※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，最新のExcel 2019に対応した関数の入門書です。Excel関数の基本と，使用頻度の高い関数の使い方を，実用的なサンプルを用いてくわしく解説していきます。第1章では，関数とは何か，関数ダイアログの使い方，エラー対策など，関数の基本的な知識を解説し，第2章以降で，ビジネスで使う頻度の高い関数を中心に，基本的な数式例から便利な組み合わせ技まで幅広く紹介します。関数名とキーワードで引ける索引を用意しているので，必要な関数をすばやく見つけることができます。解説に使っているサンプルファイルは，本書のサポートサイトからダウンロード可能です。

※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。 Excel関数の基本と，使用頻度の高い関数の使い方を，実用サンプルを用いてくわしく解説！ 第1章では，関数とは何か，関数ダイアログの使い方，エラー対策など，関数の基本的な知識を解説し，第2章以降では，ビジネスで使う頻度の高い関数を中心に，基本的な数式例から便利な組み合わせ技まで幅広く紹介。付録では「請求書」「シフト表」の作り方を1からていねいに解説します。関数名とキーワードで引ける索引を用意しているので，必要な関数をすばやく見つけることができます。

※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。 Excel関数の基本と使用頻度の高い関数の使い方を，実用サンプルを用いてくわしく解説！ 第1章では，関数とは何かや，関数ダイアログの使い方，エラーの修正方法など，関数の基本的な知識を解説し，第2章以降では，ビジネスで使う頻度の高い関数を中心に，基本的な文例から便利な組み合わせ技まで幅広く解説。また，関数名索引と用例で引ける索引を用意しているので，困ったときにいつでも調べられるハンディな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。 天才数学者たちはいかに試行錯誤したのか?関数概念の歴史的な発展を可能な限り史実に忠実に考察し,かつ,現代の解析学の学習者･研究者の関心に応えるように配慮し,現代数学的な視点を加味した記述を試みた。ともすれば完成された数学として,学生の側から見れば天下り的に,教師の側から見れば教育的な能率ばかりを視野において講じられることの多かった解析学の壮大な体系を,歴史的な発展のダイナミズムに満ちた,人間的なドラマとして迫力をもって伝える。章末演習問題も多数収録、微積分学の副読本としても利用できる。

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 ※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。 サポートベクトルマシンの理論と実践の基礎・基本が，この1冊で学べる！ サポートベクトルマシンは、データの分類、回帰、はずれ値検知など、機械学習のさまざまな場面で強力かつ柔軟性の高いモデルとして知られています。そのアルゴリズムは直観的であり数学的な曖昧さがないことから、昨今注目されている「機械学習の解釈可能性」というモデルの評価基準に照らしても有力な手法といえます。そのため、自然科学や経済学等の研究成果や経験則的な業務知識をモデルに生かすことも容易です。 本書は、サポートベクトルマシンの理論的枠組みを高校レベルの数学からやさしく展開するとともに、Pythonによるわかりやすい実装例を紹介します。また、応用上重要な非線形サポートベクトルマシンで用いられるカーネル法も、図解や具体例を通してわかりやすく解説します。 第1章　はじめに 1.1　人工知能と機械学習 　1.1.1　人工知能による推論 　1.1.2　人工知能による学習 　1.1.3　機械学習 1.2　機械学習モデル 　1.2.1　モデル 　1.2.2　機械学習モデル 1.3　機械学習分類モデルの作りかた 1.4　サポートベクトルマシンの概要 1.5　サポートベクトルマシンの特徴 1.6　本書の読みかた 第2章　数学の基礎 2.1　ベクトル 　2.1.1　ベクトルとは何か 　2.1.2　位置ベクトル 　2.1.3　三角比と余弦定理 　2.1.4　ベクトルの内積 　2.1.5　点と直線の距離 　2.1.6　Pythonでベクトル 2.2　行列 　2.2.1　行列とは何か 　2.2.2　行列の演算 　2.2.3　転置行列 　2.2.4　半正定値行列 　2.2.5　Pythonで行列 2.3　関数 　2.3.1　関数とは何か 　2.3.2　指数関数 　2.3.3　対数関数 　2.3.4　Pythonで指数関数・対数関数 2.4　微分 　2.4.1　平均変化率 　2.4.2　微分 　2.4.3　合成関数の微分 　2.4.4　指数関数・対数関数の微分 　2.4.5　偏微分 　2.4.6　級数展開 第3章　線形サポートベクトルマシン（線形SVM） 3.1　線形SVM 　3.1.1　線形ハードマージンSVM 　3.1.2　線形ソフトマージンSVM 3.2　線形SVMの最適化 　3.2.1　ラグランジュの未定乗数法 　3.2.2　KKT条件 　3.2.3　線形SVM最適化の方法 3.3　線形SVMによる分類問題の解法 　3.3.1　ペンギン分類モデル 　3.3.2　Pythonでペンギンの分類 　3.3.3　2値分類モデルの評価 　3.3.4　ペンギン分類モデルの評価 第4章　非線形サポートベクトルマシン（非線形SVM） 4.1　非線形SVM 　4.1.1　カーネル法 　4.1.2　カーネル関数の具体例 　4.1.3　カーネル化SVMの定式化 4.2　非線形SVMの最適化 　4.2.1　逐次最小最適化アルゴリズム（SMO） 　4.2.2　非線形SVM最適化の方法 4.3　非線形SVMによる分類問題の解法 　4.3.1　カーネル化SVMによる非線形分類モデル 　4.3.2　カーネル化SVMによる分類問題の解法 　4.3.3　Pythonでアヤメ分類 付録　Pythonの基礎 A.1　開発環境Colab A.2　Python文法の要点 　A.2.1　データ型 　A.2.2　演算子 　A.2.3　条件分岐 　A.2.4　繰返し 　A.2.5　組込み関数 　A.2.6　関数定義 　A.2.7　クラス 　A.2.8　変数のスコープ A.3　Pythonライブラリ群 　A.3.1　NumPy 　A.3.2　pandas 　A.3.3　SymPy 　A.3.4　matplotlib 　A.3.5　scikit-learn 本書を読み終えた後に