本書は、数理モデルの多様な手法を解説し、データ分析における選択と理解を促進する入門書です。機械学習や統計モデルなど、自然科学と人文社会科学の手法を網羅し、初学者がデータ分析の全体像を把握できるように設計されています。特に、モデリング手法の選択や誤解しやすい点について丁寧に説明し、大学一年生でも理解できるレベルでありながら、より進んだ読者にも楽しめる内容となっています。著者は東京大学の特任講師で、幅広い分野での数理的解析に取り組んでいます。

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。

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、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生成モデルなどの手法を詳しく解説しています。著者は、実用性を重視し、理論的な証明がなくても納得できる説明を提供することにこだわっています。全12章で構成され、深層学習の基本から応用までを網羅しており、特に実務に役立つ情報が反映されています。著者は東北大学の教授で、研究経験を基にした内容です。

「売上を予測するには？」「広告で販売数を増やすには？」簡単で応用が利く「ゲーム理論」「回帰分析」「微分方程式」を解説。 「売上を予測するには？」「広告で販売数を増やすには？」簡単で応用が利く「ゲーム理論」「回帰分析」「微分方程式」を解説。 対話形式による解説で、数理モデルの基礎が身につく入門書。 数理モデルとは、現実の世界で起こるさまざまな現象を数式で表したものです。数式にすることで、その現象の性質を理解したり、変化を予測したりできます。 「どうやって価格を決めるの？」「売上を予測するには？」「広告で販売数を増やすには？」など、ビジネスパーソンにとって身近なテーマを題材に数理モデルを解説。 数学記号の読み方や意味から丁寧に説明するので、不安な方もどうぞご安心を。とっつきやすいのに「数理モデルの考え方」がわかる一冊。

StanとRでベイズ統計モデリング

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技術を理解し、実践的なテクニックや最近のトレンドも紹介します。また、ディープラーニングの優位性や深層化の理由についても考察しています。著者はコンピュータビジョンや機械学習の研究開発に従事する斎藤康毅氏です。

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」観点から整理しています。新たに「ML Ops」「機械学習モデルの検証」「バンディットアルゴリズム」「オンライン広告での機械学習」についての章が追加され、読者が実際の問題を解決するための知識を提供します。著者は、機械学習の実務経験を持つ専門家たちです。

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。

ネットワーク分析

アンケートに正直に回答してもらう方法、商品レビューの信頼度を評価する方法など、身近な話題を例に、数理モデルの基礎が身につく。 アンケートに正直に回答してもらう方法、商品レビューの信頼度を評価する方法など、身近な話題を例に、数理モデルの基礎が身につく。 対話形式で、数理モデルの基礎が身につく入門書。 数理モデルとは、現実の世界で起こるさまざまな現象を数式で表したものです。数式にすることで、その現象の性質を理解したり、その現象に何か変化があるときに、どのように変化するか予測したりできます。 アンケート調査で正直に回答してもらうにはどうすればいいか、商品レビューの信頼度をどう評価するか、ある条件の変化が売り上げの変化の原因かどうかなど、身近なテーマを題材に数理モデルを解説。 統計や確率の記憶がおぼろげでも大丈夫。数学記号の読み方かた丁寧に紹介していきます。 とっつきやすいのに本格派な一冊。 第1章　 隠された事実を知る方法 第2章　 卒業までに彼氏ができる確率 第3章　 内定をもらう方法 第4章　 先延ばしをしない方法 第5章　 理想の部屋を探す方法 第6章　 アルバイトの配属方法 第7章　 売り上げをのばす方法 第8章　 その差は偶然でないと言えるのか？ 第9章　 ネットレビューは信頼できるのか？ 第10章　なぜ0円が好きなのか？ 第11章　取引相手の真意を知る方法 第12章　お金持ちになる方法

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

フリーソフトjs-STAR_XRが拡張され，ベイズ仮説検定にも新たに対応。データ分析から結果の書き方まで懇切にガイド。 「できる」から「わかる」へと読者の理解を体験的に導く，好評〈全自動〉シリーズ第2弾！　フリーソフトjs-STAR_XRが拡張され，帰無仮説検定の代替案として近年関心が高まるベイズ仮説検定に新たに対応。巻末には半期や全7回の授業用シラバスを収載。データ分析からレポートの書き方まで，前著同様懇切にガイドする。 はじめに1：ベイズファクタと統計分析の学習法 はじめに2：シミュレーションによる主体的で深い学び Chapter0　事前準備 　0.1　フリーウェア及び関連ファイルの準備 　0.2　R画面の設定 Chapter1　1×2表のベイズファクタ分析 　【演習1a】　みんなが好きなもの 　1.1　データ入力・分析 　1.2　『結果の書き方』 　　　レポート例01-1 　1.3　統計的概念・手法の解説1 　　　●ベイズファクタとは何か　●確率分布の尺度設定　●95％確信区間推定　●真の比率の範囲検定 　【演習1b】　統計的仮説検定のシミュレーション 　1.4　シミュレーションの操作手順 　　　●シミュレーションの基本操作　●シミュレーションの応用操作 　1.5　統計的概念・手法の解説2 　　　●ベイズファクタ分析のメリット　●二項検定のp値とBF値の比較 Chapter2　1×2表・母比率不等のベイズファクタ分析 　【演習2a】　鶏肉は低温調理がおいしい 　2.1　シミュレーションの操作手順 　2.2　統計的概念・手法の解説1 　　　●p値とBF値の検定の仕組み 　【演習2b】　新型ウイルスは従来型よりも危険か 　2.3　データ入力・分析 　2.4　『結果の書き方』 　　　レポート例02-1 　2.5　統計的概念・手法の解説2 　　　●ベイズファクタの事前設定問題 Chapter3　1×Ｊ表のベイズファクタ分析と対応のある度数の検定 　【演習3a】　お昼に食べたいメニューは何か 　3.1　データ入力・分析 　3.2　『結果の書き方』 　　　レポート例03-1 　3.3　統計的概念・手法の解説1 　　　●多項分布によるBF値の計算　●確信区間を用いた多重比較 　3.4　自動評価判定1×2：統計的グレード付与 　【演習3b】　道徳性に評価グレードを与える 　3.5　純肯定率とグレードの付け方 　3.6　自動集計検定2×2：連関の探索 　【演習3c】　道徳性の項目間の関連を探索する 　3.7　対応のある度数の検定：Ｑ検定とMcNemar検定 　【演習3d】　不支持の理由は集計するとダメ？ 　　　レポート例03-2 　3.7　統計的概念・手法の解説2 　　　●CochranのQ検定　●McNemar検定 Chapter4　ｉ×Ｊ表のベイズファクタ分析 　【演習4a】　感受性が低い人は感情知能が働かない？ 　4.1　データ入力・分析 　4.2　『結果の書き方』 　4.3　標本タイプの選択 　　　●ポアソンタイプ：N ＝無作為，行・列＝無作為　●同時多項タイプ：N ＝固定，行・列＝無作為　●独立多項タイプ：行＝固定，列＝無作為　●独立多項タイプの列組み：行＝無作為，列＝固定　●超幾何タイプ：行・列＝固定（2×2表のみ） 　　　レポート例04-1 　4.4　統計的概念・手法の解説1 　　　●ｉ×Ｊ表の事前確率分布 　4.5　データセットraceDollsの分析：BF値の警報は誤報か 　【演習4b】　黒人・白人の子どもは同人種の人形を好むか 　　　レポート例04-2 　4.6　統計的概念・手法の解説2 　　　●Fisherの正確検定とBF値の検定　●2×2表のp値とBF値の比較 　4.7　ステレオタイプ効果と学習意欲 　【演習4c】　ステレオタイプ効果で学習時間を延ばす 　　　レポート例04-3 Chapter5　t検定のベイズファクタ分析 　【演習5a】　トレーニング法は分散法がよいか集中法がよいか 　5.1　データ入力・分析 　5.2　『結果の書き方』 　5.3　統計的概念・手法の解説1 　　　●t値と効果量δ（delta）　●t検定のベイズファクタ分析の仕組み　●p値とBF値の検定結果の不一致　●BF値を用いたノンパラメトリック検定　●t検定のp値とBF値の比較 　5.4　シミュレーション学習①：正規分布をつくる 　【課題1〉正規分布をつくる 　5.5　シミュレーション学習②：データを再現する 　【課題2〉データを再現する 　5.6　時間データの対数変換による分析 　【演習5b】　トレーニングは伸び盛りに！ 　　　レポート例05-1 　5.7　統計的概念・手法の解説2 　　　●効果量δの範囲検定 Chapter6　1要因分散分析デザインのベイズファクタ分析 　【演習6a】　SD法で創造性を高める 　6.1　データ入力・分析 　6.2　『結果の書き方』 　　　レポート例06-1 　6.3　統計的概念・手法の解説1 　　　●多重比較の早見表の利用　●ベイズファクタ分析の仕組み：分散分析デザイン　●平均の95％確信区間　●分散分析Ａ sデザインのp値とBF値の比較 　6.4　小学校英語指導に必要な技能は何か 　【演習6b】　英語指導にどんな技能が必要か 　6.5　『結果の書き方』 　　　レポート例06-2 　6.6　統計的概念・手法の解説2 　　　●参加者内デザインのベイズファクタ分析 Chapter7　2要因・3要因分散分析デザインのベイズファクタ分析 　【演習7a】　協同経験はルール意識を高めるか 　7.1　データ入力・分析 　7.2　『結果の書き方』 　　　レポート例07-1 　7.3　統計的概念・手法の解説1 　　　●Inclusion BF：BF値のモデル平均化　●全体モデル平均化 　7.4　アイディア・プロダクション法 　【演習7b】　アイディアの発想に“ 書き送り法”を用いる 　7.5　『結果の書き方』　3要因デザイン 　　　レポート例07-2 　7.6　統計的概念・手法の解説2 　　　●3要因デザインのBF値の平均化 　7.7　シミュレーション学習①：2要因データを再現する 　【課題1】　データの再現 　7.8　シミュレーション学習②：交互作用を判別する 　【課題2】　交互作用の判別 　　　●シミュレーションによる交互作用問題の解答要領 　7.9　シミュレーション学習③：N，SDを変えてみる 　【課題3】　N，SDを変える Chapter8　相関係数のベイズファクタ分析 　【演習8a】　気温とアイスクリーム，ホットコーヒーの売り上げは相関するか 　8.1　データ入力・分析 　8.2　『結果の書き方』 　8.3　統計的概念・手法の解説1 　　　●p値有意・BF値有効となる最小相関係数の比較　●相関係数の差の検定 　8.4　相関係数のシミュレーション学習 　【演習8b】　シミュレーション課題①：散布図をつくる 　【演習8c】　シミュレーション課題②：相関係数を予想する 　　　●散布図問題の解答例 　【演習8d】　シミュレーション課題③：外れ値のある散布図をつくる 　8.5　統計的概念・手法の解説2 　　　●相関係数と説明率 Chapter9　回帰モデルのベイズファクタ分析 　【演習9a】　革新性を高める職場風土とは？ 　9.1　データ入力・分析 　9.2　『結果の書き方』 　9.3　統計的概念・手法の解説1 　　　●初期モデルの選び方と独立変数の上限数　●交互作用モデルの探索：ベイズ ファクタ回帰分析　●BF値による回帰モデルの選出率 　9.4　交互作用の単純傾斜分析 　【演習9b】　明るさ×温かさの交互作用を分析する 　9.5　『結果の書き方』　ステップワイズ回帰分析 　　　レポート例09-1：単純傾斜分析の結果 　9.6　統計的概念・手法の解説2 　　　●交互作用モデルの探索：ステップワイズ回帰分析　●ベイズ情報量規準とベイズファクタ Chapter10　各種ユーティリティ 　10.1　乱数発生ユーティリティ＆乱数コマンド 　　　●一様乱数コマンド unif（ユニフ）　●正規乱数コマンド norm（ノゥム） 　10.2　階級化集計ユーティリティ 　10.3　数値変換ユーティリティ 　【練習問題1】　困難度の異なるテスト得点を標準化する 　【練習問題2】　2ポイント尺度を4ポイント尺度に変換 　【練習問題3】　3ポイント尺度を5ポイント尺度に変換 　10.4　逆転項目処理ユーティリティ 　10.5　欠損値処理ユーティリティ 付録　統計分析の授業用シラバス（参考例） 　　　シラバス参考例1　統計分析入門 　　　シラバス参考例2　統計分析演習 索引 Column 1　セルへの数値入力の基本と小技 Column 2　分析結果の保存 Column 3　ダイアグラムで連関・相関を視覚的に表示 Column 4　スタック形式によるデータ入力 Column 5　平均のグラフとボックスプロットの利用 Column 6　シミュレーションボタンの使い方

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.

アルゴリズムの基本的な考え方と種類、さまざまなデータ分析の手法のほか、機械学習やニューラルネットワークについて学びます。 高校で学ぶ「情報」科目をカバーした読みやすい入門書。シリーズ第４巻は、アルゴリズムの基本的な考え方と種類、データ構造やさまざまなデータ分析の手法のほか、機械学習やニューラルネットワークについて学びます。 「AI人材」や「高度IT人材」を目指す人のみならず、今やコンピュータサイエンスやデジタル技術に関する知識は〈これから〉の時代を生きていくすべての人に必要なものになりました。学校教育の現場では「GIGAスクール構想」のもと１人１台タブレット端末が配布され、小学生のときからデジタル教材やプログラミングに触れる機会が増え、この動きは中学校にも拡大しています。高校では「情報Ⅰ」の新科目が必修となり、2025年から大学入学共通テストへの導入が決まりました。新しい時代へのパスポートとなるこの全５巻のシリーズは、日常生活の中で見聞きする話題から始まり、まるで紙面上で実際に授業を受けているような感覚が味わえる、読みやすくて楽しい入門書です。シリーズ第４巻は、アルゴリズムの基本的な考え方と種類、データ構造やさまざまなデータ分析の手法のほか、機械学習やニューラルネットワークについて学びます。【シリーズの特長】◆親しみやすい話題から始まる各章のテーマに関する〈身近なモノやサービス〉の事例やエピソードを紹介。◆高校で学ぶ「情報」の学習範囲に準拠2022年度開始の新科目「情報Ⅰ」、2023年度開始の「情報Ⅱ」をフォロー。◆理解を助ける豊富な写真や図表イメージしにくい概念や考え方をビジュアル面から補足。◆学生から社会人まで役立つ中高生からの独習～社会人の学びなおし（リスキリング）ニーズに対応。「ITパスポート」「基本情報技術者」試験の受験者や「情報」教科担当職員の事前学習用に最適。 Chapter 1　アルゴリズム 1-1　アルゴリズムとは 1-2　よいアルゴリズムの指標 1-3　フローチャート Chapter 2　代表的なアルゴリズム 2-1　探索問題 2-2　ソーティング 2-3　最短経路問題 Chapter 3　アルゴリズムとデータ構造 3-1　配列 3-2　リスト 3-3　木構造 3-4　スタックとキュー Chapter 4　さまざまな現象のシミュレーション 4-1　数式に従う現象のシミュレーション 4-2　確率的シミュレーション 4-3　検定 Chapter 5　データの分布形状の考慮 5-1　分布形状の考慮 5-2　距離尺度 5-3　主成分分析 Chapter 6　クラスタリング 6-1　クラスタリングとは 6-2　k-means アルゴリズム 6-3　階層型クラスタリング Chapter 7　重回帰分析による予測 7-1　重回帰分析とは 7-2　重回帰分析の方法 7-3　変数の種類 7-4　モデルのよさと変数選択 Chapter 8　購買データの分析と推薦 8-1　同時購入商品に注目した分析 8-2　購入者に注目した分析 Chapter 9　機械学習による認識 9-1　人工知能と機械学習 9-2　データの準備 9-3　古典的な機械学習アルゴリズム 9-4　認識結果の評価 Chapter 10　深層学習 10-1　ニューラルネットワーク 10-2　ニューラルネットワークによる物体認識 10-3　ニューラルネットワークの学習方法 10-4　代表的なニューラルネットワークの形状

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

自然科学・工学・医学等への応用をめざしつつ，さまざまな統計学的考え方を紹介し，その基礎をわかりやすく解説する．シリーズIと同様に，豊富に実際例を用いつつ，図表を多くとり入れて，視覚的にもわかりやすく統計学を親しみながら学べるよう編集した． 第1章　確率の基礎（矢島美寛） 第2章　線形モデルと最小二乗法（廣津千尋） 第3章　実験データの分析（藤野和建） 第4章　最尤法（廣津千尋） 第5章　適合度検定（廣津千尋） 第6章　検定と標本の大きさ（竹村彰通） 第7章　分布の仮定（竹内 啓，藤野和建） 第8章　質的データの統計的分析（縄田和満） 第9章　ベイズ決定（松原 望） 第10章　確率過程の基礎（矢島美寛） 第11章　乱数の性質（伏見正則）

あふれるデータや情報に、まどわされずに生きていく！ 誰もが身につけたい・身につけられる強力な味方"データリテラシー"！ あふれるデータや情報に、まどわされずに生きていく！ 誰もが身につけたい・身につけられる強力な味方"データリテラシー"！ “データリテラシー”とは、データや情報を正しく読みとる力——。データや情報の量もアクセス方法も増えていく、これからの時代を受け身にならずに生きていくための超重要スキルです！なんだかむずかしそう？ 自分には関係なさそう？そんなことはありません！ データリテラシーは、小学校レベル（主に算数）の学習内容をおさえておけば日常生活の多くの場面で役立つ強力な味方です。データの専門家を目指すためには高度な統計学やデータサイエンスの知識が必要になりますが、データリテラシーはそのだいじな基礎・基本にもなるでしょう。まさに、いま誰もが身につけたい・身につけられる力なのです。本書はタイトル通り、小学生にもわかりやすくデータリテラシーを学んでもらえる一冊です。算数で学習する「グラフ」や「代表値」から、「データの尺度」「相関関係と因果関係」「フェイクニュース」など大人も知っておきたい内容まで、キャラクターたちの会話形式で楽しく読み進めることができます。関連するクイズや読みごたえのあるコラムも、データリテラシーの理解をいっそう深めてくれるでしょう。これからのAI時代を生きていく子どもたちとすべての人へ、データや情報にまどわされずに“考え”続ける大切さと楽しさを味わっていただける一冊です！

現代社会においては，さまざまなデータを正しく扱うことが全てに優先する．本書は，われわれの生活や社会と直接・間接にかかわりをもつ分野で用いられている統計的方法の基礎から応用までを，具体例に即して分かりやすく解説する． 第1章　統計学とデータ（高橋伸夫） 第2章　データの分析（竹村彰通） 第3章　標本調査法（竹村彰通） 第4章　統計調査と経済統計（廣松 毅） 第5章　地域統計（中井検裕） 第6章　経済分析における回帰分析（縄田和満・松原 望） 第7章　経済時系列データの分析（国友直人） 第8章　社会調査（盛山和夫） 第9章　社会移動データの分析手法（盛山和夫） 第10章　要因探究の方法（盛山和夫） 第11章　心理測定データの解析（渡部 洋） 第12章　テスト理論（渡部 洋） 第13章　心理・教育データのための統計的方法（渡部 洋）

オークション等の注目のトピックスを盛り込み，解説をさらに丁寧に初学者にわかりやすく，新たに2色刷としてさらに読みやすく一新。 基礎から新しい研究成果までをカバーし，楽しみながらゲーム理論のエッセンスとその考え方を学べるスタンダードテキストの新版。オークション等の注目トピックスを盛り込み，さらに丁寧な解説でわかりやすく，新たに２色刷としてさらに読みやすく一新。 第１章　ゲーム理論とは何だろうか？ 第２章　選択と意思決定 第３章　戦略ゲーム 第４章　ナッシュ均衡点 第５章　利害の対立と協力 第６章　ダイナミックなゲーム 第７章　繰り返しゲーム 第８章　不確実な相手とのゲーム 第９章　交渉ゲーム 第10章　グループ形成と利得分配 第11章　進化ゲーム 第12章　ゲーム実験

『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。