自然言語処理編

ディープラーニング活用なくしてビジネスの飛躍的成長なし

機械学習の世界は、学ぶべき分野が多岐に及びます。本書は、広大な学習範囲に対して、真正面から取り組み、しかしスムーズかつスッキリと学びきることができる入門書です。データ分析の「全体の流れ」を繰り返し追いかけることで、機械学習の全体像と本質が自然に染み込む仕掛けとなっています。しかも単に繰り返すのではなく、段階的に高度な内容に挑戦し、最終的には応用術も身に付けられます。シリーズで好評の「エラー解決・虎の巻」も収録！ 本書で機械学習の楽しさ、奥深さをじっくり学び、新しい未来への道を拓いてみませんか。

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。

さまざまな業界で導入が進められているAIについて、どのような分野で活用されているのかが鳥瞰図で一目でわかる AIの導入事例が一目でわかる！ 金融、流通、製造、インフラなど全8業界36業種のAIの導入について、どのような分野で活用されているのか、 どのような事項との親和性が高いかといったことについて鳥瞰図で解説。豊富な実例も掲載しており、ビジネスのアイデア創出にも応用できます。 また、「こんな応用可能性があります」にとどめず、実際に実装したりトライアルをするときのノウハウも掲載しています。 本書掲載の鳥瞰図はご購入者特典としてDLして活用できます。 【本書に掲載されている業種】 〈流通〉 コンビニ・スーパーマーケット 百貨店業 郵便・運送業 〈製造〉 自動車製造業 食品・飲料製造業 化粧品・日用品製造業 金属製造業・化学工業 重工業 建設業 繊維工業（アパレル） 電機製造業 〈金融〉 銀行業 保険業 証券業 〈サービス〉 ホテル業 旅行代理業 外食業 テーマパーク 放送局 〈インフラ〉 通信業 鉄道業 航空業 空港 道路・交通インフラ管理業 エネルギー業（ガス・電気） 石油および天然ガス生産・販売業 〈公共〉 学校・学習塾 警察・警備 消防・防災 〈ヘルスケア〉 病院 介護サービス業 製薬業 〈その他〉 農業 水産業 スタジアム・（プロ／アマ）スポーツ ゲーム業 Chapter 1　流通 　コンビニ・スーパーマーケット 　百貨店業 　郵便・運送業 　詳細解説：商品需要予測に基づく在庫管理 Chapter 2　製造 　自動車製造業 　食品・飲料製造業 　化粧品・日用品製造業 　金属製造業・化学工業 　重工業 　建設業 　繊維工業（アパレル） 　電機製造業 　詳細解説：査定自動化・見積り自動化 Chapter 3　金融 　銀行業 　保険業 　証券業 　詳細解説：不正検知 Chapter 4　サービス 　ホテル業 　旅行代理業 　外食業 　テーマパーク 　放送局 　詳細解説：キャンペーン企画・価格設定 Chapter 5　インフラ 　通信業 　鉄道業 　航空業 　空港 　道路・交通インフラ管理業 　エネルギー業（ガス・電気） 　石油および天然ガス生産・販売業 　詳細解説：劣化予測・メンテナンス計画作成 Chapter 6　公共 　学校・学習塾 　警察・警備 　消防・防災 　詳細解説：画像データによる異常検知・品質評価 Chapter 7　ヘルスケア 　病院 　介護サービス業 　製薬業 　詳細解説：センサーデータによる異常検知 Chapter 8　その他 　農業 　水産業 　スタジアム・（プロ／アマ）スポーツ 　ゲーム業 　詳細解説：見込み顧客分析・離反分析

これからAIを学ぶ人に向けた入門書。ビジネスへの活用法から最新技術までをカバーした、「最初に手にすべきAI本」 本書は、これから人工知能（AI）を学びたいと考える人に向けたAIの入門書です。エンジニアではない人、すなわち中高生や文系学部の大学生、文系出身のビジネスパーソンや経営者などでも理解できるように、分かりやすくAIの本質や基礎知識を解説しました。AIのビジネスへの活用法からAIの最新技術までをカバーした、「最初に手にすべきAI本」です。 著者は、日本経済新聞社や日経BPのセミナーでAIやIoTの講座を教える人気講師。フジテレビの「ホンマでっか！？TV」に評論家として出演もしています。語り口が初心者にも分かりやすいと定評のある著者が、必要最低限のポイントに絞り、できる限り専門用語を使わないように配慮しながら書き上げました。 初心者でも人工知能の本質を短時間で理解できるようにするために、それぞれの状況や理解度に応じて学習できるように3部に分けて構成しています。 第1部（第1章）は「基礎編」です。ここでは、今後、人工知能が中心となる社会で生きていくために必要最低限の知識についてまとめました。人工知能は何が得意で、何が不得意なのか、そして社会をどう変えていくのかについて解説しています。 第2部（第2～4章）は「ビジネス編」です。ここでは、ビジネスに人工知能を活用するに当たり、各業界の活用事例や今後どのような使われ方をするのかについて書いています。 また、人工知能を活用する際の注意事項を中心に、プロジェクト推進方法や国などの支援状況についても解説しています。 第3部は「技術編」です。ここでは、人工知能の仕組みについて解説しています。今後、データサイエンスや人工知能に関する知識は、エンジニアや人工知能のプロジェクトに関わる人にとっては必須の知識です。 本書を読めば、AIに関する一般向けの本にありがちな曖昧すぎてよく分からない、なぜそこにAIを使う必要があるのか理解できないといった疑問を解消できると思います。 第1章【基礎編】人工知能(AI)の世界 第2章【ビジネス編】産業別に見た人工知能事例と未来予想図 第3章【ビジネス編】人工知能活用に関する国の施策 第4章【ビジネス編】人工知能プロジェクトの進め方と注意点 第5章【技術編】機械学習 ～これまでの人工知能と歴史～ 第6章【技術編】ディープラーニング ～現在の人工知能～ 第7章【技術編】人工知能開発と運用管理 第8章【技術編】人工知能の最新技術 ～これからの人工知能～ 第9章　人工知能開発に関するいろいろなFAQ

リアルな機械学習が、データ活用プロジェクト成功の鍵。2万人が読んだ『Python実践データ分析100本ノック』に続編が登場！ あなたの分析結果や技術は、社内で十分に理解されていますか？ もし理解されていないのなら、小規模でも継続的にデータ分析や機械学習を回す「仕組み」が必要です。本書は、大好評の『Python実践データ分析100本ノック』の続編として、実際のビジネス現場を想定した100の例題を解くことで、現場の視点と応用力が身に付くよう設計した問題集です。データ活用プロジェクトを立ち上げ、社内にきっちり定着化させるための最初の一歩です！ 第１部 データ分析システム 第1章 分析に向けた準備を行う10本ノック 　ノック1：データを全て読み込んでみよう 　ノック2：データを結合（ユニオン）してみよう 　ノック3：フォルダ内のファイル名を一覧化してみよう 　ノック4：複数データを結合（ユニオン）してみよう 　ノック5：データの統計量を確認しよう 　ノック6：不要なデータを除外しよう 　ノック7：マスタデータを結合（ジョイン）してみよう 　ノック8：マスタが存在しないコードに名称を設定しよう 　ノック9：分析基礎テーブルを出力してみよう 　ノック10：セルを整理して使いやすくしよう 第2章 データを可視化し分析を行う10本ノック 　ノック11：データを読み込んで不要なものを除外しよう 　ノック12：データの全体像を把握しよう 　ノック13：月別の売上を集計してみよう 　ノック14：月別の推移を可視化してみよう 　ノック15：売上からヒストグラムを作成してみよう 　ノック16：都道府県別の売上を集計して可視化しよう 　ノック17：クラスタリングに向けてデータを加工しよう 　ノック18：クラスタリングで店舗をグループ化してみよう 　ノック19：グループの傾向を分析してみよう 　ノック20：クラスタリングの結果をt-SNEで可視化しよう 第3章 可視化の仕組みを構築する10本ノック 　ノック21：店舗を絞り込んで可視化できるようにしてみよう 　ノック22：複数店舗の詳細を可視化できるようにしてみよう 　ノック23：スライドバーを用いてオーダー件数を調べてみよう 　ノック24：トグルボタンで地域データを抽出しよう 　ノック25：日付を指定してデータを抽出してみよう 　ノック26：ストーリーを考えてデータを構築しよう 　ノック27：キャンセルの理由を分析してみよう 　ノック28：仮説を検証してみよう 　ノック29：ストーリーをもとにパーツやデータを組み合わせてダッシュボードを作ろう 　ノック30：ダッシュボードを改善しよう 第4章 レポーティングする仕組みを構築する10本ノック 　ノック31：特定店舗の売上をExcelにして出力してみよう 　ノック32：Excelの表を整えて出力してみよう 　ノック33：売上以外のデータも出力してみよう 　ノック34：問題のある箇所を赤字で出力してみよう 　ノック35：エクセルのセル関数で日毎の集計をしてみよう 　ノック36：折れ線グラフにして出力してみよう 　ノック37：レポートに向けてデータを準備しよう 　ノック38：データシートに必要なデータを出力しよう 　ノック39：サマリーシートを作成しよう 　ノック40：店舗別にレポートをExcel出力してみよう 第5章 分析システムを構築する10本ノック 　ノック41：基本的なフォルダを生成しよう 　ノック42：入力データのチェック機構を作ろう 　ノック43：レポーティング（本部向け）を関数化してみよう 　ノック44：レポーティング（店舗向け）を関数化してみよう 　ノック45：関数を実行し動作を確認してみよう 　ノック46：更新に対応できる出力フォルダを作成しよう 　ノック47：都道府県別で出力できるように出力フォルダを拡張してデータを出力しよう 　ノック48：前月のデータを動的に読み込もう 　ノック49：実行して過去データとの比較をしてみよう 　ノック50：画面から実行できるようにしよう 第2部 機械学習システム 第6章 機械学習のためのデータ加工をする10本ノック 　ノック51：データ加工の下準備をしよう 　ノック52：データの読み込みを行い加工の方向性を検討しよう 　ノック53：1か月分のデータの基本的なデータ加工を実施しよう 　ノック54：機械学習に使用する変数を作成しよう 　ノック55：店舗単位に集計して変数を作成しよう 　ノック56：データの加工と店舗別集計を関数で実行しよう 　ノック57：全データの読み込みとデータ加工をやってみよう 　ノック58：目的変数を作成しよう 　ノック59：説明変数と目的変数を紐づけて機械学習用のデータを仕上げよう 　ノック60：機械学習用データの確認を行い出力しよう 第7章 機械学習モデルを構築する10本ノック 　ノック61：フォルダ生成をして機械学習用データを読み込もう 　ノック62：カテゴリカル変数の対応をしよう 　ノック63：学習データとテストデータを分割しよう 　ノック64：1つのモデルを構築しよう 　ノック65：評価を実施してみよう 　ノック66：モデルの重要度を確認してみよう 　ノック67：モデル構築から評価までを関数化しよう 　ノック68：モデルファイルや評価結果を出力しよう 　ノック69：アルゴリズムを拡張して多角的な評価を実施しよう 　ノック70：平日/休日モデルを一度で回せるようにしよう 第8章 構築した機械学習モデルで新規データを予測する10本ノック 　ノック71：フォルダ生成をしてデータ読み込みの準備をしよう 　ノック72：予測したい新規データを読み込もう 　ノック73：新規データを店舗別で集計しよう 　ノック74：新規データのカテゴリカル変数対応をしよう 　ノック75：モデルに投入する直前の形式に整えよう 　ノック76：モデルファイルを読み込んでみよう 　ノック77：新規データの予測をしてみよう 　ノック78：予測結果のヒートマップを作成してみよう 　ノック79：実績データを作成しよう 　ノック80：現場に向けたレポートを作成し出力しよう 第9章 小規模機械学習システムを作成する10本ノック 　ノック81：フォルダ生成をして初期の変数定義をしよう 　ノック82：更新データを読み込んで店舗別データを作成しよう 　ノック83：月次店舗データの更新をしよう 　ノック84：機械学習用データの作成と更新をしよう 　ノック85：機械学習モデル用の事前データ加工をしよう 　ノック86：機械学習モデルの構築・評価をしよう 　ノック87：新規データ予測に向けた下準備をしよう 　ノック88：新規データの予測をしよう 　ノック89：現場向けレポートを作成し出力しよう 　ノック90：機械学習モデルの精度推移を可視化しよう 第10章 機械学習システムのダッシュボードを作成する10本ノック 　ノック91：単一データの読み込みをしよう 　ノック92：更新データを読み込んで店舗別データを作成しよう 　ノック93：機械学習モデルの重要変数データを読み込んで結合しよう 　ノック94：機械学習モデルの予測結果を読み込んで結合しよう 　ノック95：機械学習モデル用の事前データ加工をしよう 　ノック96：店舗分析用ダッシュボードを作成しよう 　ノック97：機械学習モデルの精度評価ダッシュボードを作成しよう 　ノック98：機械学習モデルの混同行列ダッシュボードを作成しよう 　ノック99：機械学習モデルの変数重要度の分析ダッシュボードを作成しよう 　ノック100：機械学習モデルの予測結果検証のための可視化をしよう

広がるAI化格差と5年先を見据えた企業戦略 ▼技術から利用動向、制度政策に至るまで、国内と海外の人工知能の最新動向がすべてわかるAI白書の2020年版 DX（デジタルトランスフォーメーション）のための重要な技術であるＡＩの社会実装が進む一方、そのAI化で格差が広がっています。また、5Ｇのサービス開始、EU一般データ保護規則、米中間の対立など、ＡＩを取り巻く環境は目まぐるしく変化しています。 第1章では、石角友愛氏（パロアルトインサイトCEO）と中島秀之 AI白書編集委員長（札幌市立大学理事長・学長）の対談、北野宏明 AI白書編集委員(ソニーコンピュータサイエンス研究所代表取締役社長・所長)と片岡 晃 IPA社会基盤センター長の対談を通じて、ＡＩをめぐる日本の課題とビジネス戦略について解説。第2章「技術動向」では、ＡＩに関する技術の概要と最新動向を整理し、第3章「利用動向」では国内外でのＡＩ活用事例を紹介。さらに、AIの社会実装を支える環境として、第4章で「制度政策」、第5章で社会実装に係る課題解決の方向性（AI人材育成及びスタートアップエコシステム）について記載しています。 『ＡＩ白書2019』に最新情報を加え、大幅にアップデートしています。AIの基礎的な技術解説から、国内外の多様な導入事例、制度・政策面での取り組み、中国のAI動向データ、企業経営者の意識調査結果まで、AIにまつわる幅広い話題を網羅して収録。AIを実装し、DXを推進するにあたってのひとつの指針として、本書をご活用いただけます。 DX（デジタルトランスフォーメーション）のための重要な技術であるAIの社会実装。そのAI化で格差が広がっている。AIの技術や利用動向、制度政策、スタートアップエコシステムに至るまで、AIのすべてを解説 □第1章「2020年のＡＩとビジネス」　生産性やDXといった日本の課題、AI時代のビジネス戦略をテーマにした対談、など □第2章「技術動向」　ＡＩを支える技術と最新動向、ディープラーニング、開発基盤、標準化・オープンプラットフォーム・信頼性、各国の研究開発の現状、など □第3章「利用動向」　日本と世界の分野別の利用動向、ＡＩ利用動向アンケート調査、AI導入予算・AI市場規模、中国のＡＩ最新動向、など □第4章「制度政策動向」　ＡＩに関する原則・ガイドライン、制度改革（モビリティ、データ流通、知的財産）、各国の政策動向、など □第5章「AI実装を推進するAI人材育成と地域スタートアップエコシステム」　スタートアップエコシステム、ＡＩ人材の育成、社会実装の課題と現状、など

フルスタックエンジニア必見！Python Django入門書の第2版　登場！ Django3.2対応（LTS） DjangoによるWebアプリ開発手法を丁寧に解説！ 【本書の概要】 本書は、大人気フレームワーク「Django」によるWebアプリ開発手法を解説した書籍です。 具体的には、DjangoによるWebアプリの設計・作成の基本、動的機能の作成（フォーム作成）の基本、 認証処理の基本、データベースとの連携の基本（日記機能）、クラウドとの連携の基本（デプロイも含む）、 セキュリティの基本など一通り学ぶことができます。 フルスタックエンジニア必携の1冊です。 【対象読者】 Pythonの基礎知識のあるフルスタックエンジニア 【Djangoの対応バージョン】 Django3.2。 Django3.2はLTS（Long Term Support）という長期間サポート対象のバージョン。 2024年4月までセキュリティサポートが予定されており、安心して学習できます。 【Djangoとは（本書より抜粋）】 DjangoはPython用のフルスタックWebアプリフレームワークです。 多くのWebアプリにおいて必要となるメール送信やセキュリティなど、 多くの機能が標準で備わっています。 開発用の機能も充実しています。開発サーバーはDjangoに同梱されているため、 ローカルマシンで開発中のWebアプリをすぐに起動できます。 さらに、データベースのテーブル定義を記述しておけば自分でデータベースを操作するSQLを書くことなく、 コマンドを打つだけでデータベースに反映することもできます。 運用を支援する管理サイトも最初から備わっています。この管理サイトを使えば、 Web上からデータベースのデータを書き換えたり、 ユーザーの管理などを素早く行えます。 【著者】 大高隆（おおたか・りゅう） 京都大学大学院情報学研究科修了後に日本アイ・ビー・エム株式会社に入社。 同社にて10年間エンジニアとして従事し退社。 現在フリーのソフトウェアエンジニア兼投資家。 パッケージソフトやWebアプリなどの開発作業に日夜取り組んでいる。 Chapter 1　Webアプリを開発する前に 　01　設計作業は簡素にする 　02　既存ライブラリを積極的に活用する 　03　できる限り機械化する 　04　モチベーションを維持する 　05　まとめ Chapter 2　Webアプリを開発するには 　01　Webアプリとは 　02　Webアプリの処理の流れ 　03　Webアプリの構築手順 　04　Webアプリの構築手段 　05　まとめ Chapter 3　Djangoの概説 　01　Djangoとは 　02　Djangoの全体像 　03　Djangoプロジェクトの構造 　04　ルーティング 　05　ビュー 　06　フォーム 　07　モデル 　08　テンプレート 　09　ユーティリティコマンド 　10　まとめ Chapter 4　Webアプリ開発前の準備 　01　手書きスケッチでWebアプリをデザインする 　02　Pythonをインストールする 　03　Python仮想環境を作成する 　04　Djangoをインストールする 　05　PyCharmをインストールする 　06　PostgreSQLをインストールし、データベース環境を構築する 　07　バージョン管理システムを導入する 　08　まとめ Chapter 5　単一ページのDjangoアプリケーションを作成する 　01　サンプルアプリの開発環境構成 　02　Djangoプロジェクトを作成する 　03　Djangoアプリケーションを作成する 　04　PyCharm上のPython設定を変更する 　05　言語とタイムゾーンを日本仕様に変更する 　06　Djangoのデータベース設定をPostgreSQLに変更する 　07　ロギングを設定する 　08　ルーティングを設定する 　09　ビューを作成する 　10　テンプレートを作成するi 　11　開発サーバーを動かしてトップページを表示する 　12　まとめ Chapter 6　バージョン管理システムを構築する 　01　リモートリポジトリを作成する 　02　ローカルリポジトリを作成する 　03　バージョン管理対象外ファイルを登録する 　04　ローカルリポジトリにコミットする 　05　Sourcetreeにリモートリポジトリを登録する 　06　リモートリポジトリにプッシュする 　07　まとめ Chapter 7　トップページを作り込む 　01　Bootstrapテンプレートをダウンロードする 　02　静的ファイルが配置されている場所を設定する 　03　各ページで共通利用するベーステンプレートを作る 　04　トップページを作り変える 　05　トップページの表示を確認する 　06　まとめ Chapter 8　問い合わせページのフォーム画面を作る 　01　ルーティングを追加する 　02　ビューを追加する 　03　フォームのフィールドを定義する 　04　テンプレートを編集する 　05　独自スタイルを追加する 　06　問い合わせページの表示を確認する 　07　まとめ Chapter 9　フォーム機能を作り上げる──メール送信 　01　ビューにフォーム動作時の処理を記述する 　02　メール送信処理を記述する 　03　プロジェクト設定ファイルを分割する 　04　メール処理で使うバックエンドを定義する 　05　開発サーバー起動時のPyCharmの設定を変更する 　06　メール送信を確認する 　07　画面にメッセージが表示されるようにする 　08　まとめ Chapter 10　Djangoに認証機能を追加する 　01　認証用アプリケーションを作成する 　02　カスタムユーザーモデルを定義する 　03　カスタムユーザーモデルを管理サイトに登録する 　04　マイグレーションを行う 　05　django-allauthをインストールする 　06　プロジェクト設定ファイルを編集する 　07　ルーティングを追加する 　08　django-allauthのテンプレートを改変する 　09　django-allauthのメール内容を改変する 　10　認証ページへのリンクを貼る 　11　django-allauth用のマイグレーションを行う 　12　まとめ Chapter 11　会員用機能を作る──データベースとの連携 　01　メディアファイルを扱えるようにする 　02　日記モデルを定義する 　03　日記モデルを管理サイトに登録する 　04　日記一覧表示機能を作る 　05　日記一覧ページへの遷移を記述する 　06　マイグレーションを行う 　07　管理サイトから日記データを登録する 　08　日記一覧ページにページネーションを付ける 　09　日記詳細表示機能を作る 　10　日記作成機能を作る 　11　日記編集機能を作る 　12　日記削除機能を作る 　13　一般的方法とSeleniumを使ったテストを行う 　14　ステータスコード403/404/500用ページを作る 　15　データベースをバックアップするバッチを作る 　16　まとめ Chapter 12　Djangoとクラウドを連携して本番運用を行う 　01　サンプルアプリの本番運用環境構成 　02　AWSのアカウントを取得する 　03　EC2インスタンスを作成する 　04　Elastic IPを取得しインスタンスへ関連付ける 　05　EC2インスタンスにSSH接続する 　06　Amazon Linux 2の初期設定を行う 　07　Python 3をインストールする 　08　pip管理モジュールをインストールする 　09　PostgreSQLをインストールして初期設定をする 　10　本番運用環境用Djangoプロジェクト設定ファイルを作成する 　11　本番運用環境にDjangoソースコードを配置する 　12　ログ配置ディレクトリを作成する 　13　Amazon SESを利用可能にする 　14　環境変数を設定する 　15　静的ファイルを配信ディレクトリに配置する 　16　マイグレーションを行う 　17　Nginxのインストールと設定を行う 　18　NginxとGunicornを起動する 　19　バッチの定期実行を設定する 　20　まとめ Chapter 13　独自ドメイン化とセキュリティ対策 　01　はじめに　02　ドメインプロバイダーでDNS設定を追加する 　03　Djangoの「ALLOWED_HOSTS」設定を変更する 　04　HTTPS化を行う 　05　Django管理サイトのURLを変更する 　06　Djangoのセキュリティチェックを行う 　07　まとめ

真に効果的なPythonプログラミング手法 Pythonプログラマなら身につけたい玄人技 本書は、 Dan Bader, "Python Tricks The Book: A Buffet of Awesome Python Features" dbader.org, の翻訳書です。 【本書の内容】 あらゆる場面で活躍するプログラミング言語、Python。 本書はそんなPythonをマスターし、日々のプログラミングに活用したい熱心な方々のための1冊です。 入門書を一通り終えた駆け出しプログラマには、Pythonの機能や特徴をより深く、 また他言語から新たにPython習得を目論むベテランには、コードの書き方の差異を、 リスト内包や文字列フォーマットなど、さまざまなサンプルを元に教授してくれます。 著者のDan Baderは、Twitterでのアウトプットに端を発する、いわゆるTips紹介の延長線上で、この本を執筆しました。 そのため、各種Tipsに対するさまざまなフィードバックと、よりよく伝えるためのアイデアが盛り込まれ、 結果、Pythonをより深く知り、より良いコードを書くための知識が集積された書籍となりました。 つまり本書は、もっとすごいPython開発者になりたいあなたを、 強力にサポートする1冊です。 【本書のポイント】 ・短いサンプルでPythonの一番すばらしい点を学べる ・Pythonならではの、すばらしい機能をビュッフェ形式で学べる ・Pythonプログラミングへの理解促進 【読者が得られること】 ・よりよいPythonプログラマとしての知見 ・効率的で実践的なPythonプログラミング ・コードをよりパイソニックなものにするためのノウハウ CHAPTER 1　はじめに 1.1　Pythonトリックとは何か 1.2　本書はどのように役立つか 1.3　本書の読み方 CHAPTER 2　よりクリーンなPythonのためのパターン 2.1　アサーションによる安全対策 2.2　無頓着なコンマの配置 2.3　コンテキストマネージャーとwith文 2.4　アンダースコアとダンダー 2.5　文字列のフォーマットに関する衝撃の事実 2.6　「The Zen of Python」の隠しコマンド CHAPTER 3　効果的な関数 3.1　Pythonの関数はファーストクラスオブジェクト 3.2　ラムダは単一式の関数 3.3　デコレータの威力 3.4　*argsと**kwargs 3.5　引数のアンパック 3.6　ここから返すものは何もない CHAPTER 4　クラスとオブジェクト指向プログラミング 4.1　オブジェクトの比較：”is”と”==” 4.2　文字列変換：すべてのクラスに_repr_が必要 4.3　カスタム例外クラスを定義する 4.4　趣味と実益を兼ねたクローンオブジェクトの作成 4.5　抽象基底クラスは継承に待ったをかける 4.6　名前付きタプルは何に役立つか 4.7　クラス変数とインスタンス変数の落とし穴 4.8　インスタンスメソッド、クラスメソッド、静的メソッドの謎を解く CHAPTER 5　Pythonの一般的なデータ構造 5.1　ディクショナリ、マップ、ハッシュテーブル 5.2　配列 5.3　レコード、構造体、DTO 5.4　セットとマルチセット 5.5　スタック（LIFO） 5.6　キュー（FIFO） 5.7　優先度付きキュー CHAPTER 6　ループとイテレーション 6.1　パイソニックなループの書き方 6.2　内包を理解する 6.3　リストのスライスとすし演算子 6.4　美しいイテレータ 6.5　ジェネレータは単純化されたイテレータ 6.6　ジェネレータ式 6.7　イテレータチェーン CHAPTER 7　ディクショナリのトリック 7.1　ディクショナリのデフォルト値 7.2　趣味と実益を兼ねたディクショナリのソート 7.3　ディクショナリを使ってswitch/case文をエミュレートする 7.4　型破りなディクショナリ式 7.5　ディクショナリのいろいろなマージ法 7.6　ディクショナリの出力を整える CHAPTER 8　パイソニックな生産性向上テクニック 8.1　Pythonのモジュールとオブジェクトを調べる 8.2　仮想環境を使ってプロジェクトの依存関係を分離する 8.3　バイトコードの裏側を覗く CHAPTER 9　最後に 9.1　Python開発者のためのメールマガジン 9.2　PythonistaCafe：Python開発者のコミュニティ

人工知能 人工知能と世界の見方 人工知能と社会

AI開発に必要な数学の基礎知識がこれ1冊でわかる！ AI開発に必要な数学の基礎知識がこれ1冊でわかる！ 【本書の目的】 本書は以下のような対象読者に向けて、 線形代数、確率、統計/微分 といった数学の基礎知識をわかりやすく解説した書籍です。 【対象読者】 • 数学がAIや機械学習を勉強する際の障壁になっている方 • AIをビジネスで扱う必要に迫られた方 • 数学を改めて学び直したい方 • 文系の方、非エンジニアの方で数学の知識に自信のない方 • コードを書きながら数学を学びたい方 【目次】 序章　イントロダクション 第1章　学習の準備をしよう 第2章　Pythonの基礎 第3章　数学の基礎 第4章　線形代数 第5章　微分 第6章　確率・統計 第7章　数学を機械学習で実践 Appendix　さらに学びたい方のために 序章　イントロダクション 　0.1　本書の特徴 　0.2　本書でできるようになること 　0.3　本書の対象 　0.4　人工知能（AI）とは？ 　0.5　人工知能向けの数学 　0.6　本書の使い方 第1章　学習の準備をしよう 　1.1　Anacondaのインストール 　1.2　Jupyter Notebookの使い方 　1.3　サンプルのダウンロードと本書の学び方 第2章　Python の基礎 　2.1　Pythonの基礎 　2.2　NumPyの基礎 　2.3　matplotlibの基礎 第3章　数学の基礎 　3.1　変数、定数 　3.2　関数 　3.3　べき乗と平方根 　3.4　多項式関数 　3.5　三角関数 　3.6　総和と総乗 　3.7　乱数 　3.8　LaTeXの基礎 　3.9　絶対値 　COLUMN　ディープラーニングが躍進する理由 第4章　線形代数 　4.1　スカラー、ベクトル、行列、テンソル 　4.2　ベクトルの内積とノルム 　4.3　行列の積 　4.4　転置 　4.5　行列式と逆行列 　4.6　線形変換 　4.7　固有値と固有ベクトル 　4.8　コサイン類似度 第5章　微分 　5.1　極限と微分 　5.2　連鎖律 　5.3　偏微分 　5.4　全微分 　5.5　多変数合成関数の連鎖律 　5.6　ネイピア数と自然対数 　5.7　最急降下法 　COLUMN　シンギュラリティと指数関数 第6章　確率・統計 　6.1　確率の概念 　6.2　平均値と期待値 　6.3　分散と標準偏差 　6.4　正規分布とべき乗則 　6.5　共分散 　6.6　相関係数 　6.7　条件付き確率とベイズの定理 　6.8　尤度 　6.9　情報量 　COLUMN　自然言語処理とは 第7章　数学を機械学習で実践 　7.1　回帰と過学習 　7.2　分類とロジスティック回帰 　7.3　ニューラルネットワークの概要 　7.4　学習のメカニズム 　7.5　単一ニューロンによる学習の実装 　7.6　ディープラーニングへ Appendix　さらに学びたい方のために 　AP 1　書籍や動画で学ぶ

人工知能とは何か? 機械学習・ディープラーニングとは何かを、高クオリティなマンガとともに、くわしく・やさしく解説していきます。 人工知能がどのように発展してきたのか、私たちの未来をどのように変えていくのか、そして人工知能とどのように向き合っていくのかをテーマにストーリーを構成。人工知能という難しそうなテーマを、より身近に感じられるようになる一冊です。 Chapter1 人工知能の正体 ・「人間の脳」と「人工知能」 ・人工知能の定義 Chapter2 人工知能の歴史 ・人工知能の誕生-第1次AIブーム- ・コンピュータとの対話-第2次AIブーム- Chapter3 人工知能の新時代① ・第3次AIブームの始まり ・機械学習の広がりと課題 Chapter4 人工知能の新時代② ・ディープラーニングとは何か ・ディープラーニングによるブレイクするー Chapter5 人工知能と心 ・心と身体性 ・人工知能と創造性 Chapter6 人工知能が変えていく未来 ・AIを牽引する企業たち ・「眼を持つ機械」の活用 Chapter7 人工知能が人類にもたらすもの ・人工知能と倫理的課題 ・「シンギュラリティ」とその先の未来

【東京大学特任准教授 松尾 豊氏 推薦】 大人気「10秒で始める人工知能プログラミング学習サービス」の代表者がおくる、 人工知能プログラミングに必要な数学を、やさしく学ぶ参考書が登場！ キホンのキホンからおさらいするから、ニガテな人でも大丈夫！ 後半では、Pythonのコードを動かしてさらに理解を深められます！ ■本書の目的 ・人工知能関連の書籍に現れる数式への抵抗感をなくし、専門書を読むための数学基礎力をつけます。 ・いくつかの人工知能のアルゴリズムを理解し、数式の意味を理解できるようにします。 ■本書の特長 ・ゼロからおさらいするので、誰でも読めます。 ・人工知能プログラミングに必要な分野に特化しています。 ・演習問題や例題で、理解を深められます。 ■本書の対象読者 ・人工知能アルゴリズムを用いてモデリングをしているが、その根底のアルゴリズムはブラックボックスであり、数学を復習したい方。 ・人工知能アルゴリズムを体系的に学びたいが、数学を忘れており、専門書に現れる数式が理解できない方。 ・人工知能アルゴリズムに興味があるが、ハードルが高いと感じている方。 ■目次 CHAPTER 1　数学基礎 中学1 年から高校の数学を復習し、機械学習で使う数学の「入門レベル」を固めます。 CHAPTER 2　微分 微分の概念や表現方法を学びます。機械学習では「ディープラーニング（深層学習）」「ニューラルネットワーク」「最小2 乗法」「勾配降下法」「誤差逆伝播法」などで微分を活用します。 CHAPTER 3　線形代数 高校の範囲に大学1 年で学ぶ線形代数を加え、ベクトル・行列・線形変換を学びます。線形代数は膨大なデータや複雑なシステムを扱うのに役立ちます。 CHAPTER 4　確率・統計 確率・統計は「傾向を知り、限られたデータから全体像を予測する」ために、機械学習で活用されます。分散・尤度・正規分布などの難しい用語もやさしく学びます。 CHAPTER 5　実践編1 回帰モデルで住宅価格を推定してみよう 「データから住宅価格を推定する」ことを題材に、線形回帰モデルを理解します。 CHAPTER 6　実践編2 自然言語処理で文学作品の作者を当てよう 「文学作品を分析する」ことを題材に、自然言語を数学的に表現する方法などを学びます。 CHAPTER 7　実践編3 ディープラーニングで手書き数字認識をしてみよう 「手書きの数字を認識させる」ことを題材に、ディープラーニングの一種であるDNNを、画像認識から学びます。 東京大学特任准教授 松尾 豊氏 推薦！　人工知能プログラミングに必要な数学を、ゼロから抜け漏れなく、体系的に学ぶ！　数学を復習したいエンジニアに！ CHAPTER1　数学基礎 CHAPTER2　微分 CHAPTER3　線形代数 CHAPTER4　確率・統計 CHAPTER5　実践編1 回帰モデルで住宅価格を推定してみよう CHAPTER6　実践編2 自然言語処理で文学作品の作者を当てよう CHAPTER7　実践編3 ディープラーニングで手書き数字認識をしてみよう

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

「なぜディープラーニングが形を区別できるのか」が見えてくる!Excelと対話しながらしくみを解き明かす画期的な超入門書!初めてのAI学習に最適!難しい数学計算はExcelに任せてディープラーニングのしくみを動かしながら理解できる! 1章 初めてのディープラーニング(畳み込みニューラルネットワークのしくみは簡単 AIとディープラーニング) 2章 Excelの確認とその応用(利用するExcel関数はたったの7個 Excelの参照形式 ほか) 3章 ニューロンモデル(神経細胞の働き 神経細胞の働きを数式表現 ほか) 4章 ニューラルネットワークのしくみ(読み物としてのニューラルネットワークのしくみ ニューラルネットワークが手書き文字を識別 ほか) 5章 畳み込みニューラルネットワークのしくみ(読み物としての畳み込み-ニューラルネットワークのしくみ 畳み込みニューラルネットワークが手書き数字を識別 ほか) 付録

ディープラーニングの動作する数学の仕組みを解説。どの分野が必要かを知り、基本を理解し、どのように効いているかを学びます。 本書は、ディープラーニングを支え、ベースとなっている数学に焦点をあて、どのような仕組みで、どのように効いて、なぜ機能するのかの解説をしていきます。「ブラックボックス」と思われがちなディープラーニングの中身を理解していきます。 高校数学の知識を前提としながらも、必要な数学を復習しつつ、高校で習わない偏微分に関しては基本から必要な部分を解説して、ディープラーニングを支える数学の知識を学んでいきます。 「ディープラーニングという言葉は聞くが、どんなものなのか分からないので理解したい」「ブラックボックスと言われるディープラーニングの仕組みを知りたい」「ディープラーニングを学びたいけれど、数学の勉強のどこから手を付けていいか分からない」といった読者の興味に応える一冊です。 数学を学びながら、それがディープラーニングにどのように効いているのか分かることが重要です。その点を実感として理解することができれば、ディープラーニングの仕組みの本質が理解できたことにつながっていきます。そのためのディープラーニングの主要な概念の解説もしていきます。