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、深層強化学習の開発手法に焦点を当てた一冊で、AIサービスやロボティクス分野での応用が期待されています。著者陣は第一線の専門家で、基礎編では強化学習と深層学習の基本概念やアルゴリズムを解説し、実装例として倒立振子制御を紹介。応用編では、連続動作制御、組合せ最適化、系列データ生成の具体的なアプローチを実装と共に説明しています。読者は深層強化学習の技術を学び、実際の開発に役立てることができます。対象は理工系の学生やエンジニアです。

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。

『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。

この入門書の改訂版は、Pythonを使った強化学習の実装をゼロから丁寧に解説しています。読者のフィードバックを反映し、特にPolicy GradientとA2Cに関する内容を見直しました。具体的には、強化学習の基本概念、解法、ニューラルネットワークの適用、弱点とその克服方法、活用領域について詳述しています。公開されたコードを用いて実践的に学ぶことができます。

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、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、プログラミング言語Python 3.6の入門書で、538本のサンプルコードと154本のPythonファイルを通じて基礎から機械学習まで学べる内容です。3つのパートに分かれており、Part 1ではPythonの環境設定、Part 2では基本的な構文やデータ構造、Part 3では科学計算や機械学習の応用を解説しています。初心者から実践者まで、確実なスキルアップを目指すことができます。著者はコンピュータ専門誌への寄稿や教材開発を行っている大重美幸氏です。

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、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、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。

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。

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。

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。

著者松尾豊は、日本の人工知能研究の第一人者として、最新技術「ディープラーニング」の進展とその影響を探求し、知能や人間の本質について問い直します。本書では、人工知能の歴史やブームを振り返りながら、技術の進化が人類にもたらす可能性と危機について論じています。

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。

本書は、ディープラーニングの理解に必要な数学を高校1年生レベルからやさしく解説し、最短コースで学べる内容です。微分、ベクトル、行列、確率などの必要最低限の数学を特製のマップで整理し、実際に動かせるコードをJupyter Notebook形式で提供します。内容は機械学習入門から始まり、理論編、実践編、発展編に分かれており、ディープラーニングの動作原理を深く理解できることを目指しています。

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、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。

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。

本書は、ディープラーニングの実用化に向けた最新の動向と事例を紹介するもので、国内35社の具体例を通じてその活用方法や課題を解説しています。東京大学の松尾豊氏による技術的発展のロードマップを基に、業務効率化や新規事業創出に役立つ情報を提供。各章では、単純作業の自動化から異常検知、ロボットや自動運転技術、さらには創作業務への応用まで幅広くカバーしています。また、ビジネス活用に関するQ&Aも含まれ、企業の導入に役立つ内容となっています。

本書は、機械学習入門の決定版であり、初学者が効率的にスキルを身に付けるための構成になっています。ゼロから学ぶ人に適した内容で、反復練習を通じて基本的なデータ分析が自分でできる力を養います。数式の羅列ではなく、データ分析のストーリーに沿って手法を紹介し、復習用の一覧も用意されています。また、初心者が直面しがちなエラーの解決策もまとめられており、独学でも安心して学べる工夫がされています。第2版では最新のpandasに対応し、新たに「Polars入門」も追加されています。

この書籍は、AIが人類にもたらす影響について探求し、脅威と福音の両面を考察しています。著者は、AIの自律的な動きや自動化の進展を解説し、AI教育の重要性や未来の共存の可能性についても論じています。内容は、自律世界の到来やAIの役割、そして人間との関係性に焦点を当てています。著者は、技術とビジネスの専門家であり、AIの進化がもたらす社会の変革に関する洞察を提供しています。

本書は、日本ディープラーニング協会が監修し、ディープラーニングをビジネスに活用するための実践的な知識と事例を紹介しています。特に「ディープラーニングビジネス活用アワード」の受賞プロジェクト6件を詳細にケーススタディとして取り上げています。事例には、キユーピーのAI食品原料検査装置や楽天の自動翻訳プロジェクトなどが含まれ、効果を4つのカテゴリ（商品開発、消費者対応、働き方改革、社会課題解決）に分けて説明しています。また、松尾豊理事長による「ディープラーニング技術年表」も収録されており、技術的なアドバイスが提供されています。

本書『機械学習の数理100問』は、機械学習を実践的に学ぶための演習形式の教材です。100の問題を解くことで、数式やPythonプログラムを理解し、自分のスキルを向上させることを目的としています。各章には解説と問題があり、問題から始めても解説を参照することで理解を深められます。大阪大学の講義や公開講座でも使用されており、高評価を得ています。統計的機械学習の著名な書籍に準拠した中間的な内容で、機械学習の知識やデータサイエンスに必要なスキルを身につけるのに適した一冊です。著者は大阪大学の教授で、データ科学や機械学習に関する研究を行っています。

ヨシュア・ベンジオ スチュアート・J・ラッセル ジェフリー・ヒントン ニック・ボストロム ヤン・ルカン フェイフェイ・リー デミス・ハサビス アンドリュー・エン ラナ・エル・カリウビ レイ・カーツワイル ダニエラ・ルス ジェイムズ・マニカ ゲアリー・マーカス バーバラ・J・グロース ジュディア・パール ジェフリー・ディーン ダフニー・コラー デイヴィッド・フェルッチ ロドニー・ブルックス シンシア・ブリジール ジョシュア・テネンバウム オーレン・エツィオーニ ブライアン・ジョンソン

この書籍は、データ分析における「分析モデル」をテーマにしたもので、回帰分析や深層学習、強化学習などの実践的な分析手法を網羅的に解説しています。著者は、データ分析者がモデルの本質を理解し、データを最大限に活用できるようにすることを目的としています。内容は定型データから非定型データの扱い、強化学習、データから知見を得る方法まで多岐にわたり、各章で具体的な手法や技術が詳しく説明されています。著者は東京大学の博士号を持つデータサイエンティストで、データ分析の啓蒙活動にも従事しています。

本書は、日本ディープラーニング協会が実施する「ディープラーニングG検定」の法律・倫理分野に特化したテキストで、AI関連の法律や倫理を平易に解説しています。演習問題には過去の検定問題が含まれており、AI開発者やビジネスでAIを活用する人々に役立つ内容です。目次は導入、AIに関する法律と契約、AI倫理とガバナンスの3章から構成され、各法律や倫理の重要事項が詳述されています。

本書はディープラーニング、ニューラルネットワークについての予備知識がなくても学習を進められるようゼロから丁寧に、理論とその実装について解説します。 実装にはPythonのディープラーニング向けのライブラリ、TensorFlow (1.0) およびKeras (2.0) を用います。 「ディープラーニングについて何となくわかってはいるけれど、もう少し理解を深めたい」「画像認識だけでなく、時系列データを分析するためのモデルについても学びたい」という方にとって、学びの役に立つのではないかと思います。 単純パーセプトロンにはじまり、多層パーセプトロン、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など多くの手法について学びます。扱うデータの種類ごとに考えるべき課題も異なり、それに合わせてネットワークも様々な形に変化させ学習を進めます。 ディープラーニングは1つひとつのテクニックの積み重ねであり、その根底にあるのは「人間の脳をどう数式やアルゴリズムで表現できるか」です。本書で学んできた土台となる理論さえきちんと理解していれば、今後どのようなディープラーニングの手法が出てこようとも、すぐに理解し使いこなせるようになるでしょう。そして、自身で新たなモデルを考え出すこともできるはずです。 ［本書の構成］ 1章では、ニューラルネットワークの理論を学習するうえで必要となる数学の知識について簡単におさらいし、続く2章では、実装に向けてのPython開発環境のセットアップ、およびPythonライブラリの簡単な使い方を扱います。 3章からは、いよいよニューラルネットワークの学習に入っていきます。3章ではその基本形について学び、４章ではディープニューラルネットワーク、いわゆるディープラーニングについて学びます。通常のニューラルネットワークと何が違うのか、どのようなテクニックが用いられているのかを実装を交えて理解します。 5、6章では、時系列データを扱うためのモデルであるリカレントニューラルネットワークについて詳しく学んでいきます。5章では、リカレントニューラルネットワークの基本形を簡単なデータ例を用いて理論・実装について学び、6章ではその応用例について扱います。

本書は、金融、流通、製造、インフラなど8業界36業種におけるAI導入事例を解説し、活用分野や親和性について鳥瞰図で示しています。豊富な実例を通じてビジネスアイデアの創出を促し、実装やトライアルのノウハウも提供。各業種ごとに具体的な解説があり、AIの実用性や将来可能性を探る手助けとなります。購入者特典として鳥瞰図のダウンロードも可能です。著者はAIとデータ分析の専門家で、実績豊富です。

「G検定 公式テキスト 第3版」は、AI時代に必要なディープラーニングの知識を体系的に学べる試験対策書です。新シラバスに完全対応し、日本ディープラーニング協会の監修のもと、分かりやすい解説と新しい章末問題が特徴です。対象読者はG検定受験者やディープラーニングを学びたい人々で、試験はオンラインで行われ、知識問題が出題されます。内容はAIの基礎から法律、倫理まで幅広くカバーしています。著者は中部大学の教授で、専門的な知識を有しています。

本書は、機械学習の基礎から実践的な活用法までを解説した一冊で、管理職や技術者に向けて書かれています。内容は、機械学習の概念や手法、タスク、企業での活用方法、具体的な適用事例、実運用に耐えうるモデルの構築、モデルの説明性について詳しく述べられています。著者は、機械学習エンジニアとしての経験を活かし、理論と実践を結びつける橋渡しをしています。

本書は、人工知能（AI）を学びたい初心者向けの入門書であり、特にエンジニアでない中高生や文系の大学生、ビジネスパーソンに向けて分かりやすくAIの基礎知識とビジネス活用法を解説しています。著者は人気講師で、初心者にも理解しやすい内容に配慮しています。書籍は3部構成で、基礎編ではAIの基本を、ビジネス編では業界別の活用事例と注意点、技術編ではAIの仕組みと最新技術を紹介しています。これにより、AIの本質や活用方法についての理解を深めることができます。

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。

この書籍は、TensorFlowを用いて深層学習モデルを構築する方法を解説しています。ニューラルネットワークの基礎から、CNNやRNN、転移学習を利用したキャプション生成までをカバーし、データ整形からモデル構築までのプロセスをステップ・バイ・ステップで示しています。著者は新村拓也氏で、機械学習やデータマイニングの専門家です。

このビジネス書は、機械学習やディープラーニングの基本概念からビジネスチャンスまでを図解でわかりやすく解説し、法律的なリスクについても弁護士が詳しく説明しています。内容は、人工知能と共創するビジネスの未来、自動運転技術、ドローンビジネス、画像認識、マッチングビジネス、フィンテックなど幅広いテーマをカバーしています。著者は法律とビジネスの専門家で、企業の戦略立案やM&Aに関する豊富な経験を持っています。

本書は、機械学習に必要な数学の基本概念を最小限の前提知識から解説し、線形回帰、主成分分析、混合ガウスモデル、サポートベクターマシンの四つの手法を導出します。多くの図や例を用い、演習問題も用意されており、初学者が機械学習と数学の基礎を理解するための助けとなります。機械学習の普及に伴い、数学的な理解が求められる中、本書はそのギャップを埋める役割を果たします。

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。

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、AIを活用した様々な応用例を紹介しており、機械学習やディープラーニングの基礎、画像・動画処理、自然言語処理、業務効率化の方法などを学ぶことができます。また、マスク着用の判定など新しい生活様式に対応したサンプルも収録されています。著者はプログラミングや機械学習に関する多くの書籍を執筆しているクジラ飛行机氏をはじめ、専門家たちです。

本書は、AI社会における職業の不安を解消し、文系の人がAIを活用してキャリアアップするための実践トレーニング本です。専門用語を最小限に抑え、多様な業種別事例を通じてAIとの共働きスキルを身につける方法を紹介しています。内容は、AI社会での職の保持、文系向けのAIキャリア、AIの基本理解、企画力の向上、業種別事例の紹介などを含んでおり、特に文系のAI人材が社会に与える影響に焦点を当てています。著者はAIビジネスの推進に取り組む専門家です。

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、ビジネス書グランプリや大賞を受賞した著者による現代の変化を分析し、AIとデータの発展がもたらす影響について論じています。読者は、社会の変化、企業の戦略、教育のあり方など多岐にわたる問いに対する答えを見つけることができます。著者は、建設的な未来の創造を目指し、ファクトベースでの現状分析を行い、ビジネス、教育、政策などの領域における具体的なアプローチを提案しています。

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。

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）と人間の共存について考察し、知性の認識や人間の生き方を探る内容です。三部構成で、第一部ではAIの歴史やディープラーニングの進展を解説。第二部ではAIが世界の見方に与える影響を論じ、第三部ではAIと人間社会の関係や自由主義の課題について考察します。著者はそれぞれ異なる専門分野から、AIの進展がもたらす新しい時代の教養について議論します。

本書は人気シリーズの第4弾で、強化学習をテーマにしています。外部ライブラリに頼らず、基本的な技術やアイデアをゼロから実装しながら学ぶスタイルを採用しています。理論と実践の両面から、強化学習の構成要素を丁寧に解説し、数式だけでなくコードを通じて理解を深めることができます。目次にはバンディット問題やマルコフ決定過程、ベルマン方程式などが含まれています。著者は人工知能の研究開発に従事する斎藤康毅氏です。

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。

この書籍は、人工知能プログラミングに必要な数学を基礎から優しく学べる参考書です。著者は「10秒で始める人工知能プログラミング学習サービス」の代表者で、数学に苦手意識がある人でも理解できる内容になっています。基本的な数学から微分、線形代数、確率・統計を学び、実践編では住宅価格の推定や自然言語処理、手書き数字認識などの具体的な例を通じて理解を深めます。対象読者は、AIアルゴリズムを学びたいが数学に不安がある人々です。

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、Pythonを用いて強化学習と転移学習の基礎から応用までを学べる内容です。強化学習の理論やシミュレーションを丁寧に解説し、簡単なプログラミング経験があれば理解できるようになっています。また、転移学習を組み合わせた転移強化学習についても詳しく説明し、学習の効率化や実装上の注意点も網羅しています。著者は東京工芸大学の准教授で、関連ソースコードは出版社のウェブサイトで公開されています。

本書は、音声認識システムにおける音源分離技術を解説したもので、特に中級者以上を対象としています。音源分離は、複数の音が混ざった中から特定の音を抽出する技術であり、基礎からPythonを用いた実装まで詳しく説明しています。目次には音声処理の基礎や数学的知識、古典的および現代的な音源分離方法、残響除去法などが含まれています。著者の戸上真人は音声処理の専門家で、AI研究に従事しています。

生成モデル編

この本は、Pythonを使用した機械学習における216の問題とその解決策を提供します。データの基本的な取り扱いから、特徴量抽出、次元削減、様々なモデル（線形回帰、決定木、ランダムフォレスト、SVM、ニューラルネットワークなど）まで広範囲にカバーしています。改訂版では最新のフレームワークに対応し、PyTorchを用いたニューラルネットワークの情報が増加しています。実践的な問題解決に役立つ内容です。

『独習Python』は、プログラミング初学者向けのPython入門書で、著者は山田祥寛氏です。本書は、手を動かして学ぶスタイルを重視し、Pythonの基本から応用までを体系的に学べる内容となっています。解説、例題、理解度チェックの3ステップで、基礎知識がない人でも理解しやすい構成です。プログラミング初心者や再入門者におすすめの一冊です。目次には、Pythonの基本、演算子、制御構文、標準ライブラリ、ユーザー定義関数、オブジェクト指向構文などが含まれています。

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。