，囲碁AIが陥ってしまう穴が見つかっています． 　また，人間を超越したゲームAIが人間と共存するために求められる人間らしさや楽しさの理解，これからのデジタルゲームに求められるゲームデザインとゲームAI，ゲーム体験の評価手法および人間の認知機能の理解なども課題として残されています． 　本書は，これまでのゲームAI研究の理解の上に，これからゲームAI研究をする人にとってヒントとなるエッセンスの詰まった必読書です． CHAPTER 1　ゲームと知能研究 1.1　知能研究におけるゲーム 1.2　ゲーム研究のメインストリーム 1.3　ゲーム研究の残された課題 CHAPTER 2　不完全情報ゲーム 2.1　CFR 2.2　ガイスター 2.3　大貧民 2.4　ポーカー 2.5　不完全情報ゲームのゲームAIの可能性 CHAPTER 3　不確定ゲーム 3.1　バックギャモン 3.2　バックギャモンのゲームAI 3.3　ゲームAIの評価の可視化 CHAPTER 4　コミュニケーションゲーム 4.1　ゲームにおける社会的相互作用 4.2　Hanabi 4.3　人　狼 CHAPTER 5　実環境のゲーム 5.1　カーリング 5.2　測定データの処理 5.3　研究事例 5.4　実環境で人間プレイヤを支援する技術 5.5　実戦運用と課題 5.6　ミニ四駆AI 5.7　ミニ四駆AIの技術と課題 CHAPTER 6　ゲームデザイン 6.1　ゲームにおけるゴール 6.2　ルール設定 6.3　ゲームデザインの表現 6.4　レベルデザイン 6.5　難易度の調整 CHAPTER 7　メタAIとプロシージャル コンテンツ ジェネレーション 7.1　メタAI，PCG，機械学習 7.2　メタAIとは 7.3　アルゴリズムによるPCG 7.4　機械学習を用いたPCG 7.5　学習を含んだMCS-AI動的連携モデル CHAPTER 8　人間らしさと楽しさの演出 8.1　人間らしさのさまざまな側面 8.2　ゲームの要素とAI技術 8.3　ゲームAIに求められる人間らしさ 8.4　人間プレイヤの人間らしさ 8.5　人間らしさの実装方法 8.6　人間プレイヤの感じ方のモデリング 8.7　実例（FPS，スーパーマリオブラザーズ，囲碁，不確定ゲーム） CHAPTER 9　ゲーム体験の評価 9.1　AlphaZero以後のゲームAI研究 9.2　主観的事項の評価・計測手法 9.3　楽しさの評価 9.4　今後の課題 CHAPTER 10　人間の認知機能とスキルアップの原理 10.1　スキルアップの原理 10.2　熟達にともなう潜在化と自動化 10.3　熟達者の認知特性の実例 10.4　熟達者の脳 CHAPTER 11　認知研究とAIの人間への影響 11.1　ゲームと認知研究 11.2　ゲームの認知科学的研究 11.3　生体データの計測と解析 11.4　ゲームによる学習支援 11.5　人間を超えるゲームAIの反響 11.6　将棋界に起こった変化と邂逅 11.7　囲碁AIが囲碁界に与えた影響 11.8　eスポーツとゲームAI 11.9　人間の知を超えたゲームAIとその応用

※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。 ゲームAI手法を技術開発に必要な基礎的な内容から解説！ 本書は、最近のゲームAI手法をさまざまな実例で解説するとともに、実際にゲームAIを構築できるような技法の習得を目指します。さらに、人工知能の最新の話題として、人間らしいゲームAIや深層学習、機械学習、強化学習についても解説しています。 第1章　パズルとゲームのAI今昔物語 第2章　パズルを解くAI 第3章　制約従属のパズルと非単調な推理 第4章　ゲームを解くAI 第5章　学習・進化とゲームAI 第6章　ゲームAIと人間らしさ 参考文献 索引

人間に代わって高度な知的労働をこなす「人工知能（ＡＩ）」の活用に、世界中の企業が乗り出している。ＡＩ研究で先行するグーグルなど巨大ＩＴ企業に負けじと、トヨタが米国に人工知能研究所を設置し、次世代カーやロボットの研究を開始した。すでに産業の現場に入り込んだＡＩは、世界をどう変えるのか。 本書は週刊エコノミスト２０１５年10月６日号で掲載された特集「これだ！人工知能自動運転」の記事を電子書籍にしたものです。 目　次： はじめに ・日本のＡＩが切り開く90兆円の巨大市場 　　　米国の底力　ワトソン、バイカリアス ・国内ビッグ４も負けられない　ワトソンに対抗、ビッグデータ解析 ・ＡＩって何だ！？　Ｑ＆Ａでとことん理解する人工知能の仕組みと将来 ・ものづくりが変わる　日本の製造業に勝機あり ・ＡＩは人類の脅威か　英米の著名人が相次いで懸念　 ・ここまで来た！自動運転 　　　ＡＩに舵切る自動車メーカー　深層学習の威力 　　　「ＺＭＰ」　２０１９年にロボットタクシー量産 ・注目業界はこれだ！　金融／法律／広告／マーケティング／教育／人材 　　　金融　データセクション 　　　法律　ＵＢＩＣ 　　　広告　リクルートホールディングス 　　　マーケティング　メタップス 　　　教育　ＣＯＭＰＡＳＳ 　　　人材　ｇｒｏｏｖｅｓ ・人工知能で戦う上場企業24社一覧 ・部品産業　センサーと動力機器がカギ ・主導権を握る米国　主流はディープラーニング　 ・大失業時代の到来　30年後に働けるのは人口の１割 ・「ＡＩ経済学者」が生まれる ・サイエンス最前線　特別編　スパース・コーディング

※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。 画像処理の基礎知識をポイントを押さえて、わかりやすく、コンパクトにまとめた大学学部向け教科書の改訂版。 定評ある「コンピュータ画像処理」の代表的教科書，ロングセラーの約20年ぶりの改訂で，以下の点に配慮されている． ①深層学習等の最新の話題をカバーしつつ，10年後も生き残っていると思われる技術を厳選した． ②画像処理技術体系の俯瞰に適していて，これから登場する新技術も位置付けやすくなっている． ③大学の学部教育，大学院教育，独習での利用方法が案内されていて，多目的に利用できる． ④実務面から画像処理に興味をもった技術者が，改めて基礎から学びたいと感じたときに手にすべき本．いつまでも座右に置いておきたくなる． 第1章　総　論 1.1　コンピュータ画像処理とは 1.2　コンピュータ画像処理の特質 1.3　コンピュータ画像処理の利用目的 第2章　基本概念 2.1　コンピュータでの画像データの取扱い 2.2　画像の統計量 2.3　画像処理アルゴリズムの形態 2.4　周波数領域での処理 2.5　各種直交変換 2.6　画像の表現とデータ構造 2.7　色彩情報の取扱い 第3章　画像情報の圧縮 3.1　画像情報の圧縮の意義 3.2　画像のデータ量と圧縮の目安 3.3　画像符号化の枠組み 3.4　予測符号化 3.5　変換符号化 3.6　動画像符号化 3.7　エントロピー符号化 3.8　実用的な画像符号化方式 第4章　画質改善と画像の接合・再構成 4.1　強調，復元，接合，再構成 4.2　コントラスト強調 4.3　鮮鋭化 4.4　平滑化と雑音除去 4.5　画像の復元 4.6　幾何学的変換と画像接合 4.7　画像の再構成 第5章　2値画像処理 5.1　2値画像処理の意義とその流れ 5.2　画像の2値化処理 5.3　2値画像の連結性と距離 5.4　2値画像の解析と変換 5.5　モルフォロジー演算 5.6　形状の特徴と表現 5.7　3次元2値画像処理 第6章　画像特徴の抽出 6.1　画像解析・認識のための特徴抽出 6.2　エッジ検出 6.3　コーナー検出 6.4　安定した特徴点の検出 6.5　直線・曲線の抽出 6.6　領域分割 6.7　テクスチャ解析 第7章　立体情報と動きの抽出 7.1　2次元画像から奥行きや動きを求める 7.2　距離情報の抽出 7.3　3次元形状の復元 7.4　距離画像からの特徴抽出 7.5　時系列画像からの動きの抽出 7.6　動きからの3次元形状復元 第8章　画像認識の手法 8.1　画像認識の概要 8.2　2次元画像照合による位置検出 8.3　2次元画像照合による形状認識 8.4　3次元物体の認識 8.5　統計的パターン認識 8.6　部分空間法 8.7　ニューラルネットワークと深層学習 8.8　画像分野への深層学習の効果的利用

※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。 コンピュータシミュレーションに関する最新の内容を、文系学部向けにわかりやすく解説！ 　シミュレーションは、工学・物理学などの理系学部だけでなく、経営や経済問題などにも幅広く用いられており、文科系大学で身につける基礎的な素養になっています。 　本書は、文科系学部を主対象としたコンピュータシミュレーションの教科書です。確率分布や乱数などシミュレーションの基礎から、遺伝的アルゴリズム、深層学習などの最新理論まで、図やグラフで直感的に理解できるよう解説しています。また、各章末には学習指導要領に沿った演習問題が掲載されています。 第1章　コンピュータシミュレーション概観 第2章　モデル構築のための基礎知識 第3章　決定的モデルのシミュレーション 第4章　経営モデルのシミュレーション 第5章　経済モデルのシミュレーション 第6章　確率的モデルのシミュレーションと乱数 第7章　モンテカルロ法 第8章　在庫管理 第9章　待ち行列 第10章　フラクタル 第11章　カオス 第12章　機械学習 第13章　遺伝的アルゴリズム 第14章　セルとエージェントによるシミュレーション

コンピュータビジョン研究の最先端をゆくトップランナーたちが織り成す季刊シリーズ創刊！！　cvpaper.challengeおよびCVIM研究会全面協力のもと，最新トレンドのサーベイ，いま注目の最重要論文深読み，肝となる技術や理論のチュートリアルの3本柱で，実用性・信頼性のある最先端情報を，毎号ディープに解説。 創刊号のWinter 2021では，まず最新トレンドサーベイ記事「イマドキノCV」で近年のコンピュータビジョン分野において最重要と位置付けられる「データラベルの利活用」や「認識モデルの構築」を扱う。次に論文「フカヨミ」記事を3本掲載し，それぞれ，新規視点画像生成分野で2020年に登場したNeRF，画像処理分野の基本タスクである物体検出技術，いま最も伸びている3D認識アプローチのカテゴリレベル姿勢推定について取り上げる。最後に，チュートリアル記事「ニュウモンVision & Language」で，深層学習の発展とともに盛り上がりを増しているVision & Language(V&L)分野の概要と，現在どのような深層学習手法とその関連手法が使われているかを中心に詳しく紹介する。

【最新動向サーベイ】 ・イマドキノ敵対的学習：敵対的学習とはどのような技術か、最新の敵対的学習ではどのような工夫がなされているか、などを、さまざまな応用手法を踏まえてわかりやすく解説。 【論文フカヨミ】 ・フカヨミ点群解析：3次元点群データがどのようなものであるか、また、点群データを解析する際に考慮しなければならない3つの性質について解説し、近年の点群解析手法がこれらの課題をどう解決しようとしているかを紹介。 ・フカヨミ数式ドリブン点群事前学習：3次元点群を用いた3D物体認識に焦点を置き、CVPR2022で提案された数式ドリブン点群事前学習であるPoint Cloud Fractal Database（PC-FractalDB）についてフカヨミ。 ・フカヨミ3次元物体姿勢推定：物体のRGB画像を用いた3次元物体姿勢推定と精緻化に主眼を当てながら、近年大きな進展を遂げている深層学習ベースの手法について解説。 【チュートリアル】 ・ニュウモン点群深層学習：深層学習を用いて点群データを処理する方法について、基礎となる技術・アイデアを解説し、それらに関する関連研究を俯瞰する。3次元点群を用いたアプリケーションについても簡単に紹介。 その他、4コマ漫画「みかんちゃんの日常」、CV分野の学会・研究会・国際会議の開催日程や投稿日が一挙にわかる「CVイベントカレンダー」を掲載。

【最新動向サーベイ】 ・イマドキノ一人称ビジョン：人の身体に軽量小型のウェアラブルカメラを装着し、装着者自身の視点から見た映像を撮影することで自身およびその周辺の環境を理解する一人称ビジョンについて、浅く広く、応用や実践も含めて紹介。 【論文フカヨミ】 ・フカヨミStable Diffusionと脳活動：Stable Diffusionと名付けられた潜在拡散モデルの各要素やプロセスが、脳内の活動とどのように対応しているかを探ることで、生物学的に拡散モデルの解釈を試みた研究について紹介。加えて、新たな深層学習モデルの訓練を必要としないシンプルなデコーディングの枠組みも提案。 ・フカヨミ音響情報のCV応用：本稿では音と画像を活用した研究をおおまかに、意味情報をもつ音響信号を用いて人物姿勢や画像を生成するモデルと、反響音から室内の3次元空間情報を推定するモデルに大別し、それぞれの代表的な研究について解説。 ・フカヨミ潜在空間で画像編集：表現空間における座標系に注目し、生成される画像を高品質に編集できる手法deep curvilinear editing (DeCurvEd) を紹介。 【チュートリアル】 ・ニュウモン拡散モデル：前々号（Summer 2023）掲載の「イマドキノ拡散モデル」では、拡散モデルの基礎を踏まえつつも、最新の研究動向を体系的に広く紹介することに主眼に置いた。今回はチュートリアル記事として前回よりさらに大きく紙面を割き、爆発的な進展の中で登場した数多くの技術の中でも特に広く使われているものを中心に、そのアイデアや技術の詳細を紹介。 その他、漫画「君も魔法をかけてみよう！」、CV分野の学会・研究会・国際会議の開催日程や投稿日が一挙にわかる「CVイベントカレンダー」を掲載。

「神の一手」の謎にせまる！ 【概要】 2017年5月にAlphaGoと柯潔（カ・ケツ）九段の最終決戦が行われ、 AlphaGoの3連勝となりました。AlphaGoは今回の対戦で さらに進化をとげました。 このようにAIの技術進化は日進月歩で進んでおり、国内でも 企業で研究開発が進んでいます。中でも目されているのは、 機械学習・深層学習・強化学習です。 本書はネイチャーで提供されているAlphaGoに関する 難解な学術論文を著者のほうで読み解き、「AlphaGo」で 利用されている深層学習や強化学習、モンテカルロ木探索の 仕組みについて、実際の囲碁の画面も参照しながら、 わかりやすく解説した書籍です。 本書を読むことで、最新のAIに深層学習、強化学習、 モンテカルロ木探索がどのように利用されているかを 知ることができ、実際の研究開発の参考にすることができます。 【読者対象】 ・人工知能関連の開発に携わる開発者、研究者 ・ゲームAI開発者 ※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。

【本書の概要】 本書は学術論文（NatureやGoogleのサイト）などで提供されている難解なアルファ碁およびアルファ碁ゼロの仕組みについて、 著者がとりまとめ、実際の囲碁の画面を見ながら、 アルファ碁およびアルファ碁ゼロで利用されている深層学習や強化学習の仕組みについてわかりやすく解説した書籍です。特にデュアルネットワークはまったく新しい深層学習の手法で国内外の技術者の関心を集めています。 本書を読むことで、最新AIの深層学習、強化学習の仕組みを知ることができ、 自身の研究開発の参考にできます。また著者の開発したDeltaGoを元に実際に囲碁AIを体験できます。 【増補改訂のポイント】 Chapter1から5の部分は、よりわかりやすく内容を加筆修正しています。 またChapter6はアルファ碁ゼロに対応しています。 改訂にあたり、色数も2Ｃに変更。よりわかりやすいビジュアルになっています。 【対象読者】 人工知能関連の開発者、研究者 ※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。 こちらの書籍は、2023/4/12発行の紙版 3刷に合わせて更新しました。 人気のAIフレームワーク「PyTorch」で、ディープラーニングプログラミングができるようになる本です。ディープラーニングのアルゴリズムが原理からわかります。 初心者でも他書に頼らず、本書1冊でマスターできます! （本書掲載のコードは、2023年3月にリリースされたPyTorch 2.0でも、そのまま動作します） 本書は、次のような読者を想定しています。 1. 企業でディープラーニングプログラムを業務で利用している、あるいはこれから利用しようとしているITエンジニアや研究者 2. 理工系の大学・大学院の学生で研究の一環としてディープラーニングのプログラムを開発する必要がある方 3. まだPythonもKeras/TensorFlowも知らないが、ディープラーニングプログラミングをこれから勉強してみたいという方 本書は、新しい概念は一気には詰め込まず、できるだけ細分化して一歩一歩確実に進めます。 機械学習の基本から、「CNN」などを使った画像認識ディープラーニングモデルの開発・チューニングまでをじっくり学べます。

★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

AIアプリ開発は簡単だ！ Azureでの実践法を基本から徹底ガイド ディープラーニング（深層学習）という技術が登場したことにより、見る・聞く・理解する・考える・話すといった人のような認知機能を備えるAI（人工知能）がコンピュータで実現できるようになりました。ディープラーニングは機械学習と呼ばれる技術の一種で、認知機能の精度・性能を向上させるには、正解とみなせる入出力データのセットである教師データを用意して学習させることが必要です。 そこで有用なのが、Microsoft Cognitive Services。学習済みのAI部品が29種類、クラウドサービスとして提供されており、自前で教師データを用意したり学習させたりする手間が最小限で済みます。Microsoft Cognitive Servicesを使えば、認知機能を備えるAIを簡単に開発できます。 本書では、AIの基礎知識やMicrosoft Cognitive Servicesのサービス内容について解説したうえで、ピザ注文受付ボットやFAQ（よくある質問）回答ボットを題材として具体的な開発方法をステップバイステップで示します。 システムエンジニアやプログラマにとって、認知機能を備えるAIの開発を経験するうえで最適な1冊です。本書でAI開発の第一歩を踏み出してください。

「スマホを落としてガラスが割れてしまった」。でも心配ご無用。割れた破片と破片を押しつけると元通りに――。こんな話が近い将来、実現するかもしれない。ＡＩや自動運転だけではない、あっと驚く新技術が次々と登場している。2018年注目の技術を13分野にわたって紹介。　本書は週刊エコノミスト2018年1月23日号で掲載された特集「市場を動かすすごい技術2018」の記事を電子書籍にしたものです。 ・自己修復するガラス　割れてもくっつく特殊素材を発見 ・量子コンピューター　「組み合わせ最適化」に威力　定義に揺れも開発競争は激化 ・量子コンピューター【インタビュー】西森 秀稔　東京工業大学教授　「日本の人材不足が心配だ」 ・がん治療　「最終兵器」ＣＡＲ－Ｔ療法　免疫の戦う力を強化 ・センサー付き飲み薬　体の中からアプリに通知　日本発「クスリのＩｏＴ」 ・超巨大ロケット　超高速旅客機に応用　東京－ＮＹを37分で結ぶ ・超巨大ロケット【インタビュー】袴田 武史　月面開発で１００億円調達　小型輸送の市場を狙う ・全固体電池　　ＥＶ搭載用の固体電解質　安全性高く航続距離倍増も ・全固体電池【インタビュー】菅野 了次「材料はそろった。５年で実用化目指す」 ・進化する自動運転　「手放し運転」「自動車線変更」　米国で先行、日本も実用化へ一歩 ・藻からジェット燃料【インタビュー】出雲 充「ミドリムシで航空機を飛ばす」 ・炭化ケイ素繊維　ニッケル合金に代わる新素材　航空機エンジン、火力発電にも ・ＡＩが心を読む　頭に浮かぶだけで文字に　深層学習がますます進化 ・ＡＩが心を読む　日銀総裁の表情で政策を分析　「怒り」と「悲しみ」に注目 ・ＡＩが心を読む【インタビュー】曽我部 完「企業に先端のＡＩを提供」 ・５Ｇ　通信規格の仕様決まる　実用化へ日韓が先行 ・ドローン　プロペラと固定翼を併用　航行距離と用途の拡大へ ・毛髪で健康診断　１本の髪は「細胞の標本」　ビッグデータで病気との関係探る 【執筆者】 米江 貴史、和島 英樹、村上 和巳、大貫 剛、松木 喬、鶴原 吉郎、吉田 智、阿部 周一、水門 善之、勇 大地、佐野 正弘、春原 久徳 【インタビュー】 西森 秀稔、袴田 武史、菅野 了次、出雲 充、曽我部 完

※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。 自然言語処理と深層学習が一緒に学べる!! 本書は、人工知能研究における主軸の一つである「自然言語処理」について、わかりやすく解説するものです。人工知能研究における自然言語処理分野でよく用いられる機械学習の理論をわかりやすく解説し、それらの知識を前提として深層学習とは何かを示します。単に概念を羅列するのではなく、豊富な実装例や演習問題を通して、自然言語処理の理論と実践をバランスよく学べるように紹介していきます。

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

※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。 化学の研究開発ではマテリアルズインフォマティクス（機械学習・深層学習を用いた新素材探索や新材料設計）の技術が導入され始めています。一方で、有機化学・無機化学のどの領域かによって構造情報の扱いや解析ノウハウが異なり、それぞれの場面で適切な手法が存在するという実情があります。本書では深層学習の基礎事項をはじめ、実際に深層学習を化学研究に利用する上での留意点を詳述するとともに、有機化学・無機化学分野でのデータの具体的な扱い方、さらには様々な深層学習手法とその具体的利用の理解を助けるための応用事例など、注目すべき多数の研究成果を体系的に整理しています。深層学習の初学者および具体的な応用研究を目指す方を対象に、データから様々な可能性を模索できるよう編集された一冊です。

※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。 数式を使わないでアルファ碁、深層学習、知識ベースの理論の本質がわかる!! 　現在のAIブームの切っ掛けとなったアルファ碁の概念、仕組み、特徴の説明に焦点を当て、これを理解するための基礎知識として深層ニューラルネットワークと深層学習（ディープラーニング）を解説します。また、ディープラーニング型AIと知識ベース型AI（エキスパート・システムなど）の統合化の必要性を理解できます。 はじめに プロローグ Chapter 1　人工知能とは－人の様々な知能をコンピュータ化できるか？ Chapter2　ディープラーニング－多層（深層）ニューラルネットワークによるデータ分類機 Chapter3　アルファ碁－ディープラーニング、モンテカルロ法と強化学習 Chapter4　知識ベースシステム－ディープラーニングとの統合を目指して

※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。 深層（多段層）ニューラルネットワークの構築は人工知能を模索する研究者にとっては、長年の課題であり夢でもあり、まさに研究対象でもあった。しかしただ単に多層化するだけでは、能力をうまく発揮することは出来なかった。近年、大きなブレークスルーがあり深層学習の手法を使うことにより、機械が自ら表現を学習出来ることが分かった。しかし、新しい手法でもあり、未解決な課題も多く存在している。 本書は、この分野の最先端の著者らが、人工知能学会誌に掲載した連載解説を、大幅に加筆再編したものである。今までの到達点、今後の課題が、具体的な研究成果と共に書かれている。深層学習の理論・応用を、自らの研究に取り込むことを考えている読者には、まさに必携必読の書籍である。

◆ベストセラーの改訂版。最高最強のバイブルが大幅にパワーアップ！！◆ ・トランスフォーマー、グラフニューラルネットワーク、生成モデルなどをはじめ、各手法を大幅に加筆。 ・深層学習のさまざまな課題と、その対策についても詳しく解説。 [本書まえがきより抜粋] ないもの（＝理論）ねだりをしても仕方がありません．それでも皆が研究を進めるのは，そうすることに意義があるからです．なぜうまく働くのか，なぜそうすべきか，数学的な証明はなくても，正しい説明は必ずあるはずです．それを手にできれば，目の前の課題を解決するのに，また次に進むべき道を知るうえで役に立つでしょう． そこで本書では，それぞれの方法について，今の時点で最も納得できる説明をきちんと与えることにこだわりました．名前の通った方法であっても，理屈が成り立たない，あるいは役に立たない方法や考え方については，はっきりそう書きました．著者の主観といわれても仕方がない場合もあるかもしれませんが，そのほうが有益であると信じています． また，現在の深層学習の広がりを把握できるように，定番となった問題・方法に加えて，重要だと思われる問題については，必ずしもそれほど有名でない方法も含めてなるべく網羅するようにしました．その取捨選択には，深層学習が実践的技術であることを踏まえ，実用性を最も重視しました．そこには，この間に著者が企業の実務家たちと行ってきた共同研究での経験が反映されています． [主な内容] 第1章　はじめに 第2章　ネットワークの基本構造 第3章　確率的勾配降下法 第4章　誤差逆伝播法 第5章　畳み込みニューラルネットワーク 第6章　系列データのためのネットワーク 第7章　集合・グラフのためのネットワークと注意機構 第8章　推論の信頼性 第9章　説明と可視化 第10章　いろいろな学習方法 第11章　データが少ない場合の学習 第12章　生成モデル

ディープラーニングの知識を測る検定試験（G検定）の「公式テキスト」登場！ 【本書の特徴】 1）試験運営団体である「日本ディープラーニング協会」が執筆。 2）各章末には、練習問題つき。試験勉強に最適。 3）最新シラバス「JDLA Deep Learning for GENERAL 2018」に完全準拠。 4）ディープラーニングについて最新事情も踏まえ学ぶことができる。 【対象読者】 ・「ディープラーニング G検定（ジェネラリスト検定）」を受験しようと思っている人 ・ディープラーニングについてこれから広く学びたい人 ・ディープラーニングを事業活用しようと思っている人 【G検定とは】 ・目的：ディープラーニングを事業に活かすための知識を有しているかを検定する ・受験資格制限：なし ・試験概要：120分、知識問題（多肢選択式）、オンライン実施（自宅受験） ・出題問題：シラバスより出題 ・日程：公式サイトにて公表 ※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。 深層学習、進化計算、メタヒューリスティクス...人工知能キーワード!! 　本書は、深層学習・ディープラーニング、進化計算、メタヒューリスティクスについて解説します。深層学習は画像処理や自然言語処理などさまざまに応用され、人工知能の重要手法です。またメタヒューリスティクスは生物や物理化学現象をもとにした最適化・AI手法です。 　本書ではDeep Neural Evolutionの基礎から応用までをわかりやすく説明します。また、メタヒューリスティクス、進化計算についてデモンストレーションとなるサンプルプログラム（C++、Java等）を提供します。 第1章　AIのための進化論 第2章　深層学習とディープラーニング 第3章　メタヒューリスティクス 第4章　生物らしい計算知能 第5章　ニューロ進化と遺伝子ネットワーク 第6章　ディープ・ニューラルエボリューション

※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。 CNNとViTによる画像認識を本格的に学ぶために！ 本書は、深層学習（ディープラーニング）に基づく2つの技術、畳込みニューラルネットワーク（CNN）とVision Transformer（ViT）を通して、画像認識の基礎を実践例とともに解説するものです。 画像認識技術は、顔認証や異常検知など、現代社会に欠かせない技術として広く応用されており、研究開発も盛んに行われています。本書では、確かな理解のもとに画像認識技術の研究開発が可能となるよう、前半において理論的な基盤（深層学習の基本事項、畳込みニューラルネットワーク（CNN）、Vision Transformer（ViT））を、紙数を割いてわかりやすく解説していきます。また後半では、画像認識の基本的手法である物体検出と領域分割、学習データの大規模化に欠かせない自己教師あり学習を実例とともに解説し、最終章では今後ますます重要になると見込まれるVision and Languageのマルチモーダル処理を詳細に扱います。 全体を通して、擬似コードなどでアルゴリズムを把握できるようにしたほか、Python（PyTorch）のサンプルコードも用意し、読者自身が手を動かして画像認識を実践することができるようにしました。 第1章　画像認識の概要 第2章　深層学習の基礎 第3章　畳込みニューラルネットワーク 第4章　Vision Transformer（ViT） 第5章　物体検出 第6章　領域分割 第7章　自己教師あり学習 第8章　画像と自然言語

◆自然言語処理の応用(機械翻訳、文書要約、対話、質問応答)に焦点を当て、深層学習の利用方法を解説。◆｢実装上の工夫｣など、本書でしか読めない実践的な内容が充実!※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。

第三次人工知能（AI）ブームの中核的役割を果たす深層学習（ディープ・ラーニング）は，その高い信頼性と汎用性ゆえに様々な領域に応用されていく一方で，「なぜうまくいくのか」すなわち「なぜ優れた性能を発揮するのか」ということは分かっていない．深層学習の原理を数学的に解明するという難題に，気鋭の研究者が挑む．

※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。 深層強化学習は、強化学習と深層学習の組み合わせである。この研究分野の発展により、従来機械で扱う範疇ではなかった広範囲の複雑な意思決定問題を解けるようになってきた。深層強化学習はヘルスケア、ロボティクス、スマートグリッド、金融工学、その他さまざまな領域において、新たな応用の可能性を切り拓きつつある。本書は、そのような深層強化学習に関し、強化学習の基礎から始まり、深層強化学習の主要なアルゴリズムや最先端の話題まで、豊富な参考文献も含めて幅広く網羅している。特に本書は、汎化性を向上させるノウハウや深層強化学習が実応用でどのように使われるかという観点に着目して執筆されている。 機械学習の基礎知識を有する大学生・大学院生や企業の研究者・技術者が、深層強化学習の概要を効率的に勉強したいと思ったときの最初の一冊として推薦できる構成となっている。 原著:An Introduction to Deep Reinforcement Learning、 2019

本書は、情報処理学会CVIM（コンピュータビジョンとイメージメディア）研究会主催で開催されたチュートリアル講演をもとに書かれた『コンピュータビジョン最前線』Winter 2021～Autumn 2022の連載記事「ニュウモン」4編をまとめたものである。新たに必要となった加筆・修正を施し単行本化した。 本書により、深層学習のブレークスルーにより新しい原理・技術が続々と提案され、日々進化し続けているコンピュータビジョン分野で話題の技術・アルゴリズムについて、原理から実践場面における実装までを体系的に学ぶことができる。 ・イマドキノバーチャルヒューマン：XR分野におけるバーチャルヒューマンにかかわる技術の中でも、人間の全身構造や形状の把握に主眼を置いた代表的な研究について紹介。今後の見通しについても触れる。 【論文フカヨミ】 ・フカヨミオープンワールド物体検出：筆者らがECCV2022で提案したオープンワールド物体検出のための手法LDETについて解説。既存手法の欠点を克服するためのデータ拡張、および学習フレームワークを提案し、さらなる発展についても言及。 ・フカヨミマルチフレーム超解像：シングルイメージ超解像を含む超解像分野全体の概観から始め、マルチフレーム超解像に関する最新の研究について紹介。 ・フカヨミ深層単画像カメラ校正：1枚の入力画像のみで歪みと傾きを高精度に校正する深層単画像カメラ校正の研究動向を紹介し、高精度な深層単画像カメラ校正を実現した論文をフカヨミ。 【チュートリアル】 ・ニュウモンAutoML：深層学習のためのAutoMLとして、ニューラル構造探索（NAS）とハイパーパラメータ最適化（HPO）について、代表的な手法を取り上げて解説。 その他、漫画「訳わかめフューチャー」、CV分野の学会・研究会・国際会議の開催日程や投稿日が一挙にわかる「CVイベントカレンダー」を掲載。

※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。 ※この商品は固定レイアウト型の電子書籍です。 ※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。 ※本書内容はカラー（2色）で制作されているため、カラー表示可能な端末での閲覧を推奨いたします。 ニューラルネットワークの基礎から実装まで、C++のサンプルコードで学ぶ 本書は、ディープラーニング（深層学習）の基礎を学ぶ初級者やソフトウェアエンジニアの方を対象に、ディープラーニングのベースとなっているニューラルネットワークからその派生技術や応用まで、実際に動くC++のソースコードを参照しながら学ぶ内容となっています。前半はニューラルネットワークに関する必須知識を扱い、後半ではニューラルネットワークの派生技術や応用に言及し、徐々に高度な内容となっていきます。 【本書の内容】 Chapter1「ディープラーニング概論」……ディープラーニングの概要と、ニューラルネットワーク構築時に最低限必要なC++プログラミングの知識をまとめます。 Chapter2「ニューラルネットワークのための行列演算と並列プログラミング」……並列プログラミングの重要性とその知識や行列演算を解説します。 Chapter3「ニューラルネットワーク」……パーセプトロンと呼ばれるニューラルネットワークの最小単位となるユニット、パーセプトロンを重ねたニューラルネットワークの基本形である層状パーセプトロン（MLP）を説明します。 Chapter4「誤差逆伝播」……ニューラルネットワークのパラメーター学習方法である、誤差逆伝播法を詳しく解説します。 Chapter5「C++によるニューラルネットワークの実装」……多層パーセプトロンを用いた手書き数字の画像認識を、実際にコーディングしながら動かすことで、ディープラーニングを体験します。本章では、ニューラルネットワークの基礎が詰まったベーシックな分類モデルを構築することで、処理全体の流れを把握することを目的とします。 Chapter6「学習の最適化と過学習」……機械学習全般で発生する過学習にフォーカスし、ニューラルネットワークでの過学習を抑えるテクニックを紹介します。本章以降から、単なるニューラルネットワークではなく、ディープラーニングの範疇となります。 Chapter7「事前学習」……ディープラーニングがブレイクするきっかけとなった技術の1つであるオートエンコーダーを解説します。 Chapter8「畳み込みニューラルネットワーク」……現在ディープラーニングの花形といわれる畳み込みニューラルネットワークを解説します。主に画像認識で利用され、近年はめざましい成果をあげている技術です。 Chapter9「再帰型ニューラルネットワーク」……再帰型ニューラルネットワークと呼ばれる、自己の出力を入力とする再帰構造となったニューラルネットワークを使い、自然言語処理への応用例を紹介します。統計的機械翻訳や自動応答、音声認識などの分野で、近年のAIの大きな進化の推進役となっている技術です。 本書では開発言語としてC++を採用しています。C++でほぼすべてをスクラッチから実装しており、最終的に完成するコードはディープラーニングのC++フレームワークとして機能します。サンプルコードはダウンロード可能。

※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。 GAN（Generative Adversarial Networks）：敵対的生成ネットワークは機械学習技術の一種で、2つの分離したニューラルネットワークを使い実物と区別が付かないほどリアルな画像を生成することを可能とします。 本書はGAN：敵対的生成ネットワークを学びたい方のために入門から実装まで、理論を交えつつ解説していきます。本書全体を通じてJupyter Notebookを使い、実装はPython、Kerasで行っていきます。 機械学習とニューラルネットワーク、Pythonプログラミングについてある程度の経験がある方を主な対象読者としており、数学に関しては最小限のものに絞って解説します。 本書の目的は、GANが達成してきたことを理解するための知識と道具を提供し、そこから新しい応用を見つけ作り出す力をつけていただくことです。GANは多くの可能性に満ちていますから、意欲的な方々であれば学術界・実世界に大きなインパクトを与えられることでしょう。 Part 1 GANと生成モデル入門 Part 2 GANの発展的な話題 Part 3 ここからどこへ進むべきか

◆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

★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。

今の人工知能（AI）を正しく理解して活用し 導入効果を最大化するAIビジネス書の決定版 AIブームはとどまるところを知らず、企業や組織はAI活用の実践フェーズに突入しつつあります。一方で、AIに関する様々な誤解がいまだに蔓延しており、深層学習（ディープラーニング）をはじめとする「今のAI」をどうすればビジネスに生かせるかの理解も進んでいません。 AIは非常に大きな可能性を秘めています。今のAIを効果的に活用すれば生産性やROI（投資対効果）の劇的な改善につながります。一方でAIは癖のある道具であり、使いこなすには正しい理解と十分なノウハウが欠かせません。 本書は30年以上にわたりAIの開発や導入・活用を手掛けてきた筆者が、AIのビジネス活用に必要なすべてを具体的に解き明かす待望の一冊です。今のAIで何がどこまでできるのかにはじまり、AI活用の進め方や評価方法、データを確保する手順、ハードやソフトの選び方、人材育成のやり方までを豊富な実例で具体的に説明します。 今がAI導入の絶好のチャンス。ここで決断しないと、国内外のライバルに後れを取ることになりかねません。自社のAI活用に取り組むIT部門や経営企画部門、業務部門、顧客企業のAI活用を支援するベンダーやコンサルタントなど、AI活用に関わる人必携の一冊です。

■15ステップの演習でスキルを獲得 本書は4章構成となっています。 1章には「演習に入る前の予備知識」を集めました。環境構築、Python、数値計算ライブラリNumPyについて押さえておきます。 2章は「基礎を押さえる7ステップ」です。日本語自然言語処理と機械学習の基礎を、実際のプログラム例を見ながら、1ステップずつ学習していきます。本書の核となる章です。 3章は「ニューラルネットワークの6ステップ」です。取っつきにくい深層学習（Deep Learning）の仕組みと、自然言語処理への適用について、わかりやすく説明します。 4章は「2ステップの実践知識」です。2章と3章で扱いきれなかったものの、機械学習や自然言語処理を実アプリケーションとして実装する際に役立つ知識を習得します。 ■自分のぺースで1ステップずつ学習 本書をはじめとする「Step Up！選書」では、読者が自分のぺースで1ステップずつ学習を進め、独学で技術力を高めることができるように、考え抜かれた編成でリードしていきます。特に本書は、最後まで全部読み通さないと漏れが生じたり、不完全な知識になってしまったりする類の構成を排しています。 網羅的な説明項目の列挙や、理論体系の単純トレースはしません。開発リファレンスや逆引き、クックブック（開発レシピ）とも違います。プロのエンジニアとしての実力を高めるための著者オリジナルのシナリオに、士気高く踏み出してください。 ■著者プロフィール 土屋祐一郎（つちや ゆういちろう） 本名、橘（たちばな） 祐一郎。東京大学工学部卒、同大大学院情報理工学系研究科中退。2015年度IPA未踏スーパークリエータ。現在は株式会社PKSHA Technology所属。大学とIPA未踏では主に画像ドメインで機械学習を扱い、現職では自然言語や画像を扱う事業部にてソフトウェアエンジニアとして勤務。その他、Deep Learning講座「NICO2AI」の講師などの活動も行う。

※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。 深層学習を用いたマテリアルズインフォマティクスの実用的専門書第2弾。本書では厳選した事例を対象に、深層学習を有機化学・無機化学分野のデータに適用する場合のポイントについてを解説している。序章では『詳解 マテリアルズインフォマティクス』でも掲載したデータセットについて詳述し、第1章から有機化合物に対する予測モデル構築、第2章で無機材料に対する予測モデル構築、第3章で生成モデルを活用した材料・医薬品の設計についてをケーススタディとして紹介する。具体的なテクニックを読み解くことで、材料開発における深層学習の活用を更に飛躍させることができる。

人工知能（ＡＩ）が革命的な進化を遂げた。ディープラーニング（深層学習）という革新技術によって、コンピューター自らが周囲の状況を認識できるようになり、さまざまなブレークスルルーをもたらした。ビジネスの現場では、ＡＩによる破壊と創造がすでに始まっている。 本書は週刊エコノミスト２０１６年５月１７日号で掲載された特集「ＡＩの破壊と創造」の記事を電子書籍にしたものです。 目　次： はじめに ・深層学習で激変するビジネス「ＡＩ大国」へ正念場の日本 ・インタビュー　松尾　豊「日本はモノづくり系ＡＩで勝負すべき」 ・人工知能（ＡＩ）に強い注目の上場企業３５社 ・デジタル時代に求められる最高デジタル責任者（ＣＤＯ） ・Ｑ＆Ａでわかる！ＡＩとＩｏＴの基礎 ・センサーとクラウドの進化で機熟す　傍観すれば世界から取り残される ・事例編　金融、医療からロケットまで！ＡＩ活用の最前線 ・囲碁　深層学習でプロの「直感」獲得 ・景気判断　政府・日銀の景況感を指数化 ・フィンテック　ＡＩが迫る金融サービス革命 ・宇宙　ＡＩが点検する宇宙ロケット ・物流　倉庫の荷物取り出しを効率化 ・ファッション　あなたの「専属スタイリスト」 ・対話　女子高生りんなとお友達に ・医療　多様なデータから疾患確率導く ・サイバー攻撃　ＡＩの「知能指数」の測定が必要 ・グーグルが撤退なら自動運転ブーム沈静化 【執筆者】 大堀達也、池田正史、比屋根一雄、 松田遼、尾木蔵人、伊藤毅志、 水門善之、山本裕樹、鈴木雅光、 横山渉、山崎文明、桃田健史、 週刊エコノミスト編集部

※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。 人工知能って、いったい何ですか? 人工知能学会の歴代会長を含む人工知能研究の権威が答えます! ! 今話題の深層学習(ディープラーニング)で注目されている機械学習など、人工知能分野で最先端の研究を行う研究者13人が、人工知能学会誌に連載したものを大幅に加筆修正した。研究者として自ら「人工知能とは何か」の再定義を行い、それをふまえて、各研究について一般読者に伝わるようにシッカリと解説を行っている。人工知能に興味のある読者はもちろん、知能、認知、脳科学、人間、哲学などに関心のある読者は必読必携である。13人の紙面上でのキャッチボールが示唆に富んでおり、読んでいてとにかく面白い! !大変好評を得ている『深層学習 Deep Learning 』に続く、人工知能学会監修企画!

AIが｢学ぶ｣とは、｢考える｣とは、｢判断を下す｣とはどんなことなのか。つまり、人工知能の思考構造がどうなっているのかを、基本から学びます。｢深層学習とは何か｣｢画像認識の原理とは｣｢評価関数の意味｣｢完全解析の思考法｣など、最新技術の核心にも触れていきます。さらに、囲碁のAlphaGo、チェスのDEEP BLUEなど、対戦型AIの進化を振り返ることからも、｢人工知能(AI)とは何か｣に迫ります。

最強の将棋ＡＩポナンザの開発者が超重要技術、「機械学習」「深層学習」「強化学習」を解説。そのうえで「知能とは何か」という問への回答を示す意欲作です。自らの手で人工知能を創り、将棋名人と並ぶまでに成長させてきた著者が腹落ちしたことだけを書いているので、世界一やさしく面白い人工知能の本になっています。

※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。 【数学の全体像をつかむ！】 代数学。幾何学。微積分学。統計学。 ４つの数学の基礎を理解して、 数学の俯瞰図を頭の中に作り上げる。 「指数関数的増加って何？」「再生産数？」 「偏差値とか標準偏差ってどういうこと？」 解けなくていい。 覚えなくてもいい。 計算、解法、一切不要。 仕事に出てくる数学知識を厳選！ 金融の世界で数学を駆使する専門家に、 私大文系卒編集者がわかるまで聞き返してできました。 読めば数学思考がインストールできる、 大人のための数学入門書です。 ◆読めばわかる４つの数学◆ 【１】仮説を明確にする代数学 　　　〇代数学の極意は「仮説思考」 　　　〇指数関数で新型コロナ急拡大がわかる 　　　〇ＡＩ深層学習を生んだ線形代数学 【２】イメージをカタチ化、カタチを数値化する幾何学 　　　〇あらゆるカタチは三角形の集まり 　　　〇三角関数は究極の思考節約術 　　　〇地震も音楽も三角関数で数値化できる 　　　〇フーリエ変換で複雑な波も単純化 【３】複雑なものを単純化する微積分学 　　　〇単純になるまで微細に刻み計算する技術 　　　〇飛行機・ロケット・ドローンを実現した微積分 　　　〇微分方程式で感染拡大をシミュレーション 【４】大きな視点で全体を俯瞰する統計学 　　　〇平均所得額は典型的な所得水準じゃない 　　　〇標準偏差と分散の不思議な関係 　　　〇自動運転を生んだベイズ統計学 ４つの数学が何をしているのかわかるだけで数学思考のインストール完了！

※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。 機械学習で、マスク判定だ！ 好評「AI・機械学習・深層学習アプリのつくり方」が「TensorFlow2に対応！」 Withコロナ時代に対応した「マスクの有無を判定する」サンプルを新たに加えました。 ◇もくじ◇ ■第1章　機械学習 / ディープラーニングについて ■第2章　機械学習入門 ■第3章　OpenCV と機械学習 - 画像・動画入門 ■第4章　自然言語処理 ■第5章　ディープラーニング( 深層学習) について ■第6章　機械学習で業務を効率化しよう ■Appendix　本書のための環境を整える