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、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、機械学習における特徴量エンジニアリングの基本から応用までを解説したもので、初心者にも適しています。内容は数値、テキスト、カテゴリ変数の取り扱いや、次元削減、非線形特徴量生成、深層学習による特徴量抽出など、多岐にわたります。豊富な図や例を用い、Pythonコードによる実行例も多数掲載されており、実務に活かせる知識が得られます。著者は機械学習の専門家であり、実践的な内容が特徴です。

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。

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、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、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。

本書はデータ視覚化の重要性と技術を解説しており、単なるグラフ作成にとどまらず、データの意味を明確にし、オーディエンスに興味を持たせることを目的としています。筆者は日本人女性唯一のTableau ZEN MASTERであり、実践的なノウハウや事例を通じて、データ視覚化の基礎からプロフェッショナルなテクニックまでを紹介しています。主要な章では、視覚化の基本概念、プロっぽく見せるコツ、適切なチャートの選択、実際のダッシュボード作成事例、組織内でのデータ視覚化の浸透方法について詳しく説明しています。

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、データ分析に必要な知識を包括的に解説した教科書で、分析手法だけでなく、データの質や解釈方法にも焦点を当てています。実践的なデータの扱いや心理学的バイアス、サンプリング方法、数理モデリングのポイントなどを幅広くカバーし、数学に自信のない読者でも理解できるよう工夫されています。データサイエンティストや研究者、ビジネスマンにとって有益な内容で、興味深い事例も豊富に紹介されています。著者は東京大学の特任講師で、さまざまな分野の問題に取り組んでいます。

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。

本書『Python Machine Learning: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow 2, 3rd Edition』は、機械学習の理論とPythonによる実践を解説するベストセラーの第3版です。分類、回帰、深層学習、強化学習など幅広いトピックをカバーし、最新のPythonライブラリに対応しています。特に、敵対的生成ネットワークと強化学習の新章を追加し、従来の内容を刷新しました。機械学習の理解を深めるための実用的な一冊です。

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。

この文章は、永田靖著の書籍の目次と著者情報を紹介しています。書籍は3部構成で、基礎と1変数関数の微積分、線形代数、多変数関数の微積分について解説しています。著者は1957年生まれで、早稲田大学で教授を務めています。

『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。

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。

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。

本書は、教師なし学習の重要性と実践的手法を紹介する内容です。教師なし学習はラベル付けされていないデータから学習し、従来の教師あり学習に比べてコストが低く、現実世界での応用が期待されています。データの隠れたパターンを特定し、異常検出や特徴量抽出を行う方法を解説し、変分オートエンコーダ（VAE）、敵対的生成ネットワーク（GAN）、制限付きボルツマンマシン（RBM）などの生成モデルも紹介しています。著者はデータサイエンスの専門家で、実務経験を持つ人物です。

本書は確率についての基礎から応用までを扱っています。第1部では確率の定義や複数の確率変数、確率分布について説明し、第2部では推定や検定、擬似乱数の活用法を紹介しています。付録には数学の基礎事項や確率論の補足が含まれています。著者は数理工学の専門家で、機械学習や脳科学の研究に従事しています。

本書は、ビジネスにおけるデータ活用の重要性を背景に、因果分析の手法である「因果推論」と「因果探索」を学ぶための実践的なガイドです。因果推論は施策の効果を推定する手法であり、因果探索はデータから因果関係を明らかにする方法です。読者はPythonや機械学習ライブラリを用いて実際にプログラムを実装しながら、これらの手法を習得できます。内容は因果推論の基本から機械学習の応用、さらに因果探索の実装まで多岐にわたります。

本書は、エステル・デュフロ教授らによるランダム化比較試験（RCT）の理論と実践を解説したもので、エビデンスに基づく政策形成（EBPM）におけるRCTの活用方法を探ります。監訳者の小林庸平氏が難解な部分をわかりやすく補足し、RCTの重要性や実施に際しての留意点を詳述。EBPMや経済学の実証研究に興味のある読者にとって必読の一冊です。

この書籍は、バイオサイエンス領域における統計検定法を解説した手引書です。基本概念から正しい使い方を身近な例を通じて学べる内容で、カラー図や漫画を用いたビジュアルが特徴です。初学者から上級者まで、レベルに応じた読み方が可能です。目次には、統計学の序説、検定の原理、さまざまな群の差の検定、回帰と相関、統計の利用と解釈についての項目が含まれています。

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、AIの「説明可能性」をテーマに、なぜAIに説明が必要なのかを考察し、具体的な手法やツールを解説しています。説明可能なAI（XAI）の技術や活用方法、代表的なライブラリ（LIME、SHAPなど）の使い方を紹介し、AIの公平性、説明責任、透明性に対応するための知識を提供します。内容は課題設定、基礎知識、実践指南、将来展望の4部構成で、具体的な実践手順も付録として含まれています。

本書は点過程の時系列解析に関する入門書で、データが特定のイベントの発生時刻の集合として扱われる点過程の理論と実データ解析を体系的に解説しています。地震や神経細胞の活動、金融取引などの現象を分析するために点過程が広く使われており、その応用範囲が拡大しています。著者は確率・統計の基礎を持つ読者を想定し、必要な理論や計算をできるだけ分かりやすく説明しています。目次にはポアソン過程やHawkes過程、統計推定法などが含まれています。著者は時系列解析や統計地震学の専門家です。

「統計検定準1級試験対応公式テキスト」は、統計学と機械学習の幅広いトピックをカバーし、実践的な例題を通じて学べる内容です。頻出項目に重点を置き、各トピックについて解説と例題が提供されています。統計的手法の辞典としても活用できる一冊です。目次には、確率、分布、統計的推定、検定法、回帰分析、多変量解析、時系列解析など、幅広いテーマが含まれています。

本書は、コンピュータに関わる全ての人を対象にした線形代数の参考書であり、専門的な知識を持たない読者にも理解しやすく線形代数の本質を伝えることを目的としています。内容は、ベクトルや行列から始まり、逆行列、固有値、コンピュータでの計算方法などを網羅しており、数学的な考え方を促進します。著者は東京大学出身の平岡和幸と堀玄です。

本書は「集合と位相」という数学の難解な分野について、その重要性や歴史を解説します。著者は数学者たちの創意工夫を通じて、数学の発展の過程を明らかにし、読者に理解を促します。目次には、フーリエ級数や積分の再定義、実数直線と点集合の関係、ボレルの測度、ルベーグの積分などが含まれています。著者は数学基礎論を専門とする藤田博司氏です。

本書は「時系列解析」の手法を解説し、過去のデータから未来を予測するだけでなく、事象の理解にも役立つことを強調しています。マーケティングやIoTの実際の応用に焦点を当て、Pythonのサンプルコードを用いて基礎理論を説明。ARモデルやカルマンフィルタ、異常検知などの手法を段階的に学べるように構成されています。各手法の必要性や克服方法を提示し、読者が自学で応用範囲を広げられるよう工夫されています。

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。

本書は、機械学習システムをビジネスやシステムに組み込むためのデザインパターンを解説したもので、Pythonを用いた実装例や運用方法を紹介しています。対象はAIエンジニアやシステムエンジニアで、機械学習の実用化を目指す方々です。DockerやKubernetesを利用し、学習から運用までの流れを説明。著者はMLOpsエンジニアの澁井雄介氏で、過去の経験を基に実践的なノウハウを提供しています。サンプルコードはGitHubから入手可能です。

本書は自然言語処理の基礎と応用について解説しており、自然言語の特性やコンピュータ処理のアルゴリズム、関連する技術の進展を扱っています。具体的には、歴史、テキスト処理、言語リソースの構築、語の意味、ニューラルネットワーク、機械翻訳、情報検索、対話システムなど多岐にわたるテーマを含んでいます。著者は京都大学の黒橋禎夫教授で、自然言語処理の専門家です。

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。

この書籍は、統計学における変数選択問題に焦点を当て、スパース正則化を用いた変数選択とモデル推定の手法を解説しています。特に高次元データに対するアプローチや、データの疎性構造を抽出する研究が進んでおり、これらはスパース推定と呼ばれています。内容は入門から発展的な部分まで幅広く、実用的な統計モデリングに重点を置き、具体的な数値例やRによる解析コードも提供しています。対象は学部生から大学院生、実務者までで、スパース推定技術の習得を目指しています。

本書は、初学者向けのKaggle入門書で、実際のコンペに参加できるレベルを目指した内容です。サンプルコードの詳細な解説や、優勝経験のある著者によるわかりやすい説明が特徴です。内容はKaggleの基本知識から、Titanicデータセットを用いた実践的な分析、さらには複雑なデータの扱い方やコンペ参加のアドバイスまで幅広くカバーしています。付録にはサンプルコードの詳細解説も含まれています。

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、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、R言語を用いたデータ解析の入門書で、進化し続けるRの機能を活用する方法を紹介しています。初版以来、多くのRユーザーに支持されてきたロングセラーで、第2版では深層学習やネットワーク分析など新たな内容が追加されています。データマイニングの基礎から始まり、主成分分析やクラスター分析、ニューラルネットワークなど多岐にわたる分析手法を学ぶことができます。著者は金明哲で、統計科学の専門家です。

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、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「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。

フレームワーク編

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。

本書は、データサイエンスの基本概念から実際のビジネス活用事例までを豊富な図やイラストを用いて解説し、初心者でも理解しやすい内容になっています。データサイエンスの重要性が増す中、数学的な専門用語を避けながら、機械学習や先端テクノロジーとの関連も紹介。ビジネスパーソンや学生にとって、データサイエンスを学ぶための入門書として最適です。

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、データサイエンティストが直面するプロジェクトの失敗事例を25件収録し、失敗を避け成功に導くための教訓を提供するガイドです。失敗の原因や予兆を理解し、データ活用に関わる人々が注意すべき点を学ぶことができます。分析者や経営者に向けて、失敗からの学びを促し、成功への道筋を描くための必読書です。内容は、AIプロジェクトの問題点やデータ分析の重要性、ドメイン知識の必要性など、多岐にわたるケーススタディで構成されています。

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。

本書は、身近な課題を解決しながら機械学習の基礎知識を身に付けられる1冊です。 身近な課題を解決しながら機械学習を基礎からしっかり理解できる！■商品紹介本書はPythonを利用して、実際の課題を機械学習で解決する手法を解説する書籍です。手を動かしながら、データ分析やアルゴリズムについて学ぶことができます。本書では「1.課題分析」「2.データ分析」「3.予測」の3ステップで課題解決を行っていきます。■本書の特徴1.現実的な場面を想定した解説本書では、現実的な場面を想定して「課題」を設定し、それを機械学習で解決する方法を解説します。課題からアルゴリズムを選定し、プロジェクトをどのように動かしていくのかを学べます。2.機械学習に最適なアルゴリズムを学べる本書は、機械学習に用いるアルゴリズムを実例を通じて学べます。身近なビジネス課題を解決するために、どういったアルゴリズムを用いれば良いか、体系的に理解できます。■こんな方のための本です・Pythonの学習をある程度終えて、これから機械学習に対する勉強をしてみたい、一歩を踏み出してみたい方・業務や個人のプロジェクトで機械学習を使ってみたい方・教科書的な勉強だけでなく、実際に手を動かしながら学びたい方■目次Chapter1　機械学習をはじめる前にChapter2　まずは基本を押さえよう2-1　Chapter2について2-2　回帰アルゴリズム：不動産価格を予測しよう2-3　分類アルゴリズム：社員の退職を予測しようChapter3　さまざまなアルゴリズムを体験しよう3-1　Chapter3について3-2　時系列予測アルゴリズム：商品の売上を予測しよう3-3　レコメンドアルゴリズム：個人の趣向に沿った商品をオススメしてみよう3-4　異常検知アルゴリズム：ポンプの故障を検知しようChapter4　さまざまなデータを取り扱ってみよう4-1　Chapter4について4-2　テキストデータ：商品の口コミを分析してみよう4-3　画像データ：画像を識別してみようChapter5　一つひとつのプロセスを深堀りしてみよう5.1　Chapter5について5.2　データ観察5.3　特徴量生成・学習5.4　機械学習アルゴリズムと評価指標の選定5.5　機械学習モデルの学習と選択Chapter6　モデルを運用してみよう6-1　機械学習モデルを運用してみよう6-2　バッチ予測をしよう6-3　リアルタイム予測をしよう Chapter1　機械学習をはじめる前に 1-1　機械学習とは何か 1-2　機械学習プロジェクトの流れ Chapter2　まずは基本を押さえよう 2-1　Chapter2について 2-2　回帰アルゴリズム：不動産価格を予測しよう 2-3　分類アルゴリズム：社員の退職を予測しよう Chapter3　さまざまなアルゴリズムを体験しよう 3-1　Chapter3について 3-2　時系列予測アルゴリズム：商品の売上を予測しよう 3-3　レコメンドアルゴリズム：個人の趣向に沿った商品をオススメしてみよう 3-4　異常検知アルゴリズム：ポンプの故障を検知しよう Chapter4　さまざまなデータを取り扱ってみよう 4-1　Chapter4について 4-2　テキストデータ：商品の口コミを分析してみよう 4-3　画像データ：画像を識別してみよう Chapter5　一つひとつのプロセスを深堀りしてみよう 5.1　Chapter5について 5.2　データ観察 5.3　特徴量生成・学習 5.4　機械学習アルゴリズムと評価指標の選定 5.5　機械学習モデルの学習と選択 Chapter6　モデルを運用してみよう 6-1　機械学習モデルを運用してみよう 6-2　バッチ予測をしよう 6-3　リアルタイム予測をしよう

本書は、Pythonを用いてExcel作業やその他のパソコン仕事を自動化する方法を紹介しています。プログラミング初心者向けに、実践的な例題を通じて自動化の知識を丁寧に解説し、難しい理論は使わずにすぐ始められる内容になっています。Excelだけでなく、メールやWebの自動化も扱い、業務効率化の手助けをします。著者は20年以上の経験を持つ技術士で、実務に役立つプログラムを提供しています。

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。

本書は、Pythonのデータ処理ライブラリ「pandas」の実践的な使用法を約100のレシピ形式で紹介するもので、データ分析や科学計算に役立つ内容が含まれています。各レシピは手順や解説が整然とまとめられており、データ構造の基本から可視化技術まで幅広くカバーしています。著者はデータサイエンティストのTheo Petrouで、教育やデータ分析に関する豊富な経験を持っています。読者はデータサイエンスに興味のあるすべての人を対象としています。

著者の音部大輔は、マーケティング部門の育成や指揮を経験した専門家で、本書では戦略を効果的に使うための2つの重要な要素「目的」と「資源」を解説しています。目次には戦略の定義や構成要素、効用、組み立て方、管理方法、戦略的思考についての章が含まれています。著者は多様な企業でのブランドマネジメントやマーケティング組織の育成に携わり、2016年には資生堂ジャパンのCMOとしてCNET JapanのCMO Awardを受賞しました。

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

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。

この書籍は、データ分析の基礎から応用までを学べる内容で、データ可視化や統計手法、仮説検定、重回帰分析など、一生使えるスキルを身につけることができます。著者はデータサイエンティストとしての豊富な経験を持ち、実務に役立つ知識を提供しています。目次にはデータ分析の全体像や具体的な手法が紹介されています。

本書は、機械学習のビジネスへの実装と運用に関する「MLOps」の実践ガイドです。第1部ではMLOpsの全体像や、それを実現するための技術、プロセス、文化について解説し、基礎知識を提供します。第2部では、実際の企業からの事例を通じて、MLOpsの具体的な実践方法を紹介しています。著者は機械学習の専門家であり、実用化に向けた知見が詰まった一冊です。

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。

『Data Visualization: A Practical Introduction』の日本語訳が刊行され、全世界のRユーザーに支持されている。この本は、データ可視化の基本を初心者でも理解できるように解説しており、ggplotやtidyverseの知識がなくても実践的に学べる内容となっている。データの見せ方や可視化の手順に加え、実践的なスキルを提供。著者はデューク大学の教授であり、さまざまな専門家が推薦している。目次にはデータの整形や地図描画など、多岐にわたるテーマが含まれている。

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、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。

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）

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）

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。

生成モデル編

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

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。