この入門書は、パターン認識について基礎からわかりやすく解説しており、特にRを用いた実行例が含まれているため、実際の応用にも役立ちます。内容は識別規則や学習法、ベイズの識別規則、k最近傍法、サポートベクトルマシンなど多岐にわたり、最後には識別器の性能強化についても触れています。著者は筑波大学の名誉教授、平井有三氏です。

この書籍は、機械学習とディープラーニングの基本を図解形式で解説しており、エンジニア1年生や関連企業への就職・転職を目指す人に最適です。内容は、人工知能の基礎、機械学習とディープラーニングのプロセス、アルゴリズム、システム開発環境に関する知識を包括的に学べる構成になっています。著者は、実践的な機械学習システムの実装をサポートする専門家です。

本書は、機械学習の有名なアルゴリズムをPythonを用いてゼロから実装することを目的としています。実用的なフレームワークを使用するのではなく、機械学習の仕組みを深く理解することで応用力や問題解決力を高めることを目指しています。内容は、Pythonの基本、機械学習に必要な数学、数値計算、そして具体的な機械学習アルゴリズムに関する解説を含んでおり、初心者や実務に携わるエンジニアに適しています。著者はシルバーエッグ・テクノロジーのチーフサイエンティストで、機械学習アルゴリズムの設計・実装に精通しています。

この書籍は、数学の知識がなくても理解できる機械学習の入門書で、Pythonの機械学習ライブラリ「scikit-learn」を用いた実践的な解説が特徴です。著者はscikit-learnの開発に関わる専門家で、実践から理論へと学ぶスタイルを採用しています。特に「特徴量エンジニアリング」や「モデルの評価と改善」に焦点を当てており、従来の解説書にはない内容を提供しています。目次には教師あり学習、教師なし学習、データ処理などが含まれています。著者は機械学習の専門家で、産業界や学術界での経験があります。

本書は、統計学の基礎から応用までを扱った内容で、基礎編ではR言語を用いた記述統計や統計的仮説検定について解説し、応用編ではベクトルや行列、データフレーム、外れ値の影響などを取り上げています。著者は、教育心理学を専門とする学者たちで、各自が教育機関での実績を持っています。

この書籍は、ディープラーニングをゼロから実装することで学ぶ入門書です。Python 3を用いて、基礎から誤差逆伝播法や畳み込みニューラルネットワークなどの実装を通じて理解を深めます。また、ハイパーパラメータの設定やBatch Normalization、Dropout、Adamなどの最新技術、さらには自動運転や画像生成などの応用例についても触れています。著者は斎藤康毅氏で、コンピュータビジョンや機械学習の研究開発に従事しています。

本書は、深層学習に関する改訂版のベストセラーで、トランスフォーマーやグラフニューラルネットワーク、生成モデルなどの手法を詳しく解説しています。著者は、理論的な証明がなくても納得できる説明を重視し、実用性を考慮した内容を提供。全12章で、基本構造から各種学習方法、データが少ない場合の対策まで幅広く網羅しています。著者は東北大学の教授であり、実務家との共同研究の経験も反映されています。

本書は、機械学習アルゴリズムをオールカラーの図を用いてわかりやすく解説した入門書です。17種類のアルゴリズムを紹介し、各アルゴリズムの仕組みや使用方法、注意点を詳述しています。Pythonを用いたコードも掲載されており、実際に試しながら学ぶことができます。機械学習を学ぶ初心者や業務で利用している方にも役立つ内容となっています。

本書は最適化手法についての入門書であり、経営学やオペレーションズリサーチだけでなく、統計的最適化や機械学習の話題も扱っています。計算機技術の進歩により、複雑な最適化問題が解決可能になった背景を踏まえ、各手法の原理や数学的背景を詳しく解説しています。内容は例題を多く用いて分かりやすく、関連する話題や注意点も随所に挿入されています。目次には数学的準備、関数の極値、最適化手法、最小二乗法、統計的最適化、線形・非線形計画法、動的計画法が含まれています。著者は岡山大学の金谷健一教授です。

本書は、データサイエンスにおけるコンペティション、特にKaggleに焦点を当て、実践的なデータ分析手法やテクニックを紹介しています。分析コンペに参加することで得られるスキルは、実務でも役立つため、特徴量の作成やモデルの評価、チューニングなどの具体的な内容が含まれています。著者たちは、データサイエンスの専門家であり、実績を持つKaggleの競技者です。この本は、コンペに挑戦したい人や実務でのモデル精度向上を目指す人にとって有益な情報源となるでしょう。

本書は、2018年に発行された機械学習に関する書籍の全面改訂版で、不確実性の高い機械学習プロジェクトを「仕事で使う」という視点から整理しています。新たに「ML Ops」や「機械学習モデルの検証」などの章が追加され、読者が直面する問題解決に役立つ内容となっています。著者は機械学習分野の専門家で、実践的な知識を提供しています。

この書籍は、時系列分析の基礎から応用までを詳しく解説しています。内容は、時系列分析の基礎概念、ARMA過程、予測手法、VARモデル、単位根過程、見せかけの回帰と共和分、GARCHモデル、状態変化を伴うモデルに分かれています。著者の沖本竜義は、経済学と統計学の専門家であり、実データへの応用に必要な知識を提供しています。

この書籍は、RとPythonの両方を学べるデータサイエンスの入門書です。プログラミング経験がなくても理解できるように、データサイエンスの基礎や環境構築について詳しく解説しています。内容は、データサイエンスの準備、機械学習の手法（回帰、分類、深層学習など）に分かれており、実践的なサンプルコードも提供されています。著者は東京大学と千葉工業大学の教授で、情報処理技術者試験委員を務めています。

「データサイエンティスト養成読本」の改訂版で、データサイエンティストに必要なスキルセットを最新の内容で解説しています。ソフトウェアや分析ツールの進化に対し、基本的なスキルは変わらないことを強調。内容はデータ分析のプロセスやビジネス成果を意識した分析方法、実践的なデータ分析入門、マーケティング分析の手法、基礎知識の習得など多岐にわたります。著者は里 洋平、和田 計也、早川 敦士など。

文科と理科両方の学生のために，統計的なものの考え方の基礎をやさしく解説するとともに，統計学の体系的な知識を与えるように，編集・執筆された．豊富な実際例を用いつつ，図表を多くとり入れ，視覚的にもわかりやすく親しみながら学べるよう配慮した． 第1章 統計学の基礎（中井検裕，縄田和満，松原 望） 第2章 1次元のデータ（中井検裕） 第3章 2次元のデータ（中井研裕，松原 望） 第4章 確率（縄田和満，松原 望） 第5章 確率変数（松原 望） 第6章 確率分布（松原 望） 第7章 多次元の確率分布（松原 望） 第8章 大数の法則と中心極限定理（中井検裕） 第9章 標本分布（縄田和満） 第10章 正規分布からの標本（縄田和満） 第11章 推定（縄田和満） 第12章 仮説検定（縄田和満，松原 望） 第13章 回帰分析（縄田和満） 統計数値表 練習問題の解答

この書籍は、人工知能（AI）の全体像を理解し、5年後の活用イメージを掴むための内容です。3部構成で、第一部ではAIの基礎知識、第二部では機械学習のアルゴリズム、第三部ではビジネスにおけるAIの活用法を学びます。著者の梅田弘之は、システムインテグレータの代表であり、AIを活用した新しいプロダクトやサービスの開発に取り組んでいます。

この書籍は、ガウス過程に関する日本初の入門書であり、ベイズ的回帰モデルの柔軟性を解説しています。内容は線形回帰から始まり、ガウス過程の原理や教師なし学習、実応用に関する最新の話題も取り上げています。各章では、ガウス過程の基本概念、計算法、適用例などが詳しく説明されています。著者は統計や情報科学の専門家です。

この文章は、統計学に関する書籍の目次と著者情報を紹介しています。目次には、一変量データや多変量データの記述、確率分布、推定方法、仮説検定などのテーマが含まれています。著者は神永正博と木下勉で、それぞれの学歴と職歴が簡潔に記載されています。神永は数学の博士で、木下は工学の博士です。

『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「統計モデリングの世界」への入門書で、統計、確率、ベイズ推論、MCMCの基本をチュートリアル形式で学べる内容です。RやStanを用いたデータ分析の基礎から、一般化線形モデルや一般化線形混合モデル、状態空間モデルまでを体系的に解説しています。データサイエンスを学ぶ大学生やエンジニア向けの実践的なシリーズの一環として、すぐに実践できるスキルを身につけることができます。

この書籍は、データ分析における視点を磨き、質の高い研究を行うためのガイドです。内容は、無作為性や統計的推測、研究デザイン、データ解析の基礎について解説しています。目次は基礎編とアラカルト編に分かれ、平均値や頻度、イベント発生時間の比較方法も取り上げています。著者は丹後俊郎氏で、医学統計学の専門家です。

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。

本書は、機械学習や深層学習の予備知識がない読者を対象に、理論を明快に解説する入門書です。内容は、機械学習と深層学習の基本、ニューラルネットの仕組み、勾配降下法、誤差逆伝播法、自己符号化器、畳み込みニューラルネット、再帰型ニューラルネット、ボルツマンマシン、深層強化学習など多岐にわたります。著者は、理論的な基礎を重視し、学びやすい形式で解説しています。

本書は、機械学習を実践的に学ぶための教材で、scikit-learn、TensorFlow、Kerasを用いて、基礎から応用までの手法を体系的に解説しています。内容には、データ処理、モデル学習、深層学習、強化学習、コンピュータビジョン、自然言語処理などが含まれ、サンプルコードはすべてGitHubで公開され、Jupyter Notebookで試すことができます。第2版では新たに畳み込みニューラルネットワークやGANによる画像生成の説明も追加されています。機械学習を学びたいエンジニアにとって必携の一冊です。

この書籍は、ディープラーニングを手を動かしながら学べる入門書で、最新のトレンドや無料クラウドGPUの活用法を解説しています。20以上の実例を通じて、機械学習や深層学習の基礎から応用までを学べる内容です。目次には、学習の地図、基礎知識、実践事例、Colaboratoryの使い方が含まれています。著者はIT企業での技術マネージャーとしての経験を持つ増田知彰氏です。

本書は、ビジネスにおけるデータ分析の重要性とそのバイアスを取り除くための手法を解説しています。特に、意思決定に影響を与えるデータの生成過程におけるバイアスの存在を指摘し、単純な比較が誤った結論を導く可能性について警鐘を鳴らします。著者は、RCT（ランダム化比較試験）を理想的な分析手法として紹介し、RCTが実施できない場合でも因果推論を用いて効果的な分析が可能であることを説明します。目次には、セレクションバイアスや回帰分析、傾向スコア、差分の差分法などの具体的な手法が含まれています。著者は経済学の専門家で、データサイエンスの分野でも活躍しています。

この書籍は、マルコフ連鎖モンテカルロ法（MCMC）を理解しやすく解説しており、R言語のコードや練習問題が豊富に含まれています。初学者向けの内容ながら、エルゴード性などの高度なトピックにも触れています。データサイエンス教育の一環として、統計学と情報学を融合した新しい教科書シリーズの一部であり、実践的な教育を目指しています。著者は、数理科学と統計科学の分野で活躍する専門家です。

この書籍は、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を活用して業績を向上させるストーリーを通じて、デジタルマーケティングの基礎を学ぶ内容です。デジタル化を成功させるための条件や、重要な要素（MEO・SEO、データ分析、ECサイト構築、SNS活用など）が解説されています。著者は上野佑馬で、データ分析やデジタルマーケティングの専門家です。

本書は、時系列データの分析方法を基礎から解説しています。探索的手法として移動平均、確率的手法として状態空間モデルを取り上げ、数式の意味やコードへの落とし込み方を丁寧に説明しています。初めて時系列分析を試みる人や、既に関わっている人にも興味深い内容となっており、応用的な話題もカバーしています。著者は牧山幸史、監修は石田基広です。

本書は、ネットワーク分析の理論と実践をRというフリーソフトを用いて学ぶためのガイドです。第2版では、統計的なネットワーク分析手法や社会ネットワーク、ソーシャルメディアの分析法に関する新しい章が追加され、複雑ネットワークやネットワーク描画の内容も改訂されています。著者は鈴木努で、社会学を専攻し、東北学院大学の准教授として勤務しています。

本書は、ビッグデータ時代におけるSQLの活用法を紹介するレシピ集です。目次には、分析力の重要性、使用するツールとデータ、データ加工、売上やユーザー行動のデータ抽出、分析技術の向上、行動を起こすための知識の活用方法が含まれています。著者は加嵜長門と田宮直人で、双方ともデータ解析およびビッグデータ活用の専門家です。

この書籍は、数理統計学の基礎概念と理論を数学的かつ言葉で丁寧に解説した新装改訂版です。新たに40題の練習問題が追加され、解答例はサポートサイトで提供されます。統計検定®1級試験の学習にも適しており、幅広い話題を統一的な視点で理解できる内容となっています。著者は竹村彰通で、経済学やデータサイエンスの専門家です。

本書は一般化線形モデルについての統一的な枠組みを提供するもので、回帰分析や生存分析など様々な統計手法を扱っています。1993年に翻訳された「統計モデル入門」の第2版で、特に医学分野での高度な統計手法の需要に応える内容となっています。目次にはモデルの当てはめ、推定、推測、ロジスティック回帰、生存時間解析などの章が含まれています。著者はそれぞれ異なる専門背景を持つ大学教授たちです。

線形から非線形へ

『プログラムはなぜ動くのか』の改訂第3版は、プログラムの動作原理をわかりやすく解説し、基礎知識を身につけることを目的としています。内容は新しい製品やツールに更新され、初心者でも理解しやすいように加筆されています。特に、C言語と新たにPythonを用いた機械学習に関する章が追加されており、プログラミングの本質を探求することができます。全体を通して、プログラムの仕組みや環境について詳しく説明されています。

本書は、AI・データ分析プロジェクトの成功には技術知識だけでなく「ビジネス力」が重要であることを強調しています。データサイエンティストのキャリアや業界の概要から始まり、プロジェクトの立ち上げ、実行、評価、収益化までのノウハウを網羅。具体的には、課題設定、案件獲得、データ分析手法の検討、レポーティングなどのプロセスを解説し、実務に役立つ情報を提供しています。著者は業界の専門家で、実践的な知識を基にした内容となっています。

本書は、統計解析の基礎手法を幅広く解説した入門書であり、統計解析の全体像を把握することができます。目次には、データ整理、分布と期待値、検定・推定の考え方、分散分析、相関分析、回帰分析などが含まれています。

ビジネスや意思決定の場面で，データを活用したい方に手にとっていただきたいデータサイエンスの入門書。目的別の分析手法を幅広く… ビジネスや意思決定の場面で，データを活用したい方に向けたデータサイエンスの入門書。データの種類ごとの性質や収集時の注意点，目的別の分析手法からデータ可視化まで幅広く扱う。各章末には課題を設置し，最終章ではデータサイエンスの展望や限界についても言及。 第１章　データサイエンスとは 第２章　データ収集のための基礎知識 第３章　データ空間の構成法 第４章　データ生成のメカニズム 第５章　データの可視化手法 第６章　データ分析の手法 第７章　データ活用のフレームワーク 第８章　データの分析事例 第９章　データ分析上の注意点と応用知識

本書は、理解しやすいコードを書くための方法を紹介しています。具体的には、名前の付け方やコメントの書き方、制御フローや論理式の単純化、コードの再構成、テストの書き方などについて、楽しいイラストを交えて説明しています。著者はボズウェルとフォシェで、須藤功平氏による日本語版解説も収録されています。

本書は、ビジネスにおけるベイズ統計学の基本をわかりやすく解説した入門書です。中学数学の知識がなくても理解できるように工夫されており、特にIT業界や統計に興味があるビジネスパーソンに最適です。内容は、ベイズ推定の使い方や確率論の基礎、確率分布などを含み、実用的な視点から未来を予測するための統計学を学べます。著者は帝京大学の教授、小島寛之氏です。

本書は、ディープラーニングの実装手法を学ぶための教材で、PyTorchを使用して様々なタスクに取り組みます。具体的なタスクには、転移学習、物体検出、セマンティックセグメンテーション、姿勢推定、GANによる画像生成と異常検知、自然言語処理、動画分類などが含まれています。各章を通じて、実装経験を積むことで高度な技術を習得できる構成です。読者は、GPU環境がなくてもAnacondaとJupyter Notebookを用いて学習できます。著者はディープラーニングの専門家で、研究開発に従事しています。

東大教養学部における多年の講義経験に基づいて書き下ろした解析学の本格的入門書．豊富な練習問題をまじえながら，独自の論理構成でていねいに解き明かす．I 実数と連続，微分法，初等函数，積分法，級数　　　II 陰函数，積分法（続き），ベクトル解析，複素解析 まえがき 読者への注意 第I章　実数と連続 第II章　微分法 第III章　初等函数 第IV章　積分法 第V章　級数 附録1　集合 附録2　論理記号 問題解答

この書籍は、ベイズ統計の基本とその応用方法を、統計の基礎知識がない人にもわかりやすく解説しています。柔軟な事前確率を用いることで、あいまいな人間の経験則を取り入れ、実用的な情報を導き出すことができると説明されています。目次には、ベイズの定理や応用、MCMC法、階層ベイズ法などが含まれています。著者は涌井良幸で、数学教育と統計学の研究に取り組んでいます。

この書籍は、数理モデルを用いて現象を理解するための基本的な統計モデルの考え方を、章ごとに異なる例題を通じて解説しています。前半では一般化線形モデル（GLM）の基礎を紹介し、後半では階層ベイズモデル化の手法をRとWinBUGSを用いて具体的に説明します。著者は久保拓弥氏で、生態学のデータ解析に関する統計学的方法を研究しています。

本書は人気シリーズの第3弾で、オリジナルのディープラーニングフレームワーク「DeZero」をゼロから作成する内容です。最小限のコードでモダンな機能を実現し、全60ステップでフレームワークを完成させます。これにより、PyTorchやTensorFlowなどの知識を深めることができます。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、近年注目されている統計モデリングについて解説しており、特にフリーソフトのStanを用いた実践的なアプローチを提供しています。Stanは高い記述力を持ち、階層モデルや状態空間モデルを簡単に記述できるため、データ解析に非常に有効です。著者は、ベイズ統計の理解を深めるための実践的な内容を重視し、StanとRを通じて統計モデリングの考え方を学ぶことができるとしています。目次には導入編、入門編、発展編があり、幅広いテーマを扱っています。著者は統計モデリングやデータサイエンスの専門家です。

本書は、機械学習の解釈性とその重要性に焦点を当て、特にブラックボックスモデルの理解を助ける手法を紹介しています。著者は、解釈性を高めるための4つの手法（PFI、PD、ICE、SHAP）を説明し、実務での適用方法や注意点を解説します。具体的には、線形回帰モデルを通じて解釈性を理解し、機械学習モデルの振る舞いを説明できるようになることを目指します。また、実データ分析を通じて手法を実装することが可能です。著者は、機械学習プロジェクトに従事する経験を持つ専門家です。

パターン認識

本書は、回帰分析、重回帰分析、ロジスティック回帰分析について解説しており、基礎知識から実践的な計算方法までをカバーしています。著者は高橋信氏で、統計学を基にした情報サービス業に従事しています。

本書は、多変量解析法の入門書であり、統計的方法を習得した人を対象に、簡単な例を用いて理論を2次行列で解説しています。主要な内容には、単回帰分析、重回帰分析、主成分分析、クラスター分析などが含まれています。著者は早稲田大学の教授で、統計学に関する多くの著作があります。

この本は、初心者向けに「ボルツマン機械学習」を中心に機械学習を解説し、最終的には深層学習の実装まで導く内容です。イラストを用いてわかりやすく説明し、機械学習の専門用語や概念を解きほぐしています。章立ては、基礎から応用にかけて構成されており、著者は東北大学の准教授である大関真之氏です。

この書籍は、データサイエンスにおける重要な統計学と機械学習の52の基本概念を簡潔に説明し、関連する数式やグラフ、RとPythonのコードを提供することで、深い理解を促進します。データの分類、分析、モデル化、予測のプロセスにおいて、必要な統計学の項目を明確にし、効率的に学べる内容です。改訂版ではPythonにも対応し、コードはGitHubからダウンロード可能です。著者はデータサイエンスの専門家であり、幅広い経験を持つ研究者たちです。

本書は、強化学習の原理を「平均」という視点からわかりやすく解説する入門書です。初歩的な数学を用いて、価値、探索、マルコフ決定過程などの基本概念を紹介し、初学者でも理解しやすい内容となっています。また、PythonとMATLABのコード例を通じて、理論と実践を結びつけ、深層強化学習の基本やコツを自然に学べるよう工夫されています。著者は理学博士で、研究と教育の経験を持つ専門家です。

AIのベースの一つである機械学習とは、コンピュータに大量のデータや経験を与えることによって、事象のパターン・ルールを発見し、予測などまでをも実現する技術である。機械学習の基礎から筆者らの最先端の研究までを初めての人にもわかりやすく解説する一冊。 はじめに 1　機械学習とは何か――人工知能（AI）の基礎知識 1.1　人間の学習能力をコンピュータで再現する「機械学習」 1.2　AI研究、これまでとこれから 1.3　人工知能の／による／のための研究 2　人工知能と社会 2.1　研究者とともに、学生とともに、エンジニアとともに 2.2　さまざまな分野におけるAI技術の応用 2.3　AIと社会の関係 3　機械学習の基礎 3.1　AIの学習モデルと学習法 3.2　3種類の機械学習 3.3　教師付き学習とは 3.4　教師なし学習とは 3.5　強化学習とは 3.6　機械学習の原理：「学習する」とは 3.7 なぜ教師付き学習で予測が当たるのか？ 3.8 直線で分離できない問題への対応 4　高度化する教師付き学習 4.1　誤りを含む教師情報への対応 4.2　弱い教師情報の活用 4.3　限られた情報からロバストに：信頼できる機械学習に向けて 4.4　理研AIPに見る汎用基盤研究の現在地 5　今後の展望 5.1　モデルと学習法と、ある種の制約 5.2　機械学習の新技術：生成AI 5.3　AIと人間の未来

本書は、野村総合研究所のアナリティクス研修を基にした増補改訂版で、統計的モデリングやデータ分析の実践的な手法を解説しています。RとPythonを用いたデータ処理やモデル作成の基本を学び、ビジネス現場での活用に焦点を当てています。内容はデータサイエンスの基礎から機械学習まで幅広くカバーされており、実務に役立つ最短学習コースとして提供されています。

本書は、ファインチューニングの基本から実践までを具体的なPythonコードを通じて解説しています。画像識別や自然言語処理、生成AIモデル、強化学習におけるファインチューニングの手法を「レシピ」として整理し、実務での活用を目指すエンジニアや学生に向けた内容です。各章では基礎知識や手順を詳しく説明し、読者が自身の課題に合わせて実践できるようにしています。ファインチューニングを始めたい方や実践のコツを学びたい方におすすめの書籍です。

この書籍は、データサイエンティストに必要な時系列データ分析について詳しく解説しています。フリーソフトウェアRを使用し、視覚的かつ対話的にデータ分析を行う方法を紹介しています。内容は、時系列データの基本から観察・要約、自己回帰モデルの理解、ARCH/GARCHモデルの応用、投資への実践的な応用まで多岐にわたります。著者は一橋大学の准教授と株式会社QUICKのソリューションマネージャーです。

本書は、数学が苦手な方でも機械学習を楽しく学べる入門書です。プログラマのアヤノと友達のミオの会話を通じて、機械学習の基本や実践方法を説明します。内容は、機械学習の重要性、回帰や分類の手法、モデルの評価、Pythonでの実装まで幅広くカバーし、数式も分かりやすく解説しています。特に、数式が苦手な方に配慮した内容になっています。著者はLINE Fukuokaのデータエンジニアで、実務経験を基にした知識を提供しています。

本書は、プログラミング初心者向けにリニューアルされた「いちばんやさしいPythonの本」で、最新のPython 3に完全対応しています。イラストやサンプルが豊富で、オブジェクト指向やWebアプリ開発、データ処理の基本も学べます。新たに2章が追加され、プログラミングの楽しさと効率化の重要性を伝え、読者がスキルを身につける手助けをします。著者は東京大学の辻真吾氏で、Pythonの普及活動にも力を入れています。

心を知るための人工知能 : 認知科学としての記号創発ロボティクス

この文章は、異常検知に関する書籍の目次と著者情報を紹介しています。目次では、異常検知の基本から正規分布や非正規データ、性能評価、次元削減、入力・出力データ、時系列データに関する異常検知までの各トピックが列挙されています。著者の井手剛は、機械工学と物理学の学位を持ち、IBMでの研究経験があります。

本書は、日本ディープラーニング協会の「ディープラーニングG検定ジェネラリスト」試験に向けたテキストと問題集で、合格に必要な知識と対策を提供します。数式を控え、わかりやすい説明で構成されており、ビジネスでのディープラーニング活用を目指す人を対象としています。内容は、AIの歴史、数学的基礎、機械学習の基礎と実装、ディープラーニングの基本と研究分野、産業展開、制度政策など多岐にわたります。著者はAIの専門家であり、実践的な学習が可能です。

Now in its third edition, this classic book is widely considered the leading text on Bayesian methods, lauded for its accessible, practical approach to analyzing data and solving research problems. Bayesian Data Analysis, Third Edition continues to take an applied approach to analysis using up-to-date Bayesian methods. The authors-all leaders in the statistics community-introduce basic concepts from a data-analytic perspective before presenting advanced methods. Throughout the text, numerous worked examples drawn from real applications and research emphasize the use of Bayesian inference in practice. New to the Third Edition Four new chapters on nonparametric modeling Coverage of weakly informative priors and boundary-avoiding priors Updated discussion of cross-validation and predictive information criteria Improved convergence monitoring and effective sample size calculations for iterative simulation Presentations of Hamiltonian Monte Carlo, variational Bayes, and expectation propagation New and revised software code The book can be used in three different ways. For undergraduate students, it introduces Bayesian inference starting from first principles. For graduate students, the text presents effective current approaches to Bayesian modeling and computation in statistics and related fields. For researchers, it provides an assortment of Bayesian methods in applied statistics. Additional materials, including data sets used in the examples, solutions to selected exercises, and software instructions, are available on the book's web page. FUNDAMENTALS OF BAYESIAN INFERENCE Probability and Inference Single-Parameter Models Introduction to Multiparameter Models Asymptotics and Connections to Non-Bayesian Approaches Hierarchical Models FUNDAMENTALS OF BAYESIAN DATA ANALYSIS Model Checking Evaluating, Comparing, and Expanding Models Modeling Accounting for Data Collection Decision Analysis ADVANCED COMPUTATION Introduction to Bayesian Computation Basics of Markov Chain Simulation Computationally Efficient Markov Chain Simulation Modal and Distributional Approximations REGRESSION MODELS Introduction to Regression Models Hierarchical Linear Models Generalized Linear Models Models for Robust Inference Models for Missing Data NONLINEAR AND NONPARAMETRIC MODELS Parametric Nonlinear Models Basic Function Models Gaussian Process Models Finite Mixture Models Dirichlet Process Models APPENDICES A: Standard Probability Distributions B: Outline of Proofs of Asymptotic Theorems C: Computation in R and Stan Bibliographic Notes and Exercises appear at the end of each chapter.

この入門書は、ベイズ主義機械学習の基本原理を「モデルの構築→推論の導出」という手順で分かりやすく解説しています。内容は、機械学習とベイズ学習、基本的な確率分布、ベイズ推論による学習と予測、混合モデルと近似推論、応用モデルの構築と推論の5章から構成されています。著者は須山敦志と杉山将で、機械学習を身近に理解できるよう丁寧に記述されています。

本書は、欠測データの解析における多重代入法の実用的な手法を解説しています。従来の書籍では理論中心でしたが、本書では具体的な応用事例や手順を示し、社会科学の分析手法（t検定、重回帰分析、ロジスティック回帰分析など）における欠測データ処理を詳述しています。Rコードと実データを用いて、読者が実際に手順を再現しながら学ぶことができるようになっています。著者は、統計科学や不完全データ処理法の専門家です。

データを利益に変える知恵とデザイン