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 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。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 【本書の特徴】 ・Pythonの基本とアルゴリズムの基礎を一冊で学べる ・具体的なサンプルコードと動作イメージ（フローチャート）を交えて解説 ・自分で書いて実行して動作を試しながら学習できる ・アルゴリズムの使い方や考え方だけでなく、アルゴリズムの計算量について の理解も深まる 【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 【章構成】 ■第1章　Pythonの基本とデータ構造を知る ■第2章　基本的なプログラムを作ってみる ■第3章　計算量について学ぶ ■第4章　いろいろな探索方法を学ぶ ■第5章　データの並べ替えにかかる時間を比べる ■第6章　実務に役立つアルゴリズムを知る ■Appendix　Pythonのインストール 第1章　Pythonの基本とデータ構造を知る 1.1　プログラミング言語の選択 1.2　プログラミング言語Pythonの概要 1.3　四則演算と優先順位 1.4　変数と代入、リスト、タプル 1.5　文字と文字列 1.6　条件分岐と繰り返し 1.7　リスト内包表記 1.8　関数とクラス 第2章　基本的なプログラムを作ってみる 2.1　フローチャートを描く 2.2　FizzBuzzを実装する 2.3　自動販売機でお釣りを計算する 2.4　基数を変換する 2.5　素数を判定する 2.6　フィボナッチ数列を作る 第3章　計算量について学ぶ 3.1　計算コストと実行時間、時間計算量 3.2　データ構造による計算量の違い 3.3　アルゴリズムの計算量と問題の計算量 第4章　いろいろな探索方法を学ぶ 4.1　線形探索 4.2　二分探索 4.3　木構造での探索 4.4　さまざまな例を実装する 第5章　データの並べ替えにかかる時間を比べる 5.1　身近な場面でも使われる「並べ替え」とは？ 5.2　選択ソート 5.3　挿入ソート 5.4　バブルソート 5.5　ヒープソート 5.6　マージソート 5.7　クイックソート 5.8　処理速度を比較する 第6章　実務に役立つアルゴリズムを知る 6.1　最短経路問題とは？ 6.2　ベルマン・フォード法 6.3　ダイクストラ法 6.4　A*アルゴリズム 6.5　文字列探索の力任せ法 6.6　Boyer-Moore法 6.7　逆ポーランド記法 6.8　ユークリッドの互除法 付録　Pythonのインストール A.1　Pythonの処理系を知る A.2　AnacondaでPythonをインストールする A.3　複数のバージョンのPythonを切り替える A.4　パッケージのインストールと削除 A.5　インストールがエラーになった場合

Pythonを用い、ITエンジニアが身につけたい王道アルゴリズムを手を動かしながら学べる入門書です。スタック、キュー、リスト、木、グラフなどのデータ構造から、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、最短経路問題、フラクタル図形の描画などワンランク上の知識・技術まで網羅。サンプルは手入力しやすい短めのプログラムを108個用意しています。資格＆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。

三宅陽一郎氏書き下ろし！戦略ゲームAIのアルゴリズムの仕組みに迫る！ ゲーム開発者、AIエンジニア、 すべての意思決定に悩んでいる方に必見！ 戦略ゲームAIの仕組み、戦略的意思決定プロセスを紐解くバイブル書 【戦略ゲームAIについて】 戦略ゲームの元にとなるストラテジー＆シミュレーションゲームはボードゲームを発端として、発展してきました。 近年では、スマートフォン向けのソーシャルゲームを筆頭に、数多くのゲームでストラテジー＆シミュレーション要素が取り入れられており、 いまやゲーム開発において戦略ゲームAIは避けて通れない非常に重要な要素になっています。 またゲーム開発のみならず、一般の人工知能開発、複雑な意思決定のプロセス形成において、その技術は非常に注目されています。 【本書の特徴】 ストラテジー＆シミュレーションゲームに利用されている戦略ゲームAI技術について、 国内や海外の事例を交え、その仕組みを丁寧に解説した書籍です。 基本的な技術の概論の解説から始まり、 著者が注目するシミュレーション＆ストラテジーゲームAIのアルゴリズムについて、 ビジュアルを交えながら解説します。 【読者対象】 ・ゲーム開発者 ・AI開発者 ・意思決定に興味を持つ方 【本書のゴール】 戦略ゲームAIの仕組みを学ぶことができる 【プロフィール】 ゲームAI研究者・開発者。 京都大学で数学を専攻、大阪大学（物理学修士）、東京大学工学系研究科博士課程（単位取得満期退学）。 博士（工学、東京大学）。2004年よりデジタルゲームにおける人工知能の開発・研究に従事。 立教大学大学院人工知能科学研究科特任教授、九州大学客員教授、東京大学客員研究員。 国際ゲーム開発者協会日本ゲームAI専門部会設立（チェア）、日本デジタルゲーム学会理事、 芸術科学会理事、人工知能学会理事・シニア編集委員、情報処理学会ゲーム情報学研究会運営委員。 ■第1部　基本篇 第1章　ストラテジーゲームとは 1.1　ストラテジーゲームにおける人工知能技術 1.2　ターン制と想像力 第2章　ストラテジーゲームと人工知能 2.1　ストラテジーゲームの定義 2.2　ストラテジーゲームの3つの分類 2.3　ストラテジーゲームにおいて人工知能がなぜ必要か？ 2.4　ストラテジーゲームにおける時間と空間 2.5　ストラテジーゲームの人工知能の例題 2.6　「ストラテジーゲームと人工知能」まとめ 第3章　ゲームAIの基礎事項 3.1　ゲームAI小史 3.2　3つのAIの役割とスケールとプレイヤー体験 3.3　メタAI技術 3.4　キャラクターAI 3.5　スパーシャルAI 3.6　影響マップ 3.7　知能方程式 3.8　「ゲームAIの基礎事項」まとめ ■第2部　技術篇 第4章　指揮官としての人工知能―「メンバーやユニットを指揮するゲーム」 4.1　チーム・空間・時間の階層化 4.2　チームの階層化 4.3　空間の階層化 4.4　時間の階層化 4.5　コンストラクション 4.6　スカウティング 4.7　パス検索、群制御、ステアリング 4.8　時間あたりのコマンド数 4.9　グループ・マネージメント 4.10　ポートフォリオ 4.11　ニューラルネットワークによる学習 4.12　「指揮官としての人工知能」まとめ 第5章　プレイヤーと共創する人工知能―「世界シミュレーション」 5.1　マップの下の多層構造 5.2　エージェント・シミュレーション 5.3　スクリプティング 5.4　地形解析 5.5　地形解析の実例 5.6　地形生成 5.7　テクノロジーツリー 5.8　「プレイヤーと共創する人工知能」まとめ 第6章　学習し、成長する人工知能―「育成系ストラテジーゲーム」 6.1　複数の役割のエージェントを組み合わせる 6.2　遺伝的アルゴリズムによるバランス調整 6.3　遺伝的アルゴリズムによるユーザー・マッチング 6.4　ニューロエヴォリューション―キャラクターを進化させる― 6.5　ニューラルネットワーク―キャラクターを学習させる― 6.6　パーセプトロンと決定木 6.7　プランニング・アルゴリズム 6.8　「学習し、成長する人工知能」まとめ ■第3部　発展篇 第7章　ストラテジーゲームの学術的研究 7.1　ストラテジーゲームの人工知能研究の歴史 7.2　ストラテジーゲームの研究環境 7.3　アーキテクチャの研究～『スタークラフト』研究 7.4　ディープラーニングの応用1～『スタークラフト2』の研究 7.5　ディープラーニングの応用2～『Dota 2』のOpenAIFive 7.6　モンテカルロ木探索の応用 7.7　遺伝的プログラミングによるゲーム自動生成 7.8　『Capture the Flag』の戦術学習 7.9　「OpenAI」におけるマルチエージェント自動カリキュラム学習 7.10　「ストラテジーゲームの学術的研究」まとめ 第8章　ストラテジーゲームの人工知能の一般理論 8.1　ストラテジーゲームの再定義 8.2　時系列という考え方 8.3　時間階層化と空間階層化 8.4　アテンションとシミュレーション 8.5　アテンションの向け方とフレームの構成 8.6　上位の人工知能と下位の人工知能 8.7　時空間の把握 8.8　行動可能性、アフォーダンス 8.9　行動の効果 8.10　基本概念のまとめ 8.11　スマートシティへの応用 8.12　「ストラテジーゲームの人工知能の一般理論」まとめ

問題解決の最強ツール「超」整理法もこれだった！　ビジネスから日常生活まで、私たちがぶつかる問題を最適化して処理する秘訣は、IT科学に学べる。〈数理を愉しむ〉シリーズ

アルゴリズムの基礎知識を厳選、重点ポイントを簡単な図解でていねいに解説。 第1章 アルゴリズムってどんなもの? 第2章 変数と配列 第3章 データ構造 第4章 アルゴリズムの基本を学ぼう 第5章 並べ替えのアルゴリズム 第6章 探索のアルゴリズム 第7章 そのほかのアルゴリズム 第8章 アルゴリズムとコンピュータ

あのややこしそうなアルゴリズムがこんなにわかりやすいなんて！ 動物たちの会話やアクションを読んだり見たりしていくだけで、むりなくアルゴリズムの基本が身につく、楽しい図鑑です。 お手元のパソコンで手軽に動かして実感できるPython実習つき。 ■第1章 しまう　─　データ構造 1-1 どれを選べば楽々？　─　データ構造 1-2 積み上げる　　─　スタック 1-3 早い者順に並ぶ　─　キュー 1-4 使うデータ構造しだいで答えを出す手間が変わる 1-5 パソコンをネジ回しで開けると見えるヒント　─　メモリ 1-6 メモリにそっくり!?　─　配列 1-7 チャレンジ！　配列を使ったプログラム 【コラム】LinuxにおけるPythonのインストール 1-8 矢印があれば移動が減る　─　連結リスト 1-9 枝分かれを表現　─　木と木構造 1-10 二分木を使って式を表現する ■第2章 みつける　─　探索のアルゴリズム 2-1 たくさんのものから探そう！　─　探索 2-2 チャレンジ！　ユーザのデータをしまうプログラム 2-3 端から探そう　─　線形探索法 2-4 アルゴリズムの評価はおおざっぱに　─　O記法 【コラム】関数 2-5 チャレンジ！　線形探索法のプログラム 2-6 探しものは前に？　それとも後ろに？　─　二分探索法 2-7 チャレンジ！　最悪と最良のケースにおける計算量を求める 2-8 一撃で見つける　　─　ハッシュ法 2-9 ハッシュ値が衝突したらどうする？ 2-10 チャレンジ！　ハッシュ法でデータを探索するプログラム ■第3章 ならべる　─　ソートのアルゴリズム 3-1 ならべてみよう！　─　ソート 3-2 チャレンジ！　ソートのプログラム 3-3 列のどこに入れる？　─　挿入ソート 3-4 挿入ソートの計算量、最良のケース 【コラム】番兵 3-5 挿入ソートの計算量、最悪のケース 3-6 最強はどれだ？　─　選択ソート 3-7 選択ソートの計算量 3-8 ソート済みデータが浮かんでくる？　─　バブルソート 3-9 データを振り分ける　─　クイックソート 3-10 クイックソートの計算量、最良と最悪のケース 3-11 クイックソートの手順 3-12 安定なソートアルゴリズム 3-13 一見当たり前でも高性能　─　マージソート 3-14 マージソートの手順 3-15 マージソートの計算量 3-16 マージソートの領域計算量 ■第4章 かくす　─　暗号とセキュリティ 4-1 何を知られると解読されてしまうのか？　─　暗号の基礎 4-2 鍵をどうやって渡す？　─　共通鍵方式 4-3 相手に渡した鍵は知られても大丈夫　─　公開鍵方式 4-4 本当に本人？　─　認証 4-5 チャレンジ！　公開鍵方式を体験 ■第5章 かんがえる？　─　人工知能（AI） 5-1 モデルは神経細胞　─　ディープラーニング 5-2 チャレンジ！　ニューラルネットワークにおける計算 5-3 どれとどれが仲間？　─　クラスタリング 付録A　Pythonのインストール 付録B　エラー対処法

Python（パイソン）は初心者が比較的修得しやすく、AI（人工知能）やパターン認識などの先端技術に活用されている優れたプログラミング言語です。 本書では、初心者を対象に、Pythonを使ったプログラミングの勘所をやさしく解説しました。 例題に取り組むことで、プログラミングとはどういうものかを理解し、プログラミング的思考を身につけてもらうことを目的に執筆しました。 読者の皆さんが、楽しみながらPythonの素晴らしさやプログラミングの醍醐味を感じていただけたら、著者として望外の喜びです。

アルゴリズムとは、問題を解決するための手順や計算方法のことです。アルゴリズムを学ぶと、プログラミングはもちろん業務効率の向上や経営計画の最適化にも役立ちます。本書は、これからプログラミングを学びたい、あるいは学びなおしたい入門者のために、アルゴリズムの基礎知識と考え方を楽しく学べる入門書です。文章だけの解説はほとんどなく、イラスト図解をたくさん取り入れています。 「これからプログラミングを学ぼう」といった入門者、少しだけプログラミングを経験したことのある初心者のための「アルゴリズム」の入門書です。プログラムを作成する上で必要となる問題解決の考え方について解説します。 Chapter 01 アルゴリズムって何？ 01 アルゴリズムとは？ 　問題を解決するための処理手順 02 日常生活で無意識に使っているアルゴリズム 　お釣りの枚数 03 アルゴリズムを知っているとどんなメリットがある？ 　業務効率の向上や経営計画の最適化に役立つ 04 アルゴリズムとプログラミングの関係 　プログラミングにおける重要性 05 構造化プログラミング 　難しい問題を解くためには？ 　構造化プログラミングとは？ 　3つの制御構造 Chapter 02 変数と配列 01 データを表す「値」 　式（しき）と値（あたい） 02 データの種類を表す「型」 　型（かた） 03 データを入れる箱を表す「変数」 　変数（へんすう） 04 データを変数に入れる「代入」 　データを箱に入れる 　変数の代入 　計算結果の代入 05 大量のデータをまとめて入れる「配列」 　配列（はいれつ） 　配列要素（はいれつようそ） 06 文字列（文字の連続）を配列で表す 　1文字ずつ分解して配列にする 　文字列を検索するアルゴリズム 07 二次元配列 　二次元配列（にじげんはいれつ） Chapter 03 アルゴリズムでよく使うデータ構造 01 「データ構造」ってどんなもの？ 　データ構造とは？ 　基本的なデータ構造 02 配列（同じ型の変数が連続して並んだ構造） 　配列の特徴 　配列が苦手なこと 03 リスト（データが順番につながった構造） 　リストの特徴 　単方向リスト 　循環リスト 　双方向リスト 　連想記憶リスト（ハッシュ） 　連想記憶リストの特徴 04 スタック（後入れ先出しのリスト構造） 　スタックとは？ 　スタックの特徴 　プッシュとポップ 　日常生活でスタックが使われている場面 05 キュー（先入れ先出しのリスト構造） 　キューとは？ 　キューの特徴 　エンキューとデキュー 　日常生活でキューが使われている場面 06 ツリー構造（階層関係をもつデータ構造） 　ツリー構造とは？ 　ツリー構造の特徴 　二分木（にぶんぎ） 　二分木の特徴 　二分探索木（にぶんたんさくぎ） 　二分探索木の走査 Chapter 04 基本的なアルゴリズム 01 アルゴリズムの基本は「繰り返し」 　繰り返し（反復）を使う場面 　流れ図と疑似言語 02 流れ図（フローチャート）に慣れよう 　流れ図に登場する記号 　記号の意味 　流れ図で表してみよう 03 疑似言語の読み方に慣れよう 　一般的なプログラムの構造 　宣言部の記述形式 　手続きと関数（サブルーチン）の宣言 　処理部の記述形式 　分岐の記述形式 　繰り返し（反復）の記述形式 　前判定型と後判定型 　関数（サブルーチン）の記述形式 　実引数と仮引数 　変数のスコープ（有効範囲） 04 データの合計値を求めてみよう 　合計値を求める手順 　合計値を求める流れ図（フローチャート） 　合計値を求めるプログラム 05 データの平均値を求めてみよう 　平均値を求める流れ図（フローチャート） 　平均値を求めるプログラム 06 2つのデータを交換してみよう 　データを交換する手順 　配列要素を交換する流れ図（フローチャート） 　配列要素を交換するプログラム 07 データの最大値を求めてみよう 　最大値を求める手順 　最大値を求める流れ図（フローチャート） 　最大値を求めるプログラム 08 データの最小値を求めてみよう 　最小値を求める手順 　最小値を求める流れ図（フローチャート） 　最小値を求めるプログラム Chapter 05 再帰的アルゴリズム 01 「再帰的」とは？ 　「合わせ鏡」のような状態 02 再帰的な処理のイメージをつかもう 　お皿が空になるまで食べる 　再帰処理の流れ 03 データの合計を再帰的に求めてみよう 　100個の数字の合計を求めよう 　流れ図 04 データの階乗を再帰的に求めてみよう 　階乗とは？ 　流れ図とプログラム 05 「ハノイの塔」どこまで解けるかな？ 　ハノイの塔とは？ 　ハノイの塔（1階建て） 　ハノイの塔（2階建て） 　ハノイの塔（3階建て） 06 「ハノイの塔」をアルゴリズムで解いてみよう 　N階建ての塔をどうやって解く？ 　N階建ての塔を移動する手順 　流れ図を描く準備 　ハノイ関数Hと移動の対応関係 　ハノイ関数の流れ図（途中） 　ハノイ関数の終了条件 　ハノイ関数の流れ図（完成） 　移動手順を表示するプログラム 　ハノイ関数の流れを検証しよう 　JavaScriptでハノイの塔を実行すると？ Chapter 06 ソートアルゴリズム 01 「ソート」とは？ 　データの並び替え 　代表的な7つのソート 02 バブルソート（基本交換法） 　隣同士を比較する 　バブルソートの流れ図 　バブルソートのプログラム 　降順（大きい順）に並べ替えるバブルソート 03 選択ソート（基本選択法） 　バブルソートの改良版 　選択ソートの流れ図 　選択ソートのプログラム 　降順（大きい順）に並べ替える選択ソート 04 挿入ソート（基本挿入法） 　整列済みの配列に挿入する 　挿入ソートの流れ図 　挿入ソートのプログラム 05 シェルソート 　挿入ソートの改良版 　グループの分け方 　シェルソートの流れ図 　シェルソートのプログラム 06 マージソート（併合整列法） 　マージソートとは？ 　マージソートの再帰処理 　マージソート関数はどんな形？ 　サブリストの範囲はどう表せる？ 　マージソート関数の終了条件 　サブリストの整列が終わったら何をする？ 　マージソートの流れ図 　マージソートのプログラム 07 ヒープソート 　ヒープソートとは？ 　ヒープソートの手順 　ヒープソートの流れ図（全体） 　ヒープソートの流れ図（最小ヒープ関数） 　ヒープソートのプログラム 08 クイックソート 　クイックソートとは？ 　クイックソートの具体例 　クイックソートの手順（STEP1?STEP2） 　クイックソートの手順（STEP3） 　クイックソートの流れ図（全体） 　グループ分割の流れ図 　クイックソートのプログラム

サンプル豊富、実践重視のアルゴリズム本

優れたアルゴリズム的思考が身に付く

豊富なプログラム(88編)と分かりやすい図表(229点)でアルゴリズムとデータ構造の基礎をマスターして、問題解決能力を身につける一冊。 第1章 基本的なアルゴリズム 第2章 基本的なデータ構造 第3章 探索 第4章 スタックとキュー 第5章 再帰的アルゴリズム 第6章 ソート 第7章 集合 第8章 文字列探索 第9章 線形リスト 第10章 木構造

誰もが知っている古典的なゲームをパイソンで作成して プログラミングとアルゴリズムの基本を学びましょう！ プログラミング解説書のベストセラー『Pythonでつくる ゲーム開発 入門講座』の著者による オール図解のアルゴリズムの解説書。簡単かつ楽しい作例でスキルアップできる一冊です。 第1章　プログラミングとアルゴリズム 　第2章　プログラミングの基礎 　第3章　ミニゲームを作ろう 　第4章　図形を描こう 　第5章　神経衰弱を作ろう 　第6章　三目並べを作ろう 　第7章　リバーシ（オセロ）を作ろう〜前編 　第8章　リバーシ（オセロ）を作ろう〜後編 　特別付録　エアホッケーを作ろう

様々な最適化に関するトピックスを取り上げ，数学的な定式化とアルゴリズムを解説。プログラミング言語Ｊｕｌｉａによる実装例掲載。 本書は実践的なアルゴリズムに焦点を当てた、最適化についての包括的な入門書である。 いくつかの指標を制約の範囲で最適化するシステムの設計を目的とするような工学的観点から最適化を取り扱う。 読者は、高次元空間の探索、複数の目的が競合する問題への対応、評価指標への不確実性の取り込み、といった多様な課題に対する計算論的アプローチを学ぶことができるだろう。 数学的アプローチの背後にある考え方が図と例、および演習問題によって説明される他、プログラミング言語 Julia による具体的な実装例も提供されている。 本書で扱うトピックには以下のものが含まれる。 ・微分およびその高次元への一般化 ・局所降下法と局所降下方向を定める1次法および2次法 ・最適化のプロセスにランダム性を組み込む確率的な方法 ・目的関数と制約式がともに線形である線形計画問題 ・代理モデル、確率的代理モデル、それらの最適化への利用 ・不確実性下の最適化 ・不確実性の伝搬 ・式の最適化 ・複合領域設計最適化 また付録には以下の内容が収録されている。 ・Julia 言語への入門 ・アルゴリズムの性能を評価するためのベンチマーク関数 ・微分と本書で議論される最適化手法の解析に用いられる数学的概念 本書は、数学、統計学、計算機科学、（電子工学や航空工学を含む）工学系の意欲ある学部生や大学院生が教科書として用いることができる他、専門家がリファレンスとして用いることも可能である。 [原著: Algorithms for Optimization, MIT Press, 2019] 1 イントロダクション 1.1 歴史 1.2 最適化のプロセス 1.3 標準的な最適化問題 1.4 制約 1.5 臨界点 1.6 局所的最適性の条件 1.7 等高線図 1.8 全体概要 1.9 まとめ 1.10 演習問題 2 微分・勾配 2.1 導関数 2.2 勾配 2.3 数値微分 2.4 自動微分 2.5 まとめ 2.6 演習問題 3 囲い込み法 3.1 単峰性 3.2 最初の囲い込み区間を見つける方法 3.3 Fibonacci 探索 3.4 黄金分割探索 3.5 2 次当てはめ探索 3.6 Shubert-Piyavskii法 3.7 二分法 3.8 まとめ 3.9 演習問題 4 局所降下法 4.1 降下方向への反復 4.2 直線探索 4.3 近似直線探索 4.4 信頼領域法 4.5 停止条件 4.6 まとめ 4.7 演習問題 5 1次法 5.1 勾配降下法 5.2 共役勾配法 5.3 モメンタム法 5.4 Nesterovモメンタム法 5.5 Adagrad 5.6 RMSProp 5.7 Adadelta 5.8 Adam 5.9 超勾配降下法 5.10 まとめ 5.11 演習問題 6 2次法 6.1 Newton法 6.2 セカント法 6.3 準Newton法 6.4 まとめ 6.5 演習問題 7 直接法 7.1 巡回ルール付き座標降下法 7.2 Powell法 7.3 Hooke-Jeeves法 7.4 一般化パターンサーチ法 7.5 Nelder-Meadのシンプレックス法 7.6 矩形分割法 7.7 まとめ 7.8 演習問題 8 確率的手法 8.1 ノイズ付き降下法 8.2 メッシュ適応直接探索 8.3 焼きなまし法 8.4 クロスエントロピー法 8.5 自然進化戦略 8.6 共分散行列適応進化戦略(CMA-ES) 8.7 まとめ 8.8 演習問題 9 集団に基づく手法 9.1 初期化 9.2 遺伝的アルゴリズム 9.3 差分進化 9.4 粒子群最適化 9.5 ホタルアルゴリズム 9.6 カッコウ探索 9.7 ハイブリッド法 9.8 まとめ 9.9 演習問題 10 制約条件 10.1 制約付き最適化 10.2 制約条件の種類 10.3 制約を取り除く変換 10.4 ラグランジュの未定乗数法 10.5 不等式制約 10.6 双対性 10.7 ペナルティ法 10.8 拡張ラグランジュ法 10.9 内点法 10.10 まとめ 10.11 演習問題 11 線形計画法 11.1 問題の定式化 11.2 単体法 11.3 最適性の証拠 11.4 まとめ 11.5 演習問題 12 多目的最適化 12.1 パレート最適性 12.2 制約法 12.3 重み付け法 12.4 多目的の集団に基づく手法 12.5 選好誘出 12.6 まとめ 12.7 演習問題 13 サンプリング計画 13.1 完全実施要因計画 13.2 ランダムサンプリング 13.3 一様射影計画 13.4 層別サンプリング 13.5 空間充填指標 13.6 空間充填部分集合 13.7 準ランダム列 13.8 まとめ 13.9 演習問題 14 代理モデル 14.1 代理モデルのフィッティング 14.2 線形モデル 14.3 基底関数 14.4 ノイズ入り目的関数のフィッティング 14.5 モデル選択 14.6 まとめ 14.7 演習問題 15 確率的代理モデル 15.1 ガウス分布 15.2 ガウス過程 15.3 予測 15.4 勾配測定 15.5 ノイズ入り測定値 15.6 ガウス過程のフィッティング 15.7 まとめ 15.8 演習問題 16 代理モデルに基づく最適化 16.1 予測に基づく探索 16.2 誤差に基づく探索 16.3 信頼性下限関数を用いた探索 16.4 改善確率による探索 16.5 期待改善度による探索 16.6 安全最適化 16.7 まとめ 16.8 演習問題 17 不確実性下の最適化 17.1 不確実性 17.2 集合に基づく不確実性 17.3 確率的不確実性 17.4 まとめ 17.5 演習問題 18 不確実性伝搬 18.1 サンプリング法 18.2 テイラー近似 18.3 多項式カオス 18.4 ベイジアンモンテカルロ法 18.5 まとめ 18.6 演習問題 19 離散最適化 19.1 整数計画問題 19.2 ラウンディング 19.3 切除平面法 19.4 分枝限定法 19.5 動的計画法 19.6 蟻コロニー最適化 19.7 まとめ 19.8 演習問題 20 式の最適化 20.1 文法 20.2 遺伝的プログラミング 20.3 文法進化 20.4 確率文法 20.5 プロトタイプ木 20.6 まとめ 20.7 演習問題 21 複合領域設計最適化 21.1 領域の解析 21.2 領域間の両立性 21.3 アーキテクチャ 21.4 複合領域設計実行可能 21.5 逐次最適化 21.6 個別領域実行可能 21.7 協調最適化 21.8 同時解析設計 21.9 まとめ 21.10 演習問題 付録A Julia A.1 型 A.2 関数 A.3 制御フロー A.4 パッケージ 付録B ベンチマーク関数 B.1 Ackley関数 B.2 Booth関数 B.3 Branin関数 B.4 flower関数 B.5 Michalewicz関数 B.6 Rosenbrockのbanana関数 B.7 Wheelerのリッジ関数 B.8 circle関数 付録C 数学的予備知識 C.1 漸近記法 C.2 テイラー展開 C.3 凸性 C.4 ノルム C.5 行列における解析 C.6 正定値性 C.7 正規分布 C.8 ガウス求積 付録D 解答例 文献 索引

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、最適輸送をていねいに解説。まずはこの一冊から始めよう！ ★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 第1章　確率分布を比較するツールとしての最適輸送 1.1　確率分布の比較 1.2　三種類の問題設定 1.3　最適輸送の直観的な理解 1.4　KLダイバージェンスとの比較を通した最適輸送の利点 1.5　記法・数学的な準備 1.6　本書の構成 第2章　最適化問題としての定式化 2.1　線形計画による定式化 2.2　応用例 2.3　最適輸送の双対問題 2.4　最適輸送問題の最適解の疎性 2.5　最小費用流問題と最適輸送問題の関係 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 3.1　エントロピー正則化つき最適輸送問題 3.2　対数領域シンクホーンアルゴリズム 3.3　シンクホーンアルゴリズム 3.4　シンクホーンアルゴリズムにより得た近似解を主問題の解に変換する 3.5　シンクホーンアルゴリズムの大域収束性 3.6　微分可能最適輸送：最適値を最適化する 3.7　シンクホーンダイバージェンス 3.8　エントロピー正則化なし問題への利用 第4章　敵対的ネットワーク 4.1　敵対的ネットワークとは何か 4.2　コスト関数が距離の場合の最適輸送問題の双対問題 4.3　パラメータ化された関数を用いた解法 4.4　ワッサースタインGAN 4.5　敵対的ネットワークのその他の応用例 第5章　スライス法 5.1　一次元の最適輸送 5.2　一次元の最適輸送：一般の分布の場合 5.3　スライス法 5.4　一般化スライス法 5.5　最大化スライス法 5.6　応用例 5.7　木を用いたスライス法 第6章　他のダイバージェンスとの比較 6.1　ダイバージェンスとは 6.2　ファイ-ダイバージェンスと積分確率距離 6.3　確率分布の弱収束 6.4　サンプル複雑性 第7章　不均衡最適輸送 7.1　不均衡最適輸送の導入 7.2　不均衡最適輸送の定式化 7.3　一般化シンクホーンアルゴリズム 第8章　ワッサースタイン重心 8.1　固定サポートと自由サポートの定式化 8.2　線形計画を用いた固定サポートの問題の解法 8.3　劣勾配を用いた固定サポートの問題の解法 8.4　交互最適化による自由サポートの問題の解法 8.5　エントロピー正則化による高速化 8.6　応用例：図形モーフィング 第9章　グロモフ・ワッサースタイン距離 9.1　定式化 9.2　最適化 9.3　応用例：グリッドへの割り当て 第10章　おわりに 10.1　ソフトウェア 10.2　読書案内

◆アルゴリズム問題のロングセラー書！ ◆ ◆午前問題の「流れ図」から午後問題の「擬似言語」までを網羅◆ ◆基本アルゴリズムから本試験問題へとステップアップ学習を実現！ ◆ 基本情報技術者試験で出題される「流れ図」、「擬似言語」といったアルゴリズム問題について、 基礎からやさしく丁寧に解説しています。 今回の改訂では、第2部の擬似言語に「応用例題」を追加し、基本例題の学習が終わったら、少し 難易度の高い応用例題を学習し、最後に実戦問題に挑戦するという3ステップ構成に変更しました。 なお、構成は、旧版と同様、流れ図と擬似言語を分けた2部構成とし、基本的かつ代表的なアルゴ リズムについて例題を豊富に掲載しています。 また、例題ごとに、理解度を確認するための「TRY！」問題や関連知識を配置し、基本知識はもちろん のこと、その周辺知識も確実に習得できるようになっています。 このように、本書は入門レベルから合格レベルまで段階をふんで着実に実力が身につく仕組みに なっています。初めての方やアルゴリズム問題が苦手な方でもスムーズに学習に取り組めます。 著者は、情報処理技術者試験対策で大人気の大滝みや子先生です！！ 長年の受験指導の経験をもとに、押さえるべきポイントを、わかりやすく丁寧に解説しています。 ふだん教えてもらえない解法テクニックも満載です。 さらに、午後問題に出題されるCやJavaなどのプログラム言語の基礎学習にも最適の1冊です。 【本書の目次】 第1部 アルゴリズムと流れ図 第1章 流れ図とは 第2章 基本例題 第3章 実戦問題 第2部 擬似言語 第1章 擬似言語とは 第2章 擬似言語パターン演習 第3章 基本例題 第4章 応用例題 第5章 実戦問題 【本書の目次】 第1部 アルゴリズムと流れ図 第1章 流れ図とは 第2章 基本例題 第3章 実戦問題 第2部 擬似言語 第1章 擬似言語とは 第2章 擬似言語パターン演習 第3章 基本例題 第4章 応用例題 第5章 実戦問題

「PHPの概要がわかった。何か作れないかな?」そんな人にぴったりのヒントが満載!豊富なサンプルプログラムは、もちろんダウンロード可能です。 第1章 PHPと開発環境 第2章 PHPでよく使うデータ構造 第3章 便利なアルゴリズム 第4章 日本語とテキスト解析 第5章 画像とアルゴリズム 第6章 機械学習 第7章 レポート出力とデータの可視化 Appendix

午後問題の中心テーマ「アルゴリズム」対策のテキスト。プログラム未経験でも安心の対話形式。 基本情報技術者試験の【午後試験】で問われる「アルゴリズム分野」は 文系初学者・プログラム未経験者にとってハードルが高いものです。 本書はこの「アルゴリズム分野」を、先生と学生の対話形式でやさしく解説します。 基本情報技術者試験は出題内容の見直しが行われ、 「擬似言語問題」と「プログラム言語問題」の配点が増加しました。 これらの攻略には「アルゴリズム分野」の理解が必須です。 プログラム未経験でも大丈夫！ 解説動画＋まとめページで安心！ ◆こんな方にオススメ! ・文系でプログラムの経験がない ・アルゴリズムってそもそも何？ ・スキマ時間で勉強したい ◆身近な例で説明 アルゴリズムって、そもそも何？というところからスタート。イメージしやすい「じゃんけん」や「自動販売機」の例を紹介し、「なぜその結果になるのか」「データがどのように処理されていくか」がわかるよう、丁寧に解説しています。 ◆読みやすい対話形式 文系初学者のキャラクターと先生のやりとりで講義が進みます。 紙の英和辞典で、「school」という単語を簡単に探せるのはどうしてですか？ 学生「アルファベット順に単語が並んでいるので、だいたい、どのあたりにあるかがわかるからだと思います」 …ここで重要なのは、辞書は、単語が昇順に並んでいるので、だいたいの位置がわかり、目的の単語がだいたいの位置の前にあるか後ろにあるかもわかる、ということです。 ◆まとめページも充実 第1章から第4章まで、章の終わりに「その章で学んだこと」を用意しました。 特に重要な概念や記述形式、考え方をまとめたページで、復習に最適です。第5章には「疑似言語問題の攻略法はありますか？」「覚えておきたい処理パターン」を掲載しています。 また、巻末には「CBTの受験準備」も収録しました。 ◆スマホで12年分の動画解説！ 過去12年・23回分（予定）、擬似言語問題の解説動画を著者Webサイトに用意しました。 著者が実際にプログラムを作り、動作させながら解説しているので「プログラムを動かすとどうなるか」を疑似体験できます。アルゴリズムの学習を始めたばかりの初学者でも理解が進みます。 第1章 アルゴリズム入門 第2章 アルゴリズムの考え方 第3章 基本アルゴリズム 第4章 応用アルゴリズム 第5章 擬似言語問題の演習

ゲームAIの技術要素には大きく分けて「ルール」「探索」「機械学習」の3つがあります。近年話題になることの多い機械学習ですが、機械学習だけでは遠い将来の状況を正確に読むことは難しく、特に探索がなければ真に強いAIは生まれません。また、ゲームAIの技術を競う各種コンテストなどでは使用できるメモリ量やファイルの容量に制限が課され、機械学習を利用することが現実的ではないケースもあります。これは実務においても同様で、与えられた要件によっては今も探索技術が主要素となり得ます。本書は、この探索技術とそれを支えるアルゴリズムにフォーカスを当て、ゲームAIを題材にその重要性と魅力を楽しく学ぶための入門書です。さまざまなゲームの種別に対応した探索アルゴリズムについて、動作のしくみと実装方法を丁寧に解説します。 ■第1章　ゲームと探索の世界 1.1　ゲームAIと探索 - 1.1.1　ゲームにおけるAIと探索 - 1.1.2　ゲームの種類と探索アルゴリズム 1.2　ゲームにおける探索の魅力 - 1.2.1　個人ゲーム開発にこそ探索！ - 1.2.2　大規模商業ゲーム開発にも探索！ - 1.2.3　多様化するプログラミングコンテストの武器に！ ■第2章　開発環境の準備 2.1　Windows Subsystem for Linux［WSL］のインストール - 2.1.1　WSLの起動確認 - 2.1.2　CPUの仮想化機能の確認 - 2.1.3　BIOS/UEFIで仮想化機能を有効化 - 2.1.4　ディストリビューションの導入 - 2.1.5　パッケージの更新 - 2.1.6　C++開発環境のインストール ■第3章　文脈のある一人ゲームに使いたい探索アルゴリズム 3.1　サンプルゲーム紹介～数字集め迷路 - 3.1.1　数字集め迷路とは - 3.1.2　数字集め迷路の実装 3.2　貪欲法［Greedy］ - 3.2.1　貪欲法の特徴と動作～全ての探索アルゴリズムの基礎！ これさえあれば戦える！～ - 3.2.2　貪欲法の実装 3.3　ビームサーチ - 3.3.1　ビームサーチの特徴と動作～探索空間を見極めろ！ コンテスト上級者も愛用する探索！ - 3.3.2　ビームサーチの実装 3.4　Chokudaiサーチ - 3.4.1　Chokudaiサーチの特徴と動作～多様性を自動で確保！ お手軽で初心者にオススメ！ - 3.4.2　Chokudaiサーチの実装 ■第4章　文脈のない一人ゲームに使いたい探索アルゴリズム 4.1　サンプルゲーム紹介～オート数字集め迷路 - 4.1.1　オート数字集め迷路とは - 4.1.2　オート数字集め迷路の実装 4.2　山登り法 - 4.2.1　山登り法の特徴と動作～着実によい解を探索する！ シンプルで安定感のあるアルゴリズム！ - 4.2.2　山登り法の実装 4.3　焼きなまし法 - 4.3.1　焼きなまし法の特徴と動作～局所解を抜け出せ！ マラソンマッチでおなじみのアルゴリズム！ - 4.3.2　焼きなまし法の実装 ■第5章　交互着手二人ゲームに使いたい探索アルゴリズム 5.1　サンプルゲーム紹介～交互着手数字集め迷路 - 5.1.1　交互着手数字集め迷路とは - 5.1.2　交互着手数字集め迷路の実装 5.2　MiniMax法 - 5.2.1　MiniMax法の特徴と動作～「神の一手」が打てます。そう、この手法ならね - 5.2.2　MiniMax法の実装 5.3　AlphaBeta法 - 5.3.1　AlphaBeta法の特徴と動作～無駄は許さない！ MiniMax法の正統進化！ - 5.3.2　AlphaBeta法の実装 5.4　反復深化［Iterative Deepening］ - 5.4.1　反復深化の特徴と動作～時間を無駄にしない！ 最適な木の深さを見つけよう！ - 5.4.2　反復深化の実装 5.5　原始モンテカルロ法 - 5.5.1　原始モンテカルロ法の特徴と動作～盤面評価不要！ 勝率のよい手を選べ！ - 5.5.2　原始モンテカルロ法の実装 5.6　MCTS［モンテカルロ木探索］ - 5.6.1　MCTSの特徴と動作～敵を侮るな！ 強者同士の勝負をシミュレーション！ - 5.6.2　MCTSの実装 5.7　Thunderサーチ - 5.7.1　Thunderサーチの特徴と動作～筆者考案！ 盤面評価を利用して有益なノードを探索！ - 5.7.2　Thunderサーチの実装 ■第6章　同時着手二人ゲームに使いたい探索アルゴリズム 6.1　サンプルゲーム紹介～同時着手数字集め迷路 - 6.1.1　同時着手数字集め迷路とは - 6.1.2　同時着手数字集め迷路の実装 6.2　交互着手用アルゴリズムの適用 - 6.2.1　原始モンテカルロ法の実装 - 6.2.2　MCTSの実装 6.3　DUCT［Decoupled Upper Confidence Tree］ - 6.3.1　DUCTの特徴と動作～コンテストで大注目！ 同時着手ならこれ！ - 6.3.2　DUCTの実装 ■第7章　よりよい探索をするためのテクニック 7.1　サンプルゲーム紹介～壁有り数字集め迷路 - 7.1.1　壁有り数字集め迷路とは - 7.1.2　壁有り数字集め迷路の実装 7.2　評価関数の設計 - 7.2.1　実スコア以外の補助スコアを加える - 7.2.2　実スコア以外の補助スコアを加える方針の実装 7.3　多様性の確保方針 - 7.3.1　同一盤面除去 - 7.3.2　同一盤面除去の実装 7.4　高速化 - 7.4.1　複数のビット列で盤面を表現 - 7.4.2　複数のビット列で盤面を表現する実装 - 7.4.3　単一のビット列で盤面を表現 - 7.4.4　単一のビット列で盤面を表現する実装 - 7.4.5　コピー回数の抑制 - 7.4.6　参照カウント方式によるコピー回数抑制の実装 ■第8章　実際のゲームへの応用 8.1　コネクトフォーをプレイするAIの実装 - 8.1.1　サンプルゲーム紹介～コネクトフォーとは - 8.1.2　コネクトフォーの実装 - 8.1.3　盤面のビットボード化による高速化 - 8.1.4　コネクトフォーにビット演算を適用する実装

トップIT企業が行う「コーディング面接」で出された問題を通しアルゴリズムとデータ構造に関する重要な問題とその解法を分かりやすく解説。コンピュータサイエンスにおける基礎的な理解をもう一段階上のレベルに引き上げ使いこなす方法を伝授。シリコンバレー系IT企業の面接時の実際とその戦略・アプローチ・就職方法について-実際に面接採用官だった著者が詳しくアドバイスします。 1 面接の流れ 2 面接試験の舞台裏 3 特殊な状況 4 面接の前に 5 行動に関する質問 6 技術的な質問 7 オファーとその後 8 問題 9 解法 10 謝辞 11 索引 12 プロフィール

これからのIT人材必修の「アルゴリズム実技検定」初の公式テキスト登場！ ■アルゴリズム実技検定（PAST）とは 　アルゴリズム実技検定（PAST）とは、IT人材のプログラミングスキルを可視化することを目的としたAtCoder株式会社が主催する検定試験です。 ■アルゴリズム実技検定の中級認定まで対応 　本書は、「エントリー」「初級」「中級」の出題範囲を網羅的に解説しています。 　プログラミングの基礎知識から、各種アルゴリズムの解説、数学的な問題解決方法まで、アルゴリズム実技検定だけでなく、これからのソフトウェアエンジニアに要求される知識を丁寧に盛り込みました。 　本書を通じて学習することで、「中級」に求められる「様々なアプローチがある課題において、適切なアルゴリズムを選択し、高速なプログラムを作成」できることを目指しましょう。 ■本書の特徴 □特徴1：はじめての挑戦でもこの1冊で準備できます！ 　はじめてのプログラミング、はじめての検定試験でも安心して挑戦できます。 ・問題の解き方から回答方法まで丁寧に解説 ・中級範囲に出題されるアルゴリズム（問題解決方法）も細かく図解 ・Pythonの特徴から基本文法、標準入出力も例を交えて丁寧に説明 □特徴2：実際の問題を解きながら学べます！ 　アルゴリズム実技検定で求められる知識を問題に取り組みながら得られます。 ・はじめての挑戦でもつまずかないように、概念図を豊富に掲載 ・はじめてではわかりづらい、問題文の読み解き方も丁寧に解説 ・過去にAtCoderやアルゴリズム実技検定で出題された問題を抜粋して解説 □特徴3：プログラマーに求められる知識も身につきます！ 　問題を解決するだけではなく、高速なプログラムの作成方法も学習できます。 ・課題に合わせて、適切なアルゴリズムの選択方法を解説 ・複数のアプローチがありえる問題では回答パターンを紹介 ・計算量を考えてプログラムを書き換える方法も丁寧に説明 ■本書の構成 　第1章　アルゴリズム実技検定の挑戦にあたって 　第2章　問題の解き方 　第3章　アルゴリズムとコーディング 　第4章　Pythonを使ったプログラミング［エントリー編］ 　第5章　基礎的なアルゴリズム［初級編］ 　第6章　応用的なアルゴリズム［中級編］ 　第7章　さらなる得点を狙うために 第1章　アルゴリズム実技検定の挑戦にあたって 　1.1　試験要綱 　1.2　スケジュール・学習方法の手引き 　1.3　アルゴリズム実技検定の特徴 　1.4　本書で使用するプログラミング言語"Python"について 　1.5　実行環境の準備 第2章　問題の解き方 　2.1　PAST 採点の仕組みと回答方法 　2.2　問題を解く順番 　2.3　受験時に準備しておくべきもの 第3章　アルゴリズムとコーディング 　3.1　アルゴリズムについて 　3.2　データ構造について 　3.3　コーディングについて 第4章　Pythonを使ったプログラミング［エントリー編］ 　4.1　Pythonの特徴 　4.2　Python の基本文法 　4.3　標準入出力の使い方 　4.4　整数、小数の使い方 　4.5　文字列の使い方 　4.6　配列の使い方 　4.7　if文を用いた条件分岐 　4.8　条件判定とTrue、Falseの使い方 　4.9　for文とwhile文を用いた繰り返し 　4.10　辞書型の使い方 　4.11　問題を解いてみよう 　4.12　その他の応用的な機能 　4.13　PyPyについて 第5章　基礎的なアルゴリズム［初級編］ 　5.1　2次元配列 　5.2　全探索 　5.3　グラフの基礎 第6章　応用的なアルゴリズム［中級編］ 　6.1　中級認定に向けて 　6.2　計算量 　6.3　幅優先探索と深さ優先探索 　6.4　動的計画法 　6.5　集合に対する全探索と動的計画法 　6.6　数学的問題 　6.7　累積和 　6.8　貪欲法 　6.9　二分探索 　6.10　最短路問題 　6.11　最小全域木問題 　6.12　組み合わせと数え上げ問題 　6.13　クエリの処理 第7章　さらなる得点を狙うために 　7.1　アルゴリズムを組み合わせる 　7.2　頻出考察テクニックを身につける 　7.3　複雑な解法を整理して解ききる 付録：さまざまなPythonの関数と記法

本書では、多くの人のなじみの深いリバーシを題材に、思考ゲームを解くプログラムの作り方を解説します。本書を一通り読めば、思考ゲームが極めて単純な原理、すなわちMinimaxアルゴリズムに基づいて手を選んでいるということが分かるはずです。 1章 イントロダクション 2章 ボードの設計と実装 3章 探索アルゴリズム 4章 評価関数 5章 定石 6章 ゲームの実装

自然言語処理編

さまざまなアルゴリズムを一挙に把握できる。問題解決力、データ活用力を養成！>>本書は、アルゴリズムの基本から始まり、検索やソートなどの実例を示します。より複雑なアルゴリズムとしては、線形計画法、ページランキング、グラフアルゴリズムを説明。機械学習アルゴリズム背後のロジックも理解できるようにします。不正分析やレコメンデーションエンジンのケーススタディを取り上げ、データ処理・大規模処理・暗号化のアルゴリズムも紹介。本書は、さまざまなアルゴリズムを活用したい方にとってその手掛かりとなるガイドブックです。

プログラマに必須のアルゴリズムの知識がAtCoderで楽しく身につく！ AtCoder株式会社は、日本発のプログラミングコンテスト運営会社として2012年6月20日に設立され、年々活動の幅を拡げてきました。 AtCoderの開催するコンテストは、「与えられた問題を解決するアルゴリズムを考え、それを正しく実装する」ことを競技化したものです。 本書は「AtCoderでアルゴリズムを学びたい」「AtCoderのコンテストに参加したい」という方に向けたAtCoderの入門書です。 コンテストで出題された過去問を用いて、問題の解き方を体系的に解説しました。一つ一つの問題を解説する際には、「なぜそのように考えるのか」が明快になるように心がけました。 筆者は、プログラマのための技術情報共有サービスサイトQiitaに、次のタイトルの記事を投稿しています（2018年３月）。 「AtCoderに登録したら次にやること～これだけ解けば十分闘える！過去問精選10問～」 この記事は、AtCoder の過去問10 問を実際に解くことで、読者がAtCoderへスムーズに入門できるように試みたものです。 本書はこの記事にいくつかのトピックを追加して、さらにC++ とPython3の両言語で学べるようにして、できあがりました。 AtCoderのコンテストは、参加者の人生を大きく変える力があります。 コンテストの問題を解いていくことで、アルゴリズム的思考力が身につきます。コンテストでよい成績を収めてレーティングを上げると、市場価値も高まります。また、コンテストに参加することで他の参加者とのつながりを得て、交流を深めることもできます。そしてなにより、AtCoder のコンテストは、ゲームのように楽しいものです。 ～「まえがき」より～ 登録者数30万人超のプログラミングコンテストサイト「AtCoder」に対応した初の書籍。アルゴリズムの知識とPythonとC++によるコーディングを専門家が指南！コーディングテスト対策にも◎ 第１章　AtCoderとは 第２章　AtCoderの始め方 第３章　初級編～ここからスタート！～ 第４章　中級編～典型を徹底マスター～ 第５章　計算量 第６章　上級編～本格的なアルゴリズムの世界へ～

初学者が学びやすいように、ＰｙｔｈｏｎのＪｕｐｙｔｅｒ　Ｎｏｔｅｂｏｏｋを利用した。第一人者が書き下ろす至極の入門書！ ◆◆日本機械学会教育賞　受賞（2020年度）！！◆◆ 僕たちは、こんな本を待っていた。 Sebastian Thrunらの名著『確率ロボティクス』（マイナビ）の翻訳者であり、 同分野の第一人者でもある、上田隆一氏が書き下ろす至極の入門書！ 　 ・理論→実装という一貫した流れで、丁寧に解説。まさにバイブル！ ・Jupyter Notebook対応だから、すぐに実践できる！ ・コードはGitHubで全部公開！ 【第1章「はじめに」より抜粋】 　本書は、確率をロボットの認識機能や制御に用いることを考える分野「確率ロボティクス」の入門書です。ロボットの開発者、研究者になるには機械、計算機、制御に関する勉強も必要なうえ、上記のような状況なので、確率論、統計学の理解も重要になってきています。たくさん勉強しなければならないので「手短に」といいたいところですが、確率というものに実感がもてるまでには頭の訓練が必要です。 　筆者は学生のとき、確率に対する実感を養うために（実際は家賃込みの月6万円の仕送りを増やすために）、学生寮、後楽園、高田馬場あたりの「現場」でかなりの訓練をして仕送りを減らしていましたが、そちらをおすすめするわけにはいきません。そこでロボティクスでよく使われるアルゴリズムを書いて動かしてもらい、実感をもってもらおうと企画したのが本書です。 【主な内容】 第1部　準備 第1章　はじめに 第2章　確率・統計の基礎 第3章　自律ロボットのモデル化 第4章　不確かさのモデル化 第2部　自己位置推定とSLAM 第5章　パーティクルフィルタによる自己位置推定 第6章　カルマンフィルタによる自己位置推定 第7章　自己位置推定の諸問題 第8章　パーティクルフィルタによるSLAM 第9章　グラフ表現によるSLAM 第3部　行動決定 第10章　マルコフ決定過程と動的計画法 第11章　強化学習 第12章　部分観測マルコフ決定過程 付録A　ベイズ推論によるセンサデータの解析 付録B　計算 第1部　 準備 第1章 はじめに 1.1 「分からない」を扱う 1.2 確率ロボティクスの歴史 1.3 本書について 第2章 確率・統計の基礎 2.1 センサデータの収集とJupyter Notebook 上での準備 2.2 度数分布と確率分布 2.3 確率モデル 2.4 複雑な分布 2.5 多次元のガウス分布 2.6 まとめ 第3章 自律ロボットのモデル化 3.1 想定するロボット 3.2 ロボットの動き 3.3 ロボットの観測 3.4 コードの保存と再利用 3.5 まとめ 第4章 不確かさのモデル化 4.1 ノートブックの準備 4.2 ロボットの移動に対する不確かさの要因の実装 4.3 ロボットの観測に対する不確かさの要因の実装 4.4 まとめ 第2部　 自己位置推定とSLAM 第5章 パーティクルフィルタによる自己位置推定 5.1 自己位置推定の問題と解法 5.2 パーティクルの準備 5.3 移動後のパーティクルの姿勢更新 5.4 観測後のセンサ値の反映 5.5 リサンプリング 5.6 出力の実装 5.7 まとめ 第6章 カルマンフィルタによる自己位置推定 6.1 信念分布の近似と描画 6.2 移動後の信念分布の更新 6.3 観測後の信念分布の更新 6.4 まとめ 第7章 自己位置推定の諸問題 7.1 KLDサンプリング 7.2 より難しい自己位置推定 7.3 推定の誤りの考慮 7.4 MCLにおける変則的な分布の利用 7.5 まとめ 第8章 パーティクルフィルタによるSLAM 8.1 逐次SLAMの解き方 8.2 パーティクルフィルタによる演算 8.3 パーティクルの実装 8.4 ランドマークの位置推定の実装 8.5 重みの更新の実装 8.6 FastSLAM 2.0 8.7 まとめ 第9章 グラフ表現によるSLAM 9.1 問題の定式化 9.2 仮想移動エッジによる軌跡の算出 9.3 移動エッジの追加 9.4 地図の推定 9.5 センサ値が2変数の場合 9.6 まとめ 第3部　行動決定 第10章 マルコフ決定過程と動的計画法 10.1 マルコフ決定過程 10.2 経路計画問題 10.3 方策の評価 10.4 価値反復 10.5 ベルマン方程式と最適制御 10.6 まとめ 第11章 強化学習 11.1 Q学習 11.2 Sarsa 11.3 n-step Sarsa 11.4 Sarsa(λ) 11.5 まとめ 第12章 部分観測マルコフ決定過程 12.1 POMDP 12.2 Q-MDP 12.3 ランドマークの足りない状況でのナビゲーション 12.4 AMDP 12.5 まとめ 付録A ベイズ推論によるセンサデータの解析 付録B 計算

最高のアルゴリズム入門書 すべてのPythonプログラマに贈る！ アルゴリズムとデータ構造入門書の最高峰。 最高のアルゴリズム入門書 本書は、Pythonで実装した豊富なプログラム例を通じて、アルゴリズムとデータ構造の基礎を身につけるためのテキストです。 基本的なアルゴリズムとデータ構造に始まって、目的とするデータを見つける探索、データの並びを一定の順序で並びかえるソート、そして、スタック・キュー・再帰的アルゴリズム・線形リスト・２分探索木などを学習します。 解説にあたっては、難しい理論や概念を視覚的なイメージで理解できるように、213点もの図表を提示しています。本書に示す136編のプログラムは、単なるサンプルではなく、実際に動作するものばかりです。すべてのプログラムを読破すれば、かなりのコーディング力が身につくはずです。 最高のアルゴリズム入門書 すべてのPythonプログラマに贈る！ アルゴリズムとデータ構造入門書の最高峰。 第1章 基本的なアルゴリズム 第2章 データ構造と配列 第3章 探索 第4章 スタックとキュー 第5章 再帰的アルゴリズム 第6章 ソート 第7章 文字列探索 第8章 線形リスト 第9章 木構造

個人の地域密着型アウトドアショップがデジタルマーケティングで業績を飛躍的にアップさせていくストーリーに乗せて、DMの基礎を… 個人の地域密着型アウトドアショップがデジタルマーケティングで業績を飛躍的にアップさせていくストーリーに乗せて、DMの基礎を学ぶ

Pythonの表現性とC/C++の速さを備えたCythonを使って、パフォーマンス向上を図るための手法を披露。 Pythonの「遅さ」を解消するCythonの解説書！ 豊富なライブラリで科学計算から金融工学まで利用が広がるPythonですが、速度が遅いという弱点を抱えています。この「遅さ」を解消すべく登場したのがCythonです。本書はPythonの表現性とC/C++の速さを備えたCythonを使って、パフォーマンス向上を図るための手法を示します。科学技術計算や統計分析の分野では恒常的にある「Pythonの速度を向上させたい」というニーズに応える一冊。

アルゴリズムとデータ構造

アルゴリズムの歴史を神経科学、進化生物学、物理学、統計学、計算機科学の観点から展開し、究極のマスターアルゴリズを模索する。 世界有数の研究者による“機械学習の説明書“。2015年アメリカでの発売当初から研究者の間で話題となった力作が、『パターン認識と機械学習』などの翻訳を手がけた神嶌敏弘博士の訳で満を持して刊行。一般向けのきめ細やかな訳注も加えた。 囲碁AI、AmazonやNetflixのお薦め機能、iPhoneのSiri。私たちの生活に溶け込んでいる機械学習とは何か？　観測衛星、DNAシーケンサ、量子加速器などのデータから、機械学習は自然界の謎をすべて解き明かすのか？　蓄えられた莫大なデータはアメリカ大統領選から企業のサービスまで影響を与え、陸・海・空を機械学習で自動操縦される無人車両が飛び交う。機械学習によって、世界はどう変わるのか？ アルゴリズムの歴史を解説するとともに、世界を再構築する究極の「マスターアルゴリズム」の存在を探究。 マスターアルゴリズムが存在する根拠を、神経科学、進化生物学、物理学、統計学、および計算機科学の観点から軽妙かつ縦横に展開する。知的好奇心が沸き立つ1冊。六七質のイラストが世界観を表現。 ペドロ・ドミンゴス（著者） ワシントン大学ポール・アレン コンピュータサイエンス＆エンジニアリング学部教授。AAAS（アメリカ科学振興協会）およびAAAI（人工知能振興学会）フェロー。1992年リスボン工科大学Instituto SuperiorTecnico修士課程修了（電子工学・コンピュータサイエンス）。1997年カリフォルニア大学アーバイン校にて博士取得（情報・コンピュータサイエンス）。マルコフ論理ネット、影響最大化問題、データストリーム、敵対的学習、sum-productネットなど顕著な業績が知られている、世界有数の機械学習研究者である。KDD2003、SRL2009ではプログラム委員長を務める。IMLS（国際機械学習学会）の発起人。”Machine Learning ”誌編集委員。SIGKDD Innovation Award、IJCAI John McCarthy Awardを筆頭に受賞多数。 神嶌敏弘（訳者） 1994年京都大学大学院工学研究科修士課程修了（情報工学専攻）。1994年電子技術総合研究所入所。2001年京都大学にて博士取得（情報学）。現在は産業技術総合研究所にて、機械学習やデータマイニングの手法、特に公平性配慮型データマイニングと推薦システムや個人化技術などについて研究。 携わった書籍に、人工知能学会監修『深層学習』（編／近代科学社）、トレバー・ヘイスティ他『統計的学習の基礎』（共監訳／共立出版）、C.M.ビショップ『パターン認識と機械学習』（共訳／丸善出版）などがある。 2019年人工知能学会 AI ELSI賞 Perspective部門受賞。 第1章 機械学習革命 機械学習の目的を述べ、実世界に機械学習が与える影響を紹介。まず、計算機科学のアルゴリズム、プログラム、複雑性などの概念を説明し、「機械学習とはアルゴリズム自体を創るアルゴリズムである」ことを解説。ビジネス、科学、政治、安全保障の各分野で機械学習がどのように使われているか、その重要性にも言及する。 第2章 マスターアルゴリズム 現状の機械学習の問題点を克服した「マスターアルゴリズム」を開発するという本書の道筋を提示。マスターアルゴリズムが存在する根拠を、神経科学、進化生物学、物理学、統計学、および計算機科学の観点から展開。マスターアルゴリズムが満たすべき条件とは何か？　現状の機械学習を「記号主義者、コネクショニスト、進化主義者、ベイズ主義者、類推主義者」の５つの学派に分け、これらの長所を備えたものがマスターアルゴリズムであるとの道筋を示す。 第3章 ヒュームの「帰納の問題」 あらゆる知的活動は記号の操作に還元できる、と考える「記号主義者」を扱う章。 第4章 脳はどうやって学習しているのか 神経科学の知見に基づく「コネクショニスト」のニューラルネットを扱う章。 第5章 進化生物学 ― 自然の学習アルゴリズム 生物の進化を模擬的に実行する「進化主義者」の手法を扱う章。 第6章 ベイズ師の聖堂にて 不確実性に焦点を当てた「ベイズ主義者」の手法を扱う章。 第7章 あなたはあなたのそっくりさん 似たものはその振る舞いも似ているという着想に基づく「類推主義者」の手法を扱う章。 第8章 先生に教わらずに学ぶ 教示情報を使わない、クラスタリング、次元削減、チャンキングの教師なし学習、自ら調べて学ぶ強化学習、繋がりのあるものごとを学ぶ関係学習を紹介。 第9章 パズルのピースがはまるとき 著者の考えるマスターアルゴリズム候補を、軽妙な寓話を通じて、その中核となるマルコフ論理ネットを軸に語っていく。そしてこの候補がマスターアルゴリズムに至るために必要なものは何かを模索。 第10章 機械学習時代の世界へ 高度な機械学習技術が社会にもたらす影響を論じる。機械学習モデルと人間との関わり合い、自身の代理人モデルがある社会、データの共有の必要性と手段、雇用・安全保障・技術的特異点の行く先。そして最後に人類の行く先について、踏み込んだ意見を述べる。

量子コンピュータの理解を深める書籍。プログラミングに必要な知識とツールとスキルをコンパクトに、実践的に説明する。 ブラウザで動くシミュレータで量子プログラミングを実際に試して理解できる! 量子コンピュータによって何が可能なのか、何によってより強力になるのか、解決できる問題を特定する方法についての理解を深めることを目的としています。概念的な記述が多い他の量子コンピュータの本とははっきり一線を画し、あくまでも実践に主軸を置き、著者たちが作ったシミュレータを利用してブラウザさえあれば試すことができるという、実践的なアプローチが特徴的です。量子コンピュータのプログラミングに必要な知識とツールとスキルをコンパクトにまとめ、実践的な観点から説明します。 量子コンピュータの理解を深める書籍。プログラミングに必要な知識とツールとスキルをコンパクトに、実践的に説明する。

幅広いアルゴリズムを網羅し、Python/Wekaによる実装例も多数掲載した、機械学習入門書の決定版。 「理論」「実践」の両面から学べる、機械学習入門書の決定版！ ◆機械学習の理論をわかりやすく解説 数式をしっかり扱いつつも、平易なことばで直感的な理解ができるよう工夫されています。 また、分析したいデータの種類によってアルゴリズムを分類・整理して解説することで、現実で問題に直面した際に適用できるアルゴリズムが何なのかが理解でき、必要な部分から学んでいけるよう構成されています。 ◆幅広い手法を網羅 「機械学習とは何か」という初歩の初歩から、識別・モデル推定といった基本的な考えかた、ニューラルネットワーク・サポートベクトルマシンといった応用手法、そして深層学習・強化学習といった発展的なトピックまで、様々なアルゴリズムがとりあげられています。 ◆Python/Wekaでアルゴリズムを実装 アルゴリズムの解説だけでなく、Python/Wekaによる実装例も多数掲載されています。理論を学んだあとに、解析例をもとにデータの読み込みから結果の可視化まで1ステップずつ実装していくことで、表面的な理解にとどまらない、「現場で役立つ」知識が身につきます。 第2版では、Pythonによる実装例が多数追加されたほか、勾配ブースティング・リカレントニューラルネットワーク・深層強化学習などの近年話題のトピック追加をはじめとして、全面的に最新の解説にアップデートされています。 第1章　はじめに 第2章　機械学習の基本的な手順 第3章　識別 ―概念学習― 第4章　識別 ―統計的手法― 第5章　識別 ―生成モデルと識別モデル― 第6章　回帰 第7章　サポートベクトルマシン 第8章　ニューラルネットワーク 第9章　深層学習 第10章　アンサンブル学習 第11章　モデル推定 第12章　パターンマイニング 第13章　系列データの識別 第14章　半教師あり学習 第15章　強化学習 付録A　演習問題解答 付録B　Weka 付録C　Python

日常の身近な例を挙げながら，データ構造の基本から設計手法までを解説する入門書．イメージしながら学べます． ●はじめての方に最適！ お店にできる行列や目的地まで行くときの道選びなど，日常の身近な例を挙げながら，データ構造の基本から，分割統治法，グリーディ法，バックトラック法などの設計手法までを解説していきます．具体的にイメージしながら学べるので，初学者も無理なく理解できます． 設計手法の説明のあとには，グラフや文字列照合などの具体的なアルゴリズムについても解説します． 2006年に初版が発行されて以来，高専や大学など多くの学校で採用されている人気のテキストです．今回の改訂では，表現や項目を見直し，よりわかりやすくなりました． 第1章 アルゴリズムの基礎 第2章 アルゴリズムの基本データ構造 第3章 アルゴリズムにおける基本概念 第4章 データの探索 第5章 ソートアルゴリズム1 第6章 ソートアルゴリズム2 第7章 アルゴリズムの設計手法1 第8章 アルゴリズムの設計手法2 第9章 アルゴリズムの設計手法3 第10章 グラフアルゴリズム 第11章 多項式と行列 第12章 文字列照合アルゴリズム 第13章 アルゴリズムの限界

本書は、アルゴリズムとデータ構造についてC言語による実例を交えながら解説したものです。 第1部 アルゴリズムとデータ構造の基本 第2部 基本的なデータ構造 第3部 探索 第4部 整列 第5部 文字列の探索 第6部 いろいろなアルゴリズム

良いプログラムを書くための必須知識をまとめたテキストであり、五輪の書。約20年ぶりの改訂版。 良いプログラムを書くための必須知識をまとめたテキストであり、五輪の書。 本書は、長年にわたって数多くの優秀なシステムエンジニア、プログラマーに愛読されてきた、良いプログラムを書くための必須知識をまとめたテキストです。 うまくつくられたプログラムは、理解しやすく実行効率も高いものですが、一方、そうでないものは解読も困難なうえに、やたら時間や領域をくいます。さらに、そのようなまずいプログラムには、えてしてミスや内容的な誤りも隠されているものです。 本書は、新たなアルゴリズムで新たなプログラミングを行うために覚えておかなくてはいけない必須知識、そしてアルゴリズムの設計、実現における基礎を、実用上の価値に重点を置いてまとめています。 今回の改訂においては、多くの読者の声をよく参考にして、よりわかりやすく、簡明になるよう見直しを行ったほか、接尾辞木について新たな解説を加えています。 システムエンジニア、プログラマーとして活躍される方の五輪書です。

オープンソースの麻雀アプリ「電脳麻将」のソースコードを作者が解説！ 対戦型麻雀ゲーム「電脳麻将」のソースコードを開発者自ら解説します。 まずは、シャンテン数計算、和了役判定と点数計算、各種ルールに従ったゲームの進行の実装を解説します。その後、まずはリーチのAIを実装し、ベタオリ、鳴きなど、具体的な戦術を追加して麻雀AIを強化する過程を順を追って説明していきます。 電脳麻将のAIは機械学習を採用していません。それゆえ、打牌選択の基準、鳴きの基準、押し引きの基準などは、プログラムで具体的に指定しています。いわば「人間の考える戦術をシミュレートする装置」といえます。さまざまな麻雀セオリーを実装し、それ以前のAIとの対戦を行って、その結果を確認しながらAIを進化させていきます。その過程を理解すれば、麻雀以外のAIの実装・強化にも役立つはずです。 「電脳麻将」はオープンソースで公開されているので、本書を参考にオリジナルの戦術を実装したAIを開発し、差し替えることができます。そして、AI同士で対戦させ、その戦術の正しいかをシミュレーションすることも可能です。 対戦型麻雀ゲーム「電脳麻将」のソースコードを開発者自ら解説。シャンテン数計算、和了役判定と点数計算、ゲーム進行を実装。そして、シンプルなAIを組み込み、さまざまな戦術を追加して麻雀AIを強くしていく過程を解説。 東一局　イントロダクション 　0本場　電脳麻将とは 　1本場　プログラム構成 　2本場　本書について 東二局　手牌とシャンテン数 　0本場　手牌の表現 　1本場　手牌の操作 　2本場　シャンテン数計算 東三局　和了点計算 　0本場　和了点計算の流れ 　1本場　状況役と懸賞役 　2本場　和了形を求める 　3本場　符を計算する 　4本場　和了役を判定する 　5本場　和了点を計算する 　6本場　計算例 東四局　ゲーム進行 　0本場　ゲーム進行の概要 　1本場　ゲーム進行の実装 　2本場　牌山と河の実装 南一局　麻雀AIのプログラム 　0本場　麻雀AIのプログラム構造 　1本場　リーチのAI 南二局　オリと鳴き 　0本場　ベタオリのAI 　1本場　鳴きのAI 南三局　手作り 　0本場　手作りのAI 南四局　押し引き 　0本場　押し引きのAI 西入　付録

博報堂のデータサイエンス部門を率いる著者が、日常的な問題をデータサイエンスの力で立ち向かいつつ、難解な情報工学の知識を紹介。

量子計算のアルゴリズムと計算量理論について、一からわかりやすく解説した書籍。読者自ら手を動かしながら学ぶことができる。 丁寧な解説と豊富な演習問題により、量子計算のアルゴリズムと計算量理論について一から理解できる。 量子計算のアルゴリズムと計算量理論について、一からわかりやすく解説した書籍です。 現在、大きな注目を集めている量子コンピュータは、量子計算の計算モデルを採用することで、従来のコンピュータや人手による計算（古典計算）と比べて、指数関数的な高速化を実現します。これは、「古典計算は量子計算で効率的に実行可能である」という事実にもとづくものです。 したがって、量子コンピュータを理解し、使いこなすには、重ね合わせの原理とエンタングルメントをはじめとした量子計算のアルゴリズムと計算量理論をひと通り理解する必要があります。 本書は、線形代数と離散数学の基本的な知識のみを前提として、量子計算の原理について初学者向けに丁寧な解説を行っています。数多くの例題と演習問題を収載しており、読者自ら手を動かしながら学ぶことができます。 第1章　計算理論の基礎事項 第2章　ブラケット記法と量子計算でおなじみの行列 第3章　量子情報の基礎 第4章　量子回路 第5章　量子アルゴリズム 第6章　量子計算量クラス

日常生活の中にある“身近な疑問”を問題として取り上げ、それらの問題を解くためのアルゴリズムをわかりやすく説明します。 日常生活の中にだって、知っておくべきアルゴリズムはたくさんある 「あなたの100歳の誕生日は何曜日？」 「どうしてエレベータが通過しちゃうの？」 「お釣りの硬貨の枚数を最小にするには？」 本書では、このような“身近な疑問”を解く、有名なアルゴリズムを解説します。 1～9章では、日常生活の中にある“身近な疑問”を問題として取り上げ、それらの問題を解くためのアルゴリズムをわかりやすく説明しています。 コイン問題を解く「動的計画法」、最短経路を求める「ダイクストラ法」や「ベルマン＝フォード法」、クラスタリングを行う「k-means法」など、知っておくべき“必修アルゴリズム”を学べます。 プログラミング言語はPythonを使います。 補章では、Pythonを学び始めたばかりの人でも1～9章の内容を理解できるように、基本的な構文や組み込み関数、標準モジュールなどを説明しています。 これからアルゴリズムを学ぶ人、 有名なアルゴリズムの理解を深めたい人、 いろいろなアルゴリズムを知りたい人に、おすすめです。 日常生活の中にある“身近な疑問”を問題として取り上げ、それらの問題を解くためのアルゴリズムをわかりやすく説明します。 1章 あなたの100歳の誕生日は何曜日？ 2章 選挙で過半数を取った人は誰？ 3章 これってメールアドレスとして合ってる？ 4章 どうしてエレベータが通過しちゃうの？ 5章 お釣りの硬貨の枚数を最小にする 6章 新宿から秋葉原までの最短経路は？ 7章 電気自動車の消費する電力量が最小になる経路は？ 8章 みんなが幸せになれる「安定マッチング」 9章 あなたは文系か理系か、それとも両方か？

図解イラストで楽しくわかる、アルゴリズムのしくみと、主要言語での書き方 アルゴリズムと、それを主要言語でどのように書けばよいのかを、図解とイラストを豊富に使って説明した入門書。 本書の特長は、 1.　「アルゴリズムの意味」をイラストや図でやさしく解説 2.　そのアルゴリズムに関する「プログラミング言語」のサンプルを試し、体験して納得 の2点です。 「アルゴリズム」と聞くと難しそうに思えますが、ズバリ『問題を解決するための考え方』です。「このアルゴリズムは、どんな考え方で問題を解こうとしているのか？」「この手順は、何をしようとしているのか？」など、「アルゴリズムの意味」に注目して考えていくと、だんだんとアルゴリズムがわかってきます。本書ではイラストや図を使って、入門者でもアルゴリズムのイメージがつかめるよう、解説していきます。 そして、「意味が理解できただけ」では使えるようになりませんので、実際にプログラミング言語によるサンプルプログラムを用意しました。「理解した意味の通りにアルゴリズムが動くこと」を試して、実感してください。 この「第２版」では、「迷路自動生成アルゴリズム」「迷路探索アルゴリズム」を追加して解説。 「アルゴリズム」をちゃんと把握したい人、プログラムの組み立て方をもっと知りたい人に役立つ1冊です。 【サンプル掲載言語】 Python、JavaScript、PHP、C、C#、Java、Swift、VBA 【本書で紹介しているアルゴリズム】 ・簡単なアルゴリズム 合計値、平均値、最大値、最小値、データの交換 ・サーチアルゴリズム リニアサーチ（線形探索法）、バイナリサーチ（二分探索法） ・ソートアルゴリズム バブルソート（単純交換法）、選択ソート（単純選択法）、挿入ソート（単純挿入法）、シェルソート、クイックソート ・迷路自動生成アルゴリズム 棒倒し法、穴掘り法 ・迷路探索アルゴリズム 右手法・左手法、幅優先探索法 第1章　アルゴリズムってなに？ 第2章　いろいろなプログラミング言語 第3章　データ構造とアルゴリズムの基本 第4章　簡単なアルゴリズム 第5章　サーチアルゴリズム 第6章　ソートアルゴリズム 付録

基礎的な点群処理からＰｏｉｎｔＮｅｔまでをＰｙｔｈｏｎで学ぼう！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！ 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 目次 第1章　はじめに 1.1　3次元世界について 1.2　本書について 1.3　3次元計測原理 1.4　3次元センサの紹介 章末問題 第2章　点群処理の基礎 2.1　ファイル入出力 2.2　描画 2.3　回転・並進・スケール変換 2.4　サンプリング 2.5　法線推定 章末問題 第3章　特徴点・特徴量の抽出 3.1　特徴点（キーポイント） 3.2　大域特徴量 3.3　局所特徴量 章末問題 第4章　点群レジストレーション（位置合わせ） 4.1　最近傍点の探索（単純な方法） 4.2　最近傍点の探索（kd-treeによる方法） 4.3　ICPアルゴリズム 4.4　ICPアルゴリズムの実装(Point-to-Point) 4.5　ICPアルゴリズムの実装(Point-to-Plane) 章末問題 第5章　点群からの物体認識 5.1　特定物体認識と一般物体認識 5.2　特定物体の姿勢推定 5.3　一般物体の姿勢推定 5.4　プリミティブ検出 5.5　セグメンテーション 章末問題 第6章　深層学習による3次元点群処理 6.1　深層学習の基礎 6.2　PyTorch Geometricによる3次元点群の扱い 6.3　PointNet 6.4　点群の畳み込み 6.5　最新研究動向 章末問題 第7章　点群以外の3次元データ処理 7.1　RGBD画像処理 7.2　ボクセルデータ処理 7.3　メッシュデータ処理 7.4　多視点画像処理 7.5　Implicit Functionを用いた3次元形状表現 章末問題

データ分析によりビジネスを予測的に改善するための機械学習の手法を、実際のビジネスシーンへの適用事例を通して学べる実践書！ 【ビジネスパーソン必見! データ分析に不可欠なAIスキルを最短で習得できる！】 　本書は機械学習を実際のビジネスシーンに適用してデータ分析を行うための実践書である。機械学習そのものの解説というよりは、データ分析に不可欠な機械学習の手法を駆使してビジネスを予測的に改善する方法を解説していく。 　具体的な適用事例を用いて説明がなされるため、読者は目的やケースに合った手法（アルゴリズム）や実際の適用方法などを効率的に身に付けることができる。原著はMITで使われている教科書であり、講義の目的に応じて章を選択可能。ビジネスで使えるデータ分析手法を最短で習得したい読者に役立つ一冊である。 第1章　予測的データアナリティクスのための機械学習 第2章　データから知見そして意思決定へ 第3章　データ探索 第4章　情報量に基づく学習 第5章　類似度に基づく学習 第6章　確率に基づく学習機 第7章　誤差に基づく学習 第8章　評価 第9章　ケーススタディ：顧客離れ 第10章　ケーススタディ：銀河の分類 第11章　予測的データアナリティクスのための機械学習の技法 付録A　機械学習のための記述統計とデータ可視化 付録B　機械学習のための確率の導入 付録C　機械学習のための微分法

プログラミング入門書として広く活用いただいている『独学プログラマー』の姉妹書が登場。 プログラミング入門書として広く活用いただいている『独学プログラマー』の姉妹書が登場。第2弾の本書は、コンピューターサイエンス(計算機科学)の入門書です。 アルゴリズムとデータ構造について、図およびPythonのコードで具体的に示しながら、分かりやすく説明します。 「独学プログラマー」が活躍するうえで役に立つ、基本的な概念と実装を紹介します。 本書に登場するコードは、日経BOOKプラスの本書ウェブページからダウンロードいただけます。詳細な目次ページ（PDF）もそちらからダウンロードいただけます。 独学プログラマーが理解しておくべきもっとも大切な分野を学ぼう！ 私は当時、スタンフォード大学、カリフォルニア大学バークレイ校、カリフ ォルニア工科大学を出た優秀なプログラマーと一緒のチームにいました。コンピューターサイエンスを十分に理解している同僚たちの中で、不安で、居心地の悪さを感じていました。独学プログラマーとしてコンピューターサイエンスを学ぶことで、このような不安を最小限に抑えられます。 さらに、アルゴリズムとデータ構造を学ぶことで、プログラマーとして成長できます。成長の鍵は、フィードバックループにあります。フィードバックループとは、学んだことを実行してみて、それが期待どおりかどうかすぐに確認することです。 ――「イントロダクション」より 1冊目としてちょうど良い難易度 本書の著者、コーリー・アルソフ（Cory Althoff）は、独学プログラマーです。前作『独学プログラマー』は、彼が独学で、ゼロからプログラミングを学んだ体験に基づいて書かれました。彼の独学プログラマーとしての学び方は、多くの人に支持されています。 前作のあとがきでも触れましたが、コーリー自身が学びの途中にあり、対象読者と同じ視点でアルゴリズムとデータ構造というコンピューターサイエンスの必須知識を説明してくれていることに価値があります。アルゴリズムとデータ構造を扱う本はたくさんありますが、本書ほど入門しやすく説明してくれている本は稀でしょう。 本書は、難しい内容であるアルゴリズムとデータ構造について、要点を絞って分かりやすく伝えています。そのため、これらを学ぶ1冊目としてちょうど良い難易度になっています。本書を読んだ後ならきっと、技術面接においてある程度の自信が持てるでしょうし、プログラムを実装する際にもキーワードとその内容を知っているので、文献探しや実装例を見つけ出す手がかりが得やすいでしょう。 ――「日本語版あとがき」より 第１部　アルゴリズム入門 第0章　イントロダクション 第1章　アルゴリズムとは何か？ 第2章　再帰 第3章　探索アルゴリズム 第4章　ソートアルゴリズム 第5章　文字列のアルゴリズム 第6章　数学 第7章　独学伝：マーガレット・ハミルトン 第２部　データ構造 第8章　データ構造とは何か？ 第9章　配列 第10章　連結リスト 第11章　スタック 第12章　キュー 第13章　ハッシュテーブル 第14章　二分木 第15章　二分ヒープ 第16章　グラフ 第17章　独学伝：イーロン・マスク 第18章　次のステップ 第３部　もっと学ぼう 補章1　アルゴリズムへの理解を深めるために―ハッシュテーブル― 補章2　アルゴリズムへの理解を深めるために―ダイクストラ法― 補章3　継続して学ぶために

プログラムの設計力を身につけよう！ ■ プログラムの設計力を身につけよう！ 「プログラミングは勉強したのに、自分でプログラム作れない……」 そう悩んでいる人、けっこう多いんです。プログラミングの入門講座や入門書で、ひと通りプログラミング言語の文法やツールの使い方は学んだという人に本書を読んでいただきたい。きっと講座で取り上げられたコードや、書籍に掲載されたコードは、何をやるプログラムかはもう理解できますよね。自分で実際にコードを入力して、動作させることもできましたよね。でも、自分で「こんなプログラムを作ってみたい」と思って、自由自在にコードを書けていますか？ 実は、「こんなプログラムを作ってみたい」というアイデアがあっても、それをすぐにプログラムにするのは簡単なことではありません。そうしたアイデアをプログラムにするための過程が欠けているからです。アイデアとプログラムをつなぐのが“設計”です。入門講座や入門書には、この設計の説明がほとんどないのです。プログラムを作れるようならないのは、そのためです。新米プログラマーがすぐに自分でプログラムを書けるようにならないのはもっともなことなのです。 でも悲観することはありません。そんなプログラミングの初心者に向けてソフトウェア設計の初歩の初歩を解説するのが本書です。「設計」といっても難しく考える必要はありません。本書ではじゃんけんやすごろく、あっち向いてホイなど、誰もが知っている遊びを取り上げ、それをプログラムにするために何を考えなければならないか、プログラムにするにはどうすればいいかを、一つひとつステップを踏みながら説明します。 第1章　プログラミングは紙とえんぴつから 第2章　ソフトウェアの設計 第3章　じゃんけんプログラムのためのフローチャート 第4章　コンピュータが実行できる形に 第5章　データを構造化する 第6章　じゃんけんをPythonでコーディング 第7章　プログラム設計のための実習問題

好評を博した『ゲームエンジンアーキテクチャ』の第3版。ゲームエンジンソフトウェア開発の理論と実践の両方を紹介します。 好評を博した『ゲームエンジンアーキテクチャ』の第3版として、ジェイソン・グレゴリーはミッドウェイ、エレクトロニック・アーツ、ノーティードッグでの20年近くの経験をもとに、ゲームエンジンソフトウェア開発の理論と実践の両方を紹介しています。本書では、AAAゲームスタジオで使用されている幅広い技術と技術がそれぞれ詳細に説明されており、実際の商業用ゲームエンジンの中でのそれらの役割を図解しています。 第3版の特徴 この第3版では、これまでの版と同様に、ゲームエンジンのアーキテクチャを包括的にカバーしており、また、ゲームエンジンのアーキテクチャについても最新の情報を提供しています。 以下の内容が前書から更新され、また新規の章を追加しました。 - コンピュータとCPUのハードウェアとメモリキャッシュ - コンパイラの最適化 - C++の標準化 - IEEE-754の浮動小数点表現 - 二次元ユーザーインターフェース - ハードウェアの並列性と並行プログラミング 本書は入門書としての役割を果たすことを目的としていますが、経験豊富なゲームプログラマーには、経験の浅いゲーム開発技術の側面についても有益な視点を提供しています。いつものように、この版では豊富な参考文献と引用が提供されているので、ゲーム開発プロセスの特定の側面をより深く掘り下げたい人にとっては絶好のジャンプオフポイントとなっています。 1章 イントロダクション 2章 仕事用ツール 3章 ゲームのためのソフトウェアエンジニアリングの基本 4章 並列・並行プログラミング 5章 ゲームのための3D数学 6章 エンジンサポートシステム 7章 リソースとファイルシステム 8章 ゲームループとリアルタイムシミュレーション 9章 ヒューマンインターフェイスデバイス 10章 デバッグおよび開発のツール 11章 レンダリングエンジン 12章 アニメーションシステム 13章 コリジョンと剛体力学 14章 オーディオ 15章 ゲームプレイシステムの概要 16章 ランタイムのゲームプレイ基本システム 17章 まだやることがあるってこと？