『ゼロから作るDeep Learning』の続編である本書は、自然言語処理や時系列データ処理に焦点を当て、ディープラーニングの技術を実装レベルで学ぶことができます。具体的には、word2vec、RNN、LSTM、GRU、seq2seq、Attentionなどの最新技術を取り上げ、分かりやすく解説しています。著者は、人工知能の研究開発に従事する斎藤康毅氏です。

本書は、自然言語処理を初歩から学べる入門書で、プログラミング経験のある開発者を対象としています。自然言語処理の基本概念や技術、タスク（自動翻訳、質問応答など）を基礎から解説し、Pythonを用いて実装を学ぶことができます。また、機械学習や深層学習の基礎もカバーしており、日本語のデータセットを使用して実践的な学習が可能です。自然言語処理をしっかり学びたい方に最適な一冊です。

この文章は、奥村学と高村大也による書籍の目次と著者情報を紹介しています。目次には、必要な数学的知識、文書および単語の数学的表現、クラスタリング、分類、系列ラベリング、実験の仕方などが含まれています。著者は共に東京工業大学での学歴と職歴を持ち、情報工学や自然言語処理に関する専門知識を有しています。

本書は、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、深層学習の活用方法を実践的に解説しています。各章では、自然言語処理のアプローチ、ニューラルネットの基礎、深層学習の発展、応用技術、汎化性能向上の手法、実装方法などが詳述されています。著者は、実務経験を持つ研究者であり、実装上の工夫に関する内容も充実しています。データサイエンス分野に興味のある学生や研究者に向けた参考書です。

この入門書は、フリー環境でテキストマイニングの基本手法や最新技術（ウェブスクレイピング、トピックモデルなど）を学べる内容です。初心者向けに、データ収集・分析方法や可視化技術を紹介し、RStudioを使用して直感的に操作できるように工夫されています。目次には、テキスト解析やアンケート分析、文体比較など多様なテーマが含まれています。著者は石田基広氏で、大学で教鞭をとる専門家です。

本書は、政治や企業の発言が金融市場に与える影響を受けて、テキストデータを分析し資産運用や市場分析に活用するための金融テキストマイニングについて解説しています。内容は、テキストの前処理、時系列データの処理、評価指標、因果関係の抽出、パターン認識手法など多岐にわたり、自然言語処理や機械学習を駆使した実践的なアプローチを紹介しています。著者は東京大学の専門家たちで構成されています。

<特集>統計的自然言語処理-ことばを扱う機械

本書は、自然言語処理モデルBERTの入門書で、BERTの特徴や応用方法を解説しています。内容は、自然言語処理や機械学習の基礎から始まり、文章分類、固有表現抽出、文章校正、類似文章検索などのタスクを具体的に扱います。使用するライブラリはTransformersとPyTorch Lightningで、Python環境での実践を重視しています。読者はデータ処理からファインチューニング、性能評価までを体験し、BERTを使いこなせるようになることを目指します。

本書は、自然言語処理（NLP）におけるBERTモデルの理解を深めるための解説書です。Attention機構やTransformerアルゴリズムを含む技術的な基礎から、実務に役立つコードや代表的なタスクの解説まで幅広くカバーしています。著者はNLPの専門家で、技術開発やビジネス適用の経験が豊富です。内容は、NLPの基礎知識、技術解説、BERTの詳細、環境構築、実践的なタスク、練習問題、ビジネス適用の課題と解決策に分かれています。

本書は、機械学習の発展を背景にした統計的学習に関する教科書「The Elements of Statistical Learning」の全訳です。機械学習は人工知能の一分野から発展し、統計学と密接に関連しています。内容は、教師あり学習の基礎からニューラルネットワークやサポートベクトルマシン、ブースティングなどの高度な手法まで幅広くカバーしており、情報技術を学ぶ大学生や研究者に最適です。著者は各分野の専門家で構成されています。

技術面での今後の発展可能性を示した 第１章　テキストマイニングとは何か 　１．１　分析の技術としてのテキストマイニング 　１．２　類似技術との比較—単なる検索や分類整理と何が違うか— 　１．３　テキストマイニングの基本的な仕組み 　１．４　テキストマイニングの自然言語処理 　１．５　テキストマイニングにおけるマイニング処理 　１．６　第１章のまとめ 第２章　テキストマイニングの適用例と効果 　２．１　テキストマイニングの適用対象 　２．２　コールセンターにおけるコンタクト履歴への適用例 　２．３　インバウンドコールセンター（ＰＣヘルプセンター）のコンタクト履歴のテキストマイニング 　２．４　アウトバウンドセールスセンターのコンタクト履歴のテキストマイニング 　２．５　第２章のまとめ 第３章　テキストマイニングの理想的な使い方 　３．１　経営戦略としてのテキストマイニング 　３．２　テキストマイニングの位置付け　—誰が何のために行うのか— 　３．３　情報の適切な共有 　３．４　データを活かすことを意識したデータ収集 　３．５　テキストマイニングの適用形態 　３．６　第３章のまとめ 第４章　テキストマイニングに対する疑問への回答 　４．１　どんなデータでも結果が必ず出るものか？ 　４．２　テキストマイニングの効果をどう判断すべきか？ 　４．３　テキストマイニングの結果はあてになるか？ 　４．４　辞書のメンテナンスが大変だからつかいこなせないというのは本当か？ 　４．５　テキストマイニングの分析に適正やコツがあるか？ 　４．６　テキストマイニングは文書の意味をどこまで把握できるのか？ 第５章　テキストマイニングの今後 　５．１　感情・評価・態度の分析技術 　５．２　発話内容の分析技術（自動音声認識結果のテキストマイニング） 　５．３　どうなるべきか—テキストマイニングの活用動向— 参考文献 索　引

序 新自由主義の探究 マックス・ウェーバーにおける「暴力Gewalt」概念 新聞記事にみる近代東京・都市公園の話題変遷 近代日本社会におけるSelf-Starvationの歴史 婦人運動とウーマン・リブとの架橋 安全保障技術研究推進制度の助成を受けた研究者のネットワーク可視化

『テキストデータの統計科学入門』が全面改訂され、テキストのクリーニングや加工、分析、予測モデル作成、分散表現によるテキスト分類などを具体的なツールを用いて解説。Rのコードも多数収録。

この書籍は、テキストデータの活用に関する実践的なガイドを提供し、研究者が成果を出すための視点を示しています。内容はテキストマイニングの基本、辞書構築、機械学習による文書類似検索、大量データの処理技術、確率統計の応用、顧客の声やSNS分析、特許文書のテキストマイニング、テキストと画像情報の統合に関する章で構成されています。新しい研究トピックを通じて、テキストマイニングの進化の方向性も展望しています。

経済学史の新しい方法 スミス『国富論』の普及過程 リカード『原理』の普及過程 マーティノー『アイルランド便り』における経済分析 マーシャル『経済学原理』〈1890年〉とその書評 ロバートソンにおける「実物」と「貨幣」 ケインズ『一般理論』の普及過程 カルドア=ヒックス補償原理をめぐって ケネス・アローにおける思想的変遷

文章の科学が目指すもの 文章とは何か 作文と評価 文章の計量的分析 文章の計量的分析ツール「KH Coder」 自然言語処理における文章解析 文章解析を目的とするウェブ基盤システム 学習者作文を科学する 英語の自動作文評価 文章の難易度を科学する

コーパス入門

コーパスと自然言語処理

質的研究を志す人のための手引き インタビューや観察、質問表を主とする質的研究では、テキスト＝文字のデータや記録が膨大になります。それらを適切に解釈・分析し、良い論文を書くためにはどうすればよいのか、多くの初心者が途方に暮れ、アドバイスを求めています。本書は、そんな不安と渇望に応える、質的データを体系的に分析するための実践的なガイドブックです。代表的な方法を取り上げ、実際の手順をステップ・バイ・ステップで示しながら懇切に解説しました。さらに日本語で使えるようになったコンピュータ・ソフトウェアの意義と可能性についても解説されています。著者・訳者とも質的研究の第一人者による本書は、質的研究の初心者だけでなく、研究者にとっても、方法について改めて見直す恰好の手引きです。 質的テキスト分析法　目次 日本語版への序 序 謝辞 １章　質的データの分析─さて、いかにおこなうべきか？ 　　1.1　質的・量的の区別に関する論点整理 　　1.2　質的研究法、量的研究法、混合研究法 　　1.3　実際の研究において質的データを分析していく際の課題 　　1.4　リサーチ・クェスチョンの重要性 　　1.5　方法面での厳密性の必要性 ２章　体系的な質的テキスト分析の源流 　　2.1　古典的な解釈学 　　2.2　グラウンデッド・セオリー 　　2.3　古典的内容分析と質的内容分析 　　2.4　質的テキスト分析に関する他の種類の実践的アプローチ ３章　質的テキスト分析の基本概念と作業プロセス 　　3.1　質的テキスト分析に関する主要概念 　　3.2　質的テキスト分析と古典的な内容分析における分析プロセス 　　3.3　質的テキスト分析を開始する 　　　　─テキスト、メモ、事例要旨による初期段階の作業 　　3.4　カテゴリーを構築する 　　3.5　研究例 ４章　質的テキスト分析における3つの主要な方法 　　4.1　プロフィール・マトリクス─質的テキスト分析の基本概念 　　4.2　3つの方法の類似点と相違点 　　4.3　テーマ中心の質的テキスト分析 　　4.4　評価を含む質的テキスト分析 　　4.5　類型構築式テキスト分析 ５章　質的テキスト分析におけるコンピュータ・プログラムの利用 　　5.1　データの管理 　　　　─文字起こし、匿名化処理、チームワークの計画立案 　　5.2　QDAソフトによる質的テキスト分析 　　5.3　QDAソフトによる分析─上級編 ６章　質の基準、研究報告書、研究プロセスの記録 　　6.1　質的テキスト分析に関する質の基準 　　6.2　研究報告・研究プロセスに関する記録の作成 ７章　結　語 補論　質的データ分析の基本原理とQDAソフトウェアの可能性 　　　　─佐藤郁哉 　　Ⅰ　序　論 　　Ⅱ　質的調査の魅力と落とし穴─7つのタイプの薄い記述 　　Ⅲ　翻訳プロセスとしての質的調査 　　Ⅳ　質的データ分析における脱文脈化・再文脈化と定性的コーディング 　　Ⅴ　紙媒体でおこなわれる質的データ分析 　　Ⅵ　QDAソフトの概要と特長 　　Ⅶ　質的調査の「質的転換」の可能性 　　Ⅷ　QDAソフトだけではできないこと 　　　　─質的調査のアート＆サイエンス 訳者あとがき 注 引用文献 人名索引 事項索引 装幀＝新曜社デザイン室

本書は、ニューラルネットワークの理論とディープラーニングの実装を解説した入門書で、PythonやKeras、TensorFlow、PyTorchを使用しています。特に自然言語処理や時系列データ処理に焦点を当て、新しい手法やモデルを詳しく説明しています。内容は、数学の基礎から始まり、ニューラルネットワーク、ディープニューラルネットワーク、リカレントニューラルネットワーク（RNN）とその応用までを網羅しています。著者は巣籠悠輔で、実務経験を持つ専門家です。

本書は、ディープラーニングを一から学びたい人向けに、数学的表現を避けて実践的なコードを用いて基本概念を解説します。著者はKerasの開発者で、TensorFlowをバックエンドに使用。内容は、ディープラーニングの基礎から始まり、コンピュータビジョンや自然言語処理の応用例まで幅広くカバー。最終的には、ディープラーニングの適用可能性や限界を理解できるようになります。