【2023最新】「機械学習」のおすすめ本！人気ランキング|Yomeru

【2023最新】「機械学習」のおすすめ本！人気ランキング

この記事では、「機械学習」のおすすめ本をランキング形式で紹介していきます。インターネット上の口コミや評判をベースに集計し独自のスコアでランク付けしています。ランキングの算出根拠は以下をご覧ください

※ランキング算出根拠

Python 1年生 体験してわかる！会話でまなべる！プログラミングのしくみ

著者 森 巧尚
出版社 翔泳社
紹介サイト数 16
おすすめ度 100.0
書籍の説明 Python初心者でも安心して学べる超入門書の登場！ 【本書の概要】 Web開発やデータ分析などの分野で近年、ユーザー数が増えてきているPython。 最近では、Pythonに触れる方も多くなってきています。 本書はそうしたPython初心者の方に向けて、 簡単なサンプルを作りながら、対話形式でプログラミングのしくみを学ぶ書籍です。 【対象読者】 Pythonのついて、何も知らない超初心者 【1年生シリーズ・3つのポイント】 ・対話形式で解説し、イラストを交えながら、基礎知識を解説します。 ・初めての方でも安心して学習できるよう基本文法もしっかり解説します。 ・平易でサンプルを用意していますので、安心してプログラムを体験できます。 【本書のポイント】 ヤギ博士とフタバちゃんと一緒に 基本的なプログラムから、面白い人工知能アプリの作成まで 体験して、プログラミングのしくみを学ぶことができます。 【著者】 森 巧尚(もり よしなお) iPhoneアプリやWebコンテンツの制作、執筆活動、関西学院大学非常勤講師など、 プログラミングにまつわる幅広い活動を行っている。 近著に『やさしくはじめるiPhoneアプリ作りの教科書』（マイナビ出版）、 『楽しく学ぶ アルゴリズムとプログラミングの図鑑』(マイナビ出版) 、 『なるほど！プログラミング』（SBクリエイティブ）などがある。 第1章　Python で何ができるの？ 第2章　Python を触ってみよう 第3章　プログラムの基本を知ろう 第4章　アプリを作ってみよう 第5章　人工知能（チノ）くんと遊んでみよう
Amazonで購入する

Pythonスタートブック [増補改訂版]

著者 辻 真吾
出版社 技術評論社
紹介サイト数 16
おすすめ度 84.84548027688714
書籍の説明
Amazonで購入する

独学プログラマー Python言語の基本から仕事のやり方まで

著者 コーリー・アルソフ
出版社 日経BP
紹介サイト数 13
おすすめ度 64.24235978663005
書籍の説明 本書は「Pythonだけ」を学ぶ本ではありません。Pythonを使ってプログラミングを紹介していますが、伝えたい内容はPythonに限らない「プログラミング全般」の知識です。 本書の著者、コーリー・アルソフ（Cory Althoff）は、「独学プログラマー」です。本書は、彼が独学で、ゼロからプログラミングを学んだ体験に基づいて書かれました。 プログラミングを独学で身に付けるために、著者がPythonを通して学んだエッセンスが書かれています。彼の独学プログラマーとしての学び方は、Amazon.comでの本書の評価を見るとわかるように、多くの人に支持されています。 ――訳者あとがきより 第1部（Part1） 第1章　イントロダクション 第2章　さあ、はじめよう！ 第3章　プログラミング入門 第4章　関数 第5章　コンテナ 第6章　文字列操作 第7章　ループ 第8章　モジュール 第9章　ファイル 第10章　知識を1つにまとめる 第11章　ハマったときの助け 第2部（Part2） 第12章　プログラミングパラダイム 第13章　オブジェクト指向プログラミングの４大要素 第14章　もっとオブジェクト指向プログラミング 第15章　知識を1つにまとめる 第3部（Part3） 第16章　Bash 第17章　正規表現 第18章　パッケージ管理 第19章　バージョン管理 第20章　知識を1つにまとめる 第4部（Part4） 第21章　データ構造 第22章　アルゴリズム 第5部（Part5）　 第23章　プログラミングのベストプラクティス 第24章　プログラマーとしての最初の仕事 第25章　チームで働く 第26章　さらに学ぼう 第27章　次のステップ 第6部（Part6） 補章　より良いコードにするために 補章　継続して学ぶために 謝辞 訳者あとがき 索引 第1部（Part1） 第1章　イントロダクション 第2章　さあ、はじめよう！ 第3章　プログラミング入門 第4章　関数 第5章　コンテナ 第6章　文字列操作 第7章　ループ 第8章　モジュール 第9章　ファイル 第10章　知識を1つにまとめる 第11章　ハマったときの助け 第2部（Part2） 第12章　プログラミングパラダイム 第13章　オブジェクト指向プログラミングの４大要素 第14章　もっとオブジェクト指向プログラミング 第15章　知識を1つにまとめる 第3部（Part3） 第16章　Bash 第17章　正規表現 第18章　パッケージ管理 第19章　バージョン管理 第20章　知識を1つにまとめる 第4部（Part4） 第21章　データ構造 第22章　アルゴリズム 第5部（Part5）　 第23章　プログラミングのベストプラクティス 第24章　プログラマーとしての最初の仕事 第25章　チームで働く 第26章　さらに学ぼう 第27章　次のステップ 第6部（Part6） 補章　より良いコードにするために 補章　継続して学ぶために 謝辞 訳者あとがき 索引
Amazonで購入する

1冊ですべて身につくHTML & CSSとWebデザイン入門講座

著者 Mana
出版社 SBクリエイティブ
紹介サイト数 13
おすすめ度 61.45986281330526
書籍の説明 Web界隈やデザイナーに大人気! 【3年連続、売上第1位！】 【全国の書店員がオススメする本(2019年度 CPU大賞)第1位!】 ずっと、一番売れているHTML本! 大反響! 30刷突破、シリーズ27万部突破の大ヒット! 全国の書店員がオススメする本(CPU大賞)第1位! 2019-2021年年間売上 第1位!※ Web制作に必要な知識がすべて身につく! ※日販売上げランキング: HTML関連書籍 ---------------------------------------------------------------------------- Web界隈やデザイナーに大人気！ Web関連の情報やデザインについて記事が学べる『Webクリエイターボックス』の管理人、 Manaによる渾身のHTML & CSSとWebデザインが学べる本 ---------------------------------------------------------------------------- 今のWebサイトの作り方が一気に学べる！ ・知識ゼロから体系的に学べる！HTMLとCSSの基本 ・最新の技術に対応！レスポンシブ、Flexbox、CSSグリッド ・手を動かしながら学べる！プロの現場で役立つテクニック ・コードの知識からデザインのことまで1冊ですべて学べる！ WebクリエイターボックスのManaが教える Webサイト制作の定番＆旬のスキル。 この1冊で必要なことがすべて学べる！ コードもデザインも全部学べる！ ●本書の対象読者 ・これからWebサイトを作り始める初心者 ・HTMLとCSSを基本から学びたい人 ・美しいデザインのWebサイトを作りたい人 ・Webの最新技術を学びたい人 Web界隈やデザイナーに大人気! CHAPTER 1 最初に知っておこう！Webサイトの基本 1-1 よいWebデザインとは 1-2 様々な種類のWebサイト 1-3 ユーザビリティとは 1-4 Webサイトの仕組み 1-5 デバイスの種類 1-6 ブラウザーの種類 1-7 制作の流れ 1-8 制作をはじめる前に CHAPTER 2 Webの基本構造を作る！HTMLの基本 2-1 HTMLとは 2-2 HTMLファイルを作ろう 2-3 HTMLファイルの骨組み 2-4 HTMLの基本の書き方を身につけよう 2-5 見出しをつけよう 2-6 文章を表示しよう 2-7 画像を挿入しよう 2-8 リンクをはろう 2-9 リストを表示しよう 2-10 表を作ろう 2-11 フォームを作ろう 2-12 より使いやすいフォームにしよう 2-13 ブロック要素でグループ分けをしよう 2-14 よく使うHTMLタグ一覧 CHAPTER 3 Webのデザインを作る！CSSの基本 3-1 CSSとは 3-2 CSSを適用させる方法 3-3 CSSファイルを作ろう 3-4 CSSの基本の書き方を身につけよう 3-5 文字や文章を装飾しよう 3-6 Webフォントを使おう 3-7 色をつけよう 3-8 背景を彩ろう 3-9 幅と高さを指定しよう 3-10 余白を調整しよう 3-11 線を引こう 3-12 リストを装飾しよう 3-13 クラスとIDを使った指定方法 3-14 レイアウトを組もう 3-15 デフォルトCSSをリセットしよう 3-16 よく使うCSSプロパティ一覧 CHAPTER 4 フルスクリーンのWebサイトを制作する 4-1 フルスクリーンとは 4-2 フルスクリーンページの制作の流れ 4-3 「head」を記述しよう 4-4 「header」部分を作ろう 4-5 コンテンツ部分を作成しよう 4-6 ファビコンを用意しよう 4-7 フルスクリーンページのカスタマイズ例 CHAPTER 5 ２カラムのWebサイトを制作する 5-1 ２カラムのレイアウトとは 5-2 ２カラムページの制作の流れ 5-3 ページ全体の見出しを作成しよう 5-4 フッター部分を作成しよう 5-5 横並びの設定をしよう 5-6 メインエリアを作ろう 5-7 サイドバーを作ろう 5-8 レスポンシブに対応させよう 5-9 カラムページのカスタマイズ例 CHAPTER 6 タイル型のWebサイトを制作する 6-1 タイル型レイアウトとは 6-2 タイル型レイアウトの制作の流れ 6-3 ページ上部の紹介文を作成しよう 6-4 タイル型レイアウトを設定しよう 6-5 レスポンシブに対応させよう 6-6 タイル型レイアウトのカスタマイズ例 CHAPTER 7 外部メディアを利用する 7-1 お問い合わせページの制作の流れ 7-2 フォームを設置しよう 7-3 地図を表示しよう 7-4 Facebookプラグインを挿入しよう 7-5 Twitterプラグインを挿入しよう 7-6 YouTube動画を挿入しよう 7-7 レスポンシブに対応させよう 7-8 OGPの設定をしよう 7-9 外部メディアのカスタマイズ例
Amazonで購入する

ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装

著者 斎藤 康毅
出版社 オライリージャパン
紹介サイト数 13
おすすめ度 60.47007681314916
書籍の説明 ディープラーニングの本格的な入門書。外部のライブラリに頼らずPython 3によってゼロからディープラーニングを作成できる。 実際にシステムを作りながらディープラーニングを学ぶ！ ディープラーニングの本格的な入門書。外部のライブラリに頼らずに、Python 3によってゼロからディープラーニングを作ることで、ディープラーニングの原理を楽しく学びます。ディープラーニングやニューラルネットワークの基礎だけでなく、誤差逆伝播法や畳み込みニューラルネットワークなども実装レベルで理解できます。ハイパーパラメータの決め方や重みの初期値といった実践的なテクニック、Batch NormalizationやDropout、Adamといった最近のトレンド、自動運転や画像生成、強化学習などの応用例、さらには、なぜディープラーニングは優れているのか？ なぜ層を深くすると認識精度がよくなるのか？ といった“Why”に関する問題も取り上げます。
Amazonで購入する

漫画でわかる デジタルマーケティング×データ分析

著者 上野 佑馬(ウマたん)
出版社 ビジネス教育出版社
紹介サイト数 13
おすすめ度 59.78010182354166
書籍の説明 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
Amazonで購入する

Python実践データ分析100本ノック

著者 下山 輝昌
出版社 秀和システム
紹介サイト数 12
おすすめ度 56.27393491801524
書籍の説明 データ分析の現場にあって入門書にない「汚いデータ」（ダーティデータ）に対応する、プロのノウハウを解説します。 これがリアルなデータ分析だ！ 君は「汚いデータ」を処理できるか？ データ分析の現場にあって入門書にないもの――それは、「汚いデータ」（ダーティデータ）です。本書は、データ分析の現場では①どんなデータに出会い、②どのような問題が生じ、③どう対応すればよいのかというノウハウを解説。 事前の加工（視覚化）から機械学習、最適化問題まで、100本ノックをこなして、ビジネス現場で即戦力になれる「応用力」を身につけよう！ 練習するライブラリ ・Pandas ・Numpy ・Matplotlib ・scikit-learn ・Networkxs ・pulp ・ortoolpy ・opencv ・dlib ・MeCab 第1部 基礎編：データ加工 第1章　ウェブからの注文数を分析する10本ノック 第2章　小売店のデータでデータ加工を行う10本ノック 第2部 実践編①：機械学習 第3章　顧客の全体像を把握する10本ノック 第4章　顧客の行動を予測する10本ノック 第5章　顧客の退会を予測する10本ノック 第3部 実践編②：最適化問題 第6章　物流の最適ルートをコンサルティングする10本ノック 第7章　ロジスティクスネットワークの最適設計を行う10本ノック 第8章　数値シミュレーションで消費者行動を予測する10本ノック 第4部 発展編：画像処理/言語処理 第9章　潜在顧客を把握するための画像認識10本ノック 第10章　アンケート分析を行うための自然言語処理10本ノック
Amazonで購入する

統計学入門 (基礎統計学Ⅰ)

著者 東京大学教養学部統計学教室
出版社 東京大学出版会
紹介サイト数 11
おすすめ度 53.010683175555286
書籍の説明 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
Amazonで購入する

Pythonでつくる ゲーム開発 入門講座

著者 廣瀬 豪
出版社 ソーテック社
紹介サイト数 9
おすすめ度 43.954688955069706
書籍の説明 大手メーカーで活躍してきたクリエイターが ゲーム開発のノウハウをゼロから教えます！ 本書はPythonを使用した、ゲームプログラミングの解説書です。 類書とは異なり、終始一貫「ゲーム開発」に焦点を当て、 今書いているプログラムがどのような"動き"に反映され、 どのような"面白さ"に結びつくのかを、正しく学ぶことができます。 一般的なソフト開発ではなく「ゲーム開発の作法」をきちんと学ぶことによって、ゲーム好きな読者の皆さんの就職や趣味といったリアルな世界がより充実してくれることを願い、出版されました。 【読者対象】 ○ゲーム業界に就職したい学生・社会人 ○SNSや同人で自作ゲームを発表したい方 ○落ち物パズル、RPGの作り方を知りたい方 ○一般ソフトとゲーム制作の違いを知りたい方 ○Pythonを始めたけど作るものが浮かばない方 ……高校生ぐらいから読めます！ 【本書の特長】 ○業界の基礎知識やプログラマーの役割からきちんと解説 ○Pythonの基本文法をしっかり解説、プログラミング初心者も安心 ○プログラム1行ごとに説明を付けており、理解しやすい ○豊富な図解とイラストを用い、イメージで理解できる ○開発に必要な素材はすべて無償ダウンロードできる クイズ、すごろく、おみくじ、診断アプリ、迷路、自動生成ダンジョン、落ち物パズル、本格PRGなど……簡単なミニゲームから難しいものまで幅広く教材を用意しています。 さらに、読者特典として3つのおまけゲームもプレゼント！ すべてのゲームをつくり終えた時、あたなのプログラミングスキルは何倍にも向上しているに違いありません。 本書を機に、ぜひゲームプログラミングの世界に飛び込んでみてください！ Prologueゲームプログラマーになろう! Chapter 1 Pythonのインストール Lesson 1-1 Pythonとは？ Lesson 1-2 Pythonのインストール Lesson 1-3 Pythonを起動しよう COLUMN ゲームクリエイターって儲かるの? Chapter 2 Pythonを始めよう Lesson 2-1 計算してみる Lesson 2-2 文字列を出力する Lesson 2-3 カレンダーを出力する Lesson 2-4 プログラミングの準備 Lesson 2-5 プログラムを記述しよう Lesson 2-6 入出力命令を知ろう Lesson 2-7 プログラムの記述の仕方 COLUMN ゲームが完成するまで Chapter 3 プログラミングの基礎を学ぼう Lesson 3-1 変数と計算式 Lesson 3-2 リストについて Lesson 3-3 条件分岐について Lesson 3-4 繰り返しについて Lesson 3-5 関数について COLUMN ゲームの開発費はどれくらい? その1 Chapter 4 importの使い方 Lesson 4-1 モジュールについて Lesson 4-2 カレンダーの復習 Lesson 4-3 日時を扱う Lesson 4-4 乱数の使い方 COLUMN RPGで逃げるのに失敗する確率 Chapter 5 CUIでつくるミニゲーム Lesson 5-1 CUIとGUI Lesson 5-2 クイズゲームを作る Lesson 5-3 すごろくを作る Lesson 5-4 消えたアルファベットを探すゲームを作る COLUMN ゲームの開発費はどれくらい? その2 Chapter 6 GUIの基礎1 Lesson 6-1 GUIについて Lesson 6-2 ラベルを配置する Lesson 6-3 ボタンを配置する Lesson 6-4 キャンバスを使う Lesson 6-5 おみくじを引くソフトを作る COLUMN キャンバスに図形を表示する Chapter 7 GUIの基礎2 Lesson 7-1 テキスト入力欄を配置する Lesson 7-2 複数行のテキスト入力欄を配置する Lesson 7-3 チェックボタンを配置する Lesson 7-4 メッセージボックスを表示する Lesson 7-5 診断ゲームを作る COLUMN RGBによる色指定 Chapter 8 本格的なゲーム開発の技術 Lesson 8-1 リアルタイム処理を実現する Lesson 8-2 キー入力を受け付ける Lesson 8-3 キー入力で画像を動かす Lesson 8-4 迷路のデータを定義する Lesson 8-5 二次元画面のゲーム開発の基礎 COLUMN ゲームソフトを完成させるには Lesson 8-6 ゲームとして完成させる COLUMN デジタルフォトフレームを作る Chapter 9 落ち物パズルを作ろう! Lesson 9-1 ゲームの仕様を考える Lesson 9-2 マウス入力を組み込む Lesson 9-3 ゲーム用のカーソルの表示 Lesson 9-4 マス上のデータを管理する Lesson 9-5 ブロックを落下させるアルゴリズム Lesson 9-6 クリックしてブロックを置く Lesson 9-7 ブロックが揃ったかを判定するアルゴリズム Lesson 9-8 正しいアルゴリズムを組み込む Lesson 9-9 タイトル画面とゲームオーバー画面 Lesson 9-10 落ち物パズルの完成 COLUMN winsoundで音を鳴らす Chapter 10 Pygameの使い方 Lesson 10-1 Pygameのインストール Lesson 10-2 Pygameのシステム Lesson 10-3 画像を描画する Lesson 10-4 図形を描画する Lesson 10-5 キー入力を行う Lesson 10-6 マウス入力を行う Lesson 10-7 サウンドを出力する COLUMN Pygameで日本語を使う Chapter 11 本格RPGを作ろう! 前編 Lesson 11-1 ロールプレイングゲームについて Lesson 11-2 迷路を自動生成する Lesson 11-3 ダンジョンを作る Lesson 11-4 ダンジョン内を移動する Lesson 11-5 戦闘シーンを作る その1 Lesson 11-6 戦闘シーンを作る その2 Lesson 11-7 戦闘シーンを作る その3 COLUMN ゲームの画面演出 287 Chapter 12 本格RPGを作ろう! 後編 Lesson 12-1 ロールプレイングゲームの全体像 Lesson 12-2 ファイルのダウンロードとプログラムの実行 Lesson 12-3 プログラムリスト Lesson 12-4 プログラムの詳細 COLUMN Pythonでのファイル処理 Chapter 13 オブジェクト指向プログラミング Lesson 13-1 オブジェクト指向プログラミングについて Lesson 13-2 クラスとオブジェクト Lesson 13-3 tkinterを使ってオブジェクト指向を学ぶ Lesson 13-4 オブジェクト指向プログラミングをもっと学ぶ COLUMN 筆者も苦労したオブジェクト指向プログラミング Appendix 池山高校Python研究部 Intro ゲームをつくろう! 1つ目 一筆書き迷路ゲーム 2つ目 英単語学習ソフト 3つ目 ブロック崩し
Amazonで購入する

入門 Python 3 第2版

著者 Bill Lubanovic
出版社 オライリージャパン
紹介サイト数 9
おすすめ度 42.666634390288365
書籍の説明 プログラミング初心者向けPython入門書。5年ぶりの改訂版でPython3.9.0に対応。新機能追加でボリュームアップ。 実践を見据えた本格的な入門書の改訂版！ プログラミング初心者を対象としたPythonの総括的な入門書で、前提知識がなくても取り組むことができます。プログラミングとPythonの基礎から、データベース処理、Webプログラミング、ネットワークプログラミング、初歩の並列処理といった応用までわかりやすく丁寧に解説します。「入門Python 3」の5年ぶりの改訂版でPython3.9.0に対応、f文字列などの新機能が追加され大幅にボリュームアップしています。 プログラミング初心者向けPython入門書。5年ぶりの改訂版でPython3.9.0に対応。新機能追加でボリュームアップ。
Amazonで購入する

独習Python

著者 山田 祥寛
出版社 翔泳社
紹介サイト数 9
おすすめ度 42.32173328041953
書籍の説明 プログラミング初学者に向けた独習シリーズに『独習Python』が新登場。山田祥寛氏によるPython入門書の決定版。 手を動かしておぼえるPythonプログラミング ――独学に最適な“標準教科書” プログラミングの初学者に向けた独習シリーズに『独習Python』が新登場。 プログラミング言語入門書の執筆で定評のある山田祥寛氏による、 Python入門書の決定版です。 独習シリーズの強みである、手を動かしておぼえる（書いて実行して結果を確認する） 特長を生かし、Pythonの基本的な言語仕様から、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、モジュールまで、サンプルプログラムを例示しながら 詳細かつ丁寧に解説します。 プログラミングの基礎知識がない方でも、解説→例題（サンプル）→理解度チェック という3つのステップで、Pythonでプログラミングを行う際に必要な知識・概念・機能を 体系的に習得できます。 プログラミングの入門者、これからPythonで開発を始めたい初学者から、再入門者、 学生・ホビープログラマまで、「一からPython言語を学びたい」「Pythonプログラミング の基本をしっかり身につけたい」という方におすすめの一冊です。 第1章　イントロダクション 1.1　Pythonとは？ 1.2　Pythonの歴史と現状 1.3　Pythonアプリを開発／実行するための基本環境 1.4　Pythonプログラミングの基本 1.5　Pythonの基本ルール 1.6　開発／学習の前に押さえておきたいテーマ 第2章　Pythonの基本 2.1　変数 2.2　データ型 第3章　演算子 3.1　算術演算子 3.2　代入演算子 3.3　比較演算子 3.4　論理演算子 3.5　ビット演算子 3.6　演算子の優先順位と結合則 第4章　制御構文 4.1　条件分岐 4.2　繰り返し処理 4.3　ループの制御 4.4　例外処理 第5章　標準ライブラリ［基本］ 5.1　ライブラリの分類 5.2　文字列の操作 5.3　日付／時刻の操作 第6章　標準ライブラリ［コレクション］ 6.1　シーケンス型 6.2　セット（集合）型 6.3　辞書（dict）型 第7章　標準ライブラリ［その他］ 7.1　正規表現 7.2　ファイル操作 7.3　ファイルシステムの操作 7.4　HTTP経由でコンテンツを取得する 7.5　その他の機能 第8章　ユーザー定義関数 8.1　ユーザー定義関数の基本 8.2　変数の有効範囲（スコープ） 8.3　引数のさまざまな記法 8.4　関数呼び出しと戻り値 第9章　ユーザー定義関数［応用］ 9.1　デコレーター 9.2　ジェネレーター 9.3　関数のモジュール化 9.4　非同期処理 9.5　ドキュメンテーション 第10章　オブジェクト指向構文 10.1　クラスの定義 10.2　カプセル化 10.3　継承 10.4　ポリモーフィズム 第11章　オブジェクト指向構文［応用］ 11.1　例外処理 11.2　特殊メソッド 11.3　データクラス 11.4　イテレーター 11.5　メタクラス 付録A　「練習問題」「このの理解度チェック」解答
Amazonで購入する

退屈なことはPythonにやらせよう ―ノンプログラマーにもできる自動化処理プログラミング

著者 Al Sweigart
出版社 オライリージャパン
紹介サイト数 9
おすすめ度 41.66902413009599
書籍の説明 手作業だと膨大に時間がかかる処理を一瞬でこなすPython 3プログラムの作り方について学べる入門書。 Pythonによる自動処理入門。とにかく、わかりやすい！ ファイル名の変更や表計算のデータ更新といった作業は、日々の仕事の中で頻繁に発生します。ひとつふたつ修正するだけであれば問題はありません。しかし、それが数十、数百となってくると手に負えません。そのような単純な繰り返し作業はコンピュータに肩代わりしてもらうとすごくラクになります。本書では、手作業だと膨大に時間がかかる処理を一瞬でこなすPython 3プログラムの作り方について学びます。対象読者はノンプログラマー。本書で基本をマスターすれば、プログラミング未経験者でも面倒な単純作業を苦もなくこなす便利なプログラムを作れるようになります。さらに、章末の練習問題を解くことで、類似のタスクを自動処理するスキルをもっと高めることができます。
Amazonで購入する

3ステップでしっかり学ぶ Python 入門

著者 山田 祥寛
出版社 技術評論社
紹介サイト数 7
おすすめ度 39.763527258441634
書籍の説明
Amazonで購入する

スッキリわかるPython入門 (スッキリわかる入門シリーズ)

著者 国本大悟
出版社 インプレス
紹介サイト数 8
おすすめ度 38.6848252994645
書籍の説明
Amazonで購入する

Pythonではじめる機械学習 ―scikit-learnで学ぶ特徴量エンジニアリングと機械学習の基礎

著者 Andreas C. Muller
出版社 オライリージャパン
紹介サイト数 8
おすすめ度 38.36832046812564
書籍の説明 バックグラウンドに数学的な知識がなくても理解できるように書かれた、Pythonを使った機械学習の入門書。 数学の知識がなくても読み進められる、理論だけでなく実践面も重視した機械学習の入門書！ バックグラウンドに数学的な知識がなくても理解できるように書かれた、Pythonを使った機械学習の入門書。Pythonの機械学習用ライブラリの大定番、scikit-learnの開発に関わる著者が、scikit-learnを使った機械学習の方法を、ステップバイステップで解説します。最初に実践について述べて後から理論を補強するスタイルで、理解しやすいように工夫されています。理論面と実践面のバランスが良く、モデルの評価と改善について多くの紙面を割くなど、類書にはない特徴を備えています。
Amazonで購入する

たのしいプログラミング Pythonではじめよう!

著者 Jason R.Briggs
出版社 オーム社
紹介サイト数 7
おすすめ度 37.05282750665005
書籍の説明
Amazonで購入する

人工知能は人間を超えるか ディープラーニングの先にあるもの (角川EPUB選書)

著者 松尾 豊
出版社 KADOKAWA/中経出版
紹介サイト数 6
おすすめ度 32.07567945889506
書籍の説明 人工知能は人間を超えるのか、その日は、いつやってくるのか？ グーグルやフェイスブックが開発にしのぎを削る人工知能。日本トップクラスの研究者の一人である著者が、最新技術「ディープラーニング」とこれまでの知的格闘を解きほぐし、知能とは何か、人間とは何かを問い直す。 グーグルやフェイスブックが開発にしのぎを削る人工知能。日本トップクラスの研究者の一人である著者が、最新技術「ディープラーニング」とこれまでの知的格闘を解きほぐし、知能とは何か、人間とは何かを問い直す。
Amazonで購入する

改訂3版 これからはじめるプログラミング 基礎の基礎

著者 谷尻 かおり
出版社 技術評論社
紹介サイト数 5
おすすめ度 31.37142394456446
書籍の説明
Amazonで購入する

仕事ではじめる機械学習

著者 有賀 康顕
出版社 オライリージャパン
紹介サイト数 6
おすすめ度 28.745592876228677
書籍の説明 機械学習やデータ分析の道具をどのようにビジネスに生かしていけば良いのか、「仕事で使う」という観点から整理。 機械学習を実際の業務で利用する時に知っておくべき全体像が分かる！ 機械学習やデータ分析の道具をどのようにビジネスに生かしていけば良いのか、不確実性の高い機械学習プロジェクトの進め方などを「仕事で使う」という観点から整理します。 プロジェクトのはじめ方や、システム構成、学習のためのリソースの収集方法など、読者が「実際どうするの？」と気になるであろう点を中心にまとめています。「人工知能でいい感じの成果を出してくれ」とあいまいな指示をされたとき、本書で学んだことが活きてくるに違いありません。
Amazonで購入する

はじめてのパターン認識

著者 平井 有三
出版社 森北出版
紹介サイト数 6
おすすめ度 27.726568896077346
書籍の説明 パターン認識にはじめて触れる読者に向け，基礎からわかりやすく解説した入門書です．パターン認識の概念がよく理解できるとともに，Rによる実行例など，実際に応用する際にも役立つ内容が盛り込まれています． 第1章 はじめに 第2章 識別規則と学習法の概要 第3章 ベイズの識別規則 第4章 確率モデルと識別関数 第5章 k最近傍法（kNN法） 第6章 線形識別関数 第7章 パーセプトロン型学習規則 第8章 サポートベクトルマシン 第9章 部分空間法 第10章 クラスタリング 第11章 識別器の組み合わせによる性能強化
Amazonで購入する

[第3版]Python機械学習プログラミング 達人データサイエンティストによる理論と実践 (impress top gear)

著者 Sebastian Raschka
出版社 インプレス
紹介サイト数 5
おすすめ度 25.566885819132747
書籍の説明 本書は、機械学習コンセプト全般をカバーし、理論的背景とPythonコーディングの実際を解説しています。初歩的な線形回帰から始め、ディープラーニング（CNN／RNN）、敵対的生成ネットワーク、強化学習などを取り上げ、scikit-learnやTensorFlowなどPythonライブラリの新版を使ってプログラミング。第3版では13～16章の内容をほとんど刷新したほか、敵対的生成ネットワークと強化学習の章を新たに追加。機械学習プログラミングの本格的な理解と実践に向けて大きく飛躍できる一冊です。
Amazonで購入する

Python2年生 スクレイピングのしくみ 体験してわかる！会話でまなべる！

著者 森 巧尚
出版社 翔泳社
紹介サイト数 4
おすすめ度 25.40205698153109
書籍の説明 データ収集の基本！スクレイピングを体験してみよう！ Pythonでスクレイピングを体験してみよう！ 【スクレイピングとは】 機械学習やデータ分析になくてはならない「データ」。 このようなデータは、インターネット上に膨大にありますが、Pythonを使えば効率よくデータ収集できます。 こうした手法を「スクレイピング」といいます。 サイト自体もオープンデータ化が進んでおり、データを集めやすい環境が整ってきています。 【Python2年生について】 「Python2年生」シリーズは、「Python1年生」を読み終えた方を対象とした入門書です。 ある程度、技術的なことを盛り込み、本書で扱う技術について身に着けてもらいます。 【ターゲット】 ・ネット上からデータ収集を行う初心者 ・データ分析の手前の初心者 【本書の売り】 ヤギ博士＆フタバちゃんと一緒に、インターネットからのファイルのダウンロード方法、 HTML解析の方法、いろいろなデータの読み書き、 APIの使い方といったデータ収集と便利なライブラリを利用した簡単な可視化手法を解説する書籍です。 また最終的にデータ収集を自動化する方法も簡単に解説します。 第1章　Pythonでデータをダウンロード 　LESSON 01　スクレイピングってなに？ 　LESSON 02　Pythonをインストールしてみよう 　LESSON 03　requestsでアクセスしてみよう 第2章　HTMLを解析しよう 　LESSON 04　HTMLを解析してみよう 　LESSON 05　ニュースの最新記事一覧を取得してみよう 　LESSON 06　リンク一覧をファイルに書き出そう 　LESSON 07　画像を一括ダウンロードしよう 第3章　表データを読み書きしよう 　LESSON 08　pandasを使ってみよう 　LESSON 09　さまざまなデータの加工 　LESSON 10　グラフで表示してみよう 　LESSON 11　Excelファイルを読み書きしてみよう 第4章　オープンデータを分析してみよう 　LESSON 12　オープンデータってなに？ 　LESSON 13　郵便局：郵便番号データ 　LESSON 14　e-Stat：政府統計の相互窓口 　LESSON 15　キッズすたっと：探そう統計データ 　LESSON 16　自治体のデータ：データシティ鯖江 第5章　Web APIでデータを収集しよう 　LESSON 17　Web APIってなに？ 　LESSON 18　OpenWeatherMapってなに？ 　LESSON 19　現在の天気を調べよう 　LESSON 20　現在から5日間（3時間ごと）の天気を調べよう
Amazonで購入する

入門 Python 3

著者 Bill Lubanovic
出版社 オライリージャパン
紹介サイト数 5
おすすめ度 24.51820278317301
書籍の説明 プログラミング初心者を対象としたPythonの入門書。プログラミングおよびPythonの基礎から応用まで丁寧に説明。 実践を見据えた本格的な「Python入門書」！ Pythonが誕生して四半世紀。データサイエンスやウェブ開発、セキュリティなどさまざまな分野でPythonの人気が急上昇中です。プログラミング教育の現場でもCに代わってPythonの採用が増えてきています。本書は、プログラミングが初めてという人を対象に書かれた、Pythonの入門書です。前提とする知識は特にありません。プログラミングおよびPythonの基礎からウェブ、データベース、ネットワーク、並列処理といった応用まで、Pythonプログラミングをわかりやすく丁寧に説明します。
Amazonで購入する

見て試してわかる機械学習アルゴリズムの仕組み 機械学習図鑑

著者 秋庭 伸也
出版社 翔泳社
紹介サイト数 5
おすすめ度 23.260224669404685
書籍の説明 複雑な機械学習アルゴリズムの違いがオールカラーの図で見てわかる！ 機械学習アルゴリズムの違いが見てわかる！ 「機械学習アルゴリズムは種類が多く、複雑で何をしているのかわかりにくい」と思ったこと、ありませんか？本書は、そのような機械学習アルゴリズムをオールカラーの図を用いて解説した機械学習の入門書です。 いままで複雑でわかりにくかった機械学習アルゴリズムを図解し、わかりやすく解説しています。アルゴリズムごとに項目を立てているので、どのアルゴリズムがどのような仕組みで動いているのか比較をしやすくしています。 これから機械学習を勉強する方だけでなく、実際に機械学習を業務で使用している方にも新しい気付きを得られるのでお勧めの1冊です。 【本書の特徴】 ・複雑な機械学習アルゴリズムの仕組みを1冊で学べる ・オールカラーの図をたくさん掲載 ・各アルゴリズム毎にScikit-Learnを使用したコードを記載しているので、見るだけでなく試すこともできる ・仕組みだけでなく、実際の使い方や注意点もわかる 【本書で紹介するアルゴリズム】 01 線形回帰 02 正則化 03 ロジスティック回帰 04 サポートベクトルマシン 05 サポートベクトルマシン（カーネル法） 06 ナイーブベイズ 07 ランダムフォレスト 08 ニューラルネットワーク 09 kNN 10 PCA 11 LSA 12 NMF 13 LDA 14 k-means 15 混合ガウス 16 LLE 17 t-SNE 第1章　機械学習の基礎 　1.1　機械学習の概要 　1.2　機械学習に必要なステップ 第2章　教師あり学習 　01　線形回帰 　02　正則化 　03　ロジスティック回帰 　04　サポートベクトルマシン 　05　サポートベクトルマシン（カーネル法） 　06　ナイーブベイズ 　07　ランダムフォレスト 　08　ニューラルネットワーク 　09　kNN 第3章　教師なし学習 　10　PCA 　11　LSA 　12　NMF 　13　LDA 　14　k-means法 　15　混合ガウス分布 　16 LLE 　17　t-SNE 第4章　評価方法および各種データの扱い 　4.1　評価方法 　4.2　文書データの変換処理 　4.3　画像データの変換処理 第5章　環境構築 　5.1　Python3 のインストール 　5.2　仮想環境 　5.3　パッケージインストール
Amazonで購入する

みんなのPython 第4版

著者 柴田 淳
出版社 SBクリエイティブ
紹介サイト数 5
おすすめ度 22.62261549017824
書籍の説明 今、最も熱いプログラミング言語、それがPython Python入門書のデファクトスタンダードが4年ぶりに大改訂。 近年、Pythonの利用が、機械学習、AIなどの科学技術分野へ 大きく広がっている現状を踏まえて、すべてのパートに手を入れ いくつかの新章を追加しました。 次の10年を担うPythonプログラマを養成するための一冊。 Chapter01 プログラミング言語Python Chapter02 Pythonでプログラミングをはじめよう Chapter03 Pythonの基礎をマスターする Chapter04 組み込み型を使いこなす Chapter05 Pythonと関数型プログラミング Chapter06 クラスとオブジェクト指向開発 Chapter07 クラスの継承と高度なオブジェクト指向機能 Chapter08 モジュール Chapter09 スコープとオブジェクト Chapter10 例外処理 Chapter11 標準ライブラリを使う Chapter12 Pythonとデータサイエンス Chapter13 Pythan2 ・AnacondaやJupyter Notebookなど、Pythonの最新開発環境に対応 ・NumPy、matplotlibなどの科学技術系ライブラリに対応 ・Windows、macOS、Linux対応 Chapter01 プログラミング言語Python Chapter02 Pythonでプログラミングをはじめよう Chapter03 Pythonの基礎をマスターする Chapter04 組み込み型を使いこなす Chapter05 Pythonと関数型プログラミング Chapter06 クラスとオブジェクト指向開発 Chapter07 クラスの継承と高度なオブジェクト指向機能 Chapter08 モジュール Chapter09 スコープとオブジェクト Chapter10 例外処理 Chapter11 標準ライブラリを使う Chapter12 Pythonとデータサイエンス Chapter13 Pythan2
Amazonで購入する

ゼロから作るDeep Learning ❷ ―自然言語処理編

著者 斎藤 康毅
出版社 オライリージャパン
紹介サイト数 5
おすすめ度 22.16242206625755
書籍の説明 大ベストセラーの続編。さらに作る、さらに深くDeep Learningに迫る！ 大ベストセラーの続編。さらに作る、さらに深くDeep Learningに迫る！ コンピュータの専門書としては異例の大ヒットを記録した『ゼロから作るDeep Learning』の続編。第二弾の本書では、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を使ってさまざまな問題に挑みます。word2vecやRNN（リカレントニューラルネットワーク）、LSTMやGRU、seq2seqやAttention……ディープラーニングを支えるこれら最先端の技術を実装レベルでマスターできます。前作同様、平坦な言葉で分かりやすくをモットーに、高度に見える技術の裏側をじっくり説明し、実際に作ることで理解を深めます。最後までコンセプトは変わらない。ゼロから作る！
Amazonで購入する

AWS認定資格試験テキスト AWS認定 クラウドプラクティショナー

著者 山下 光洋
出版社 SBクリエイティブ
紹介サイト数 4
おすすめ度 21.981311972805113
書籍の説明 AWS（Amazon Web Services）を活用・構築する知識を持っていることを証明するのがAWS認定です。「AWS認定 クラウドプラクティショナー」は、エンジニアだけでなくマネージャーや営業職など、さまざまなポジションを対象とした新しい試験で、AWSクラウドの知識とスキルを身に付け、全体的な理解を効果的に説明できるようになることが求められます。 本書はその「AWS認定 クラウドプラクティショナー」向けの試験対策教科書です。AWSを利用していくのに必要となる「クラウドの概念」「セキュリティ」「テクノロジー」「請求と料金」といったカテゴリを、しっかり丁寧に解説しています。 実際に豊富な構築経験と深い知識を持った著者が、試験の合格のポイントになる知識と解答の考え方が理解できるように構成しています。さらに、練習問題で知識を解答につなげる力がしっかりと身につきます。 第1章 AWS認定資格 1-1 AWS認定資格とは 1-2 クラウドプラクティショナーについて 1-3 学習方法 第2章 AWSクラウドの概念 2-1 クラウドとは 2-2 AWSの長所と利点 2-3 クラウドアーキテクチャの設計原理 2-4 AWS Well-Architectedフレームワーク 第3章 AWSのセキュリティ 3-1 AWSの責任共有モデル 3-2 AWSクラウドのセキュリティ 3-3 IAM 3-4 セキュリティグループ 3-5 AWS ShieldとWAF 3-6 Inspector 第4章 AWSのテクノロジー 4-1 AWSのサービス 4-2 グローバルインフラストラクチャ 第5章 コンピューティングサービス 5-1 EC2 5-2 ELB 5-3 Auto Scaling 5-4 Lambda 5-5 その他のコンピューティングサービス 第6章 ストレージサービス 6-1 EBS 6-2 S3 6-3 その他のストレージサービス 第7章 ネットワークサービス 7-1 VPC 7-2 CloudFront 7-3 Route 53 第8章 データベースサービス 8-1 RDS 8-2 DynamoDB 8-3 その他のデータベースサービス 第9章 管理サービス 9-1 CloudWatch 9-2 Trusted Advisor 9-3 その他の管理ツール 第10章 請求と料金 10-1 AWS料金モデル 10-2 請求ダッシュボード 10-3 マルチアカウントの運用 10-4 AWSのサポートプラン 10-5 その他の請求サポートツール
Amazonで購入する

改訂2版 データサイエンティスト養成読本 [プロになるためのデータ分析力が身につく! ] (Software Design plus)

著者 佐藤 洋行
出版社 技術評論社
紹介サイト数 4
おすすめ度 21.648261791398973
書籍の説明 巻頭企画 スキルセット、データ分析のプロセス、ビッグデータの扱い方 データサイエンティストの仕事術(データにストーリーを語らせられますか?-データサイエンティストに必要なスキル ビジネスの成果を意識した分析の方法-データサイエンスのプロセス ほか) 特集1 データサイエンティストへの第一歩 データ分析実践入門(データの把握、可視化と多変量解析-Rで統計解析をはじめよう Rをさらに便利に使える統合開発環境-RStudioでらくらくデータ分析 ほか) 特集2 スキルアップのためのマーケティング分析本格入門(データサイエンスを応用した広告戦略とサイト改善-Rによるマーケティング分析 ターゲティング広告リプレースのポイントを公開-mixiにおける大規模データマイニング事例 ほか) 特別記事 リアルタイムログ収集でログ解析をスマートに Fluentd入門 特別企画 超入門 データ分析のためにこれだけは覚えておきたい基礎知識(リレーショナルデータベース操作に必須の言語-SQL入門 Webサイトから情報を収集する技術-Webスクレイピング入門 ほか)
Amazonで購入する

Pythonチュートリアル 第4版

著者 Guido van Rossum
出版社 オライリージャパン
紹介サイト数 4
おすすめ度 21.398207715199245
書籍の説明 Pythonの作者自らが書き下ろした手引書。入門者がおさえておくべき機能やコンセプトを解説し、さらに特徴的な機能を多く紹介。 Python初心者必読のチュートリアルが3.9対応で登場！ Pythonの作者Guido氏自らが書き下ろした、Python入門者のための手引書です。Pythonの言語と、入門者がおさえておくべきシステムの基本的な機能やコンセプトを解説し、さらにPythonの特徴的な機能を数多く取り上げて紹介することで、この言語の雰囲気とスタイルをわかりやすくつかめるよう配慮しています。5年ぶりの改訂版で、Python3.9.0に対応しました。入門者必読の書です。 Pythonの作者自らが書き下ろした手引書。入門者がおさえておくべき機能やコンセプトを解説し、さらに特徴的な機能を多く紹介。
Amazonで購入する

Python1年生 第2版 体験してわかる！会話でまなべる！プログラミングのしくみ

著者 森 巧尚
出版社 翔泳社
紹介サイト数 3
おすすめ度 21.376112214592812
書籍の説明 最新のPython、ライブラリおよびWindoes 11に対応した「Python1年生」の第２版の登場！ おかげさまで8万部突破！ 読者の声に応えて 第2版の登場 【本書の概要】 Web開発やデータ分析などの分野で、ユーザー数が増えてきているPython。 最近では、Pythonに触れる方も多くなってきています。 本書はそうしたPython初心者の方に向けて、 ヤギ博士とフタバちゃんと一緒に 基本的なプログラムの作成から、面白い人工知能アプリの作成までを体験。 対話形式でプログラミングのしくみを学ぶことができます。 【対象読者】 Pythonについて何も知らないプログラミング超初心者 【本書のポイント】 ・対話形式で解説し、イラストを交えながら、基礎知識を解説します。 ・初めての方でも安心して学習できるよう基本文法もしっかり解説します。 ・平易なサンプルを用意していますので、安心してプログラムを体験できます。 ・2022年時点の最新の環境（Windows 11、Python 3.10など）に対応しています。 ・エラーでつまづいた場合の対応方法を巻末に掲載しています。 【目次】 第1章　Pythonで何ができるの？ 第2章　Pythonを触ってみよう 第3章　プログラムの基本を知ろう 第4章　アプリを作ってみよう 第5章　人工知能くんと遊んでみよう 【著者プロフィール】 森 巧尚（もり・よしなお） 『マイコンBASICマガジン』（電波新聞社）の時代からゲームを作り続けて現在はコンテンツ制作や執筆活動を行い関西学院大学非常勤講師、 関西学院高等部非常勤講師、成安造形大学非常勤講師、大阪芸術大学非常勤講師、プログラミングスクールコプリ講師などを行っている。 近著に、『Python1年生』『Python2年生 スクレイピングのしくみ』『Python2年生 データ分析のしくみ』『Python3年生 機械学習のしくみ』 『Java1年生』『動かして学ぶ！Vue.js開発入門』『Python自動化簡単レシピ』（いずれも翔泳社）、 『ゲーム作りで楽しく学ぶ Pythonのきほん』『楽しく学ぶ Unity2D超入門講座』『楽しく学ぶ Unity3D超入門講座』（いずれもマイナビ出版）などがある。 第1章　Pythonで何ができるの？ 第2章　Pythonを触ってみよう 第3章　プログラムの基本を知ろう 第4章　アプリを作ってみよう 第5章　人工知能くんと遊んでみよう
Amazonで購入する

Python2年生 データ分析のしくみ 体験してわかる! 会話でまなべる!

著者 森 巧尚
出版社 翔泳社
紹介サイト数 4
おすすめ度 21.35631951809782
書籍の説明 こんどはデータ分析に挑戦！「数式一切なし」で理解できちゃう！データ分析のきほんとしくみ Pythonでデータ分析を体験してみよう！ 【データ分析を一緒に体験しよう】 スクレイピングなどで集めた大量のデータ。 どうやって分析してたらよいか、困っていませんか？ 「数式があって難しそう」 「プログラムも大変そう」 と思っている方も多いはず。 本書は、そうした方に向けて、サンプルを元にやさしく データ分析の方法を解説しています。 【Python2年生について】 「Python2年生」は、「Python1年生」を読み終えた方を対象とした入門書です。 ある程度、技術的なことを盛り込み、本書で扱う技術について身に着けてもらいます。 『Python2年生 スクレイピングのしくみ』（ISBN：9784798161914）も刊行されています。 【対象読者】 ・データの分析方法を知りたい初心者 【本書のポイント】 ヤギ博士＆フタバちゃんと一緒に、データ分析の考え方から丁寧に解説。 データを分析する時に必要な前処理の方法や、データの集まりの見方、 データを見やすいグラフにする方法、データの分布の見方、予測の立て方を 解説する書籍です。 【著者プロフィール】 森 巧尚（もり・よしなお） アプリの開発や、技術書や電子工作マガジンなどでの執筆活動。関西学院大学非常勤講師、 関西学院高等部非常勤講師、成安造形大学非常勤講師、プログラミングスクールコプリ講師など、 プログラミングに関する幅広い活動を行っている。 近著に『Python1年生』、『Python2年生 スクレイピングのしくみ』、 『Java1年生』、『動かして学ぶ！Vue.js開発入門』（いずれも翔泳社）、 『楽しく学ぶ アルゴリズムとプログラミングの図鑑』（マイナビ出版）などがある。 第1章　データ分析って何？ LESSON 01　データ分析って何 LESSON 02　データ分析の手順：PPDACサイクル LESSON 03　Jupyter Notebookをインストールしよう LESSON 04　Jupyter Notebookの使い方 第2章　集めたデータは前処理が必要 LESSON 05　表データを読み込もう LESSON 06　データをざっくりと眺める LESSON 07　データのどこを使う？ LESSON 08　データのミスをチェックする 第3章　データの集まりをひとことでいうと？：代表値 LESSON 09　データを平らに均（なら）す LESSON 10　平均値を代表といっていいの？ LESSON 11　平均値が同じなら、同じといっていいの？ 第4章　図で特徴をイメージしよう：グラフ LESSON 12　データのばらつきがわかる LESSON 13　基本的なグラフを作ろう LESSON 14　ばらつきのわかるグラフ LESSON 15　グラフをわかりやすく調整する 第5章　これって普通なこと？珍しいこと？：正規分布 LESSON 16　データのばらつきを数値で表す LESSON 17　自然なばらつき LESSON 18　この値は普通なこと？珍しいこと？ LESSON 19　このデータは自然なばらつき？ LESSON 20　違うばらつきのデータでの比較ができる 第6章　関係から予測しよう：回帰分析 LESSON 21　2種類のデータの関係性の強さ：相関係数 LESSON 22　散布図の上に線を引いて予測 LESSON 23　総当たりで表示させる散布図 LESSON 24　アヤメのデータを見てみよう
Amazonで購入する

AI・データ分析プロジェクトのすべて[ビジネス力×技術力=価値創出]

著者 大城 信晃(監修・著者)
出版社 技術評論社
紹介サイト数 4
おすすめ度 20.24307736327648
書籍の説明 データサイエンティストと呼ばれる職種が登場して、いまや10年以上が経過しようとしています。ビッグデータやディープラーニングなど技術的な流行も後押しして、AI・データ分析プロジェクトに取り組む企業も増えました。また、データサイエンス、データエンジニアリングに関する技術情報は次第に増え、データ分析コンペティションの盛り上がりもあって技術的な知識を持つ方が増えているのは事実です。ところが、実際にAI・データ分析プロジェクトに取り組んでみると、そううまくはいかないようです。プロジェクトを進めるには技術知識だけでなく「ビジネス力」が必要なのです。 そこで、本書はこれまでメインテーマとして語られることのなかった「ビジネス力」に焦点をあてて、データ分析プロジェクトを一通り解説していきます。プロジェクトの入口として「組織の立ち上げ方」から「案件獲得」にふれ、続く実際のデータ分析プロセスにおいては、課題とゴールを明確にして、分析結果は出して終わりではなく共有、評価のサイクルが必要であることを解説します。最後に出口となる「収益化」に関する情報をまとめます。 先を行くデータ分析者達は、これまでさまざまな罠にかかり、見えない落とし穴にはまっても奮闘してノウハウを蓄積してきたのがこの10年です。これからAI・データ分析プロジェクトに取り組む方／関わる方へ向けて、先人たちのノウハウをまとめたのが本書です。 第1部 プロジェクトの準備 第1章 AI・データ分析業界の概要 第2章 データサイエンティストのキャリアと雇用 第3章 AI・データサイエンティストの実務と情報収集 第2部 プロジェクトの入口 第4章 社内案件の獲得と外部リソースの検討 第5章 データのリスクマネジメントと契約 第3部 プロジェクトの実行 第6章 AI・データ分析プロジェクトの起ち上げと管理 第7章 データの種類と分析手法の検討 第8章 分析結果の評価と改善 第9章 レポーティングとBI 第10章 データ分析基盤の構築と運用 第4部 プロジェクトの出口 第11章 プロジェクトのバリューと継続性 第12章 業界事例
Amazonで購入する

Pythonの絵本 Pythonを楽しく学ぶ9つの扉

著者 株式会社アンク
出版社 翔泳社
紹介サイト数 4
おすすめ度 19.774703134543355
書籍の説明 人気の絵本シリーズにPython登場、人気の言語を手早くマスター 手軽に学びたい人の味方！人気の絵本シリーズにPython登場！ Pythonはコンパイラを使わずに実行できるインタープリタ型の言語でありながら、データ分析など最新のコンピューティングの現場でひろく活用されています。 本書では「プログラミングについて何も知らないこと」を前提に、基本からPythonを解説し、さらにリストや関数といった特徴ある機能を紹介していきます。また、章末でプログラミングサンプルを紹介するなど、実戦的な内容も含まれています。 本書には次のような特長があります。 ・絵を多用し、短い解説で絵本のようにビジュアルに理解することができます ・2ページを単位とした説明、基礎に絞り込んだ内容でスピーディに学習できます ・予備知識は不要。「プログラミングとはなにか」から入門できます ・Pythonの特徴などや実行の仕組みなど、知識として知っておきたい事柄もフォロー ・クラス／オブジェクトの基本も解説。オブジェクト指向の基礎にも入門できます 【翔泳社の「絵本」シリーズのラインナップをアップデート】 翔泳社の「絵本シリーズ」は、豊富なイラストと簡潔な解説でコンピュータ技術に入門できる初心者向けのシリーズです。言語／技術の超初心者や手軽に習得したい方に最適な入門書です。 新しい「絵本シリーズ」では、旧来の分かりやすさ、親しみやすさ、基礎に徹した内容というコンセプトはそのままに、Web／ネットが全盛となった現在のコンピュータ技術の潮流に合わせた解説を心掛けます。『Cの絵本』『Javaの絵本』を皮切りにラインナップを順次刷新、さらに新しい仲間を増やしてラインナップを充実させていきます。 Pythonの勉強をはじめる前に 第1章 基本的なプログラム 第2章 計算の演算子 第3章 リスト 第4章 制御文 第5章 関数 第6章 文字列 第7章 ファイルと例外処理 第8章 クラスとオブジェクト 付録
Amazonで購入する

深層学習 改訂第2版 (機械学習プロフェッショナルシリーズ)

著者 岡谷 貴之
出版社 講談社
紹介サイト数 4
おすすめ度 19.396842565093483
書籍の説明 ベストセラーの改訂版。最高最強のバイブルが大幅にパワーアップ！　深層学習のさまざまな課題とその対策についても詳しく解説。 ◆ベストセラーの改訂版。最高最強のバイブルが大幅にパワーアップ！！◆ ・トランスフォーマー、グラフニューラルネットワーク、生成モデルなどをはじめ、各手法を大幅に加筆。 ・深層学習のさまざまな課題と、その対策についても詳しく解説。 [本書まえがきより抜粋] ないもの（＝理論）ねだりをしても仕方がありません．それでも皆が研究を進めるのは，そうすることに意義があるからです．なぜうまく働くのか，なぜそうすべきか，数学的な証明はなくても，正しい説明は必ずあるはずです．それを手にできれば，目の前の課題を解決するのに，また次に進むべき道を知るうえで役に立つでしょう． そこで本書では，それぞれの方法について，今の時点で最も納得できる説明をきちんと与えることにこだわりました．名前の通った方法であっても，理屈が成り立たない，あるいは役に立たない方法や考え方については，はっきりそう書きました．著者の主観といわれても仕方がない場合もあるかもしれませんが，そのほうが有益であると信じています． また，現在の深層学習の広がりを把握できるように，定番となった問題・方法に加えて，重要だと思われる問題については，必ずしもそれほど有名でない方法も含めてなるべく網羅するようにしました．その取捨選択には，深層学習が実践的技術であることを踏まえ，実用性を最も重視しました．そこには，この間に著者が企業の実務家たちと行ってきた共同研究での経験が反映されています． [主な内容] 第1章　はじめに 第2章　ネットワークの基本構造 第3章　確率的勾配降下法 第4章　誤差逆伝播法 第5章　畳み込みニューラルネットワーク 第6章　系列データのためのネットワーク 第7章　集合・グラフのためのネットワークと注意機構 第8章　推論の信頼性 第9章　説明と可視化 第10章　いろいろな学習方法 第11章　データが少ない場合の学習 第12章　生成モデル 1章　はじめに 1.1 研究の歴史 1.2 本書の構成 2章　ネットワークの基本構造 2.1 ユニットと活性化関数 2.2 順伝播型ネットワーク 2.3 学習の概要 2.4 問題の定式化：出力層と損失関数の設計 3章　確率的勾配降下法 3.1 確率的勾配降下法 3.2 汎化性能と過剰適合 3.3 正則化 3.4 学習率の選定と制御 3.5 SGDの改良 3.6 層出力の正規化 3.7 重みの初期化 3.8 その他 4章　誤差逆伝播法 4.1 勾配計算の煩わしさ 4.2 誤差逆伝播法 4.3 自動微分 4.4 勾配消失問題 4.5 残差接続 5章　畳み込みニューラルネットワーク 5.1 単純型細胞と複雑型細胞 5.2 畳み込み 5.3 畳み込み層 5.4 プーリング層 5.5 畳み込み層の出力の正規化 5.6 推論のためのCNNの構造 5.7 入出力間の幾何学的関係 5.8 畳み込み層の一般化 5.9 アップサンプリングと畳み込み 5.10 物体カテゴリ認識への適用例 6章　系列データのためのネットワーク 6.1 系列データ 6.2 リカレントニューラルネットワーク 6.3 ゲート機構 6.4 自己回帰モデル 6.5 1次元畳み込みネットワーク 6.6 逆伝播の計算 7章　集合・グラフのためのネットワークと注意機構 7.1 集合データを扱うネットワーク 7.2 注意機構 7.3 トランスフォーマー 7.4 グラフニューラルネットワーク 8章　推論の信頼性 8.1 推論の不確かさ 8.2 不確かさの数理モデル 8.3 不確かさの予測 8.4 分布外入力の検出 8.5 敵対的事例 8.6 品質保証の試み 9章　説明と可視化 9.1 はじめに 9.2 入力による出力の微分 9.3 入力の遮蔽・挿入 9.4 中間層出力の表示 9.5 寄与度の分解 9.6 寄与度の逆伝播 9.7 可視化手法の評価 9.8 影響関数 9.9 学習内容の可視化 10章　いろいろな学習方法 10.1 距離計量学習 10.2 事例集合（マルチインスタンス）学習 10.3 クラスラベルの誤り 10.4 クラス間不均衡 10.5 継続・追加学習 10.6 知識蒸留 10.7 枝刈り 10.8 計算の量子化 10.9 ネットワーク構造探索 11章　データが少ない場合の学習 11.1 はじめに 11.2 データ拡張 11.3 転移学習 11.4 半教師あり学習 11.5 自己教師学習 11.6 マルチタスク学習 11.7 ドメイン適応・汎化 11.8 少数事例学習 11.9 能動学習 12章　生成モデル 12.1 データの生成モデル 12.2 自己符号化器 12.3 変分自己符号化器 12.4 敵対的生成ネットワーク 12.5 正規化フロー 12.6 ボルツマンマシン
Amazonで購入する

Python ポケットリファレンス (Pocket Reference)

著者 柏野 雄太
出版社 技術評論社
紹介サイト数 4
おすすめ度 18.507212943686937
書籍の説明 シンプルなサンプルソースコードで機能解説。視覚的に、直感的にわかるコンパクトレイアウト。開発現場ですぐに役立つ実践型リファレンス。関数型プログラミングの概念からPython3.0の新機能も解説。 1 基本とルール(インストールと環境設定 Hello Python! Pythonの特徴と強み Python入門 数値 文字列 フロー制御 リストとタプル 辞書) 2 プログラミング(オブジェクト 関数 モジュールとパッケージ クラス) 3 実践(テスト ファイル 関数型プログラミング データ ネットワーク モジュール Python2.6およびPython3.0の新機能)
Amazonで購入する

いちばんやさしい Python入門教室

著者 大澤 文孝
出版社 ソーテック社
紹介サイト数 4
おすすめ度 18.42700043683881
書籍の説明 豊富なカラー図解とイラストで超わかる!プログラムの「読み方」「書き方」「しくみ」「動かし方」を根本から理解し、作りながらしっかり学べる、すべてのビギナーに最良の入門書! 1 プログラムってなんだろう 2 Pythonを始めよう 3 Pythonでプログラムを書くときのルール 4 プログラムを構成する基本的な機能 5 数当てゲームを作ってみよう 6 数当てゲームをグラフィカルにしよう 7 クラスとオブジェクト 8 拡張モジュールを使ってみよう
Amazonで購入する

これなら分かる最適化数学: 基礎原理から計算手法まで

著者 健一, 金谷
出版社 共立出版
紹介サイト数 4
おすすめ度 18.41800375661381
書籍の説明 各種の最適化手法の原理や計算法をやさしく解説 　最適化手法とは，利益，損失などの望ましい，あるいは望ましくない値を最大，または最小にするように設計する手法である。従来から経営学やオペレーションズリサーチ(OR)の中心テーマであったが，計算機技術の進歩によって過去には不可能と思われた複雑な問題が実際的な時間で解けるようになり，今日ではあらゆる工学分野，特に電子，情報，通信技術の設計のほとんどに浸透している。 　本書はこの立場から，最適化手法の入門書として書かれたもので，経営学やORのみならず，統計的最適化や機械学習に関する話題も扱っている。また，各手法を紹介するだけでなく，その数学的背景の解説に力点を置いている。 　本文中では最適化手法の要領を理解させることに重点を置き，例題を多く用いてやさしく解説している。中には独自の説明法を採用している箇所もある。また，内容の幅を広げ，読者により関心が高まるよう，本文を補足する，関連する話題や注意すべき事項を箇条書きの形で随所に挿入している。理解を促すために，各所で簡略化したり，直観的な説明を行ったが，そのような箇所にはより数学的に厳密な説明を補足している。 第1章 数学的準備 1.1 曲線と曲面 1.2 1次形式と2次形式 1.3 2次形式の標準形 第2章 関数の極値 2.1 1次関数と2次関数 2.2 関数の勾配と等高線 2.3 関数の極値 2.4 ラグランジュの未定乗数法 第3章 関数の最適化 3.1 勾配法 3.2 ニュートン法 3.3 共役勾配法 第4章 最小二乗法 4.1 式の当てはめ 4.2 連立1次方程式 4.3 非線形最小二乗法 第5章 統計的最適化 5.1 最尤推定 5.2 直線当てはめ 5.3 データの分類 5.4 不完全データからの最尤推定 第6章 線形計画法 6.1 線形計画の標準形 6.2 可能領域 6.3 線形計画の基本定理 6.4 スラック変数 6.5 シンプレックス法 6.6 退化 6.7 人工変数 6.8 双対原理 第7章 非線形計画法 7.1 非線形計画 7.2 ラグランジュ乗数 7.3 双対原理 第8章 動的計画法 8.1 多段階決定問題 8.2 動的計画法 8.3 最適経路問題 8.4 ストリングマッチング 8.5 制約のある多段階決定問題
Amazonで購入する

Pythonエンジニア ファーストブック

著者 鈴木 たかのり
出版社 技術評論社
紹介サイト数 4
おすすめ度 18.15397765283434
書籍の説明
Amazonで購入する

Kaggleで勝つデータ分析の技術

著者 門脇 大輔
出版社 技術評論社
紹介サイト数 4
おすすめ度 17.64037509073179
書籍の説明 データサイエンスの認知の高まりとともに、データ分析に関するコンペティションが多数開催されるようになってきました。最も有名なコンペティションプラットフォームであるKaggleにおけるプレイヤー数は10万人を超え、多くのエンジニアが自分の腕を試すためにコンペティションに参加しています。分析コンペでは、実際のデータを扱うため、機械学習の解説書にはあまり載っていないような手法やテクニックが数多く活用されています。これらを理解し自身で使えるようにしておくことはコンペだけでなく、実務でのモデル構築において非常に役に立ちます。 そこでこれらのテクニックや事例を多くの人に知っていただくために、現時点で最新のものを整理して本書にまとめました。特徴量の作り方、バリデーション、パラメータチューニングなどについて、一般的な書籍ではあまり言及されない暗黙知やポイントについて記述しています。分析コンペにこれから参加してみたい方、あるいはもっと上を目指したい方だけでなく、実務で予測モデルの精度を上げたいという方にも参考になる情報が多いでしょう。 第1章　分析コンペとは? 1.1 分析コンペって何？ 1.1.1 何をするものか 1.1.2 予測結果の提出と順位表（Leaderboard） 1.1.3 チームでの参加 1.1.4 入賞賞金・特典 1.2 分析コンペのプラットフォーム 1.2.1 Kaggle 1.2.2 Rankings（ランキング・称号制度） 1.2.3 Kernel 1.2.4 Discussion 1.2.5 Datasets 1.2.6 API 1.2.7 Newsfeed 1.2.8 開催された分析コンペの種類と具体例 1.2.9 分析コンペのフォーマット 1.3 分析コンペに参加してから終わるまで 1.3.1 分析コンペに参加 1.3.2 規約に同意 1.3.3 データをダウンロード 1.3.4 予測値の作成 1.3.5 予測値の提出 1.3.6 Public Leaderboardをチェック 1.3.7 最終予測値を選ぶ 1.3.8 Private Leaderboardをチェック 1.4 分析コンペに参加する意義 1.4.1 賞金を得る 1.4.2 称号やランキングを得る 1.4.3 実データを用いた分析の経験・技術を得る 1.4.4 データサイエンティストとのつながりを得る 1.4.5 就業機会を得る 1.5 上位を目指すためのポイント 1.5.1 タスクと評価指標 1.5.2 特徴量の作成 1.5.3 モデルの作成 1.5.4 モデルの評価 1.5.5 モデルのチューニング 1.5.6 アンサンブル 1.5.7 分析コンペの流れ Column 　計算リソース 第2章　タスクと評価指標 2.1 分析コンペにおけるタスクの種類 2.1.1 回帰タスク 2.1.2 分類タスク 2.1.3 レコメンデーション 2.1.4 その他のタスク 2.2 分析コンペのデータセット 2.2.1 テーブルデータ 2.2.2 外部データ 2.2.3 時系列データ 2.2.4 画像や自然言語などのデータ 2.3 評価指標 2.3.1 評価指標（evaluation metrics）とは 2.3.2 回帰における評価指標 2.3.3 二値分類における評価指標?正例か負例かを予測値とする場合 2.3.4 二値分類における評価指標?正例である確率を予測値とする場合 2.3.5 多クラス分類における評価指標 2.3.6 レコメンデーションにおける評価指標 2.4 評価指標と目的関数 2.4.1 評価指標と目的関数の違い 2.4.2 カスタム評価指標とカスタム目的関数 2.5 評価指標の最適化 2.5.1 評価指標の最適化のアプローチ 2.5.2 閾値の最適化 2.5.3 閾値の最適化をout-of-foldで行うべきか？ Column out-of-foldとは？ 2.5.4 予測確率とその調整 2.6 評価指標の最適化の例 2.6.1 balanced accuracyの最適化 2.6.2 mean-F1における閾値の最適化 2.6.3 quadratic weighted kappaにおける閾値の最適化 2.6.4 カスタム目的関数での評価指標の近似によるMAEの最適化 2.6.5 MCCのPR-AUCによる近似とモデル選択 2.7 リーク（data leakage） 107 2.7.1 予測に有用な情報が想定外に漏れている意味でのリーク 2.7.2 バリデーションの枠組みの誤りという意味でのリーク 第3章　特徴量の作成 3.1 本章の構成 3.2 モデルと特徴量 3.2.1 モデルと特徴量 3.2.2 ベースラインとなる特徴量 3.2.3 決定木の気持ちになって考える 3.3 欠損値の扱い 3.3.1 欠損値のまま取り扱う 3.3.2 欠損値を代表値で埋める 3.3.3 欠損値を他の変数から予測する 3.3.4 欠損値から新たな特徴量を作成する 3.3.5 データ上の欠損の認識 3.4 数値変数の変換 3.4.1 標準化（standardization） Column データ全体の数値を利用して変換を行うときに、学習データのみを使うか、テストデータも使うか 3.4.2 Min-Maxスケーリング 3.4.3 非線形変換 3.4.4 clipping 3.4.5 binning 3.4.6 順位への変換 3.4.7 RankGauss 3.5 カテゴリ変数の変換 3.5.1 one-hot encoding 3.5.2 label encoding 3.5.3 feature hashing 3.5.4 frequency encoding 3.5.5 target encoding 3.5.6 embedding 3.5.7 順序変数の扱い 3.5.8 カテゴリ変数の値の意味を抽出する 3.6 日付・時刻を表す変数の変換 3.6.1 日付・時刻を表す変数の変換のポイント 3.6.2 日付・時刻を表す変数の変換による特徴量 3.7 変数の組み合わせ 3.8 他のテーブルの結合 3.9 集約して統計量をとる 3.9.1 単純な統計量をとる 3.9.2 時間的な統計量をとる 3.9.3 条件を絞る 3.9.4 集計する単位を変える 3.9.5 ユーザ側でなく、アイテム側に注目する 3.10 時系列データの扱い 3.10.1 時系列データとは？ 3.10.2 予測する時点より過去の情報のみを使う 3.10.3 ワイドフォーマットとロングフォーマット 3.10.4 ラグ特徴量 3.10.5 時点と紐付いた特徴量を作る 3.10.6 予測に使えるデータの期間 3.11 次元削減・教師なし学習による特徴量 3.11.1 主成分分析（PCA） 3.11.2 非負値行列因子分解（NMF） 3.11.3 Latent Dirichlet Allocation（LDA） 3.11.4 線形判別分析（LDA） 3.11.5 t-SNE、UMAP 3.11.6 オートエンコーダ 3.11.7 クラスタリング 3.12 その他のテクニック 3.12.1 背景にあるメカニズムから考える 3.12.2 レコード間の関係性に注目する 3.12.3 相対値に注目する 3.12.4 位置情報に注目する 3.12.5 自然言語処理の手法 3.12.6 自然言語処理の手法の応用 3.12.7 トピックモデルの応用によるカテゴリ変数の変換 3.12.8 画像特徴量を扱う手法 3.12.9 decision tree feature transformation 3.12.10 匿名化されたデータの変換前の値を推測する 3.12.11 データの誤りを修正する 3.13 分析コンペにおける特徴量の作成の例 3.13.1 Kaggleの「Recruit Restaurant Visitor Forecasting」 3.13.2 Kaggleの「Santander Product Recommendation」 3.13.3 Kaggleの「Instacart Market Basket Analysis」 3.13.4 KDD Cup 2015 3.13.5 分析コンペにおけるその他のテクニックの例 第4章　モデルの作成 4.1 モデルとは何か？ 4.1.1 モデルとは何か？ 4.1.2 モデル作成の流れ 4.1.3 モデルに関連する用語とポイント 4.2 分析コンペで使われるモデル 4.3 GBDT（勾配ブースティング木） 4.3.1 GBDTの概要 4.3.2 GBDTの特徴 4.3.3 GBDTの主なライブラリ 4.3.4 GBDTの実装 4.3.5 xgboostの使い方のポイント 4.3.6 lightgbm 4.3.7 catboost Column xgboostのアルゴリズムの解説 4.4 ニューラルネット 4.4.1 ニューラルネットの概要 4.4.2 ニューラルネットの特徴 4.4.3 ニューラルネットの主なライブラリ 4.4.4 ニューラルネットの実装 4.4.5 kerasの使い方のポイント 4.4.6 参考になるソリューション - 多層パーセプトロン 4.4.7 参考になるソリューション - 最近のニューラルネットの発展 4.5 線形モデル 4.5.1 線形モデルの概要 4.5.2 線形モデルの特徴 4.5.3 線形モデルの主なライブラリ 4.5.4 線形モデルの実装 4.5.5 線形モデルの使い方のポイント 4.6 その他のモデル 4.6.1 k近傍法（k-nearest neighbor algorithm、kNN） 4.6.2 ランダムフォレスト（Random Forest、RF） 4.6.3 Extremely Randomized Trees（ERT） 4.6.4 Regularized Greedy Forest（RGF） 4.6.5 Field-aware Factorization Machines（FFM） 4.7 モデルのその他のポイントとテクニック 4.7.1 欠損値がある場合 4.7.2 特徴量の数が多い場合 4.7.3 目的変数に1対1で対応するテーブルでない場合 4.7.4 pseudo labeling Column 分析コンペ用のクラスやフォルダの構成 第5章　モデルの評価 5.1 モデルの評価とは？ 5.2 バリデーションの手法 5.2.1 hold-out法 5.2.2 クロスバリデーション 5.2.3 stratified k-fold 5.2.4 group k-fold 5.2.5 leave-one-out 5.3 時系列データのバリデーション手法 5.3.1 時系列データのhold-out法 5.3.2 時系列データのクロスバリデーション（時系列に沿って行う方法） 5.3.3 時系列データのクロスバリデーション（単純に時間で分割する方法） 5.3.4 時系列データのバリデーションの注意点 5.3.5 Kaggleの「Recruit Restaurant Visitor Forecasting」 5.3.6 Kaggleの「Santander Product Recommendation」 5.4 バリデーションのポイントとテクニック 5.4.1 バリデーションを行う目的 5.4.2 学習データとテストデータの分割をまねる 5.4.3 学習データとテストデータの分布が違う場合 5.4.4 Leaderboardの情報を利用する 5.4.5 バリデーションデータやPublic Leaderboardへの過剰な適合 5.4.6 クロスバリデーションのfoldごとに特徴量を作り直す 5.4.7 使える学習データを増やす 第6章　モデルのチューニング 6.1 パラメータチューニング 6.1.1 ハイパーパラメータの探索手法 6.1.2 パラメータチューニングで設定すること 6.1.3 パラメータチューニングのポイント 6.1.4 ベイズ最適化でのパラメータ探索 6.1.5 GBDTのパラメータおよびそのチューニング Column xgboostの具体的なパラメータチューニングの方法 6.1.6 ニューラルネットのパラメータおよびそのチューニング Column 多層パーセプトロンの具体的なパラメータチューニングの方法 6.1.7 線形モデルのパラメータおよびそのチューニング 6.2 特徴選択および特徴量の重要度 6.2.1 単変量統計を用いる方法 6.2.2 特徴量の重要度を用いる方法 6.2.3 反復して探索する方法 6.3 クラスの分布が偏っている場合 Column ベイズ最適化およびTPEのアルゴリズム 第7章　アンサンブル 7.1 アンサンブルとは？ 7.2 シンプルなアンサンブル手法 7.2.1 平均、加重平均 7.2.2 多数決、重みづけ多数決 7.2.3 注意点とその他のテクニック 7.3 スタッキング 7.3.1 スタッキングの概要 7.3.2 特徴量作成の方法としてのスタッキング 7.3.3 スタッキングの実装 7.3.4 スタッキングのポイント 7.3.5 hold-outデータへの予測値を用いたアンサンブル 7.4 どんなモデルをアンサンブルすると良いか？ 7.4.1 多様なモデルを使う 7.4.2 ハイパーパラメータを変える 7.4.3 特徴量を変える 7.4.4 問題のとらえ方を変える 7.4.5 スタッキングに含めるモデルの選択 7.5 分析コンペにおけるアンサンブルの例 7.5.1 Kaggleの「Otto Group Product Classification Challenge」 7.5.2 Kaggleの「Home Depot Product Search Relevance」 7.5.3 Kaggleの「Home Credit Default Risk」 付　録 A.1 分析コンペの参考資料 A.2 参考文献 A.3 本書で参照した分析コンペ 索引 著者プロフィール
Amazonで購入する

詳細! Python 3 入門ノート

著者 大重 美幸
出版社 ソーテック社
紹介サイト数 4
おすすめ度 17.454251688819134
書籍の説明 Pythonプログラミングを全力で学ぶならこの1冊!Pythonをこれから学ぶビギナーから、基礎力を得て現場で実践したい方まで、確実なスキルアップをはかれます。 1 準備:Python3をはじめよう(Python3の準備 プログラムを試してみよう) 2 基礎:Pythonの基本構文を学ぶ(値と変数 標準ライブラリ 条件分岐、繰り返し、例外処理 リスト タプル セット(集合) 辞書 ユーザ定義関数 関数の高度な利用 クラス定義) 3 応用:科学から機械学習まで(テキストファイルの読み込みと書き出し グラフを描く NumPyの配列 機械学習を試そう)
Amazonで購入する

図解即戦力　機械学習&ディープラーニングのしくみと技術がこれ1冊でしっかりわかる教科書

著者 株式会社アイデミー
出版社 技術評論社
紹介サイト数 3
おすすめ度 17.211548938441716
書籍の説明 機械学習・ディープラーニングについて学ぶための、図解形式の解説書です。エンジニア1年生、機械学習関連企業への就職・転職を考えている人が、機械学習・ディープラーニングの基本と関連する技術、しくみ、開発の基礎知識などを一通り学ぶことができます。 1章　人工知能の基礎知識 人工知能とは 機械学習（ML）とは ディープラーニング（DL）とは 人工知能と機械学習が普及するまで 2章　機械学習の基礎知識 教師あり学習のしくみ 教師なし学習のしくみ 強化学習のしくみ 統計と機械学習の違い 機械学習と特徴量 得意な分野、苦手な分野 機械学習の活用事例 3章　機械学習のプロセスとコア技術 機械学習の基本ワークフロー データの収集 データの整形 モデルの作成と学習 バッチ学習とオンライン学習 テストデータによる予測結果の検証 学習結果に対する評価基準 ハイパーパラメータとモデルのチューニング 能動学習 相関と因果 フィードバックループ 4章　機械学習のアルゴリズム 回帰分析 サポートベクターマシン 決定木 アンサンブル学習 アンサンブル学習の応用 ロジスティック回帰 ベイジアンモデル 時系列分析と状態空間モデル k近傍(k-NN) 法とk平均(k-means)法 次元削減と主成分分析 最適化と遺伝的アルゴリズム 5章　ディープラーニングの基礎知識 ニューラルネットワークとその歴史 ディープラーニングと画像認識 ディープラーニングと自然言語処理 6章　ディープラーニングのプロセスとコア技術 誤差逆伝播法によるニューラルネットワークの学習 ニューラルネットワークの最適化 勾配消失問題 転移学習 7章　ディープラーニングのアルゴリズム 畳み込みニューラルネットワーク（CNN） 再帰型ニューラルネットワーク（RNN） 強化学習とディープラーニング オートエンコーダ GAN（敵対的生成ネットワーク） 物体検出 8章　システム開発と開発環境 人工知能プログラミングにおける主要言語 機械学習用ライブラリとフレームワーク ディープラーニングのフレームワーク GPUプログラミングと高速化 機械学習サービス
Amazonで購入する

最短コースでわかる ディープラーニングの数学

著者 赤石 雅典
出版社 日経BP
紹介サイト数 3
おすすめ度 17.101277863762387
書籍の説明 AIのブラックボックスを開けよう！ 「ディープラーニング」の動作原理を「本当に」理解できる本です。 AIのブラックボックスを開けよう！ ディープラーニングの本質を理解するために必要な「数学」を 「最短コース」で学べます！ 「ディープラーニング」の動作原理を「本当に」理解できる本です。 本書では、ディープラーニングの理解には欠かせない数学を 高校1年生レベルから、やさしく解説します。 （微分、ベクトル、行列、確率など） 最短コースで理解できるように、 解説する数学の分野は必要最低限のものだけに絞り、 その相関関係を★特製の綴込マップ★にまとめました。 また、数学を使ってイチから記述したコードを Jupyter Notebook形式で提供しますので 実際に動かしながら学ぶことができます。 「ディープラーニング」の動作原理を「本当に」理解できる本です。 AIのブラックボックスを開けよう！ 「ディープラーニング」の動作原理を「本当に」理解できる本です。 【導入編】 1章 機械学習入門 【理論編】 2章 微分・積分 3章 ベクトル・行列 4章 多変数関数の微分 5章 指数関数・対数関数 6章 確率・統計 【実践編】 7章 線形回帰モデル（回帰） 8章 ロジスティック回帰モデル（2値分類） 9章 ロジスティック回帰モデル（多値分類） 10章 ディープラーニングモデル 【発展編】 11章 実用的なディープラーニングを目指して ★巻頭綴じ込み★最短コースマップ
Amazonで購入する

知識ゼロからのプログラミング学習術 独学で身につけるための9つの学習ステップ

著者 拓也, 北村
出版社 秀和システム
紹介サイト数 3
おすすめ度 14.745558888770043
書籍の説明 プログラミングを勉強してみたけれど、なかなかうまくいかない。 プログラミングに漠然と興味があるけれど何からはじめていいのかわからない。 Progateなどの入門サイトで試してみたけれど、その後何をしたらいいかわからない。 そんなことを思っている方は多いのではないでしょうか？ 独学でプログラミングをマスターするためには、実は最も大切なものがあります。 それが、学習方法です。 本書では、プログラミングの参考書を買う前に読んで欲しいプログラミングの学習方法をお伝えしていきます。 受験勉強や資格獲得、語学をマスターするためなどの勉強でこのような経験はないでしょうか？ 毎日ひたすら勉強しているのに、まったく成績が上がらない。 他の人と比べて、知識が身につくのが遅い。 これらも全て、学習方法が原因なのです。 かつて僕も、がむしゃらに勉強をしていた時期がありました。 しかし、全く知識が身につかず、結局あきらめてしまったことも多かったです。 しかし、学習方法を改善してからは、知識がすんなり身につくようになったのです。 本書では、これからプログラミングを始める方のために、その学習方法をご紹介します。 またプログラミングを使って作りたいモノ別に、おすすめの学習ルートも紹介しています。 これからプログラミングを始める方、プログラミングを勉強中だけれど、身についているか実感がなく不安に思っている方、にぜひ読んでいただきたい内容となっています。 本書は、学習方法を知らないがゆえにプログラミングを断念してしまう人すべての人を救うために作られました。 そして本書が、一人でも多くの人がプログラミングというスキルを身につけ、自分の武器とするための道しるべとなれば嬉しいです。 第1章 プログラミングがなぜ注目されているのか？ 1 IT技術者の需要が高まっている 2 世界は機械化している 3 プログラミング教育が世界で必修化されている 4 課題を解決するための新しい力が求められている 5 プログラミングは自己実現のための最強の武器 第2章 プログラミングって一体なんなのか？ 1 プログラミングってそもそも何？ 2 プログラミングの知識が必要な職業は？ 3 60%の人間にはプログラミングの素質がない？ 4 プログラミングで何ができるか 5 プログラミングでできる身近な事例 第3章 プログラミングができるようになるための9つの学習ステップ 1 プログラミングを学ぶ目的を作る 2 自己評価を上げる 3 作りたい目標を決める 4 作りたい物のための知識を得る 5 写経の次は改造して遊ぶ 6 得た知識を組み合わせて作品を作る 7 作品を公開して改善する 8 人に教える 9 インターリーブで学習をより効率的にする Interlude 誰もやったことがないことが無限にある！ 第4章 作品別プログラミング学習ルート 1 Webページを作ろう 2 Webアプリケーションを作ろう 3 作業自動化ツールを作ろう 4 ゲームを作ろう 5 AI（人工知能）を作ろう 6 スマホアプリを作ろう 7 VR・ARを作ろう 8 暗号資産（仮想通貨）を作ろう 第5章 ＜応用編＞テーマ別プログラミング学習法まとめ 1 チーム開発手法 2 プロジェクト管理 3 デバッグ 4 設計 5 セキュリティ 6 サーバ 7 データベース 8 美しいプログラム 9 アルゴリズム 10 コンピュータサイエンス 第6章 プログラミングを楽しく体験してみよう 1 CodeMonkey 2 Hour of CodeのMineCraft 3 CODE COMBAT 第7章 プログラミングコンテストに参加してみよう 1 プログラミングコンテストに参加するメリット 2 国内の有名なプログラミングコンテスト 第8章 ハッカソンに参加してみよう 1 ハッカソンに参加するメリット 2 国内の有名なハッカソン一覧
Amazonで購入する

Rによるやさしい統計学

著者 山田 剛史
出版社 オーム社
紹介サイト数 3
おすすめ度 14.381975659677233
書籍の説明 第1部 基礎編(Rと統計学 1つの変数の記述統計 2つの変数の記述統計 母集団と標本 統計的仮説検定 ほか) 第2部 応用編(ベクトル・行列の基礎 データフレーム 外れ値が相関係数に及ぼす影響 統計解析で分かること・分からないこと 二項検定 ほか) 付録
Amazonで購入する

Python3年生 機械学習のしくみ 体験してわかる! 会話でまなべる!

著者 森 巧尚
出版社 翔泳社
紹介サイト数 3
おすすめ度 14.345581480433719
書籍の説明 待望の「機械学習のしくみ」が登場！ヤギ博士＆フタバちゃんと一緒に機械学習の世界を体験してみよう！ ヤギ博士・フタバちゃんと一緒に 機械学習のしくみを学ぼう！ 【機械学習をいちから学んでみよう！】 「最近よく耳にする人工知能と機械学習について知りたい」 「機械学習ってどのようなことをするの？」 と思っている方は多いと思います。 本書はそうした方に向けて「機械学習」について いちからやさしく解説します。 【Python3年生について】 「Python1年生」「Python2年生」を読み終えた方を対象とした入門書です。 （※「Python3年生」から初めて学ぶ方でもわかるように工夫しています） 【読者対象】 機械学習の初心者 【本書のポイント】 ヤギ博士＆フタバちゃんと一緒に、 機械学習のしくみについて、 サンプルを動かしながら、 楽しく学ぶことができます。 【著者プロフィール】 森 巧尚（もり・よしなお） アプリの開発や、技術書や電子工作マガジンなどでの執筆活動。 関西学院大学非常勤講師、関西学院高等部非常勤講師、 成安造形大学非常勤講師、大阪芸術大学非常勤講師、プログラミングスクールコプリ講師など、 プログラミングに関する幅広い活動を行っている。 近著に『Python1年生』、『Python2年生 スクレイピングのしくみ』、『Python2年生 データ分析のしくみ』、 『Java1年生』、『動かして学ぶ! Vue.js開発入門』(いずれも翔泳社)、 『楽しく学ぶ アルゴリズムとプログラミングの図鑑』(マイナビ出版)などがある。 第1章 機械学習の準備 01 機械学習ってなんだろう？ 02 分けることは、わかること 03 機械学習の準備をしよう 第2章 サンプルデータを見てみよう 04 scikit-learn のサンプルデータセット 05 サンプルデータセットを自動生成しよう 第3章 機械学習の手順を理解しよう 06 データを用意する 07 データを学習用とテスト用に分ける 08 モデルを選んで、学習する 09 モデルをテストする 10 新しい値を渡して、予測する 11 分類の状態を可視化しよう 第4章　機械学習のいろいろなアルゴリズム 12 回帰：線形回帰 13 分類：ロジスティック回帰 14 分類：SVM（サポートベクターマシン） 15 分類：決定木 16 分類：ランダムフォレスト 17 分類：k-NN（k 近傍法） 18 クラスタリング：k-means（k 平均法） 第5章　チノふたたび！　画像から数字を予測しよう 19 データを準備する 20 学習データを準備する 21 学習させる 22 予測させる 23 教師なし学習を利用して、データをイメージしよう 24 さらに先へ進もう
Amazonで購入する

ゲーム作りで楽しく学ぶ Pythonのきほん

著者 森 巧尚
出版社 マイナビ出版
紹介サイト数 3
おすすめ度 14.320915582150187
書籍の説明 ゲームを作りながらPythonを楽しく学ぶ！ プログラミングを習得する一番効率的な方法、それはゲームを作りながら学ぶこと。 文法だけを学んでも、何に、どうやって使うかわからないままでは、きちんとプログラミングを覚えたとは言えません。 本書の特徴は「プログラミング学習に最適なPythonを使って」、「ゲームを作りながらプログラミングの実践的な考え方を身に付けられる」ことです。 PART1では「Pythonの基礎知識」を学び、PART2ではその知識をもとにpygameを使って「ゲームを作る」2つのパートで構成されています。 「いきなりゲームを作るなんて難しそう！」 そう感じる人もいるかもしれませんが大丈夫。 まずは、サンプルコードを真似しながら手を動かしてプログラムが動くことを実感してみましょう。 Pythonに詳しいやさしいカエルくんがしっかり丁寧に教えてくれます。 サンプルファイルもダウンロードできるから、自分で書いたプログラミングが動かないときもしっかりサポート。 プログラミングで一番大切なことは、命令をたくさん覚えることでも、エラーなく正しく書くことでもありません。 もちろんそれらも大事。でも一番は、「自分で考えたアイデアをカタチにする」ことなんです。 「ゲームってこうやって作るんだ」「シューティングゲームってこうやって動いていたんだ！」 新しい発見をしながら学習した知識は、しっかり身に付きます。 自分で考えたゲームやアイデアを形にできる瞬間は、とても楽しいですよ。 「プログラミングには興味があるけど、どうやって勉強したらいいんだろう？」 「何度も挑戦してるけど難しくて脱落してしまった……」 そんなふうに考えているプログラミング入門者、Python入門者にぜひ手に取っていただきたい1冊です！ 【本書で作るゲーム】 PART1ではPythonの基礎を学びながら「体重と身長を入力してBMI値を出す」簡単なアプリのようなものを作っていきます。 PART2ではpygameをインストールして、 ・「衝突判定を使ったアクションゲーム」、 ・「ボール反射を利用したブロック崩しゲーム」、 ・「集大成のシューティングゲーム」 など本格的なゲームを作っていきます。 作れるゲームが増えていくことで感じる「できた！」という達成感は、まるでゲームをクリアしたときのような快感にも似ていますよ。 【本書の特徴】 ・ゲームを作りながらPythonとプログラミングの基本が学べる ・Pythonに詳しいカエルくんがやさしく教えてくれる ・『お手本のコードを真似して書く』→『動かす』の積み重ねで知識が定着、しっかり身に付く ・ダウンロードできるサンプルファイルつき ========================================================== PART 1 Pythonを学ぼう ========================================================== CHAPTER 1 Pythonってなに？ ---------------------------------------------------------- 1.1 Pythonを始めよう 1.2 Pythonのインストール 1.3 IDLEでPythonに触れてみよう 1.4 最初の命令はprint 1.5 ファイルを作ってプログラミング ---------------------------------------------------------- CHAPTER 2 プログラムの基本1 順次、変数 ---------------------------------------------------------- 2.1 プログラムの3つの基本 順次、分岐、反復 2.2 順次 上から順番に、実行する 2.3 変数 2.4 データ型 2.5 ユーザーからの入力はinput 2.6 inputと計算でアプリを作ろう！ ---------------------------------------------------------- CHAPTER 3 プログラムの基本2 条件分岐、ランダム ---------------------------------------------------------- 3.1 分岐 もしも～だったら、○○する 3.2 ランダム コンピュータのサイコロ 3.3 if文とランダムでアプリを作ろう ---------------------------------------------------------- CHAPTER 4 プログラムの基本3 反復、たくさんのデータ ---------------------------------------------------------- 4.1 たくさんのデータはリストに入れて使う 4.2 反復 同じ処理をくり返す 4.3 range くり返す範囲を決める 4.4 リストでアプリを作ろう ---------------------------------------------------------- CHAPTER 5 プログラムをまとめる 関数、ループ ---------------------------------------------------------- 5.1 関数 仕事をひとまとめにする 5.2 モジュールで分割 5.3 ループ 条件を満たす間くり返す 5.4 関数とループでアプリを作ろう ========================================================== PART 2　ゲームを作ろう ========================================================== CHAPTER 1 pygameで絵を描こう ---------------------------------------------------------- 1.1 pygameでゲームを作ろう 1.2 pygameの基本 1.3 図形や、文字、画像を描こう 1.4 グラフィックスを動かそう ---------------------------------------------------------- CHAPTER 2 キーやマウスで動かそう ---------------------------------------------------------- 2.1 キーで絵を動かそう 2.2 マウスで絵を動かそう 2.3 ボタンを作ろう ---------------------------------------------------------- CHAPTER 3 画面の切り換えで紙芝居 ---------------------------------------------------------- 3.1 1ページを1つの関数にまとめる 3.2 一本道の紙芝居 3.3 枝分かれの紙芝居 ---------------------------------------------------------- CHAPTER 4 衝突判定でアクションゲーム ---------------------------------------------------------- 4.1 キャラクターを上下左右に移動する 4.2 他のRectとの衝突判定 4.3 複数のRectとの衝突判定 4.4 ワナをたくさんばらまく 4.5 ワナと衝突したらゲームオーバー 4.6 ゴールと衝突したらゲームクリア 4.7 追いかけてくるオバケ登場！ ---------------------------------------------------------- CHAPTER 5 ボールを反射してブロック崩し ---------------------------------------------------------- 5.1 ボールをバーで打ち返す 5.2 ボールが画面の下に移動したら、ゲームオーバー 5.3 ブロックをたくさん並べる ---------------------------------------------------------- CHAPTER 6 ブロック崩しから、シューティングゲームへ ---------------------------------------------------------- 6.1 自機を左右に移動 6.2 UFOが落下する 6.3 自機とUFOが衝突したら、ゲームオーバー 6.4 弾とUFOが衝突したら、UFOが消える 6.5 星を降らせて、スコアを追加 ========================================================== APPENDIX 巻末付録 Pygameリファレンス ========================================================== ・Pygameの命令一覧 ・色の名前リストプログラム
Amazonで購入する

エンジニアなら知っておきたいAIのキホン 機械学習・統計学・アルゴリズムをやさしく解説

著者 梅田 弘之
出版社 インプレス
紹介サイト数 3
おすすめ度 14.210409189197867
書籍の説明
Amazonで購入する

みんなのRaspberry Pi入門 第4版

著者 石井 モルナ
出版社 リックテレコム
紹介サイト数 3
おすすめ度 14.10229625268276
書籍の説明 Python3に完全対応！！ お待たせしました！　大好評「みんなのRaspberry Pi入門」シリーズの第4版です。 「Raspberry Pi3」はもちろん、「Python3」にも対応させました!!　進化のとどまるところを知らないRaspberry Piは、最新OSのコードネームも「jessie」から「Stretch」へ、開発環境「IDLE」も「Thonny」に移行！　すべてに対応した最新刊です。 本書の大きな特徴は、次の2つです。 1.写真と図で、本当に必要なもの、メンテナンスの方法などを丁寧に解説しました。 2.Raspberry Piの公式言語である「Python3」をしっかり、分かりやすく解説しました。 プログラミング未経験の方でもチャレンジいただけるよう、Pythonに限定しない形でのプログラミングの基礎と基本的な作法について、多くの紙面を割いております。 まさに入門者にピッタリの一冊です。
Amazonで購入する

Pythonでかなえる Excel作業効率化

著者 北野 勝久
出版社 技術評論社
紹介サイト数 3
おすすめ度 13.801599517470361
書籍の説明 Excelは全ビジネスマン必須のアプリケーションですが、操作がめんどうだと感じたことはありませんか？ 本書は、「Python」というプログラミング言語を使って、そんなめんどうな業務を自動化・効率化する方法を紹介します。プログラミングがはじめての人にもわかるように、コードの書き方からしっかり解説。ExcelやGoogleスプレッドシートでのグラフ作成やデータ収集、表計算、データ分析など、ひととおりの業務をプログラムで動かす方法がわかります。 プログラミングのはじめの一歩としてもオススメです。 ■■はじめに ■■■第1章　Pythonをはじめよう ■■1-1　Pythonの特徴 ■Column　オープンソースソフトウェア（OSS）はどうして無料なの？ ■■1-2　Pythonのインストール ■1-2-1　Anacondaのダウンロード ■Column　Python 2？　Python 3？ ■1-2-2　Anacondaのインストール ■■1-3　Pythonをさわってみよう ■1-3-1　CUIの起動 ■1-3-2　Pythonの対話モードの起動 ■■1-4　PyCharmを使おう ■1-4-1　PyCharmのダウンロード ■1-4-2　PyCharmのインストール ■1-4-3　PyCharmを日本語で利用する ■1-4-4　インタープリターの設定 ■1-4-5　「hello world」と表示するプログラムの作成 ■Column　PyCharmをすぐ呼び出せるようにしておこう ■■■第2章　Pythonを動かしてみよう ■■2-1　Pythonのきほん ■2-1-1　データの性質 ■2-1-2　オブジェクトと関数 ■2-1-3　計算してみよう ■2-1-4　異なるデータ型同士の計算 ■2-1-5　オブジェクトを操作する ■2-1-6　同じオブジェクトを使いまわす ■■2-2　ある条件で処理を分ける ■2-2-1　条件を判定する ■2-2-2　条件に応じて処理をする ■■2-3　オブジェクトをひとまとまりで扱う ■2-3-1　中身をあとから変更できるリスト型 ■2-3-2　中身をあとから変更できないタプル型 ■Column　ミュータブルとイミュータブル ■2-3-3　キーと値をセットで扱う辞書型 ■■2-4　同じ処理を繰り返し行う ■2-4-1　要素の数だけ処理を繰り返す ■2-4-2　条件が続く限り処理を繰り返す ■2-4-3　処理の途中でループを抜け出す ■■2-5　定義した処理を実行する ■Column　インデントは半角スペース4つ？ ■2-5-1　関数にわたす情報・関数から戻ってくる情報 ■2-5-2　変数が使える範囲 ■Column　エラーメッセージが表示されたら ■2-5-3　あらかじめ用意されている関数 ■■2-6　ファイルを機能ごとに分けて再利用する ■2-6-1　使いたいファイルを読み込ませる ■2-6-2　あらかじめ用意されているライブラリを使う ■Column　サードパーティライブラリ ■■2-7　例外処理 ■■■第3章　Excel作業を自動化しよう ■■3-1　Excelファイルを操作するための準備 ■3-1-1　OpenPyXLをインストールする ■3-1-2　新しいフォルダの作成 ■3-1-3　Excelファイルをフォルダに配置する ■Column　PyCharm上でのファイル移動 ■■3-2　Excelの値を表示する ■3-2-1　指定したセルの値を取得する ■Column　取得するセル位置を指定するほかの方法 ■3-2-2　複数のセルをまとめて取得する ■■3-3　Excelファイルを編集する ■3-3-1　Excelファイルを新規作成する ■3-3-2　Excelシートを追加／削除する ■3-3-3　セルの値を編集する ■3-3-4　フォントを設定する ■■3-4　Excelのレイアウトを編集する ■3-4-1　Excelの行と列の幅を設定する ■3-4-2　行と列を固定表示する ■Column　#からはじまる行はなに？ ■■3-5　Excelのグラフを作成する ■3-5-1　グラフが読み込むデータを決める ■3-5-2　グラフの種類を決める ■3-5-3　グラフにデータをわたす ■3-5-4　グラフをつくる ■3-5-5　データから系列をつくる ■Column　PyCharmのコーディングアシスタンスについて ■Column　GitやGitHubでプログラムを管理しよう ■■■第4章　Googleスプレッドシート操作も自動化しよう ■■4-1　Googleスプレッドシートを操作するための初期設定 ■4-1-1　Googleアカウントの作成 ■4-1-2　Google Cloud Platformプロジェクトの作成 ■4-1-3　スプレッドシートを操作するためのAPIを有効化する ■4-1-4　サービスアカウントを作成し、認証情報をダウンロードする ■4-1-5　利用ライブラリをインストールする ■■4-2　新しいスプレッドシートを作成する ■4-2-1　プログラムがAPIにアクセスできるよう設定する ■4-2-2　スプレッドシートを作成する ■4-2-3　スプレッドシートの共有権限を変更する ■4-2-4　スプレッドシートのURLを表示する ■Column　新しいシートを追加する ■■4-3　セルの値を取得する ■4-3-1　事前準備 ■4-3-2　スプレッドシートを開く ■4-3-3　セルの値を取得する ■■4-4　セルの値を編集する ■■■第5章　Excel作業の前工程・後工程を自動化しよう ■■5-1　フォルダ・ファイル操作 ■5-1-1　絶対パスと相対パス ■5-1-2　フォルダにあるファイルを一覧表示する ■5-1-3　フォルダを作成する ■5-1-4　ファイルの書き込みと読み込み ■Column　モードオプションw、x、a の選び方 ■5-1-5　ファイルを移動する ■■5-2　文字列操作 ■5-2-1　文字列を検索する ■Column　encoding オプションの指定について ■5-2-2　正規表現を使って文字列を検索する ■5-2-3　検索一致した文字列の位置を調べる ■5-2-4　文字列を置換する ■Column　よりシンプルな文字列置換 ■Column　format()メソッドで文字列に変数を埋め込む ■■5-3　CSVデータの処理 ■5-3-1　CSVの出力 ■Column　newlineオプションの指定について ■5-3-2　CSVの読み込み ■5-3-3　CSVの加工 ■■5-4　Webからデータを取得しよう ■Column　Webから情報を取得する際の注意点 ■■■第6章　表計算やデータ分析をやってみよう ■■6-1　データ分析を始める前に ■6-1-1　ExcelとPythonの使い分け ■6-1-2　データ分析の流れ ■■6-2　JupyterLabを使ってみよう ■6-2-1　JupyterLabとは ■Column　Jupyter Notebookとの違いは？ ■6-2-2　JupyterLabを起動する ■6-2-3　実行してみよう ■Column　新しいファイルの追加 ■6-2-4　pandasの基本的な使い方 ■■6-3　データを分析する ■6-3-1　データの準備 ■6-3-2　データを読み込む ■Column　データセットの書き込み方法 ■6-3-3　データを結合する ■Column　手動でのデータ追加方法 ■Column　欠損値を補うには ■6-3-4　データを集計する ■■6-4　データを可視化する ■6-4-1　日本語フォントの使用について ■6-4-2　棒グラフを作成する ■6-4-3　折れ線グラフを作成する ■Column　プログラムの書き進め方 ■■■第7章　いろんな業務を自動化してみよう ■■7-1　複数のExcelファイルに分散した売上データを分析する ■例題の説明 ■7-1-1　フォルダの中のExcelファイルを読み込む ■7-1-2　各月ごとに分かれている売上データを連結する ■Column　インポートの順序とグループ化 ■7-1-3　売上データと顧客流入元データを結合する ■7-1-4　顧客流入元ごとの売上合計を集計する ■7-1-5　Excelファイルに集計データを出力する ■さらなる応用 ■■7-2　特定のルールに従って、フォルダ構成を整理する ■例題の説明 ■7-2-1　作業用フォルダにすべてのファイルをコピーする ■7-2-2　すべてのファイルを取得する ■7-2-3　取得したファイルが請求書ファイルかどうかを判別する ■Column　処理を関数にする基準は？ ■7-2-4　新しいファイル名とフォルダ名を取得する ■7-2-5　新しいフォルダを作成する ■7-2-6　ファイル名変更とフォルダ移動を行う ■さらなる応用 ■■7-3　Webスクレイピングでデータを取得する ■例題の説明 ■7-3-1　対象のWebページを確認する ■Column　クエリパラメータ ■7-3-2　Webページから情報を取得する ■7-3-3　CSSセレクタを確認する ■7-3-4　取得したHTMLを解析する ■7-3-5　書籍のURLを取り出す ■さらなる応用 ■Column　Webページから画像を取得する ■■おわりに ■■参考文献 ■■索引 ■■読者特典
Amazonで購入する

やさしく学ぶ 機械学習を理解するための数学のきほん ~アヤノ&ミオと一緒に学ぶ 機械学習の理論と数学、実装まで~

著者 立石 賢吾
出版社 マイナビ出版
紹介サイト数 3
おすすめ度 13.763951442475003
書籍の説明 数学がニガテでも大丈夫！ 機械学習をやさしく学ぼう 「機械学習に興味があるけど、どの資料を見ても数式が出てきて、分からない･･･」 本書は、そんな方にぴったりの本です。 機械学習を勉強中のプログラマ「アヤノ」と、友達の「ミオ」の会話を通じて、楽しく学んでいきます。本書では、 ・そもそも機械学習がどうして注目を集めているのか？ ・機械学習でできることにはどんなことがあるのか？ ・どんな時に、回帰や分類、クラスタリングをすると有効なのか？ といった基本的なところから、 ・ある問題に対して、どのように解決方法を考えればいいのか ・その解決方法を数式にするとどんな形になるのか ・実際にプログラムの形にするとどうなるのか まで、丁寧に、じっくりと説明していきます。 とくに、数式については、高校で習った数学を忘れている方でも分かるように、つまづきやすいところや理解しにくいところを重点的に解説します。 ※プログラムはPython 3で実装します Chapter1　ふたりの旅の始まり Chapter2　回帰について学ぼう　～広告費からクリック数を予測する Chapter3　分類について学ぼう　～画像サイズに基づいて分類する Chapter4　評価してみよう　～作ったモデルを評価する Chapter5　実装してみよう　～Pythonでプログラミングする
Amazonで購入する

仕事ではじめる機械学習 第2版

著者 有賀 康顕
出版社 オライリージャパン
紹介サイト数 3
おすすめ度 13.714885361147891
書籍の説明 仕事で機械学習に携わる際に知っておきたい事を伝えるというコンセプトで、機械学習を使った実務に初めて関わる読者のための1冊。 大好評の機械学習実務者向け書籍が最新情報にアップデート！ 2018年に発行された初版から3年ぶりの改訂となる本書は、「仕事で機械学習に携わる際に知っておきたい事」を伝えるというコンセプトはそのままに、3年の間に登場した新たな考え方、手法など最新の情報を踏まえて内容を全面的に見直しました。これまで同様、機械学習を使った実務に初めて関わる読者にとって頼りになる1冊となるでしょう。「バンディットアルゴリズム」を紹介する新章など、追加原稿も多数。 仕事で機械学習に携わる際に知っておきたい事を伝えるというコンセプトで、機械学習を使った実務に初めて関わる読者のための1冊。
Amazonで購入する

いちばんやさしい機械学習プロジェクトの教本 人気講師が教える仕事に AI を導入する方法 (「いちばんやさしい教本」シリーズ)

著者 韮原祐介
出版社 インプレス
紹介サイト数 3
おすすめ度 13.52849836871733
書籍の説明
Amazonで購入する

12歳からはじめる ゼロからの Pythonゲームプログラミング教室

著者 大槻有一郎
出版社 ラトルズ
紹介サイト数 3
おすすめ度 13.522010378170455
書籍の説明 ミニゲームを作りながら、人工知能で話題のPythonを楽しく覚えよう!Windows 7/8/8.1/10対応。 1 Pythonをはじめよう 2 まずは簡単なことからやってみよう 3 ウィンドウを作ってみよう 4 条件分岐でプログラムに判断させよう 5 たくさんのデータをパパッと料理しよう 6 ロールプレイング風迷路を作ってみよう 7 モンスターと戦闘しよう 8 アドベンチャーゲームを作ろう
Amazonで購入する

パターン認識と機械学習 上

著者 C.M. ビショップ
出版社 丸善出版
紹介サイト数 3
おすすめ度 13.49696961821088
書籍の説明
Amazonで購入する

たった1日で基本が身に付く! Python超入門

著者 伊藤 裕一
出版社 技術評論社
紹介サイト数 3
おすすめ度 13.321474375955273
書籍の説明 詰め込みすぎないわかりやすい解説。コレならわかる!できる! 1 Pythonでプログラミングを始めよう 2 制御構文を理解しよう 3 関数の使い方をマスターしよう 4 オブジェクト指向を理解しよう 5 クラスの使い方をマスターしよう 6 モジュールを利用しよう 7 ファイルの読み書きと例外処理を行おう 8 アプリケーションを作成しよう
Amazonで購入する

Python実践入門 ── 言語の力を引き出し、開発効率を高める (WEB+DB PRESS plusシリーズ)

著者 陶山 嶺
出版社 技術評論社
紹介サイト数 3
おすすめ度 13.292660225767996
書籍の説明 Pythonはここ数年で日本語の書籍も増え、開発現場での利用実績も着実に増えてきています。ご自身の第二、第三の言語の選択肢としてPythonが気になっているという方も多いのではないでしょうか。また、「Pythonを始めてみたけど、実際に業務で利用するには不安が残る」「コードレビューに怯えながらPythonを書いている」という方も多いのではないでしょうか。 本書は、そういった方を対象に、Pythonという言語が持つ機能の実践的な使い方を紹介します。Pythonは、日常的なツールからWeb開発、データ分析、機械学習など分野を問わず利用できる汎用性の高い言語です。本書も同じく、Pythonという言語の仕様やその特徴的な機能、標準ライブラリでできることを中心に扱うため、分野を問わず活用していただけます。 □第1章 Pythonはどのような言語か 1.1 プログラミング言語としての特徴 シンプルで読みやすい動的型付き言語 インデントによるブロックの表現 教育用プログラミング言語ABCの影響 後方互換性の重視 豊富な標準ライブラリ さまざまな用途での利用 1.2 Pythonの歴史と現況 Python自体の進化 Pythonの誕生 Python 2系でメジャーな言語に Python 3系への移行 現在のPythonの状況 Pythonを取り巻く環境の変化 1.3 Pythonコミュニティの特徴 コミュニティ主体のOSS PyCon ── Pythonユーザーが集まるカンファレンス PEPの存在 PEP 8：Style Guide for Python Code ── Python標準のスタイルガイド PEP 20：The Zen of Python ── Pythonの設計ガイドライン PEP 257：Docstring Conventions ── ドキュメントの書き方 1.4 本章のまとめ □第2章 Pythonのインストールと開発者向けの便利な機能 2.1 Pythonのインストール OSにプリインストールされているPython macOSでの利用 公式インストーラを利用したインストール Windowsでの利用 公式インストーラを利用したインストール Ubuntuでの利用 APTを利用したインストール そのほかのLinuxでの利用 Dockerの利用 公式イメージを利用したPythonの実行 スクリプトファイルの実行 2.2 Pythonの実行 本書で利用するpythonコマンド Pythonインタプリタの2つのモード 対話モードのインタプリタ 対話モードの基本的な使い方 対話モードでよく使う組み込み関数 type() ── オブジェクトの型を調べる dir() ── オブジェクトの属性を調べる help() ── ヘルプページを表示する Docstringを使ったヘルプページの作成 スクリプトの実行 モジュールをスクリプトとして実行 pythonコマンドとpython3コマンドの違い 2.3 本章のまとめ □第3章 制御フロー 3.1 基本となる文法 インデントによるブロックの表現 インデントの幅 pass文 ── 何もしないことの宣言 変数の利用 型の宣言がいらない理由 コメント コメントとDocstringの違い 3.2 条件分岐 if文 ── 条件を指定した処理の分岐 真となる値、偽となる値 シンプルな条件式 if文でよく使う数値の比較 if文でよく使うオブジェクトの比較 3.3 ループ ── 処理の繰り返し for文 ── 要素の数だけ処理を繰り返す for文でよく使う組み込み関数 for文のelse節の挙動 for文での変数のスコープ while文 ── 条件を指定した処理の繰り返し while文のelse節の挙動 break文 ── ループを抜ける continue文 ── 次のループに移る 3.4 例外処理 try文 ── 例外の捕捉 except節 ── 例外が発生したときのみ実行する else節 ── 例外が発生しなかったときのみ実行する finally節 ── 例外の有無にかかわらず必ず実行する raise文 ── 意図的に例外を発生させる 独自の例外を定義する with文 ── 定義済みのクリーンアップ処理を必ず実行する 3.5 本章のまとめ □第4章 データ構造 4.1 None ── 値が存在しないことを表現する 条件式でのNoneの利用 4.2 真理値 ── 真／偽を扱う bool型 ── 真理値を扱う型 ブール演算 x or y ── xが真ならx、そうでなければyを返す x and y ── xが真ならy、そうでなければxを返す not x ── xが真ならFalse、そうでなければTrueを返す 4.3 数値 数値どうしの演算 数値を扱う組み込み型 int型 ── 整数を扱う型 float型 ── 浮動小数点数を扱う型 complex型 ── 複素数を扱う型 条件式での数値の利用 4.4 文字列 str型 ── 文字列を扱う型 文字列の演算 for文での文字列の挙動 条件式での文字列の利用 文字列内での変数の利用 f-string ── 式を埋め込める文字列リテラル format() ── 引数に渡した変数で文字列を置換するメソッド %演算子 ── 一番古い文字列フォーマット str型とよく似たbytes型 str.encode()とbytes.decode()を利用した相互変換 Python 2系とPython 3系の文字列の違い 4.5 配列 ── 要素を1列に並べて扱う list型 ── 可変な配列を扱う型 要素の追加と削除 インデックスによる要素へのアクセス スライスによるリストの切り出し tuple型 ── 不変な配列を扱う型 タプル作成時の注意点 インデックスによる要素へのアクセス スライスによるタプルの切り出し for文での配列の挙動 条件式で使える配列の性質 タプルとリストの使い分け 4.6 辞書 ── キーと値のセットを扱う dict型 ── 辞書を扱う型 要素の追加と削除 キーによる要素へのアクセス キーに使えるオブジェクトの条件 for文での辞書の挙動 条件式で使える辞書の性質 4.7 集合 ── 一意な要素の集合を扱う set型 ── 可変な集合を扱う型 要素の追加と削除 frozenset型 ── 不変な集合を扱う型 集合の演算 ── 和、積、差、対称差 for文での集合の挙動 条件式で使える集合の性質 4.8 内包表記 ── 効率的なシーケンスの生成 リスト内包表記 ── 効率的なリストの生成 ネストしたリストの内包表記 if文のある内包表記 そのほかの内包表記 4.9 そのほかの型を表す概念 可変オブジェクト ── 定義後に値を変更できるオブジェクト 不変オブジェクト ── 定義後に値を変更できないオブジェクト コンテナオブジェクト ── ほかのオブジェクトへの参照を持つオブジェクト イテラブルなオブジェクト ── for文で使えるオブジェクト 呼び出し可能オブジェクト ── ()を付けて呼び出せるオブジェクト 4.10 本章のまとめ □第5章 関数 5.1 関数 ── 関連する処理をまとめる 関数の定義と実行 引数を取る関数 関数はオブジェクト 関数の戻り値 returnがない場合の戻り値 関数のさまざまな引数 位置引数 ── 仮引数名を指定しない実引数の受け渡し キーワード引数 ── 仮引数名を指定した実引数の受け渡し デフォルト値のある引数 ── 実引数を省略できる仮引数 可変長の位置引数 可変長のキーワード引数 キーワードのみ引数 ── 呼び出し時に仮引数名が必須になる引数 位置のみ引数 ── 呼び出し時に仮引数名を指定できない引数 引数リストのアンパック ── リストや辞書に格納された値を引数に渡す 関数のDocstring 5.2 lambda式 ── 無名関数の作成 lambda式の定義と実行 lambda式の使いどころ 5.3 型ヒント ── アノテーションで関数に型情報を付与する 型情報を付与するのメリット 型情報の付与 変数への型情報の付与 型ヒントの活用例 ── 静的解析ツールの利用 5.4 本章のまとめ □第6章 クラスとインスタンス 6.1 Pythonのクラス機構 classキーワードによるクラスの定義 インスタンスの作成 6.2 インスタンス ── クラスをもとに生成されるオブジェクト インスタンスメソッド ── インスタンスに紐付くメソッド インスタンス変数 ── インスタンスが保持する変数 インスタンスの初期化 __init__() ── インスタンスの初期化を行う特殊メソッド 引数を渡してインスタンス化する __init__()と__new__()の違い ── イニシャライザとコンストラクタ __new__()の注意点 プロパティ ── インスタンスメソッドをインスタンス変数のように扱う property ── 値の取得時に呼び出されるメソッド setter ── 値の設定時に呼び出されるメソッド クラスやインスタンスのプライベートな属性 アンダースコアから始まる属性 アンダースコア2つから始まる属性 プライベートな属性に対するPythonコミュニティの考え方 6.3 クラス ── インスタンスのひな型となるオブジェクト クラス変数 ── クラスオブジェクトが保持する変数 クラス変数にはインスタンスからも参照可能 クラスメソッド ── クラスに紐付くメソッド スタティックメソッド ── 関数のように振る舞うメソッド 6.4 クラスの継承 メソッドのオーバーライドとsuper()による基底クラスへのアクセス すべてのオブジェクトはobjectクラスのサブクラス 多重継承 ── 複数の基底クラスを指定する 多重継承の注意点 属性__mro__を利用したメソッド解決順序の確認 6.5 本章のまとめ □第7章 モジュールとパッケージ、名前空間とスコープ 7.1 モジュール ── コードを記述した.pyファイル モジュールの作成 モジュールのインポート python3コマンドから直接実行する 引数を取得する 直接実行したときのみ動くコード if __name__ == '__main__':ブロックの意味 変数__name__に格納される値 7.2 パッケージ ── モジュールの集合 パッケージの作成 パッケージ内のモジュールのインポート __init__.py ── パッケージの初期化を行う __init__.pyの便利な使い方 import文の比較 import文のみを利用したインポート from節を利用して特定の属性をインポートする .を利用した相対インポート ワイルドカードを利用して複数の属性を一括インポートする as節による別名の付与 7.3 インポートのしくみ モジュール検索の流れ sys.path ── モジュールの検索パス 検索パスの優先度 PYTHONPATH ── sys.pathに検索パスを追加する 7.4 名前空間と変数のスコープ 名前空間 ── 名前とオブジェクトのマッピング 名前空間の活用 スコープ ── 直接アクセス可能な領域 ローカルスコープ ── 関数内に閉じたスコープ グローバルスコープ ── モジュールトップレベルのスコープ ビルトインスコープ ── 組み込みオブジェクトのスコープ エンクロージングスコープ ── 現在のローカルスコープの1つ外側のスコープ 7.5 本章のまとめ □第8章 組み込み関数と特殊メソッド 8.1 組み込み関数 ── いつでも利用できる関数 オブジェクトの型を調べる関数 isinstance()、issubclass() ── 動的な型判定 callable() ── 呼び出し可能オブジェクトを判定 オブジェクトの属性に関する関数 hasattr() ── オブジェクトの属性の有無を判定 getattr()、setattr()、delattr() ── オブジェクトの属性を操作する イテラブルなオブジェクトを受け取る関数 zip() ── 複数のイテラブルの要素を同時に返す sorted() ── イテラブルの要素を並べ替える filter() ── イテラブルの要素を絞り込む map() ── すべての要素に関数を適用する all()、any() ── 真理値を返す そのほかの組み込み関数 8.2 特殊メソッド ── Pythonが暗黙的に呼び出す特別なメソッド __str__()、__repr__() ── オブジェクトを文字列で表現する __bool__() ── オブジェクトを真理値で評価する __call__() ── インスタンスを関数のように扱う 属性への動的なアクセス __setattr__() ── 属性への代入で呼び出される __delattr__() ── 属性の削除で呼び出される __getattr__()、__getattribute__() ── 属性アクセスで呼び出される イテラブルなオブジェクトとして振る舞う __iter__() ── イテレータオブジェクトを返す __next__() ── 次の要素を返す コンテナオブジェクトとして振る舞う __getitem__()、__setitem__() ── インデックスやキーによる操作 __contains__() ── オブジェクトの有無を判定する そのほかの特殊メソッド 8.3 本章のまとめ □第9章 Python特有のさまざまな機能 9.1 ジェネレータ ── メモリ効率のよいイテラブルなオブジェクト ジェネレータの具体例 ジェネレータの実装 ジェネレータ関数 ── 関数のように作成する ジェネレータ式 ── 内包表記を利用して作成する yield from式 ── サブジェネレータへ処理を委譲する ジェネレータを利用する際の注意点 len()で利用する場合 複数回利用する場合 ジェネレータの実例 ── ファイルの内容を変換する そのほかのユースケース 9.2 デコレータ ── 関数やクラスの前後に処理を追加する デコレータの具体例 functools.lru_cache() ── 関数の結果をキャッシュする関数デコレータ dataclasses.dataclass() ── よくある処理を自動追加するクラスデコレータ デコレータの実装 シンプルなデコレータ 引数を受け取る関数のデコレータ デコレータ自身が引数を受け取るデコレータ 複数のデコレータを同時に利用する functools.wraps()でデコレータの欠点を解消する デコレータの実例 ── 処理時間の計測 そのほかのユースケース 9.3 コンテキストマネージャー ── with文の前後で処理を実行するオブジェクト コンテキストマネージャーの具体例 コンテキストマネージャーの実装 __enter__()、__exit__() ── with文の前後に呼ばれるメソッド with文と例外処理 asキーワード ── __enter__()の戻り値を利用する contextlib.contextmanagerでシンプルに実装する コンテキストマネージャーの実例 ── 一時的なログレベルの変更 そのほかのユースケース 9.4 デスクリプタ ── 属性処理をクラスに委譲する デスクリプタの具体例 デスクリプタの実装 __set__()を実装する ── データデスクリプタ __get__()のみを実装する ── 非データデスクリプタ デスクリプタの実例 ── プロパティのキャッシュ そのほかのユースケース 9.5 本章のまとめ □第10章 並行処理 10.1 並行処理と並列処理 ── 複数の処理を同時に行う 逐次処理で実行する 並行処理で実行する 並列処理で実行する Pythonと並行処理 並行処理と非同期処理の関係 10.2 concurrent.futuresモジュール ── 並行処理のための高水準インタフェース FutureクラスとExecutorクラス ── 非同期処理のカプセル化と実行 ThreadPoolExecutorクラス ── スレッドベースの非同期実行 スレッドベースの非同期実行が効果的なケース ThreadPoolExecutorクラスを利用したマルチスレッド処理の実例 逐次処理で実装 マルチスレッドで実装 マルチスレッドの注意点 マルチスレッドでの動作に問題がある実装 スレッドセーフな実装 ProcessPoolExecutorクラス ── プロセスベースの非同期実行 プロセスベースの非同期実行が効果的なケース ProcessPoolExecutorクラスを利用したマルチプロセス処理の実例 逐次処理で実装 マルチプロセスで実装 マルチプロセスの注意点 pickle化できるオブジェクトを使う 乱数の取り扱い方 10.3 asyncioモジュール ── イベントループを利用した並行処理を行う コルーチン ── 処理の途中で中断、再開する async構文を使ったコルーチンの実装 await構文を使ったコルーチンの呼び出しと中断 コルーチンの並行実行 コルーチンのスケジューリングと実行 イベントループ ── asyncioモジュールの中心的な機構 タスク ── スケジューリングしたコルーチンをカプセル化 非同期I/O ── イベントループに適したI/O処理 同期I/Oを利用する処理のタスク化 asyncioモジュールとHTTP通信 aiohttp ── 非同期I/Oを利用するHTTPクライアント兼サーバライブラリ 10.4 本章のまとめ □第11章 開発環境とパッケージの管理 11.1 仮想環境 ── 隔離されたPython実行環境 venv ── 仮想環境作成ツール venvのしくみ 仮想環境の有効化、無効化 仮想環境内でのpythonコマンド 仮想環境内でパッケージを利用する 複数のプロジェクトを並行して開発する 11.2 パッケージの利用 pip ── パッケージ管理ツール 基本的な使い方 パッケージのインストール パッケージのアンインストール PyPI ── Pythonパッケージのリポジトリ ソースコードリポジトリにあるパッケージをインストールする ローカルにあるパッケージをインストールする インストール済みのパッケージをアップデートする 現在のユーザー用にインストールする 環境の保存と再現 ── requirementsファイルの活用 現在の環境の情報をrequirementsファイルに保存する requirementsファイルから環境を再現する 開発環境でのみ利用するパッケージの管理 依存パッケージのアップデート 11.3 パッケージの作成 setup.py ── パッケージの情報をまとめたファイル パッケージのディレクトリ構成 setup.pyの基本 PyPIへの登録を考慮する 依存パッケージを考慮する .py以外のファイルを考慮する PyPIへのパッケージの登録 PyPIのアカウント作成 配布物の作成 配布物のアップロード 11.4 本章のまとめ □第12章 ユニットテスト 12.1 ユニットテストの導入 単一モジュールのテスト テスト実行コマンドの簡略化 パッケージのテスト ディレクトリ構成 サンプルアプリケーションの作成 12.2 unittestモジュール ── 標準のユニットテストライブラリ テストケースの実装 前処理、後処理が必要なテストケース テストの実行と結果の確認 テスト失敗時の結果 テスト失敗時の結果を抑制する 特定のテストのみを実行する テストケースを直接指定 テストディスカバリ 12.3 unittest.mockモジュール ── モックオブジェクトの利用 モックオブジェクトの基本的な使い方 任意の値を返す呼び出し可能オブジェクトとして利用する アサーションメソッドで呼び出され方をテストする patchを使ったオブジェクトの置き換え mockを利用するテストケースの実例 12.4 ユースケース別のテストケースの実装 環境依存のテストをスキップする 例外の発生をテストする 違うパラメータで同じテストを繰り返す コンテキストマネージャーをテストする 12.5 本章のまとめ □第13章 実践的なPythonアプリケーションの開発 13.1 作成するアプリケーション LGTM画像を自動生成するコマンドラインツール 利用する主な外部パッケージ requests ── HTTPクライアントライブラリ Click ── コマンドラインツール作成ライブラリ Pillow ── 画像処理ライブラリ 13.2 プロジェクトの作成 Gitの利用 .gitignoreファイルの作成 GitHubでのソースコード管理 パッケージのひな型作成 lgtmパッケージの作成 テストコードの作成 13.3 継続的インテグレーションの導入 CircleCIでテスト自動化 プロジェクトの追加 config.ymlの追加 テストの実行と結果の確認 13.4 アプリケーションの開発 コマンドライン引数の取得 画像のソース情報とメッセージを受け取る テストコードの修正 画像の取得 ファイルパスから画像を取得するクラスの実装 URLから画像を取得するクラスの実装 検索キーワードから画像を取得するクラスの実装 画像を取得するクラスの利用 画像処理 文字列を画像上に描画する最小限の実装例 文字列を中央に最適なサイズで描画する 各処理の呼び出し 13.5 コマンドとして実行する setup.pyの作成 entry_points ── スクリプトインタフェースの登録を行う引数 動かしてみよう 13.6 本章のまとめ
Amazonで購入する

データ分析のための数理モデル入門 本質をとらえた分析のために

著者 貴裕, 江崎
出版社 ソシム
紹介サイト数 3
おすすめ度 12.923189886915551
書籍の説明 「数理モデル」とは、現実のデータを理解・活用するために生み出された様々な数理的な手段の総称である。これには、近年注目を浴びている機械学習だけでなく、物理学、生物学、生態学などの自然科学、また心理学、経済学、といった人文社会科学分野で用いられる諸手法が含まれている。 こうした極めて多様な方法論の間には、データの背後に存在するメカニズムをある種の数式で表現し、それを利用するという共通の目的・手続きが存在する。 データと目的が与えられたとして、どのモデリング手法に頼ればいいのだろうか？特に、現象の理解を目的とした分析には、機械学習の諸手法では太刀打ちできないこともある。 こういった場合には、統計モデリングだけでなく所謂計算論的モデルと呼ばれるボトムアップ型のモデリング手法が必要とされることもあるだろう。こうした俯瞰的な視点でモデルの「種類」を選択することはデータ分析において必須のステップであるが、そうした分野を跨いだ解説書は殆ど存在していないといっても良い。 そこで本書は、数理モデル全体が有機的に繋がって見えるような「横糸的な」理解を可能にする、全く新しい入門的な教科書を目指した。 本書では、さまざまなモデリング手法の基礎的な部分を解説するだけでなく、それらをどのように選択して使用すればよいか、そしてモデリングによって得られる結論について初学者が勘違いしやすい事項について丁寧に解説した。 主な読者としては、「これからデータ分析を始める」、或いは「ある種の分析で結果を出すことはできるが、それが何をやっていることになるのかがモヤモヤする」といった初学者・初級者を想定している。大学の一年次でも読み通せる程度の解説レベルを採用しているが、内容が淡泊になりすぎないように注意した。 また、通常データ分析の文脈では言及されない（しかし重要な）種々の数理手法についても解説することで、ある程度モデリングに慣れた読者が読んでも楽しめる内容を目指した。 第一部　数理モデルとは 第1章　データ分析と数理モデル 〔データを分析するということ／数理モデルの役割〕 第2章　数理モデルの構成要素・種類 〔理解志向型・応用志向型モデリング／数理モデルの適用限界〕 第二部　基礎的な数理モデル 第3章　少数の方程式によるモデル 〔線形モデル／実験式・カーブフィッティング／最適化問題〕 第4章　少数の微分方程式によるモデル 〔線形微分方程式／非線形微分方程式／安定性解析／制御理論〕 第5章　確率モデル 〔確率過程／マルコフ過程／待ち行列理論〕 第6章　統計モデル 〔正規分布／統計的検定／回帰分析〕 第三部　高度な数理モデル 第7章　時系列モデル 〔時系列データの構造／自己回帰モデル／状態空間モデル／非線形時系列解析〕 第8章　機械学習モデル 〔複雑なモデルと過学習／分類・回帰問題／クラスタリング／次元削減／深層学習〕 第9章　強化学習モデル 〔行動モデルとしての強化学習／機械学習モデルとしての強化学習〕 第10章　多体系モデル・エージェントベースモデル 〔ミクロからマクロへ／さまざまな集団現象モデル／相互作用のネットワーク分析〕 第四部　数理モデルを作る 第11章　モデルを決めるための要素 〔数理モデルの性質／理解志向型・応用志向型モデリングのポイント〕 第12章　モデルを設計する 〔変数の選択／データの取得・実験計画／数理構造・パラメータの選択／間違ったモデリングをしないために〕 第13章　パラメータを推定する 〔目的に応じたパラメータ推定／パラメータ推定における目的関数の最小化／ベイズ推定・ベイズモデリング〕 第14章　モデルを評価する 〔「いいモデル」とは／分類精度の指標／情報量基準／ヌルモデルとの比較・尤度比検定／交差検証〕
Amazonで購入する

データマイニング入門―Ｒで学ぶ最新データ解析―

著者 豊田 秀樹
出版社 東京図書
紹介サイト数 2
おすすめ度 12.88504541824067
書籍の説明 第1章 データマイニングとは 第2章 ニューラルネット 第3章 人工知能エンジンと決定木 第4章 自己組織化マップ 第5章 連関規則 第6章 クラスター分析 第7章 ベイジアンネットワーク 第8章 サポートベクターマシン 第9章 潜在意味解析
Amazonで購入する

深層学習教科書 ディープラーニング G検定(ジェネラリスト)公式テキスト 第2版

著者 猪狩 宇司
出版社 翔泳社
紹介サイト数 2
おすすめ度 12.650114716365316
書籍の説明 大好評！デジタル時代の必携リテラシー、G検定の「公式テキスト」の改訂版！ 【本書の特徴】 ・大ベストセラー、ディープラーニング G検定 公式テキストの改訂版。 ・改訂された新シラバスに完全準拠。 ・試験運営団体である「日本ディープラーニング協会」が監修。 ・章末問題を大増量。分かりやすい解説付き。 ・ディープラーニングに関する入門書としても最適。 【対象読者】 ・ G検定を受験しようと思っている人 ・ディープラーニングについて概要を学びたい人 ・ディープラーニングを事業活用しようと思っている人・DX推進を検討している人 【G検定とは】 ・内容：ディープラーニングを事業に活かすための知識を有しているかを検定する ・試験方式：知識問題（多肢選択式）、オンライン実施（自宅受験） ・日程：年3回（詳細は公式サイトにて公表） 【目次】 試験の概要 第1章 人工知能（AI）とは 第2章 人工知能をめぐる動向 第3章 人工知能分野の問題 第4章 機械学習の具体的手法 第5章 ディープラーニングの概要 第6章 ディープラーニングの手法 第7章 ディープラーニングの社会実装に向けて Appendix　事例集 産業への応用 第1章　人工知能（AI）とは 1-1.人工知能（AI）とは 1-2.人工知能研究の歴史 第2章　人工知能をめぐる動向 2-1.探索・推論 2-2.知識表現 2-3.機械学習・深層学習 第3章　人工知能分野の問題 3-1.人工知能分野の問題 第4章　機械学習の具体的手法 4-1.代表的な手法 4-2.モデルの評価 第5章　ディープラーニングの概要 5-1.ニューラルネットワークとディープラーニング 5-2.ディープラーニングのアプローチ 5-3.ディープラーニングを実現するには 5-4.活性化関数 第6章　ディープラーニングの手法 6-1.畳み込みニューラルネットワーク 6-2.深層生成モデル 6-3.画像認識分野での応用 6-4.音声処理と自然言語処理分野 6-5.深層強化学習 6-6.モデルの解釈性の問題とその対応 第7章　ディープラーニングの社会実装に向けて 7-1.AIと社会 7-2.AIプロジェクトを計画する 7-3.データを集める 7-4.データを加工・分析・学習させる 7-5.実装・運用・評価する 7-6.クライシス・マネジメントをする Appendix　事例集 産業への応用 A-1.製造業領域における応用事例 A-2.モビリティ領域における応用事例 A-3.医療領域における応用事例 A-4.介護領域における応用事例 A-5.インフラ領域における応用事例 A-6.サービス・小売・物流領域における応用事例 A-7.農林水産業領域における応用事例 A-8.その他領域における応用事例
Amazonで購入する

Pythonプログラミングパーフェクトマスター[Python3/Anaconda/PyQt5対応第3版] (Perfect Master)

著者 金城俊哉
出版社 秀和システム
紹介サイト数 2
おすすめ度 12.469398791845808
書籍の説明 Pythonはオブジェクト指向型の言語で、初学者向けでも文法解説だけでは物足りないと感じることが多いでしょう。本書では「チャットボットの開発を軸に文法的なものを学ぶ」スタイルをメインに、巻末ではディープラーニングについても学ぶことができます。 Anaconda、Jupyter Notebook、Spyderを使用し、Qt Designerでの解説をしていますので、それらの使い方も身に付きます。 第3版となる本書では、Web API、ライブラリを最新のものに対応するとともに、画像認識についてより高度な手法を追加しています。 Chapter 0 いま、なぜPythonなのか 　0.1 そもそもPythonって何のためのものなの？ 　　0.1.1 まずは「Pythonって何？」 　　0.1.2 Pythonって他のプログラミング言語と何が違うの？ 　　　Pythonは書いたらすぐに実行できる「インタープリター型言語」 　　　Memo プログラミング言語 　0.2 PHP、Ruby、Perlがあるのに、なぜPythonなの？ 　　0.2.1 日本語対応もしっかり！ 　0.3 どうしてPythonはプログラミングの学習に向いてるの？ 　　0.3.1 Pythonが褒められる2つの理由 　　　Pythonには面倒な手続きが少ない 　　　「プログラマーの頭」になるための近道 　0.4 Pythonのコードが読みやすいって、どんなふうに？ 　　0.4.1 階乗を求めるプログラムで比べてみよう 　0.5 結局のところPythonで何が作れるの？ 　　0.5.1 具体的にソフトウェアとしてはどんなものが作られているの？ 　　　統合開発環境 　　　Memo Pythonは書いたらすぐに実行できるインタープリター型言語 　　　Webフレームワーク 　　　科学／数学用のライブラリ 　　　ディープラーニング用のライブラリ 　0.6 Pythonが使えると、この先どんなメリットがあるのかな？ 　　0.6.1 Pythonのイイところ 1「ビッグな実績があるんです」 　　0.6.2 Pythonのイイところ 2「強力なフレームワークがいっぱいあるんです」 　　0.6.3 Pythonのイイところ 3「やっぱ需要はJavaの方が上でしょ？」 　　　Onepoint 実は「儲かる」Pythonプログラマー 　0.7 ところでPythonでアプリを作って何がウレシイの？ 　　　Pythonにはイイことがいっぱい 　0.8 Pythonプログラミングをゼロからスタート！ 　　　なるべく順番に読んでほしいけど、好きなところから始めてもかまいません！ Chapter 1 Pythonを使えるようにしてプログラミングを始めよう（環境構築とソースコードの入力） 　1.1 PythonをダウンロードしてPCにインストールしよう 　　1.1.1 PythonをダウンロードしてWindowsマシンにインストールしよう 　　　Python3.x.xのダウンロードとインストール 　1.2 IDLE (Python GUI)を起動してPythonを動かしてみよう 　　1.2.1 Pythonの開発ツール「IDLE」でプログラムを実行してみよう 　　　IDLEを起動して「Hello world!」プログラムを実行する 　　　Memo Pythonのバージョン 　　　Memo Macへのインストール 　　1.2.2 もっとプログラムらしいことをやってみよう 　　　Pythonのプログラム用ファイルを作る 　　　Memo 外部ライブラリ 　　　保存したプログラムを実行する 　　1.2.3 さらにプログラムらしいことをやってみよう（アプリの画面を作る） 　　　専用の画面を持つプログラムを作ってみる 　　　Hint 本書で使う標準ライブラリ以外のライブラリ 　　　Memo Pythonのロゴ 　1.3 Anacondaをインストールして開発環境を用意する 　　1.3.1 Anacondaのダウンロードとインストール 　　　macOSの場合 　　1.3.2 アプリを開発するための仮想環境を構築しよう 　　　好きな名前を付けて仮想環境を構築しよう 　　1.3.3 Jupyter Notebookことはじめ 　　　Jupyter Notebookを仮想環境にインストールする 　　　Notebookを作成してソースコードを入力してみよう 　　　Notebookを保存して改めて読み込んでみよう 　　　Memo Jupyter Notebookのコマンド 　　　Jupyter Notebookを便利に使う 　　1.3.4 Spyderことはじめ 　　　Spyderを仮想環境にインストールする Chapter 2 Pythonプログラムの材料（オブジェクトとデータ型） 　2.1 データのかたち（データ型） 　　2.1.1 プログラムとデータは別のもの（リテラル） 　　　値（リテラル）の姿 　　　Memo プログラムを書くときにハマりやすいこと 　　2.1.2 整数も小数も正も負も（数値型） 　　　数値型 　　2.1.3 文字も文字列も（文字列型） 　　　文字列リテラル 　　　Hint 「'」と「"」のどっちがいい？ 　　2.1.4 データではない文字列（コメント） 　　　ソースコードのメモ書き「コメント」 　　2.1.5 YesかNoだけ（ブール〈bool〉型） 　　　真偽リテラル 　　2.1.6 「値そのものが存在しない」は「None」 　　　何もないことを示す特殊なリテラル「None」 　2.2 オブジェクトと変数 　　2.2.1 オブジェクトを捕まえろ！ 　　　プログラムのデータはすべてオブジェクトになる 　　　オブジェクトには関数（メソッド）が結び付けられている 　　2.2.2 3回続けてあいさつしてみよう??変数への代入 　　　代入した値のデータ型は変更できないけれど値そのものを書き換えることはできる 　　　Memo 変数名を付けるときのルール 　　　Hint 変数名の命名規則 　2.3 変数を使っていろんな計算をする 　　2.3.1 「入力した値を2倍にしてあげるよ」（算術演算子） 　　　計算をさせるための記号、算術演算子 　　　変数を使って演算する 　　　単項プラス演算子（＋）、単項マイナス演算子（?） 　　2.3.2 「x='僕の名前はPythonです'」（代入演算子） 　　　代入演算子による値の代入 　　　複合代入演算子による式の簡略化 　　　多重代入 　　2.3.3 どこから手を付ける？（演算子の優先順位） 　　　演算子には優先順位があるけれど()でコントロールできる 　　　Memo 演算子の優先順位 　2.4 文字列や数値をPythonの道具で自在に操ろう（関数、メソッド） 　　2.4.1 Pythonの道具（関数、メソッド） 　　　print()関数ってどこから呼んできたの？ 　　2.4.2 整数型への変換と浮動小数点数型への変換 　　　整数以外の値をint型に変換する 　　　浮動小数点数型（float型）への変換 　　　Hint リテラルも変数もみんなオブジェクト 　　　Hint 小数を含むstr型の「数字」をfloat型にする 　　2.4.3 え！ 文字が逃げる？（エスケープシーケンス） 　　　自動エコーとprint()関数による出力結果の違い 　　　「\」で文字をエスケープすれば改行やタブを入れられる 　　2.4.4 「"こん" ＋ "にちは"」「ようこそ ＊4」（文字列の連結と繰り返し） 　　　文字列を連結したり繰り返したりする 　　2.4.5 会話文の中から必要な文字だけ取り出そう 　　　［ ］で1文字抽出する 　　　[:]や[: :]で文字列を切り出す 　　2.4.6 関数やメソッドを使えば文字列の分割、結合、置換、いろいろできる 　　　len()関数で文字列の長さを調べる 　　　split()メソッドで文字列を規則的に切り分ける 　　　join()メソッドで文字列をジョイント！ 　　　replace()メソッドで文字列の一部を置き換える 　　　format()メソッドで文字列を自動作成 　　　Tips 逆さ言葉を答えてみよう 　　2.4.7 初恋したのはいつ？（input()関数） 　　　コンソール上で入力された文字列はinput()関数で取得 　　2.4.8 あなたの標準体重は？ 　　　BMI（体格指数）を使って標準体重を計算してあげよう 　　　Memo そのほかの便利な文字列操作関数 Chapter 3 条件分岐と繰り返し、関数を使う 　3.1 テニスの攻撃パターンをシミュレートする 　　3.1.1 同じ技を10回繰り出す（forによる繰り返し） 　　　スマッシュを連続10回繰り出す 　　3.1.2 2つの技を交互に繰り出す（ifによる条件分岐） 　　　スマッシュとストロークを交互に繰り出す 　　　Memo rangeオブジェクト（1） 　　　Memo True／Falseと真／偽 　　3.1.3 3つの技を織り交ぜる（if...elif...else） 　　　ifにelifを加えて条件を2つに増やす 　　　ifの条件式を書く順番に気を付けよう 　　3.1.4 攻撃のパターンをランダムにしよう 　　　randomモジュールを使って疑似乱数を発生させる 　3.2 もう1つの繰り返し技（whileによる繰り返し） 　　3.2.1 条件がTrueの間は繰り返すよ 　　　スマッシュを連続10回繰り出す 　　3.2.2 ピティナ、入力された言葉を再生する 　　　相手の言葉をそのまま再生、'さよなら'で終了 　3.3 リスト 　　3.3.1 4種類のストロークを順に繰り出す（リスト） 　　　リストで複数のオブジェクトをまとめて管理 　　　インデックシング 　　　スライス 　　　イテレーション 　　　リストの更新 　　　Memo rangeオブジェクト（2） 　　　2つのリストをforで処理してみる 　　　リストのリスト 　　　Memo リストの操作 　　　リストの中に要素製造装置を入れる（内包表記） 　　3.3.2 いわゆる「定数リスト」（タプル） 　　　タプルの使い方 　3.4 辞書と集合 　　　Memo リスト要素をランダムに抽出する 　　3.4.1 ボールを打ったら音を出す（名前と値のペア） 　　　辞書（dict）型 　　　イテレーションアクセス 　　　Memo 辞書に使えるメソッド 　　　複数のシーケンスのイテレート 　　3.4.2 要素の重複を許さない集合 　　　まずは集合を作ってみる 　　　集合を使って重複した要素を削除する 　3.5 装置を作る（関数） 　　3.5.1 呼び出すと擬音を付けてくれる関数 　　　パラメーターの指定 　　　デフォルトパラメーター 　　　Memo デフォルトパラメーターの使いどころ 　　　Hint リストをデフォルトパラメーターにするときの注意 　　　伸縮自在のパラメーター 　　　キーと値がセットになったパラメーター 　　　関数オブジェクトと高階関数 　　　関数内関数とクロージャー 　　　小さな関数は処理部だけの「式」にしてしまう（ラムダ式） 　　　Onepoint ラムダ式はいろんなプログラミング言語で使われている 　　　ジェネレーター 　　　Onepoint ジェネレーターの内部的な処理 　　　デコレーター Chapter 4 オブジェクト、そして人工知能へ向けての第一歩 　4.1 オリジナルのオブジェクト 　　4.1.1 「鬼コーチオブジェクト」登場！（クラスの作成） 　　　オリジナルのクラス = オブジェクト 　　　Memo 「オブジェクト」と「インスタンス」 　　4.1.2 「鬼コーチ」を呼んでこよう（オブジェクトの生成） 　　　MyCoachクラスからMyCoachオブジェクトを作る 　　　Memo メソッドと関数って何が違うの？ 　　4.1.3 打ち返した回数を覚えておいてもらおう（クラス変数） 　　　オブジェクト同士で共有するクラス変数 　　　クラス変数を外部で初期化する 　　　teach()をクラスメソッドに変更する 　　　Memo メソッドやクラス変数を動的に追加する 　　4.1.4 大事な変数は隠しておこう（カプセル化） 　　　インスタンス変数へのアクセスはすべてプロパティ経由にする 　　　プロパティを使うことに意味はあるの？ 　4.2 ほんとに知能？ 　　4.2.1 人工知能って何？ えっ知能？ 無脳？ 　　　絶妙トークは続く 　　　ピティナ、君は人工ピーポー？ 　　　Pitynaオブジェクトの動作原理 　　　Pitynaクラスと応答クラス 　　　Memo ソースコードのドキュメント化 　　4.2.2 最初のピティナ 　　　Spyderを起動して開発の準備をしよう 　　　ピティナ、オウム返しボットバージョン 　　4.2.3 「オウム返し」＋「ランダム応答」の2本立てで反応する（継承とオーバーライド） 　　　ピティナ・バージョン2の実行モジュール「prototype.py」 　　　Memo モジュール（Pythonファイル）の取り込み 　　　Pitynaクラスのモジュール「pityna.py」 　　　応答オブジェクトのモジュール「responder.py」 　　　Memo RepeatResponderへの切り替え 　　　Memo 自然言語処理って何をするの？ Chapter 5 ピティナのGUI化と［人工感情］の移植 　5.1 GUI版ピティナ 　　5.1.1 ピティナをGUIモジュールに移植するよ 　　　まずはQt Designerを呼んでこよう 　　5.1.2 メインウィンドウを作成してウィジェット（widget）を配置しよう 　　　メインウィンドウを作成する 　　　Hint UI画面の開発は手打ち派？ それともUIデザイナー派？ 　　　ログを表示するためのリストを配置する 　　　応答クラス名の表示／非表示切り替え用のラジオボタンを配置する 　　　会話入力用のテキストボックスを配置する 　　　メッセージの送信ボタンを配置する 　　　ピティナの応答領域、ラベルを配置する 　　　ピティナのイメージを表示する 　　　メニューを使う 　　5.1.3 イベント駆動の仕組みを実装しよう 　　　ボタンクリックで駆動する仕組みを作ろう 　　　ラジオボタンのオン/オフで駆動する仕組みを作ろう 　　　メニューの［閉じる］選択で駆動する仕組みを作ろう 　　5.1.4 XML?Pythonモジュールへのコンバート 　　　コマンドラインツール「pyuic5」でコンバートする 　　　コンバート専用のプログラムを作る 　　　リソースファイル（.qrs）をPythonにコンバートする 　　　Memo コマンドをAnacondaのターミナルから実行する 　　　Attention リソースファイルの名前に注意！ 　　5.1.5 GUI版ピティナプログラムの開発 　　　プログラムの起点、「main.py」モジュールを用意する 　　　UI画面を構築する「mainWindow.py」モジュールを用意する 　　　ピティナの本体「pityna.py」を用意する 　　　応答クラスの「responder.py」モジュールを用意する 　　　すべてのモジュールを確認してピティナを起動してみよう 　　5.1.6 Responderをランダムに切り替える 　　　応答時にRandomResponderとRepeatResponderをランダムに実行する 　5.2 辞書を小脇に 　　5.2.1 ファイルのオープンと読み込み 　　　ファイルの中身を読み込んで画面に出力してみよう 　　　ピティナ、辞書を読み込む 　　　Memo ユニバーサル改行コード 　5.3 ピティナ、パターンに反応する 　　5.3.1 正規表現ことはじめ 　　　正規表現のパターン 　　　パターン辞書ファイルを作ろう 　　5.3.2 「パターン辞書」「ランダム辞書」「オウム返し」の三つどもえの反応だ！ 　　　match()とsearch 　　　Dictionaryクラス 　　　Responderクラス 　　　Pitynaクラス 　5.4 感情の創出 　　5.4.1 ピティナに「感情」を与えるためのアルゴリズム 　　　感情の「揺れ」はパラメーター値を変化させる仕組みで実現 　　　Onepoint 感情の揺れをパラメーター値で表す 　　　感情の表現はイメージを取り換えることで伝える 　　5.4.2 パターン辞書の変更 　　　パターン辞書のフォーマットを変更 　　　Memo プログラムをダブルクリックで起動する方法 　　5.4.3 感情モデルの移植（Emotionクラス） 　　　機嫌値を管理するEmotionクラス 　　5.4.4 感情モデルの移植（Dictionaryクラス） 　　　パターン辞書の各行をPatternItemオブジェクトとして保持する 　　　Memo 応答メッセージをテキストエディットに出力する 　　5.4.5 感情モデルの移植（Patternltemクラス） 　　　パターンや応答例から機嫌変動値を取り出す 　　　PatternItemクラスの__init__()によるオブジェクトの初期化 　　　match()、choice()、suitable()の追加 　　5.4.6 感情モデルの移植（Responderクラス、PatternResponderクラス、Pitynaクラス） 　　　ResponderクラスとRepeatResponder、RandomResponderの修正 　　　パターン辞書を扱うPatternResponderクラスの修正 　　　Memo ピティナプログラムのモジュール 　　5.4.7 感情モデルの移植（ピティナの本体クラス） 　　5.4.8 ピティナ、笑ったり落ち込んだり 　　　プログラム開発前の準備 　　　Qt Designerを起動してリソースファイルを作ろう 　　　UI形式ファイルとQRC形式ファイルのコンバート 　　　感情の揺らぎを表情で表す Chapter 6 「記憶」のメカニズムを実装する（機械学習） 　6.1 機械学習のススメ 　　6.1.1 まるごと覚える 　　　辞書の学習を実現するためにクリアすべき課題 　　　「学習メソッド」と「記憶メソッド」の追加 　　　ピティナの本体クラスの修正 　　　プログラム終了時の処理 　6.2 形態素解析入門 　　6.2.1 形態素解析モジュール「Janome」の導入 　　　「PyPI」はPythonライブラリの宝庫 　　　pipコマンドで「Janome」をインストールする 　　　Attention pipコマンドでのインストール 　　　「Janome」で形態素解析いってみよう 　　　Memo datetimeモジュール 　　6.2.2 キーワードで覚える 　　　形態素解析を行うanalyzerモジュールを作ろう 　　　ピティナの本体クラスを改造する 　　　Dictionaryクラスを改造する 　　　Memo Dictionaryクラスのメソッド 　　　パターン辞書ファイルへの保存 　　　Onepoint with文 　　　PatternItemクラスのadd_phrase()とmake_line() 　　　形態素解析版ピティナと対話してみる 　6.3 テンプレートとして覚える 　　6.3.1 テンプレート学習用の辞書を作ろう 　　　ピティナプログラムに必要なファイル一式 　　　テンプレート辞書の構造 　　　Attention ピティナの応答エリアをテキストエディットに変更する 　　6.3.2 Dictionaryクラスの改造 　　　テンプレート辞書ファイルへの保存 　　　Responderクラス群の新入り、TemplateResponderクラス 　　　Pitynaクラスの変更 　　　テンプレート学習を実装したピティナと対話してみる Chapter 7 マルコフ連鎖で文章を作り出す 　7.1 無限のサル定理をマルコフ連鎖で実証する 　　7.1.1 マルコフ連鎖を使って文章を生成する 　　　単語がつながっていくときの法則 　　　マルコフ連鎖、マルコフモデルとは 　　7.1.2 3単語プレフィックスのマルコフ辞書 　　　「わたしが好きなプログラムの女の子です。」って？ 　　7.1.3 マルコフ辞書の実装 　　　形態素解析とファイルの読み込み 　　　マルコフ辞書の作成 　　　マルコフ辞書から文章を作り出す 　　　Memo マルコフ連鎖 　　　Memo もとになる文章量が少ないと文章が作れないことがある 　　　重複した文章を取り除く 　　　プログラムを実行して文章を作ってみる 　　　Hint 著作権の切れた作品を公開する青空文庫 　7.2 マルコフ連鎖を利用した会話ボットの作成 　　7.2.1 小説を題材にマルコフ連鎖で生成した文章で応答する 　　　Markovクラス 　　7.2.2 入力した文字列に反応するようにしてみる 　　　markov_botモジュールの改造 　　　入力した内容にマルコフ辞書が反応するか確かめる 　　　Memo マルコフ連鎖の活用例 　7.3 ピティナ、マルコフ辞書を使う 　　7.3.1 マルコフ連鎖文を生成するMarkovクラス 　　　Markovクラス 　　7.3.2 Pitynaクラスの改造 　　　Pitynaクラス 　　7.3.3 Responderに新たに加わったサブクラスMarkovResponder 　　　MarkovResponderクラス 　　7.3.4 DictionaryクラスにmakeMarkovDictionary()メソッドを追加 　　　Dictionaryクラス 　　7.3.5 マルコフ辞書を手にしたピティナ、その反応は？ 　　　最後に処理の流れを確認しておこう Chapter 8 インターネットアクセス 　8.1 外部モジュール「Requests」を利用してネットに接続する 　　8.1.1 外部モジュール「Requests」 　　　Requestsのインストール 　　8.1.2 Yahoo! JAPANにアクセスしてみよう 　　　Requestsを利用してWebサイトにアクセスする 　　　レスポンスメッセージからデータを取り出すメソッド 　　8.1.3 Web APIで役立つデータを入手 　　　Webサービスを利用するためのWeb API 　　　NTTドコモが提供しているWeb APIがオモシロイ 　8.2 Requestsでネット上の情報を収集しよう 　　8.2.1 天気予報のWebサービス「OpenWeatherMap」を利用する 　　　「OpenWeatherMap」の無料アカウントを取得する 　　　5日間/3時間ごとの天気予報を取得するためのURLを作ろう 　　　requestsのget()で天気予報をゲット！ 　　　Memo Weather APIの呼び出し回数の制限 　　8.2.2 ウィキ（Wiki）るプログラム 　　　MediaWikiのAPI 　　　Wikipediaから情報を収集しよう 　　8.2.3 「Yahoo!ニュース」のヘッドラインを取得してみよう 　　　スクレイピング専用のBeautifulSoup4モジュール 　　　Memo Twitterの開発者向けサイト 　　　BeautifulSoup4で「Yahoo!ニュース」のRSSをスクレイピング 　　8.2.4 ピティナ、ネットにつながる 　　　ピティナが今日から5日後までの天気を教えてくれる 　　　mainWindowモジュールの改造 　　　Webにつながるピティナを実行してみる 　　　Memo 「OpenWeatherMap」で無料で利用できるWebサービス 　　　Memo WebサービスのGoogle Colabを便利に使おう！ Chapter 9 ピティナ、ディープラーニングで画像認識に挑戦！ 　9.1 ディープラーニングと言えばPythonなのです 　　9.1.1 ディープラーニングっていったい何？ 　　　ニューラルネットワークのニューロン 　9.2 認識率98％の高精度のニューラルネットワークを作る 　　9.2.1 Kerasライブラリをインストールして「手書き数字」の画像データを用意しよう 　　　Kerasを仮想環境にインストールしよう 　　　Memo TensorFlowのインストールができないときの対処法 　　　Memo matplotlib.pyplot.imshow() 　　　Memo Matplotlibのインストール方法 　　9.2.2 ニューラルネットワークをプログラミングする 　　　入力層をプログラミングしよう 　　　第1層（隠れ層）をプログラミングしよう 　　　ドロップアウトを実装しよう 　　　第2層（出力層）をプログラミングしよう 　　　バックプロパゲーションを実装しよう 　　　ディープラーニングを実行して結果を評価しよう 　　　Memo ディープラーニングの結果が保存されたファイル 　9.3 ディープラーニング版ピティナ 　　9.3.1 ディープラーニング版ピティナ開発の概要です 　　　ディープラーニング版ピティナの開発手順 　　9.3.2 ピティナAIの画面の開発 　　　フォーム（メインウィンドウ）のプロパティを設定する 　　　3個のラベルを配置してプロパティを設定する 　　　[閉じる]メニューの設定 　　　Onepoint pixmapプロパティでリソースファイルからイメージを取り込む手順 　　　UI画面をPythonモジュールにコンバートする 　　9.3.3 ピティナAIをプログラミングしよう 　　　ピティナAIを起動するモジュール 　　　UI画面を生成するモジュールを作成しよう 　　　ほんとにAI？ ピティナ本体をプログラミングする 　　　ピティナAI、手書きの数字を認識する 　9.4 ピティナ、ファッションアイテムを92％の高確率で識別する 　　9.4.1 ファッションアイテムのデータセットとは何ぞや？ 　　9.4.2 畳み込みニューラルネットワークの仕組みをさらっと紹介 　　　2次元フィルター 　　　ゼロパディング 　　　プーリング 　　　訓練データにばかり適合するのを避けるための「正則化」 　　　プーリング層とドロップアウトを備えた畳み込みネットワークの構築 　　9.4.3 Fashion-MNISTデータを読み込んで学習する 　　　「LearnMNIST.py」を畳み込みネットワーク版に改造してファッションアイテムを学習する 　　9.4.4 ピティナの本体モジュール「pityna.py」を改造する 　　　pityna.pyの一部を書き換える 　　　ピティナAI、ファッションアイテムを判別する Appendix 1 Pythonの標準ライブラリ 　shutil（高水準のファイル操作） 　timeit（小さなコード断片の実行時間計測） 　collections（コンテナデータ型） 　datetime（基本的な日付型と時間型） 　Appendix 2 Pythonの外部ライブラリ 　データベース 　ゲーム開発 　GIS(位置情報システム) 　GUI 　画像処理 　Web開発
Amazonで購入する

よくわかるPython入門

著者 富士通ラーニングメディア
出版社 富士通ラーニングメディア
紹介サイト数 2
おすすめ度 12.469398791845808
書籍の説明 富士通ラーニングメディアがご提供する人気の研修コース「Python入門」をベースに書籍化しています。 Pythonは、データ解析やAI（人工知能）など様々な用途に使えることから、近年最も注目されているプログラミング言語です。富士通ラーニングメディアでは、Pythonに関する研修コースをラインナップとしてご提供しており、その中でも入門レベルに相当し、人気ベスト10にもよく入る「Python入門」の研修コースの内容を今回書籍化しました。 セールスポイント ●人気の研修コース「Python入門」を書籍化！ 富士通ラーニングメディアがご提供する人気の研修コース「Python入門」をベースに書籍化しています。富士通ラーニングメディアの研修コースの特徴である「実習が多い」という特性を活かし、実習中心の作りにしています。 ●手を動かしてプログラムをどんどん作る！ 基本的な構文（文法）のプログラム実践例を、手を動かしてどんどん作成し、実行結果を確認します。1行でもわからないと理解できなくなるのがプログラムの常です。本書ではプログラム1行1行すべての動きを解説しています。 ●挫折しやすいエラーを徹底フォロー！ プログラミングはエラーで挫折する傾向があります。本書では「よく起きるエラー」を随所で取り上げ、エラーの発生場所やその意味、対処方法（どこを修正したらよいか）を徹底解説しているので、学習を1人でも進めていけます。 ●実習問題で実力がバッチリ身に付く！ 実習問題を随所でご用意しており、プログラミングの実力を深められます。「実行結果例」をみて、同じように動作するプログラムの作成に取り組みます。解答例はプログラム1行1行すべての動きを解説しており、理解が深まります。 本書をご利用いただく前に 第1章　Pythonの概要を理解する 1-1　プログラムの概要 　1-1-1　プログラムとは 　1-1-2　プログラミング言語とは 　1-1-3　プログラムを開発する流れ 1-2　Pythonの概要 　1-2-1　Pythonとは 　1-2-2　Pythonの様々な利用シーン 第2章　Pythonの環境構築を行う 2-1　環境構築 　2-1-1　Pythonのインストール 　2-1-2　開発ツール 2-2　Pythonの体験操作 　2-2-1　メモ帳とコマンドプロンプトでPythonの 　　　　 プログラムを実行する 　2-2-2　対話モードでPythonのプログラムを実行 　　　　 する 　2-2-3　Visual Studio CodeでPythonのプログラ 　　　　 ムを実行する 第3章　Pythonの基本文法を学ぶ 3-1　記述規約 　3-1-1　Pythonのプログラムが読みやすい理由 　3-1-2　Pythonの書き方 　3-1-3　Pythonのプログラムを読みやすくするた 　　　　 めの規則 3-2　データの保持 　3-2-1　変数とは 　3-2-2　関数の呼び出しとデータ入力 　3-2-3　リストとは 　3-2-4　多次元リストとは 　3-2-5　タプルとは 　3-2-6　辞書とは 　3-2-7　集合とは 3-3　演算子 　3-3-1　演算子とは 　3-3-2　算術演算子 　3-3-3　累計代入演算子 　3-3-4　文字列を連結する演算子 　3-3-5　比較演算子 　3-3-6　論理演算子 3-4　制御構造 　3-4-1　制御構造の種類 　3-4-2　条件分岐 　3-4-3　繰り返し ～for文～ 　3-4-4　繰り返し ～while文～ 　3-4-5　繰り返し処理の制御 3-5　関数 　3-5-1　関数とは 　3-5-2　関数の定義 3-6　例外処理 　3-6-1　例外処理とは 　3-6-2　例外処理の実装 第4章　外部プログラムの呼び出し方を学ぶ 4-1　ライブラリ 　4-1-1　ライブラリとは 　4-1-2　ライブラリの管理ツール 4-2　モジュールの関数の呼び出し 　4-2-1　モジュールの関数の呼び出し方法 　4-2-2　標準ライブラリのモジュールの利用例 　4-2-3　外部ライブラリのモジュールの利用例 第5章　ファイルの入出力を学ぶ 5-1　アプリケーションとやり取りする 　　 データの形式 　5-1-1　データの入出力 　5-1-2　JSON 　5-1-3　XML 　5-1-4　CSV 5-2　ファイルの読み書き 　5-2-1　テキストファイルの読み込み 　5-2-2　テキストファイルの書き込み 　5-2-3　JSON形式のファイルの読み込み 　5-2-4　JSON形式のファイルの書き込み 　5-2-5　XML形式のファイルの読み込み 　5-2-6　XML形式のファイルの書き込み 　5-2-7　CSV形式のファイルの読み込み 　5-2-8　CSV形式のファイルの書き込み 第6章　一歩進んだプログラムに挑戦する 6-1　オブジェクト指向プログラミング 　6-1-1　オブジェクトとクラス 　6-1-2　クラスの作成 　6-1-3　オブジェクトの作成 　6-1-4　継承 　6-1-5　アクセス制御 6-2　PythonによるExcelの操作 　6-2-1　Excelの操作のための外部ライブラリ 　6-2-2　Excelシートのセルから値の読み込み 　6-2-3　Excelシートのセルへの値の書き込み 付録 付録A　よく起きるエラーの一覧 付録B　研修コースのご紹介 索引
Amazonで購入する

ディープラーニング活用の教科書

著者 日本ディープラーニング協会
出版社 日経BP
紹介サイト数 2
おすすめ度 10.564351754202699
書籍の説明 急速に広がるディープラーニング活用の今と未来がわかる！国内の事例を体系的に取り上げ先駆者が解説 AIは研究から実用フェーズへ―― 急速に広がるディープラーニング活用の今と未来がわかる！ 国内35社の事例を体系的に取り上げ、先駆者が苦労したポイントを解説 ＜日本ディープラーニング協会監修＞ 活用を検討する企業でよく生じる疑問にも答えます。 次世代の新規事業や業務改善の企画に欠かせない1冊！ インターネットに遅れること20年、ディープラーニングは、 「汎用目的技術」の1つとして、あらゆる産業を変えていくとみられています。 汎用目的技術とは、古くは動物の家畜化、車輪、印刷の発明から、鉄道、電気、 自動車、インターネットまで「原理は単純で汎用的でさまざまなことに利用できる」 技術のことをいいます。 本書は、ディープラーニングが与えるインパクトを事例を基に解説します。 第1章では、東京大学大学院工学系研究科 特任准教授の松尾豊氏が描く「ディープラーニングをベースにしたAIの技術的発展」（ロードマップ）を解説。 第2～5章ではこのロードマップを基に国内の先進事例を分類して紹介していきます。 カツ丼の盛り付けを判定、泳ぐマグロの数を数える、クリーニング衣類を判別、文章の校閲、河川の護岸の傷判定、送電線の異常検知、道路下の空洞を探る、タクシーの乗客数予測、テレビCMの効果を予測、お弁当の盛り付け、重機で自動掘削、白黒映像の色付け、仮想アイドル画像の生成、プロ並みアナウンサー、人の話し方をまねる……続々登場する、こうしたディープラーニングの驚異の活用法が分かります。 第1章　ディープラーニングの発展予測 第2章　[Step1] 人の「眼」となり単純作業から解放する 第3章　[Step2] 「五感」を担い行動予測や異常検知を実現 第4章　[Step3] 現実社会に柔軟に対応 「ロボット」「自動運転」の時代 第5章　「創作」業務へも広がる活用範囲 第6章　ビジネス活用Ｑ＆Ａ 　　　　──向く分野/向かない分野、データ、人材、投資などの悩みに回答
Amazonで購入する

Python ゼロからはじめるプログラミング

著者 三谷 純
出版社 翔泳社
紹介サイト数 2
おすすめ度 10.114067908941601
書籍の説明 ロングセラーのプログラミング学習シリーズにPythonが登場！　文法やクラス、メソッドなどをしっかり学べる入門書 プログラミング入門書のロングセラー、 プログラミング学習シリーズにPythonが新登場！ 基本文法からクラス、メソッドの使い方・作り方まで しっかり学ぼう！ 本書は、現在もっとも幅広く使われているプログラミング言語の1つ 「Python」がはじめてという初心者を対象に、文法やプログラムの基本知識を わかりやすく丁寧に教える入門書です。 これまで筆者が数多くの学生に対してプログラミングの授業をしてきた経験を 活かし、プログラミング初学者が「Python言語を通してプログラミングを学ぶ」 というコンセプトで、文法やプログラミングの基礎知識についてやさしく解説します。 Pythonでプログラミングをはじめたい学生や新人エンジニアにも最適な一冊です。 変数やif文による条件分岐、for文やwhile文を使った繰り返しから、 クラスやメソッドの使い方、作り方まで、つまずきやすいところを ケアしながら解説します。 サンプルプログラムは短くてシンプルなものを選び、何をしているのかが よくわかるように、コメントをしっかりつけました。 章の最後には練習問題があり、力試しもできます。 ・何から学習すれば良いかわからない ・Pythonをはじめて学ぶ・あらためて基本から学びたい ・現場で通用する基礎を身につけたい という方におすすめの1冊です。 ★本書を授業などで教科書として活用していただくことを前提に作成した 学習教材（スライド等）を提供しています。詳細は本書の奥付をご覧ください。 ■第1章　Pythonに触れる 1-1　プログラムとプログラミング言語 　プログラムとは何か 　プログラミング言語とPython 　プログラムコードが実行されるまで 1-2　Pythonに触れる 　Pythonの実行方法 　対話モードでの実行 　プログラムコードのルールとエラー 1-3　出力 　画面へ文字列を出力する 　シングルクォーテーション（'）とダブルクォーテーション（"） 1-4　変数 　変数への値の代入 　代入の正確な説明 　値を確認する 　値を変更する ■第2章　Pythonの基本 2-1　型と算術演算 　組み込み型 　算術演算 　算術演算子の優先順位 　変数を含む算術演算 　算術演算の短縮表現 　数値の型と型変換 　異なる型を含む演算 2-2　文字列の扱い 　文字列処理の大切さ 　文字列の連結 　数値からstr型への変換 　変数の埋め込み（フォーマット文字列） 　str型から数値への変換 2-3　リスト 　リスト 　インデックスを使用した要素の参照 2-4　モジュールの利用 　モジュール 　高度な計算をする（mathモジュールの利用） 　乱数を使う（randamモジュールの活用） 　モジュールに別名をつけて使う 　ドキュメントを読む ■第3章　条件分岐と繰り返し 3-1　一歩前に進むための準備 　ファイルに保存したプログラムコードの実行 　キーボードからの入力の受け取り 　コメント文 　インデントとブロック 3-2　条件分岐 　条件式と真偽値 　if文 　条件式と関係演算子 　if ～ else文 　if ～ elif ～ else文 3-3　論理演算子 　論理演算子の種類 　演算子の優先順位 　if文と論理値 3-4　処理の繰り返し 　繰り返し処理 　while文 　for文 　rangeオブジェクト 　ループ処理の流れの変更 　ループ処理のネスト ■第4章　組み込み型とオブジェクト 4-1　オブジェクト指向 　オブジェクトの管理とID番号 　変数への代入とオブジェクトの関係 　オブジェクトの同値性と同一性 　インスタンスとクラス 4-2　文字列の操作 　文字列の基本操作 　formatメソッドによる文字列の整形 　in演算子 4-3　リストとタプル 　リスト 　メソッド以外のリストの操作 　内包表記 　タプル 　アンパック代入 4-4　辞書と集合 　辞書（dict） 　辞書の基本的な操作 　セット（set） 　セットの基本的な操作 4-5　基本型の性質 　基本型の性質 　変更可能な型（ミュータブルな型）と変更不可能な型（イミュータブルな型） 　反復可能なオブジェクト 　順序を持つオブジェクト 　基本型の性質の一覧表 ■第5章　ユーザー定義関数 5-1　関数 　関数とは 　処理の流れ 　関数の呼び出しの階層 5-2　関数の引数 　引数とは 　引数のある関数 　引数が複数ある関数 　キーワード引数 　デフォルト引数 　可変長引数（引数をタプルで受け取る） 　可変長引数（引数を辞書で受け取る） 　ドキュメントの読み方（引数の読み方） 5-3　関数の戻り値 　戻り値とは 　戻り値のある関数 　論理値を返す関数 　複数の値を戻す 5-4　高階関数とラムダ式 　高階関数 　ラムダ式（lambda式） ■第6章　クラスの基本 6-1　新しいクラスを作る 　クラスとは 　中身のないクラス 　初期化メソッドだけを持つクラス 　インスタンス変数を持つクラス 　初期化メソッドの引数 　クラス変数 6-2　メソッドの定義 　メソッドとは 　クラスメソッド 　オリジナルのクラスをモジュールとして利用する 6-3　継承 　継承とは 　継承を行う 　インスタンス変数とメソッドの継承 　メソッドのオーバーライド 　superでスーパークラスのメソッドを呼び出す ■第7章　発展と応用 7-1　例外処理 　プログラム実行時のトラブル 　例外を処理する 　例外の種類による処理の切り替え 7-2　テキストファイルの読み書き 　データ処理の第一歩 　テキストファイルを読み込む 　with文を使う 　テキストファイルを書き出す 　ファイルの読み書き 7-3　データの集計とグラフ描画 　情報の可視化 　データの集計 　matplotlibライブラリのセットアップ 　matplotlibライブラリを用いたグラフの作成 7-4　画像処理 　画像処理 　OpenCVライブラリのセットアップ 　画像の読み込みと表示 　画像処理とファイルの書き出し 　円の検出 7-5　Webスクレイピング 　Webスクレイピングとは 　requestsライブラリとbeautifulsoup4ライブラリのセットアップ 　HTMLファイルの取得 　HTMLファイルの解析 ■付録A　Pythonのインストールとサンプルプログラムの実行 　Pythonのインストール 　PowerShellによる対話モードの実行 　ファイルに保存したプログラムの実行 ■付録B　練習問題の解答
Amazonで購入する

Python[完全]入門

著者 松浦健一郎
出版社 SBクリエイティブ
紹介サイト数 2
おすすめ度 9.945829988734157
書籍の説明 基礎からアプリ開発のために必要な知識まで、「この一冊で」しっかりやさしく学べる新しいPythonプログラミングの教科書。 はじめてプログラムを行う人でも安心して読み進められるように、基礎をわかりやすく解説。さらに「AI」「スクレイピング」「データベース」「Webプログラミング」など、最新のアプリ開発にすぐに取りかかれるように、実践的なサンプルも多数掲載。 Chapter1 Pythonを始めるための準備 Chapter2 Pythonプログラミングを始めよう Chapter3 全ての基本になる文法を学ぶ Chapter4 Pythonを支える4種のデータ構造 Chapter5 プログラムの流れを変える制御構造 Chapter6 よく使う処理を関数にまとめる Chapter7 もっと上手にプログラムを書くための応用文法 Chapter8 Pythonのオブジェクト指向プログラミング Chapter9 有用で奥が深い組み込み関数を制覇する Chapter10 ライブラリを使うための基礎知識 Chapter11 ファイルの読み書きの処理 Chapter12 Pythonによる仕事の自動化 Chapter13 流行のAI技術を活用する Chapter14 スクレイピングでWebから情報を引き出す Chapter15 データベースとWebプログラミング
Amazonで購入する

ディープラーニング活用の教科書 実践編

著者 日本ディープラーニング協会
出版社 日経BP
紹介サイト数 2
おすすめ度 9.864679933104684
書籍の説明 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 ◆日本ディープラーニング協会推薦図書◆ 日本ディープラーニング協会　監修 ディープラーニングをビジネスに生かす知識を問われる 同協会のG検定(ジェネラリスト)　推薦図書 松尾豊・同協会理事長による「ディープラーニング技術年表」収録 ディープラーニングは確かに実際のビジネスに溶け込み、商品やサービスでの活用が始まっています。 それによって業績を向上させた企業もあれば、社会課題の解決に結びつけている会社も実在します。 その最先端の実践的な事例を紹介しました。本書に「実践編」と付したのはこうした理由からです。 本書の最大の特徴の1つが、「ディープラーニングビジネス活用アワード」の受賞6プロジェクト全てを子細なケーススタディで紹介していることです。 日本ディープラーニング協会と一緒に、2019年春から準備を進めてきたものです。 エントリーはやや大手企業に偏重したきらいはありましたが、まさに腕自慢の実力派ぞろいでした。 大賞のキユーピーの食品加工で原料を検査する「AI食品原料検査装置」に始まって、楽天の自動翻訳プロジェクトである「Rakuten Translate」、 荏原環境プラントが進める「ごみ焼却プラント運転自動化プロジェクト」、水処理など流体向けAI分析のAnyTechの「水質判定AI『DeepLiquid』」、 保育園向けITサービスのユニファの「写真自動判定システムによる保育士の業務負荷軽減」、パッケージデザインのプラグの「パッケージデザインの好意度スコアを予測するAIサービス」の6事例を本書にまとめました。 できるだけ載せないようにしたケースもあります。 ディープラーニングといえば画像認識とばかりに、熟練工の目の代替として活用する事例は少なくない。 ただその点だけを極めても、効果の最大値は当該人件費の削減分にしかなりません。 結果として幼稚園児の笑顔が増える、あるいは静脈産業の支えになる、 といった大きな社会的意義をディープラーニングには持たせたい。そんな思いで作りました。 受賞6事例を含めた計26事例を、本書ではディープラーニング活用の効果で4つに分けました。 まず「商品開発・業界構造を変える」。 次が「消費者のデマンドに応える」。 そして「働き方を改革する」。 最後が「不正・異常を検知、社会課題を解決する」。 また資料的価値が高い、日本ディープラーニング協会理事長の松尾豊氏がまとめた「ディープラーニング技術年表」そして「インターネットでいうと1998年」も収録。 全編にわたって同協会の理事が一文字ずつ、とりわけ技術的な側面からアドバイスしてくれた貴重な書である。ぜひご覧になっていただきたい。 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 ◆日本ディープラーニング協会推薦図書◆ はじめに 【第1章】　ディープラーニングで付加価値高め　こうして稼ぐ 　　　　　 ―日本ディープラーニング協会 松尾豊理事長に聞く― 【第2章】　商品開発・業界構造を変える 　●キューピー 　　食品原料の異物を画像認識で検査　食の安全守るため装置は同業に外販も 　●プラグ 　　パッケージデザインの消費者調査をAIで代替　商品開発のやり方 ガラリ変わる可能性 　●AnyTech 　　水処理施設からチョコレートまで　「流体」の品質・状態を簡単チェック 　●NTTドコモ 　　店頭の商品を自動で認識　来店客の属性把握しPOSデータと連動で棚割り提案へ 　●フジクラ 　　半導体部品をディープラーニングで検査　AIプラットフォーム構築し全社のIoT基盤に 　●日本たばこ産業 　　コンビニのたばこ陳列を精度99％で認識　1013人超参加のコンテストで実現 　●トレタ 　　飲食店で売れ筋メニューが分析可能に　ディープラーニングによるラベリング技術とは 　●Sports Technology Lab 　　スポーツ選手の動きをディープラーニングで分析　チーム強化から選手移籍まで 　●ソフトバンク 　　5G×ディープラーニング　高品質画像でもリアルタイムぼかし加工 【第3章】　消費者のデマンドに応える 　●楽天 　　ストレスなく外国語を話したい　海外動画配信サービスで培った翻訳技術を活用 　●ヤフー 　　安いガソリン、空いてる駐車場を近くで探したい　ディープラーニングとドラレコで 　●SMBC日興証券 　　株式ポートフォリオの組み替え方を知りたい　資産総額13倍になるカラクリ 【第4章】　働き方を改革する 　●荏原環境プラント 　　ごみ焼却施設で「熟練運転員の目」を代替　5倍の効率化を実現 静脈産業を途絶えさせない 　●ユニファ 　　子供の「NG写真」をディープラーニングで自動排除　保育園の課題解決を支援 　●NTTデータジェトロニクス 　　社食食堂のレジで自動精算　人件費の削減、そして社員の満足度を高めて社内活性化へ 　●モノフル 　　トラックの人手不足問題に一石　ナンバーをAIで読み取り効率化 　●三菱総合研究所 　　財務諸表の数字を読み取り自動でリポート作成　シンクタンクの“夢”に一歩近づく 　●ディー・エヌ・エー（DeNA） 　　交通事故の削減支援をサービス化　AIとデータサイエンスのタッグで 　●イシダ 　　ディープラーニングでパスタをつかむ　AIと機械の“せめぎ合い”から生まれた新技術 　●AVILEN 　　鉄加工の図面を自動で読み解く　各種フォーマットの図面に対応 【第5章】　不正・異常を検知、社会課題を解決する 　●リコー 　　カメラ＋AIで路面の老朽化診断　事務機器からの多角化で数千万円の受注 　●日本気象協会 　　降雨予測のメッシュと時間を詳細化　スパコンを使わず実現、ダム管理などに活用 　●日本取引所自主規制法人 　　株の不正取引“見せ玉”に待った　証券取引所の不正検知にAI導入世界初 　●misosil 　　SNS広告でインフルエンサーの不正を暴く　フォロワー水増しをAIで発見 　●トプコン 　　眼底画像から健康状態を読み解く　デバイスのデータを加工する「センシングAI」とは？ 　●Ollo 　　月額3万円で顔認証システムが導入可能　エッジデバイスでの高速・高精度化を実現 【第6章】　先端技術の動向を知る おわりに
Amazonで購入する

シリコンバレー一流プログラマーが教える Pythonプロフェッショナル大全

著者 酒井 潤
出版社 KADOKAWA
紹介サイト数 2
おすすめ度 9.606055365570104
書籍の説明 現役シリコンバレーエンジニアが教える「最強のプログラミング」講義！ 10万人が選んだ人気No.1オンライン講座が 超わかりやすくパワーアップして書籍化！ 海外企業でも通用する 一流のプログラミング技術が学べます！ ★基礎から応用、一流コードスタイルまで１冊で学べる★ 【応用編】ではニーズの高い実践的テクニックを中心に、 【入門編】では基礎から１歩ずつ、わかりやすく解説。 シリコンバレーのトップIT企業で活躍する著者が 世界標準のPythonスキルを一気に伝えます。 ★海外でも通用する 一流のプログラミング技術が身につく★ 知っていましたか？　 アメリカのエンジニアの年収は日本の５～10倍です。 本書は「いつか海外で活躍したい」、 そんな夢の実現も強力にバックアップしてくれる 「海外進出の道しるべ」ともなる一冊です。 ★10万人が選んだ人気No.1講座の書籍化★ 本書のもととなったのは、オンライン講座Udemyで人気No.1を獲得したPython講座。 本格的な内容をわかりやすく伝える著者の講座は人気が高く、延べ20万人以上が受講しています（全講座計）。 本書はさらに内容を充実させてパワーアップ！　自分のペースでしっかり学べます。 独学の強い味方、「サンプルコード」の無料ダウンロードサービス付き。 ★エンジニアの成功戦略も教えます★ コラムでは、エンジニアのキャリア戦略の立て方、成功するポイント、独学のコツなども紹介。 文系出身、TOEIC300点代からスタートした著者が渾身のエールを送ります。 ★用語集、Pointなども充実★ コードを書くときの注意点、知っておきたい豆知識、 開発の現場で必要なことなどは 「Point」としてたっぷり掲載。 巻末には「用語集」も収録し、 徹底して実践的な内容となっています。 オンライン講座Udemyで9万人以上が選んだ人気No.1講座を完全書籍化！　超わかりやすくパワーアップして、基礎から応用、一流コードスタイルまで、世界で通用する「最強のプログラミング」が学べる！ 学習を始める前に　～Pythonの環境設定 【入門編】 Lesson 1 Pythonの基本 　1 変数の宣言と数値の計算をマスターしよう 　2 文字列のさまざまな操作方法 Lesson 2 データ構造 　1 複数データを並列にまとめる 　2 変更できないリスト？　いえ、タプルです 　3 キーと値をセットで記憶する辞書型 　4 データ同士の演算ができる集合 Lesson 3 制御フロー 　1 読みやすいコードを書こう 　2 条件に応じて処理を分岐させよう 　3 繰り返し処理でデータを一気に処理しよう Lesson 4 関数と例外処理 　1 何度も実行する処理の関数を作ろう 　2 関数の応用をマスターしよう 　3 内包表記でリストをシンプルに生成しよう 　4 変数の有効範囲 　5 例外処理 Lesson 5　モジュールとパッケージ 　1 作成したパッケージをインポートしよう 　2 Pythonのライブラリの使い方 Lesson 6　オブジェクトとクラス 　1 クラスとメソッド 　2 クラスをもっと活用してみよう Lesson 7　ファイル操作とシステム 　1 ファイルの基本的な操作 　2 ファイルの便利な活用方法 　3 圧縮ファイルを扱おう 　4 さらに高度なファイルに関する操作 【演習編】 Lesson 8　簡単なアプリケーションを作ってみよう 【応用編】 Lesson 9　コードスタイル 　1 Pythonのコードスタイル 　2 さらにくわしくPythonの書き方を知ろう Lesson 10　コンフィグとロギング 　1 設定ファイルのさまざまな形式 　2 ロギングの基本と適切な書き方 　3 ログをメールで送信しよう 　4 実行環境を切り替えて使う Lesson 11　 Webとネットワーク 　1 Webでよく使うファイル形式 　2 Pythonで通信してみよう 　3 PythonでWeb サーバーを作ろう 　4 Webスクレイピングしてみよう Lesson 12　並列化 　1 マルチスレッドで並列化しよう 　2 マルチプロセスによる並列化 　3 高水準のインターフェースを使って並列化しよう Lesson 13　データ解析 　1 データ解析を始める前に 　2 データをまとめて扱うnumpy 　3 pandasで表形式のデータを扱う 　4 matplotlibでグラフを描画する 　5 scikit-learnで機械学習を行う 　6 株価のデータ解析と予測
Amazonで購入する

一夜漬けAWS認定クラウドプラクティショナー直前対策テキスト[第2版]

著者 山内貴弘
出版社 秀和システム
紹介サイト数 2
おすすめ度 9.500494317596807
書籍の説明 まったくの初心者でもクラウドとAWSの基礎から分かるから合格率100％！ クラウド技術者向けのベンダー資格として人気の高い「AWS認定資格」のうちでも、もっとも初級の資格である「クラウドプラクティショナー」の試験対策本が、最新情報に対応して改訂！ クラウド技術者を目指して、これからクラウドの勉強を始める人に最適の一冊です。 実際の試験内容に即した内容として好評の『一夜漬けAWS認定ソリューションアーキテクトアソシエイト直前対策テキスト』の姉妹本。 クラウド技術者向けのベンダー資格として人気の高い「AWS認定資格」のうちでも、もっとも初級の資格である「クラウドプラクティショナー」の試験対策本です。最新情報に対応して改訂しました。 Chapter1　AWS認定クラウドプラクティショナー試験資格の概要 1-1　AWSと試験の関係 1-2　試験で評価される能力 1-3　試験の概要 1-4　試験の回答タイプ 1-5　試験の範囲 1-6　試験合格のメリット 1-7　本書の構成 Chapter2　クラウドの概念 2-1　クラウドコンピューティング 2-2　仮想化技術 2-3　インスタンス 2-4　インターネットプロトコル 2-5　IPアドレス 2-6　グローバルアドレスとプライベートアドレス 2-7　サブネットマスク 2-8　トランスポート層のポート番号 2-9　ドメイン名とDNSによる名前解決 2-10　クラウドの種類（IaaS、PaaS、SaaS） 2-11　ハイブリッドクラウド 2-12　オンプレミス 2-13　オンプレミスのキャパシティ設計 2-14　オンプレミスのメリット 2-15　クラウドとITアウトソーシングの違い 2-16　リージョン 2-17　アベイラビリティゾーン（AZ） 2-18　エッジロケーション 2-19　弾力性（エラスティック） 2-20　プロビジョニング 2-21　ワークロード 2-22　デプロイ 2-23　グローバル性（グローバルリーチ） 2-24　ディザスタリカバリー（DR）対策 2-25　転送データの暗号化 2-26　デジタル証明書 2-27　アイデンティティの認証とアクセス管理 2-28　フェデレーション 2-29　DDoS攻撃とファイアウォール Chapter3　AWSクラウドの特長 3-1　AWSクラウドの6つの特長 3-2　固定費から変動費へ 3-3　スケールによるコストメリット 3-4　キャパシティの予測が不要 3-5　スピードと俊敏性 3-6　データセンターの運用と保守への投資の必要なし 3-7　数秒で世界中にデプロイ可能 3-8　主要なアーキテクチャ原則 3-9　Well Architectedフレームワーク Chapter4　AWSの主要サービス 4-1　AWSマネジメントコンソール 4-2　コンピューティングサービス：EC2 4-3　主要コンピューティングサービス：ECS 4-4　主要コンピューティングサービス：Lambda 4-5　主要ストレージサービス：EBS 4-6　主要ストレージサービス：S3 4-7　主要ストレージサービス：S3 Glacier 4-8　主要ストレージサービス：Storage Gateway 4-9　主要ストレージサービス：Snowファミリー 4-10　主要データベースサービス：RDS 4-11　主要データベースサービス：DynamoDB 4-12　主要ネットワークサービス：VPC 4-13　主要ネットワークサービス：ELB 4-14　主要ネットワークサービス：CloudFront 4-15　主要ネットワークサービス：Route53 4-16　主要セキュリティサービス：IAM 4-17　主要セキュリティサービス：KMS 4-18　主要セキュリティサービス：WAF 4-19　主要マネジメントサービス：Auto Scaling 4-20　主要マネジメントサービス：CloudFormation 4-21　主要マネジメントサービス：CloudWatch 4-22　その他主要サービス：AWSサポート 4-23　その他主要サービス：AWS Marketplace／APNパートナー Chapter5　Well Architectedフレームワーク：運用の優秀性 5-1　Amazonマシンイメージ（AMI） 5-2　VPCフローログ 5-3　AWS Elastic BeanstalkとAmazon Lightsail 5-4　AWS Codeシリーズ 5-5　AWS X-Ray 5-6　AWS Service Health DashboardとAWS Personal Health Dashboard Chapter6　Well Architectedフレームワーク：セキュリティ 6-1　責任共有モデル 6-2　コンプライアンスプログラムとAWS Artifact 6-3　AWSアカウント 6-4　ルートユーザーの管理 6-5　IAMユーザー・グループ・ロール・ポリシー 6-6　セキュリティグループとネットワークACL 6-7　AWS CloudTrail 6-8　AWS Config 6-9　AWS Shield 6-10　Amazon GuardDuty 6-11　Amazon Inspector 6-12　AWS Directory Service 6-13　S3（Simple Storage Service）のアクセスコントロール 6-14　S3（Simple Storage Service）のバージョニング 6-15　AWS Service Catalog 6-16　AWS Trusted Advisor Chapter7　Well Architectedフレームワーク：信頼性 7-1　Amazon CloudWatch 7-2　Auto Scaling 7-3　AWS Virtual Private Network（VPN） 7-4　AWS Direct Connect 7-5　データベース関連サービス（AWS Glue/Amazon Athena/Amazon QuickSight） Chapter8　Well Architectedフレームワーク：パフォーマンス効率 8-1　Amazon EC2の性能アップ 8-2　Amazon RDS 8-3　Amazon RedshiftとAmazon Neptune 8-4　Amazon ElastiCache 8-5　Amazon DynamoDB Accelerator（DAX） 8-6　Amazon S3 Transfer Acceleration 8-7　AWS Global Accelerator Chapter9　Well Architectedフレームワーク：コスト最適化 9-1　Amazon EC2の購入オプション 9-2　EC2の課金方法 9-3　AWS Organizations 9-4　計画時のコスト関連ツール：AWS Total Cost of Ownership（TCO）Calculator 9-5　計画時のコスト関連ツール：AWS Pricing Calculator 9-6　運用時のコスト関連ツール：AWS Cost and Usage Report（CUR） 9-7　運用時のコスト関連ツール：AWS Cost Explorer 9-8　運用時のコスト関連ツール：AWS Budgets 9-9　リソースへのタグ付け Chapter10　AWS認定クラウドプラクティショナー練習問題 10-1　練習問題の使い方 10-2　練習問題 Chapter11　AWSアーキテクチャ原則とベストプラクティスのまとめ 11-1　「運用の優秀性」の設計原則 11-2　「運用の優秀性」のベストプラクティス 11-3　「セキュリティ」の設計原則 11-4　「セキュリティ」のベストプラクティス 11-5　「信頼性」の設計原則 11-6　「信頼性」のベストプラクティス 11-7　「パフォーマンス効率」の設計原則 11-8　「パフォーマンス効率」のベストプラクティス 11-9　「コスト最適化」の設計原則 11-10　「コスト最適化」のベストプラクティス Chapter12　AWSサービス用語集 12-1　コンピューティングサービス 12-2　コンテナサービス 12-3　ストレージサービス 12-4　データベースサービス 12-5　移行・転送サービス 12-6　ネットワークサービス 12-7　開発者用ツール・サービス 12-8　マネジメント・ガバナンスサービス 12-9　機械学習サービス 12-10　分析サービス 12-11　セキュリティ・アイデンティティ・コンプライアンスサービス 12-12　アプリケーション統合サービス 12-13　カスタマーエンゲージメントサービス 12-14　ビジネスアプリケーションサービス 12-15　コスト管理サービス 12-16　その他サービス
Amazonで購入する

相対化する知性 人工知能が世界の見方をどう変えるのか

著者 西山 圭太
出版社 日本評論社
紹介サイト数 2
おすすめ度 9.325405079371867
書籍の説明 人工知能と人間が共存する社会において、知性をどう認識し、人間はどのように生きればよいのか。3名の著者がこの問題を論じる。 人工知能と人間が共存する社会において、知性をどう認識し、人間はどのように生きればよいのか。3名の著者がこの問題を論じる。 第1部　人工知能とは 　1章　人工知能のこれまで 　2章　ディープラーニングとは何か 　3章　ディープラーニングによる今後の技術進化 　4章　消費インテリジェンス 　5章　人間を超える人工知能 第2部　人工知能と世界の見方 　1章　人工知能が「世界の見方」を変える 　2章　認知構造はどう変わろうとしているのか 　3章　強い同型論 　4章　強い同型論で知能を説明する 　5章　我々の「世界の見方」はどこからきてどこに向かうのか 第3部　人工知能と人間社会 　1章　人工知能と人間社会 　2章　自由主義の政治哲学が直面する課題 　3章　人工知能とイノベーションの正義論 　4章　世代間資産としての正義システム 　5章　自由の根拠としての可謬性
Amazonで購入する

東京大学のデータサイエンティスト育成講座 ~Pythonで手を動かして学ぶデ―タ分析~

著者 塚本邦尊
出版社 マイナビ出版
紹介サイト数 2
おすすめ度 9.245603006636893
書籍の説明 東大 松尾研究室が提供するあの人気講座が待望の書籍化！ 本書は、2017年と2018年に東京大学で実施された「グローバル消費インテリジェンス寄付 講座」の学生向けオフライン講義と、社会人向けオンライン講座で使われた教材がベースになっています。 約400名ほどの受講枠（2年間）に、のべ1,800人以上の応募があった人気の講義です。この本のベースとなるコンテンツはJupyter Notebook形式で公開されていますが、この内容をさらに精査、ブラッシュアップし、読みやすく整えたものが本書になります。 ●本書の内容 本書には、データサイエンティストになるための基礎をつめこんでいます。データサイエンティストは、Pythonや確率・統計、機械学習など、幅広くさまざまな分野の知識を必要とします。 すべての分野を1冊で学ぶことは無理ですので、各分野で深入りはせず基礎的な事項を取り扱っています。データサイエンティストになるための地図と羅針盤のような位置づけとなることをイメージしています。 この本は主にPython 3を使って、基本的なプログラムの書き方、データの取得、読み込み、そのデータ操作からはじまり、さまざまなPythonのライブラリの使い方、確率統計の手法、機械学習（教師あり学習、教師なし学習とチューニング）の使い方についても学びます。取り扱っているデータは、マーケティングに関するデータやログデータ、金融時系列データなどさまざまで、モデリングの前にそれらを加工する手法も紹介しています。データサイエンティストになるには、どれも必要なスキルです。 本書には、さらに以下の3つの特徴があります。 ・実際のデータを使って手を動かしながら、データサイエンスのスキルを身に付けることができる ・データ分析の現場で使える実践的な内容（データ前処理など）が含まれている ・練習問題や総合問題演習など実際に頭を使って考える内容がたくさんある この本に書いてあることを実践し、読み終えた後には、実際の現場でデータ分析ができるようになるはずです。 ●この本の対象読者 この本は、プログラミングの経験があり、理系の大学1～2年生程度の教養課程の数学（線形代数、微分積分学、確率統計の基礎など）を終えている方を対象にしています。具体的には、勉強熱心な大学3～4年生の理系の学生さんや大学院生の方、また社会人になってデータサイエンスを学ぼうという意欲の高い方たちが対象です。データサイエンスの入門レベルから中級レベルの手前までを考えている人に最適で、本書のゴールもデータサイエンス入門レベルを卒業できることを想定しています。 "Contents Chapter 1 本書の概要とPythonの基礎 1-1 データサイエンティストの仕事 　1-1-1 データサイエンティストの仕事 　1-1-2 データ分析のプロセス 　1-1-3 本書の構成 　1-1-4 本書を読み進めるのに役立つ文献 　1-1-5 手を動かして習得しよう 1-2 Pythonの基礎 　　1-2-1 Jupyter Notebookの使い方 　1-2-2 Pythonの基礎 　1-2-3 リストと辞書型 　1-2-4 条件分岐とループ 　Column　format記法と%記法 　1-2-5 関数 　Practice 練習問題1-1 　Practice 練習問題1-2 　1-2-6 クラスとインスタンス 　Practice 1章 総合問題 Chapter 2 科学計算、データ加工、グラフ描画ライブラリの使い方の基礎 2-1 データ分析で使うライブラリ 　2-1-1 ライブラリの読み込み 　2-1-2 マジックコマンド 　2-1-3 この章で使うライブラリのインポート 2-2 Numpyの基礎 　2-2-1 Numpyのインポート 　2-2-2 配列操作 　2-2-3 乱数 　Column　Numpyは高速 2-2-4 行列 　Practice 練習問題2-1 　練習問題2-2 　練習問題2-3 2-3 Scipyの基礎 　2-3-1 Scipyのライブラリのインポート 　2-3-2 行列計算 　2-3-3 ニュートン法 　Practice 練習問題2-4 　練習問題2-5 　練習問題2-6 2-4 Pandasの基礎 　2-4-1 Pandasのライブラリのインポート 　2-4-2 Seriesの使い方 　2-4-3 DataFrameの使い方 　2-4-4 行列操作 　2-4-5 データの抽出 　2-4-6 データの削除と結合 　2-4-7 集計 　2-4-8 値のソート 　2-4-9 nan（null）の判定 　Practice 練習問題2-7 　Practice 練習問題2-8 　Practice 練習問題2-9 2-5 Matplotlibの基礎 　2-5-1 Matplotlibを使うための準備 　2-5-2 散布図 　2-5-3 グラフの分割 　2-5-4 関数グラフの描画 　2-5-5 ヒストグラム 　Column　さまざまなデータのビジュアル化 　Practice 練習問題2-10 　Practice 練習問題2-11 　Practice 練習問題2-12 　Practice 2章 総合問題 Chapter 3 記述統計と単回帰分析 3-1 統計解析の種類 　3-3-1 記述統計と推論統計 　3-3-2 この章で使うライブラリのインポート 3-2 データの読み込みと対話 　3-2-1 インターネットなどで配布されている対象データの読み込み 　3-2-2 データの読み込みと確認 　3-2-3 データの性質を確認する 　Column 　｢変数」という用語について 　3-2-4 量的データと質的データ 3-3 記述統計 　3-3-1 ヒストグラム 　3-3-2 平均、中央値、最頻値 　3-3-3 分散と標準偏差 　3-3-4 要約統計量とパーセンタイル値 　3-3-5 箱ひげ図 　3-3-6 変動係数 　3-3-7 散布図と相関係数 　3-3-8 すべての変数のヒストグラムや散布図を描く 　Practice 練習問題3-1 　Practice 練習問題3-2 　Practice 練習問題3-3 3-4 単回帰分析 　3-4-1 線形単回帰分析 　3-4-2 決定係数 　Practice 練習問題3-4 　Practice 練習問題3-5 　Practice 練習問題3-6 　Practice 3章 総合問題 Chapter 4 確率と統計の基礎 4-1 確率と統計を学ぶ準備 　4-1-1 この章の前提知識 　4-1-2 この章で使うライブラリのインポート 4-2 確率 　4-2-1 数学的確率 　4-2-2 統計的確率 　4-2-3 条件付き確率と乗法定理 　4-2-4 独立と従属 　4-2-5 ベイズの定理 　Practice 練習問題4-1 　Practice 練習問題4-2 　Practice 練習問題4-3 4-3 確率変数と確率分布 　4-3-1 確率変数、確率関数、分布関数、期待値 　4-3-2 さまざまな分布関数 　4-3-3 カーネル密度関数 　Practice 練習問題4-4 　Practice 練習問題4-5 　Practice 練習問題4-6 4-4 応用：多次元確率分布 　4-4-1 同時確率関数と周辺確率関数 　4-4-2 条件付き確率関数と条件付き期待値 　4-4-3 独立の定義と連続分布 4-5 推計統計学 　4-5-1 大数の法則 　4-5-2 中心極限定理 　4-5-3 標本分布 　Practice 練習問題4-7 　Practice 練習問題4-8 　Practice 練習問題4-9 4-6 統計的推定 　4-6-1 推定量と点推定 　4-6-2 不偏性と一致性 　4-6-3 区間推定 　4-6-4 推定量を求める 　Practice 練習問題4-10 　Practice 練習問題4-11 　Practice 練習問題4-12 4-7 統計的検定 　4-7-1 検定 　4-7-2 第1種の過誤と第2種の過誤 　4-7-3 ビッグデータに対する検定の注意 　Practice 練習問題4-13 　Practice 4章 総合問題 Chapter 5 Pythonによる科学計算（NumpyとScipy） 5-1 概要と事前準備 　5-1-1 この章の概要 　5-1-2 この章で使うライブラリのインポート 5-2 Numpyを使った計算の応用 　5-2-1 インデックス参照 　Practice 練習問題5-1 　Practice 練習問題5-2 　Practice 練習問題5-3 5-2-2 Numpyの演算処理 　Practice 練習問題5-4 　Practice 練習問題5-5 　Practice 練習問題5-6 5-2-3 配列操作とブロードキャスト 　Practice 練習問題5-7 　Practice 練習問題5-8 　Practice 練習問題5-9 5-3 Scipyを使った計算の応用・ 　5-3-1 補間 　5-3-2 線形代数：行列の分解 　Practice 練習問題5-10 　Practice 練習問題5-11 　Practice 練習問題5-12 　Practice 練習問題5-13 　Practice 練習問題5-14 　5-3-3 積分と微分方程式 　Practice 練習問題5-15 　Practice 練習問題5-16 　5-3-4 最適化 　Practice 練習問題5-17 　Practice 練習問題5-18 　Practice 5章 総合問題 Chapter 6 Pandasを使ったデータ加工処理 6-1 概要と事前準備 　6-1-1 この章で使うライブラリのインポート 6-2 Pandasの基本的なデータ操作 　6-2-1 階層型インデックス 　Practice 練習問題6-1 　Practice 練習問題6-2 　Practice 練習問題6-3 6-2-2 データの結合 　Practice 練習問題6-4 　 練習問題6-5 　 練習問題6-6 6-2-3 データの操作と変換 　Practice 練習問題6-7 　Practice 練習問題6-8 　Practice 練習問題6-9 6-2-4 データの集約とグループ演算 　Practice 練習問題6-10 　Practice 練習問題6-11 　Practice 練習問題6-12 6-3 欠損データと異常値の取り扱いの基礎 　6-3-1 欠損データの扱い方 　Practice 練習問題6-13 　Practice 練習問題6-14 　Practice 練習問題6-15 　6-3-2 異常データの扱い方 6-4 時系列データの取り扱いの基礎 　6-4-1 時系列データの処理と変換 　Practice 練習問題6-16 　6-4-2 移動平均 　Practice 練習問題6-17 　Practice 6章 総合問題 Chapter 7 Matplotlibを使ったデータ可視化 7-1 データの可視化 　7-1-1 データの可視化について 　7-1-2 この章で使うライブラリのインポート 7-2 データ可視化の基礎 　7-2-1 棒グラフ 　7-2-2 円グラフ 　Practice 練習問題7-1 　Practice 練習問題7-2 　Practice 練習問題7-3 7-3 応用：金融データの可視化 　7-3-1 可視化する金融データ 　7-3-2 ローソクチャートを表示するライブラリ 7-4 応用：分析結果の見せ方を考えよう 　7-4-1 資料作成のポイントについて 　Practice 7章 総合問題 　Column　移動平均時系列データと対数時系列データ Chapter 8 機械学習の基礎（教師あり学習） 8-1 機械学習の全体像 　8-1-1 機械学習とは 　8-1-2 教師あり学習 　8-1-3 教師なし学習 　8-1-4 強化学習 　8-1-5 この章で使うライブラリのインポート 8-2 重回帰 　8-2-1 自動車価格データの取り込み 　8-2-2 データの整理 　8-2-3 モデル構築と評価 　8-2-4 モデル構築とモデル評価の流れのまとめ 　Practice 練習問題8-1 8-3 ロジスティック回帰 　8-3-1 ロジスティック回帰の例 　8-3-2 データの整理 　8-3-3 モデル構築と評価 　8-3-4 スケーリングによる予測精度の向上 　Practice 練習問題8-2 　Practice 練習問題8-3 8-4 正則化項のある回帰：ラッソ回帰、リッジ回帰 　8-4-1 ラッソ回帰、リッジ回帰の特徴 　8-4-2 重回帰とリッジ回帰の比較 　Practice 練習問題8-4 8-5 決定木 　8-5-1 キノコデータセット 　8-5-2 データの整理 　8-5-3 エントロピー：不純度の指標 　8-5-4 情報利得：分岐条件の有益さを測る 　8-5-5 決定木のモデル構築 　Practice 練習問題8-5 8-6 k-NN（k近傍法） 　8-6-1 k-NNのモデル構築 　Practice 練習問題8-6 　Practice 練習問題8-7 8-7 サポートベクターマシン 　8-7-1 サポートベクターマシンのモデル構築 　Practice 練習問題8-8 　Practice 8章 総合問題 Chapter 9 機械学習の基礎（教師なし学習） 9-1 教師なし学習 　9-1-1 教師なしモデルの種類 　9-1-2 この章で使うライブラリのインポート 9-2 クラスタリング 　9-2-1 k-means法 　9-2-2 k-means法でクラスタリングする 　9-2-3 金融マーケティングデータをクラスタリングする 　9-2-4 エルボー法によるクラスター数の推定 　9-2-5 クラスタリング結果の解釈 　9-2-6 k-means法以外の手法 　Practice 練習問題9-1 9-3 主成分分析 　9-3-1 主成分分析を試す 　9-3-2 主成分分析の実例 　Practice 練習問題9-2 9-4 マーケットバスケット分析とアソシエーションルール 　9-4-1 マーケットバスケット分析とは 　9-4-2 マーケットバスケット分析のためのサンプルデータを読み込む 　9-4-3 アソシエーションルール 　Practice 9章 総合問題 Chapter 10 モデルの検証方法とチューニング方法 10-1 モデルの評価と精度を上げる方法とは 　10-1-1 機械学習の課題とアプローチ 　10-1-2 この章で使うライブラリのインポート 10-2 モデルの評価とパフォーマンスチューニング 　10-2-1 ホールドアウト法と交差検証法 　10-2-2 パフォーマンスチューニング：ハイパーパラメータチューニング 　Practice 練習問題10-1 　Practice 練習問題10-2 　10-2-3 パフォーマンスチューニング：特徴量の扱い 　10-2-4 モデルの種類 　10-3 モデルの評価指標 　10-3-1 分類モデルの評価：混同行列と関連指標 　10-3-2 分類モデルの評価：ROC曲線とAUC 　Practice 練習問題10-3 　10-3-3 回帰モデルの評価指標 　Practice 練習問題10-4 10-4 アンサンブル学習 　10-4-1 バギング 　Practice 練習問題10-5 　10-4-2 ブースティング 　10-4-3 ランダムフォレスト、勾配ブースティング 　Practice 練習問題10-6 　10-4-4 今後の学習に向けて 　Practice 練習問題10-7 　Practice 10 章 総合問題 Chapter 11 総合演習問題 11-1 総合演習問題 　11-1-1 総合演習問題（1） 　11-1-2 総合演習問題（2） 　11-1-3 総合演習問題（3） 　11-1-4 総合演習問題（4） 　11-1-5 総合演習問題（5） 　11-1-6 総合演習問題（6） 　11-1-7 参考：今後のデータ分析に向けて Appendix A-1 本書の環境構築について 　A-1-1 Anacondaについて 　A-1-2 Anacondaのパッケージをダウンロードする 　A-1-3 Anacondaをインストールする 　A-1-4 pandas-datareaderおよびPlotlyのインストール A-2 練習問題解答 　A-2-1 Chapter1 練習問題 　A-2-2 Chapter2 練習問題 　A-2-3 Chapter3 練習問題 　A-2-4 Chapter4 練習問題 　A-2-5 Chapter5 練習問題 　A-2-6 Chapter6 練習問題 　A-2-7 Chapter7 練習問題 　A-2-8 Chapter8 練習問題 　A-2-9 Chapter9 練習問題 　A-2-10 Chapter10 練習問題 　A-2-11 Chapter11 総合演習問題 　Column　ダミー変数と多重共線性 A-3 参考文献・参考URL 　A-3-1 参考文献 　A-3-2 参考URL
Amazonで購入する

Head First Python 第2版 ―頭とからだで覚えるPythonの基本

著者 Paul Barry
出版社 オライリージャパン
紹介サイト数 2
おすすめ度 9.190408739175245
書籍の説明 イラストや写真を多用したビジュアル重視の紙面で初心者に直観的に理解できると人気のHead FirstシリーズのPython版 人気の入門書、Head Firstシリーズ待望のPythonバージョン！ イラストや写真を多用したビジュアル重視の紙面で初心者に直観的に理解できると人気のHead FirstシリーズのPython版です。前半でPythonの基本を一通り説明してから、実際に独自のWebアプリケーションをステップバイステップで構築する作業通じて、データベース管理、例外処理、データ処理などの理解を深めていきます。手を動かしながら学べる入門書の決定版です。
Amazonで購入する

人工知能プログラミングのための数学がわかる本

著者 石川 聡彦
出版社 KADOKAWA
紹介サイト数 2
おすすめ度 9.166492564243795
書籍の説明 【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
Amazonで購入する

AIにできること、できないこと、ビジネス社会を生きていくための4つの力

著者 藤本 浩司
出版社 日本評論社
紹介サイト数 2
おすすめ度 9.109588561820688
書籍の説明 現在のAI技術では何ができて何ができないのか、その実態を技術者が平易に語る。実際にAIをビジネスで活用している事例も紹介。 “ＡＩ、そこが知りたかった！ 　これだけ読めばモヤモヤが消える。しかも面白い。 　もっとも早くからＡＩに携わってきた「稼げる研究者集団」が 　これまでになかった「4つの力」という分かりやすいアプローチで解説。 　「稼げるＡＩ」を操る人間になりたいビジネスパーソン必読の書だ。” 　　　　　　　　　　　　　　　幸田真音（作家）　『人工知能』著者 --------------------------------------------------------- ○　ＡＩの本質を捉えて、ＡＩにできること、できないことの違いがつかめる！ ○　ＡＩの実態を踏まえて、ビジネスへと活かすための要点が分かる！ ○　ＡＩに仕事を奪われないために、人は何を身につけるべきかが分かる！ ＡＩを活かすために、ＡＩにできること、できないことを知ろう！ 古くからAI研究に携わり、数多くの有名大企業でのＡＩ導入実績を持つ テンソル・コンサルティング株式会社の社員が 現在のＡＩに何ができて何ができないのかを、分かりやすく、かつ面白く解説している。 仕事でＡＩに直接関わっているビジネスパーソンはもちろん、 ＡＩの今後がなんとなく気になっている社会人から、 子供の将来に不安を感じている保護者の方にいたるまで、 幅広い層に読みやすくてすっきり分かる、目からウロコの指南書である。 1章　そもそもAIとはなにか 　　　　世間で言われるAIとは？ 　　　　AIの歴史 　　　　活躍するAI　 2章　AIの実態 　　　AIに知性はあるのか？ 　　　今のAIの作り方 　　　AIにできること、できないこと 　　　AIは理解しているのか？ 　　　コラム：新しい概念の獲得 3章　AIの中身 　　　ディープラーニングの中身 　　　活躍するAIの中身 　　　AIに対する疑問 　　　コラム：重なった画像の理解 4章　AIのビジネスでの活用 　　　役立つAIの設計指針 　　　ビジネス活用に必要な要素 　　　AIと人間の間違え方の違い 　　　データサイエンティストの重要性 　　　ビジネスでの活用事例 　　　コラム：人間の優れた技能 5章　未来 　　　AI分野以外の動向 　　　AIに仕事を奪われないためには? 　　　AIが人間を超えるまでには？ 　　　AIが人間に置き換わった未来
Amazonで購入する

文系AI人材になる: 統計・プログラム知識は不要

著者 竜司, 野口
出版社 東洋経済新報社
紹介サイト数 2
おすすめ度 9.074951342954451
書籍の説明 ＡＩに仕事を奪われる前に、ＡＩを使って自分の仕事をつくるための一冊。文系ビジネスマンに生き抜く自信をつけさせる一冊。 AI社会になって、ボクは職を失わないだろうか？ 文系のワタシが、AIでキャリアアップするには？ そんな不安や疑問を解消するのが本書です。 英数国理社×ＡＩ時代に対応した、ＡＩ活用の現場から生まれた実践トレーニング本。 ・専門用語は必要最低限に ・豊富な業種別事例は「自社での活用」を考えるヒントに。 ・ＡＩとの「共働きスキル」を身につける。 ＡＩを活用したビジネスプランを豊富に紹介。本書は、AIを、機能別に４分類、役割別に２分類し、合計４×２＝８分類にわけている。その分類を用いて、事例を解説しているので、非常に理解しやすく、自分の仕事への適用・応用を検討しやすい。AIとお共働きスキルを身につけよう。 はじめに　文系ＡＩ人材になろう！ 第１章　ＡＩ社会で職を失わないために 「ＡＩ失職」を恐れず「ＡＩ職」に就く準備を　 「ＡＩとの共働き」スキルを身につけよう　 ５つの「共働きスタイル」 第２章　文系のための　ＡＩキャリア　 ＡＩは「作る」から「使う」へ 上手に活用する「文系　ＡＩ人材」が重要に 「文系ＡＩ人材」の仕事内容とは？　 「文系ＡＩ人材」になるための４つのステップ 第３章　ＡＩのキホンは丸暗記で済ます　 ＡＩ／機械学習／ディープラーニングの違い 学習方式の３分類－－教師あり／教師なし／強化学習 活用タイプ別ＡＩは４×２＝８分類 「識別系ＡＩ」はこう使う 「予測系ＡＩ」はこう使う 「会話系ＡＩ」はこう使う 「実行系ＡＩ」はこう使う 出る順でＡＩ基礎用語を丸暗記する 第４章　ＡＩの作り方をザックリ理解する　 ＡＩは特徴づかみの名人 「予測系ＡＩ」の作り方を理解する　 「識別系ＡＩ」の作り方を理解する 「会話系ＡＩ」の作り方を理解する　 「実行系ＡＩ」の作り方を理解する 第５章　ＡＩ企画力を磨く　 ＡＩ企画の「１００本ノック」 「変化量と実現性」を担保する　 ＡＩ企画の「解像度を上げる５Ｗ１Ｈ」　 第６章　ＡＩ事例をトコトン知る――業種別×活用タイプ別の４５事例集　 第７章　文系ＡＩ人材が社会を変える　 ＡＩによる「消費者、会社、働き手」への変化 ＡＩ社会を牽引するアマゾン ＡＩ×各業界で変革を作るソフトバンク 日本の銀行で起きているＡＩによる変化 文系ＡＩ人材が社会をリードする おわりに
Amazonで購入する

パターン認識と機械学習 下 (ベイズ理論による統計的予測)

著者 C.M. ビショップ
出版社 丸善出版
紹介サイト数 2
おすすめ度 9.03454125427717
書籍の説明
Amazonで購入する

PythonでExcel、メール、Webを自動化する本

著者 中嶋英勝
出版社 SBクリエイティブ
紹介サイト数 2
おすすめ度 8.979032890709481
書籍の説明 プログラミング初心者でも全部できる！ Excelシート間のコピペをはじめ、単純なパソコン仕事は小さなプログラムを書くことで自動で行うことができます。 こうしたプログラムを書けるようになることが、自分の仕事を効率化したい社会人にとって大きな武器になることは間違いありません。 本書ではプログラミング言語Pythonを使って、パソコン仕事の中心であるExcel作業を自動化する方法を紹介します。 Excelの自動化といえば「マクロ・VBA」が定番ですが、Pythonの強みは ・Excelアプリを起動しなくてよい ・メールやWebブラウザなども簡単に自動化できる という点にあります。 本書ではExcelとともにメール、Webの自動化もしっかり扱います。これにより、Webから抽出したデータをExcelファイルに保存してメールで送信、といった連携も行えるようになり、仕事での活用の幅が広がります。 プログラミング初心者である社会人が、実際に自分の仕事が自動化できるように、必要な情報をもれなく丁寧に解説することを心掛けました。本書を片手に「新しい仕事のやり方」を始めましょう！ ＜本書の方針＞ ・オブジェクトなどの難しいプログラム理論は一切使いません。 ・一番単純な道具だけで、準備に時間をかけず、すぐ始められます。 ・実践的な例題で、実務で本当に使えるプログラムを紹介します。 第1章 Pythonプログラミングの基本 1-1 プログラムを書いて実行する方法を覚える 1-2 変数を使ったコードを書いてみよう 1-3 複数のデータはリストに入れる 1-4 複数のデータをループで処理する 1-5 データの状態に応じて処理を分ける 1-6 IDLEを使いやすく設定する 第2章 PythonでExcelファイルを操作する 2-1 Excelファイルの基本構造を理解しよう 2-2 ブックの開き方・保存方法を覚えよう 2-3 プログラムでセルの値を読み書きしよう 2-4 セルを1行ずつ読み書きする 2-5 シートの操作方法を覚えよう 2-6 複数のシートをまとめる 2-7 絶対に覚えておきたいプログラミングのコツ 第3章 PythonでCSVファイルを操作する 3-1 CSVファイルを読み込んでみよう 3-2 CSVファイルにデータを書き込んでみよう 3-3 Excelブックと相互に変換する 第4章 Excelファイルの転記・集計をPythonでおこなう 4-1 転記・集計を実現するExcelの三大関数とは 4-2 Excelのマスタを取り込む 4-3 Excelのマスタからデータを検索する 4-4 表のデータを別のブックに転記する 4-5 条件を満たすデータの個数や合計を求める 4-6 Pythonで自動化するメリットとは 第5章 帳票作成をPythonでおこなう 5-1 請求書作成の手順を整理する 5-2 顧客ごとの売上データの絞り込み 5-3 顧客ごとの請求書を作成する 5-4 請求書を印刷してPDFとして保存しよう 5-5 業務全体ではExcelと良いとこ取りを目指す 第6章 Pythonでもっと作業を自動化するには 6-1 Pythonの強みは豊富なライブラリ 6-2 PythonならメールもWebも自動化できる 第7章 Pythonで複数の人にまとめてメール送信する 7-1 メールサーバーとの交信方法 7-2 メールで送るメッセージを作成する 7-3 メールを自動送信する 第8章 PythonでWebから情報を収集する 8-1 Seleniumのインストール 8-2 ブラウザを操作してみる 8-3 Selenium IDEでブラウザ操作を記録 8-4 Webページから情報を読み取る 8-5 実際のWebページから情報を読み取る 8-6 Webからの情報収集を自動化する
Amazonで購入する

シン・ニホン AI×データ時代における日本の再生と人材育成 (NewsPicksパブリッシング)

著者 安宅和人
出版社 NewsPicksパブリッシング
紹介サイト数 2
おすすめ度 8.919083858056378
書籍の説明 ◎読者が選ぶビジネス書グランプリ2021 総合グランプリ受賞!! ◎ビジネス書大賞2020 特別賞(ソーシャルデザイン部門)受賞!! ◎ITエンジニア本大賞2021 ビジネス書部門 ベスト10! ◎累計17万5千部突破! 30万部超の名著『イシューからはじめよ』から9年――。 渾身の力で投げ込む、ファクトベースの現状分析と新たなる時代の展望! AI×データの発展により、時代は多面的に「確変モード」に突入した。 目まぐるしく動く社会の中、本書は以下の問いをひとつなぎにして答える。 ・現在の世の中の変化をどう見たらいいのか ・日本の現状をどう考えるべきか ・企業はどうしたらいいのか ・すでに大人の人はこれからどうサバイバルしていけばいいのか ・この変化の時代、子どもにはどんな経験を与え、育てればいいのか ・若者は、このAIネイティブ時代をどう捉え、生きのびていけばいいのか ・国としてのAI戦略、知財戦略はどうあるべきか? ・AI時代の人材育成は何が課題で、どう考えたらいいのか ・日本の大学など高等教育機関、研究機関の現状をどう考えたらいいのか ビジネス・教育・政策…全領域にファクトベースで斬り込む、著者渾身の書き下ろし! 意志なき悲観論でも、現実を直視しない楽観論でもない、建設的(Constructive)な、「残すに値する未来のつくり方」。 読者コメント 「久々にすっごい面白い本に出会った。これからの時代の生き方の教養書として面白い」 「これからの日本が進むべき道を豊富なデータと精緻なロジックで導き出している」 「新人教育やマネジメント教育に必須の本だと思う。これから日本で生きる全てのビジネスパーソンが何を目指し、何をすべきかが詳細に書かれている」 「安宅さんの『日本を何とかしたい』という熱い思いが伝わってきて、ビジネス書なのに感動しました。個人的に今年のベスト本になる予感」 「一気に読んだ。『未来をつくる人』をどう育てるか、についても多くのページが割かれている。子育て中の方にもおすすめ」 ●目次 1章　データ×AIが人類を再び解き放つ -- 時代の全体観と変化の本質 2章　「第二の黒船」にどう挑むか -- 日本の現状と勝ち筋 3章　求められる人材とスキル 4章　「未来を創る人」をどう育てるか 5章　未来に賭けられる国に -- リソース配分を変える 6章　残すに値する未来
Amazonで購入する

[第2版]Python 機械学習プログラミング 達人データサイエンティストによる理論と実践 (impress top gear)

著者 Sebastian Raschka
出版社 インプレス
紹介サイト数 2
おすすめ度 8.913990149399577
書籍の説明 本書では、機械学習の各コンセプトについて、理論的背景とPythonコーディングの実際を解説。初期の機械学習アルゴリズムから、ニューラルネットワーク(CNN/RNN)までの手法を取り上げます。Python関連ライブラリとしてはscikit‐learnやTensorFlowなどを使用。第2版では、第1版への読者のフィードバックを随所に反映し、ライブラリの更新に対応しました。13章以降はほとんど新規の書き下ろしです。本書は、機械学習を本格的に理解・実践するのに不可欠な一冊となっています。 「データから学習する能力」をコンピュータに与える 分類問題-単純な機械学習アルゴリズムのトレーニング 分類問題-機械学習ライブラリscikit‐learnの活用 データ前処理-よりよいトレーニングセットの構築 次元削減でデータを圧縮する モデルの評価とハイパーパラメータのチューニングのベストプラクティス アンサンブル学習-異なるモデルの組み合わせ 機械学習の適用1-感情分析 機械学習の適用2-Webアプリケーション 回帰分析-連続値をとる目的変数の予測〔ほか〕
Amazonで購入する

深層学習 (機械学習プロフェッショナルシリーズ)

著者 岡谷 貴之
出版社 講談社
紹介サイト数 2
おすすめ度 8.877024378004517
書籍の説明 基礎から、ＳＧＤ、自己符号化器、ＣＮＮ、ＲＮＮ、ボルツマンマシンまでと、盛りだくさん。軽快な語り口で、無理なく理解できる！ いま最も注目されている機械学習手法である深層学習（ディープラーニング）を、トップ研究者が解説した。基礎から、SGD、自己符号化器、CNN、RNN、ボルツマンマシンまでと、盛りだくさん。軽快な語り口なので、無理なく理解できる！ 【機械学習プロフェッショナルシリーズ】 本シリーズでは、発展著しい機械学習技術の数学的な基礎理論、実用的なアルゴリズム、それらの活用法を、全29巻にわたって刊行する。 ビッグデータ時代を牽引している若手・中堅の現役研究者が、入門的な内容から最先端の研究成果までをわかりやすく解説。 これからデータサイエンス分野で研究を始めようとしている大学生・大学院生、および、機械学習技術を基礎科学や産業に応用しようとしている研究者・技術者に向けた注目のシリーズである。 全29巻のうち第1期として、以下の4点を同時刊行！ 『機械学習のための確率と統計』杉山 将･著 『深層学習』岡谷 貴之･著 『オンライン機械学習』海野 裕也／岡野原 大輔／得居 誠也／徳永 拓之･著 『トピックモデル』岩田 具治･著 第2期の刊行は2015年8月、第3期の刊行は2015年12月の予定(＾o＾)/ 【シリーズ編者】 杉山 将　東京大学大学院新領域創成科学研究科 教授 第1章　はじめに 第2章　順伝播型ネットワーク 第3章　確率的勾配降下法 第4章　誤差逆伝播法 第5章　自己符号化器 第6章　畳込みニューラルネット 第7章　再帰型ニューラルネット 第8章　ボルツマンマシン
Amazonで購入する

はじめてのディープラーニング -Pythonで学ぶニューラルネットワークとバックプロパゲーション- (Machine Learning)

著者 我妻 幸長
出版社 SBクリエイティブ
紹介サイト数 2
おすすめ度 8.857051747905023
書籍の説明 知識ゼロからはじめるディープラーニング EラーニングサイトUdemyの人気講師が教えるディープラーニングの基礎。ディープラーニングの本命であるニューラルネットワークと、ニューラルネットワークを学習させる際に用いられるアルゴリズムであるバックプロパゲーション（誤差逆伝播法）を初学者にもわかりやすく解説。また画像認識や自然言語処理の分野で高い効率性を発揮する畳み込みニューラルネットワークについてもコード付きで解説することにより、入門書であるにもかかわらず本格的AI開発の入り口まで学ぶことができます。 ［本書の特徴］ ・はじめてPythonに触れる方のために、Python本体と数値演算ライブラリNumPyによるプログラミングの基礎を解説しています。 ・文系エンジニアのために、微分や線形代数など、ニューラルネットワークの理解に必要な数学の知識を解説しています。 ・サンプルプログラムはフレームワークを使わずにPythonのみで記述しています。このため数式をコード化する際の原理が初心者にもわかりやすくなっています。 ・サンプルプログラムはSBクリエイティブ株式会社のサイトからダウンロード可能です。 ・Python3、Jupyter Notebook対応 第01章 ディープラーニングとは 第02章 Pythonの概要 第03章 ディープラーニングに必要な数学 第04章 ニューラルネットワーク 第05章 バックプロパゲーション 第06章 最小限の実装によるディープラーニング 第07章 畳み込みニューラルネットワーク（CNN） 第08章 ディープラーニングの応用
Amazonで購入する

PythonとKerasによるディープラーニング

著者 Francois Chollet
出版社 マイナビ出版
紹介サイト数 2
おすすめ度 8.789194287307984
書籍の説明 AIの大衆化―多くの人々がディープラーニングを利用できるよう実践解説！ AIの大衆化―多くの人々がディープラーニングを利用できるよう実践解説！ PythonベースのディープラーニングフレームワークKerasの開発者である筆者が、1人でも多くの人々がディープラーニングを利用できるよう実践解説します。 本書はディープラーニングを一から学習したいと考えている人のために書かれています。数学的な表記を避け、代わりにコードを使って定量的な概念を説明することで、機械学習とディープラーニングの基本的な考えについて実践的な知識を養っていきます。 サンプルコードはPythonベースのディープラーニングフレームワークであるKerasに基づいており、バックエンドエンジンとしてTensorFlowを使用しています。 Part 1では、ディープラーニングを大まかに紹介。機械学習とニューラルネットワークを囲む状況といくつかの定義を示し、取り組みを開始するために必要な概念を説明します。 第1章：人工知能（AI）、機械学習、ディープラーニングの基本的なコンテキストと予備知識を提供。 第2章：ディープラーニングに取り組むために必要な基本概念（テンソル、テンソル演算、勾配降下法、バックプロパゲーション）を紹介。 第3章：ディープラーニングフレームワークであるKerasの紹介。分類タスクと回帰タスクを処理する単純なニューラルネットワークの訓練と内部で何が起きているのかが理解できる。 第4章：機械学習の一般的なワークフローとよくある落とし穴・解決法を詳解。 Part 2では、ディープラーニングの実践的な応用例としてコンピュータビジョンと自然言語処理を詳しく見ていきます。サンプルの多くは、ディープラーニングを実務で使用するときに遭遇する問題を解決するためのテンプレートとして利用できます。 第5章：画像分類に焦点を合わせ、コンピュータビジョンの実践的な例を幅広く取り上げる。 第6章：テキストや時系列といったシーケンスデータを処理するための手法を実際に試してみる。 第7章：最先端のディープラーニングモデルを構築するための高度な手法を紹介。 第8章：画像やテキストを作成する能力を持つディープラーニングモデルであり、驚くほど芸術的な結果をもたらすことがあるジェネレーティブモデルの紹介。 第9章：本書の総括。ディープラーニングの限界とその未来を予測。 本書を最後まで読めば、ディープラーニングとは何か、適用できるのはどのような状況か、その制限についてしっかり理解できるはずです。コンピュータビジョンから自然言語処理、画像分類、時系列予測、感情分析、画像/ テキスト生成に至るまで、現実の幅広い問題にKerasを使用できるようになり、最高の短期集中コースとして活用できます。 まえがき 謝辞 監訳者より 本書について カバーについて Part 1　ディープラーニングの基礎 1章　ディープラーニングとは何か 1.1　AI、機械学習、ディープラーニング 1.2　ディープラーニングの前史：機械学習 1.3　なぜディープラーニングなのか、なぜ今なのか 2章　予習：ニューラルネットワークの数学的要素 2.1　初めてのニューラルネットワーク 2.2　ニューラルネットワークでのデータ表現 2.3　ニューラルネットワークの歯車：テンソル演算 2.4　ニューラルネットワークのエンジン：勾配ベースの最適化 2.5　最初の例を振り返る 3章　入門：ニューラルネットワーク 3.1　ニューラルネットワークの構造 3.2　Kerasの紹介 3.3　ディープラーニングマシンのセットアップ 3.4　二値分類の例：映画レビューの分類 3.5　多クラス分類の例：ニュース配信の分類 3.6　回帰の例：住宅価格の予測 4章　機械学習の基礎 4.1　機械学習の4 つの手法 4.2　機械学習モデルの評価 4.3　データ前処理、特徴エンジニアリング、表現学習 4.4　過学習と学習不足 4.5　機械学習の一般的なワークフロー Part 2　ディープラーニングの実践 5章　コンピュータビジョンのためのディープラーニング 5.1　畳み込みニューラルネットワークの紹介 5.2　小さなデータセットでCNNを一から訓練する 5.3　学習済みのCNNを使用する 5.4　CNNが学習した内容を可視化する 6章　テキストとシーケンスのためのディープラーニング 6.1　テキストデータの操作 6.2　リカレントニューラルネットワークを理解する 6.3　リカレントニューラルネットワークの高度な使い方 6.4　畳み込みニューラルネットワークでのシーケンス処理 7章　高度なディープラーニングのベストプラクティス 7.1　Sequential モデルを超えて：Keras Functional API 7.2　Keras のコールバックとTensorBoardを使ったディープラーニングモデルの調査 7.3　モデルを最大限に活用するために 8章　ジェネレーティブディープラーニング 8.1　LSTM によるテキスト生成 8.2　DeepDream 8.3　ニューラルネットワークによるスタイル変換 8.4　変分オートエンコーダによる画像の生成 8.5　速習：敵対的生成ネットワーク 9章　本書のまとめ 9.1　主な概念の復習 9.2　ディープラーニングの限界 9.3　ディープラーニングの未来 9.4　目まぐるしく変化する分野に後れずについていくには 9.5　最後に 付録A　Kerasとその依存ファイルをUbuntu にインストールする A.1　Pythonの科学ライブラリをインストールする A.2　GPUのサポートをセットアップする A.3　Theanoをインストールする（オプション） A.4　Kerasをインストールする 付録B　AWSのGPUインスタンスでJupyter Notebookを実行する B.1　Jupyter NotebookをAWSで実行する理由 B.2　Jupyter NotebookをAWSで実行しない理由 B.3　AWS GPUインスタンスのセットアップ B.4　Kerasをインストールする B.5　ローカルポートフォワーディングを設定する B.6　ローカルブラウザからJupyter Notebookを使用する
Amazonで購入する

今すぐ試したい! 機械学習・深層学習(ディープラーニング) 画像認識プログラミングレシピ

著者 賢, 川島
出版社 秀和システム
紹介サイト数 2
おすすめ度 8.774762112780385
書籍の説明 私たちの日常生活で、人工知能が普通に使われる時代になりました。スマートフォンの顔認証、自動運転技術、SiriやAlexaのようなAI音声アシスタントなど身近な技術ばかりです。これからは機械学習や深層学習はエンジニアの基本教養となるかもしれません。本書は、機械学習や深層学習の分野から画像認識に重点をおいて、難しい数式をつかわず、図や写真を多用して解説する入門書です。必要な概念、用語、キーワードも網羅的に説明します。 第1部 人工知能・機械学習・深層学習の基礎知識 第1章 人工知能・機械学習・深層学習の基本 　01-01 人工知能概要 　人工知能の歴史 　人工知能とは 　機械学習 　人工ニューラルネットワーク 　深層学習（ディープラーニング） 　今注目される理由 　01-02 機械学習とは 　機械学習とは 　機械学習のタイプ（分類） 　教師あり学習 　教師あり学習の用途 　教師あり学習の重要アルゴリズム 　教師なし学習 　教師なし学習の用途 　教師なし学習の重要アルゴリズム 　強化学習 　機械学習のためのデータ 　データの重要性 　学習用データと検証データ 　過学習（over fitting） 　次元の呪い（the curse of dimensionality） 　データの入手 　機械学習（教師あり）の流れ 　課題の定義 　データの準備 　学習フェーズ 　検証・評価フェーズ 　応用フェーズ 　01-03 深層学習とは 　視覚情報の重要性 　生物学ニューロンから人工ニューロンへ 　生物学ニューロンとは 　生物学ニューロンのモデル化 　パーセプトロン（perceptron） 　パーセプトロンの限界 　ニューラルネットワーク 　活性化関数 　ニューラルネットワークの学習 　深層学習（ディープラーニング）とは 　深層学習の応用 　3つの代表的な深層学習アルゴリズム 　畳み込みニューラルネットワーク詳説 　入力層(input layer) 　畳み込み層（convolutional layer） 　プーリング層（pooling layer） 　全結合層（fully connected layer） 　深層学習のフレームワーク 　機械学習、深層学習に必要な数学 第2章 Pythonと重要なツール・ライブラリ 　02-01 本書の実行環境の概要について 　Pythonの開発環境 　Pythonの環境を用意する 　PCにPythonをインストールする場合 　Anacondaのダウンロード 　Anacondaのインストール 　Anaconda Navigatorの起動 　Anacondaで環境の管理 　まずはChannelを追加しよう 　仮想環境にパッケージをインストールしよう 　Raspberry Piの場合 　pip3のインストール 　共通の必要なパッケージ等をインストールする 　Kerasが利用するパッケージのインストール 　本書のサンプルコードをダウンロードする 　02-02 Jupyter Notebookを使おう 　Jupyter Notebookの起動 　Jupyter Notebookの基本操作 　Notebookを作る 　新しいNotebookを作る 　メモを追加する 　Raspberry PiでJupyter Notebookを使う場合 　02-03 Colaboratoryノートブックを使おう 　動かそう！ 　GoogleアカウントにログインしてGoogleドライブを起動 　Colaboratoryノートブックを作成する 　Pythonのバージョンの設定 　Colaboratoryでの操作 　ハードディスクの容量の確認 　メモリ使用量の確認 　OS情報の出力 　CPU情報の出力 　ファイルのアップロード 　パッケージのインストール 　使用中のパッケージのバージョンの確認 　本書のNotebookをインポートする 　02-04 Pythonの基礎と文法 　Pythonの基本 　Pythonのバージョンを確認しよう 　インストールされているパッケージを確認しよう 　Hello Worldと表示してみよう 　日本語の出力 　コメントの書き方 　演算 　変数 　変数とは 　文字列の変数 　文字列の連結 　Pythonの型 　型の出力 　型の変換 　リストの作り方 　二次元配列 　三次元配列 　文字の多次元配列 　リストからの値の出し方 　リストのスライス 　リスト要素の更新 　リスト要素の追加 　リスト要素の削除 　リストの代入 　条件分岐 　if文と条件式 　else 　elif 　条件式の and、not、or 　for文 　range()による数値シーケンスの生成 　while文 　関数 　import 　ファイルをimportする 第3章 NumPyとMatplotlibの使い方 　03-01 NumPyの使い方 　NumPyの基本操作 　配列の作成 　掛け算 　足し算 　配列の要素同士の四則演算 　ベクトルの内積 　二次元ベクトルの内積 　ndarrayの形状変換 　要素がゼロの配列生成 　要素が1の配列を生成する 　未初期化の配列を生成する 　matrixで二次元配列の作成 　shapeで次元ごとの要素数を取得する 　ndimで次元構造を取得する 　配列要素のデータ型dtype 　1要素のバイト数itemsize 　配列の要素数size 　arangeで配列を生成する 　配列要素データ型の変換astype 　03-02 Matplotlibの使い方 　簡単なグラフを作ってみよう 　グラフの要素に名前を設定する 　グラフのグリッドを非表示にする 　グラフの目盛を設定する 　グラフのサイズ 　散布図 　複数グラフのグリッド表示 　三次元散布図 　色とマーカーを変える 第2部 今すぐ試してみたい16のレシピ！ 第4章 機械学習・深層学習のレシピ（初級・中級） 　04-01 OpenCVでの画像処理の基本 　OpenCVとは 　OpenCVのバージョン 　OpenCVのインストール 　バージョンの確認 　サンプル画像のダウンロード 　調理手順 　画像の取込み 　画像の保存 　トリミング 　リサイズ 　画像の回転 　色調変換 　2値化 　ぼかし 　ノイズの除去 　膨張・収縮 　輪郭抽出 　画像データの水増し 　まとめ 　04-02 Raspberry PiでOpenCVを利用した顔認識 　Raspberry PiでOpenCVを使えるようにする 　OpenCVのコンパイルとインストール 　Raspbianの用意 　Expand Filesystem 　システムを更新する 　swapfileサイズを大きくする 　必要なパッケージのインストール 　OpenCVのソースコードを用意する 　コンパイルの準備 　いざコンパイル 　インストール 　OpenCVのsoファイルを参照できるようにする 　最後にswapfileサイズを戻す 　インストール後の確認 　調理手順 　Raspberry Piカメラモジュールの用意 　PiCameraパッケージのインストール 　PiCameraを使えるようにRaspberry Piを設定する 　カメラの動作確認 　OpenCVのサンプルコードを実行しよう 　分類器のダウンロード 　実行と結果 　検出方法 　まとめ 　04-03 アヤメ分類チャレンジレシピ 　scikit-learnとは 　scikit-learnとはPython向けの機械学習フレームワーク 　scikit-learnの特徴 　scikit-learnの datasetsの種類 　scikit-learnのインストール 　scikit-learnのバージョンの確認 　課題を理解する 　データに慣れる 　表形式でデータを見る 　データ全件を見る 　1つの特徴量を見てみる 　1列目、2列目のデータを使う場合 　3列目、4列目のデータを使う場合 　調理手順 　必要なパッケージのインポート 　分類と回帰 　サポートベクターマシン（SVM : Support Vector Machine） 　回帰係数と誤差 　超平面（hyper-plane）とは？ 　交差検証 　最後に一番シンプルな学習と検証 　分類(predict)してもらう 　まとめ 　04-04 scikit-learnで機械学習手書き数字認識レシピ 　手書き数字の画像データの特徴量を調べる 　データセットモジュールのインポート 　データを表示する 　データを画像として描画する 　複数データを描画してみよう 　手書き数字データセットを三次元の空間で見る 　調理手順 　分類器をインポートする 　データを再構成 　分類器（SVC）の作成 　検証とグラフ 　一回整理しよう 　まとめ 　04-05 Chainer＋MNIST手書き数字分類レシピ 　Colaboratoryで学習、Raspberry Piで 　手書き認識ウェブアプリケーションを作成 　Chainerとは 　MNISTとは 　Chainer のインストール 　Chainerのバージョンの確認 　Chainer の基本部品のインポート 　MNISTのデータをロードする 　数字の画像を見る 　学習用データセットと検証用データセットの数 　調理手順 　必要なパッケージをインポートする 　ニューラルネットワークの定義 　iteratorsとは 　Optimizerの設定 　検証の処理ブロック 　学習と検証 　学習済モデルの保存 　学習済モデルのダウンロード 　学習済のモデルを使う 　Raspberry Pi側の作業 　手書き数字の認識 　画像データの送信 　画像データの受け取り 　まとめ 　04-06 Chainerで作る犬と猫認識ウェブアプリ 　データの準備 　ChainerとCuPyの用意 　データセットのダウンロード 　ダウンロードしたファイルを確認する 　データセットを解凍する 　調理手順 　学習データを確認する（任意画像） 　検証データを確認する（任意画像） 　学習データと検証データを分ける 　関数get_image_teacher_label_list()の定義 　学習データと検証データをリストにする 　画像データ形式の整備 　データ形状変換の結果確認 　画像の前処理関数 adapt_data_to_convolution2d_format() 　データセットの作成 　学習データと検証データを分ける 　CNNを設定する 　反復子 　Optimizerの設定 　updaterの設定 　trainerの設定 　extensionsの設定 　学習の実行 　学習結果の確認 　検証する（学習済モデルを使う） 　モデルを書き出す 　関数の定義 convert_test_data() 　検証用の写真を選ぶ 　画像サイズの設定 　Google Driveにドキュメントとして保存する 　ファイルの作成 　保存(Google Driveへのアップロード) 　手書き犬と猫の判別 　写真をアップロードして認識させる 　写真を判定する処理 　まとめ 　04-07 PyTorchでMNIST手書き数字学習レシピ 　PyTorchとは 　PyTorchのインストール 　調理手順 　必要なパッケージのインストール 　データセットのダウンロード 　データの中身を見てみる 　データを可視化してみる 　学習データと検証データを用意する 　ニューラルネットワークの定義 　モデル 　コスト関数と最適化手法を定義する 　学習 　検証 　個別データで検証 　まとめ 　04-08 PyTorchでCIFAR-10の画像学習レシピ 　CIFAR-10とは 　PyTorchのインストール 　必要なパッケージのインポート 　transformを定義する 　学習データと検証データの用意 　クラスの中身を設定する 　調理手順 　必要なパッケージのインポート 　画像を表示する関数 　CIFAR-10の中身を見る 　学習のニューラルネットワークの定義 　optimizerの設定 　学習 　個別データで検証 　テスト 　検証 　クラス毎の検証結果 　まとめ 第5章 機械学習・深層学習のレシピ（中級・上級） 　05-01 TensorFlow＋Keras＋MNIST 　手書き数字認識ウェブアプリ 　Kerasとは 　Kerasのバックエンドとは？ 　なぜKerasを使うのか 　TensorFlowとは 　Kerasを用いた処理フロー 　調理手順 　TensorFlowのインストール 　TensorFlowのバージョンの確認 　Kerasのインストール 　設定 　MNISTデータセットのローディング 　学習モデルに合わせたデータ配列の形状変換 　学習モデルに合わせてデータ調整 　教師ラベルデータの変換 　シーケンシャルモデル指定 　学習モデルの構築 　ニューラルネットワークの構築 　モデルのコンパイル 　学習 　学習プロセスのグラフ 　検証 　予測 　学習済モデルの保存 　保存後ファイルの確認 　学習済モデルのダウンロード 　Raspberry Piで手書き数字の認識、文字認識 　まとめ 　05-02 TensorFlow＋FashionMNISTでFashion認識 　Fashion MNISTとは 　TensorFlowのバージョン 　Fashion MNISTデータの取得 　データセットを見る 　検証データの確認 　データセットの一部を描画する 　調理手順 　設定 　学習モデルに合わせてデータ調整 　学習モデルの構築 　モデルのコンパイル 　学習 　学習プロセスのグラフ 　検証 　予測 　学習済モデルの保存 　まとめ 　05-03 TensorFlowで花認識ウェブアプリ 　retrain（転移学習）とは 　花のデータセットをダウンロードする 　花のデータセットを解凍する 　学習（retrain）プログラムを入手する 　フォルダの内容を確認する 　調理手順 　転移学習開始 　学習の結果を確認する 　予測用のプログラムをダウンロードする 　テストを実施する 　アップロードした花の写真でテストする 　学習済のファイルをダウンロードする 　Raspberry Piで手書き入力の部分を用意する 　まとめ 　05-04 TensorFlowでペットボトルと空き缶分別 　データの収集をする 　ペットボトルの画像を用意する 　空き缶の画像を用意する 　ペットボトル写真の処理 　ペットボトル画像を確認するために表示する 　意図しない写真ファイルを削除する（クレンジング処理） 　ペットボトル画像の水増し 　水増ししたペットボトルの画像を確認する 　調理手順 　学習プログラムをダウンロードする 　用意したデータをtarget_folderにコピーする 　ペットボトルのデータをコピーする 　空き缶のデータをコピーする 　転移学習開始 　予測するプログラムをダウンロードする 　学習済モデルを使う 　学習済のモデルファイルをダウンロードする 　まとめ 　05-05 YOLOで物体検出 　物体検出とは 　YOLOとは 　調理手順 　daskのインストール 　CPythonのインストール 　darknetのclone 　作業の場所を移動する 　YOLOをコンパイルする 　YOLO3のモデルをダウンロードする 　物体検出を試してみよう 　もう1枚テストする 　まとめ 　05-06 ハードウェアの拡張による人物検出 　Movidius NCSとは 　調理手順 　システムを最新の状態にする 　swapfileサイズを大きくする 　ncsdkのインストール 　TensorFlowのインストール 　OpenCVのインストール 　サンプルコードの実行 　まとめ 　05-07 Google AIY Vision Kitで笑顔認識 　Google AIY Vision Kitの組み立て 　まずGoogle AIY Vision Kitの中身を見てみよう 　Google AIY Vision Kitを組み立てる 　調理手順 　Google AIT Vision Kitの最初の起動 　まとめ 　05-08 人工知能Cloud APIを利用してキャプション作成 　クラウド上のAPIを利用して分類、検出 　Azureアカウントの取得 　Computer Visionプロジェクトの作成 　調理手順 　必要なパッケージをインポートする 　初期設定 　画像のキャプションを取得する関数 　写真の指定 　結果の表示 　画像を表示する 　まとめ 第3部 Pythonとオブジェクト指向・Pythonでできるウェブサーバ 第6章 Pythonとオブジェクト指向 　06-01 オブジェクト指向プログラミングとは 　なぜオブジェクト指向プログラミングなのか 　オブジェクトとは 　クラスとは 　06-02 クラスを実際に作ってみよう 　ロボットのクラスを作ってみよう 　クラスの定義 　コンストラクタ（constructor） 　メソッド（method） 　属性（property） 　インスタンス（instance） 　メソッドの呼び出し 　クラスの継承 　親クラス（parent class） 　拡張(メソッドの追加) 　メソッドのオーバーライド（method override） 　まとめ 第7章 Pythonでできるウェブサーバ 　07-01 Flaskアプリケーション開発の準備 　Flaskウェブアプリケーションフレームワーク 　Flaskのインストール 　07-02 アプリケーションの設置 　フォルダの作成とapp.pyの設置 　ウェブアプリケーションを立ち上げる 　まとめ
Amazonで購入する

プログラミング入門講座――基本と思考法と重要事項がきちんと学べる授業

著者 米田 昌悟
出版社 SBクリエイティブ
紹介サイト数 2
おすすめ度 8.76164195411893
書籍の説明 必ず身につく世界最良の学習メソッド なぜ、世界中の成功者はプログラミングの基本を学んでいるのか。その答えと、具体的な学び方が一冊に！ 世界中で２億人以上が夢中になった学び方！ バラク・オバマ（アメリカ大統領）、ビル・ゲイツ（Microsoft創業者）、マーク・ザッカーバーグ（Facebook創業者）らも賛同した、 「世界最良の学習メソッド」を徹底紹介！ 抜群の面白さとわかりやすさで、小学生から大人まで全世代がハマる！ ★★こらからはじめる人にオススメの１冊です！★★ ・なぜ、世界中の成功者はプログラミングの基本を学んでいるのか？ ・プログラミングの基本を最少の時間で確実に習得できる学び方とは？ 世界最先端の学習研究が「学び方」を劇的に変えた。 この知識は決して無駄にはなりません。 プログラミングの基礎知識は、近い将来、必ず役立つスキルになります。 ◆◆本書の対象読者◆◆ ・ できるだけ効率よく、とプログラミングの基本を習得したい人 ・ プログラミングに興味はあるが、そもそもの「学び方」がよくわからない人 ・ 社会人の一般教養として「プログラミングの基本」を身につけておきたい人 ・ 子どものプログラミング教育に興味のある人 ぜひご一読ください。 本書掲載の「新しい学び方」は、あなたの「プログラミング」に対する見方を 完全に変えるかもしれません。 第１部 新しいスキルを獲得しよう！ 第１章 プログラミング・スキルの想像以上の価値 第２章 効率よく、確実にプログラミング・スキルを習得する方法 第２部 世界最高の学習メソッドで学ぶ、はじめてのプログラミング 第３章 主な学習サービスの概要と特徴 第４章 はじめてでも絶対につまずかない「Hour of Code」 第５章 最もシンプルかつ強力な学習ツール「Lightbot」 第６章 世界最高峰の叡智が作った「Scratch」 第７章 コード入力による制御・処理を学べる「CodeMonkey」 第３部 「プログラミング」の全体像を理解する 第８章 １つのプログラムを最初から最後まで作ってみよう！ 第９章 他者のプログラムを活用することの大切さ 第４部 入門者からの脱却 ～もう１つ上のステップへ～ 第１０章 どのプログラミング言語を学ぶべきか 第１１章 本格的にプログラミングを学ぶための手引き
Amazonで購入する

Pythonクローリング&スクレイピング[増補改訂版] -データ収集・解析のための実践開発ガイド

著者 加藤 耕太
出版社 技術評論社
紹介サイト数 2
おすすめ度 8.750455292523375
書籍の説明 Pythonによるクローリング・スクレイピングの入門から実践までを解説した書籍です。2017年の初版から内容をアップデート、新ライブラリの解説などを追加した増補改訂版です。基本的なクローリングやAPIを活用したデータ収集、HTMLやXMLの解析から、データ取得後の分析や機械学習などの処理まで解説。データの収集・解析、活用がしっかりと基本から学べます。Webサービスの開発やデータサイエンスや機械学習分野で実用したい人はもちろん、基礎から解説しているのでPython初心者でもつまずかずに学習できます。多数のライブラリ、強力なフレームワークを活用して高効率に開発できます。 1. クローリング・スクレイピングとは何か 1-1. 本書が取り扱う領域 1-2. Wgetによるクローリング 1-3. スクレイピングに役立つUnixコマンド 1-4. gihyo.jpのスクレイピング 1-5. まとめ 2. Pythonではじめるクローリング・スクレイピング 2-1. Pythonを使うメリット 2-2. Pythonのインストールと実行 2-3. Pythonの基礎知識 2-4. Webページを取得する 2-5. Webページからデータを抜き出す 2-6. データをファイルに保存する 2-7. Pythonによるスクレイピングの流れ 2-8. URLの基礎知識 2-9. まとめ 3. ライブラリによる高度なクローリング・スクレイピング 3-1. HTMLのスクレイピング 3-2. XMLのスクレイピング 3-3. データベースに保存する 3-4. クローラーとURL 3-5. Pythonによるクローラーの作成 3-6. まとめ 4. 実用のためのメソッド 4-1. クローラーの特性 4-2. 収集したデータの利用に関する注意 4-3. クロール先の負荷に関する注意 4-4. 繰り返しの実行を前提とした設計 4-5. まとめ 5. クローリング・スクレイピングの実践とデータの活用 5-1. データセットの取得と活用 5-2. APIによるデータの収集と活用 5-3. 時系列データの収集と活用 5-4. オープンデータの収集と活用 5-5. Webページの自動操作 5-6. JavaScriptを使ったページのスクレイピング 5-7. 取得したデータの活用 5-8. まとめ 6. フレームワーク Scrapy 6-1. Scrapyの概要 6-2. Spiderの作成と実行 6-3. 実践的なクローリング 6-4. 抜き出したデータの処理 6-5. Scrapyの設定 6-6. Scrapyの拡張 6-7. クローリングによるデータの収集と活用 6-8. 画像の収集と活用 6-9. まとめ 7. クローラーの継続的な運用・管理 7-1. クローラーをサーバーで実行する 7-2. クローラーの定期的な実行 7-3. クローリングとスクレイピングの分離 7-4. クローリングの高速化・非同期化 7-5. クラウドを活用する 7-6. まとめ Appendix. Vagrantによる開発環境の構築 A-1. VirtualBoxとVagrant A-2. CPUの仮想化支援機能を有効にする A-3. VirtualBoxのインストール A-4. Vagrantのインストール A-5. 仮想マシンを起動する A-6. ゲストOSにSSH接続する A-7. Pythonのスクリプトファイルを実行する A-8. Linuxの基本操作 A-9. Vagrantで仮想マシンを操作するコマンド
Amazonで購入する

エキスパートPythonプログラミング改訂2版

著者 Michal Jaworski
出版社 KADOKAWA
紹介サイト数 2
おすすめ度 8.65930471655959
書籍の説明 卓越したPythonプログラマになるための必読書 本書は、Pythonを使って仕事をしている開発者が普段どのようなツールやテクニックを用いて仕事をしているのか、また開発者が実際に現場で用いているベストプラクティスについて解説した書籍です。本書を読むことで、先進的なPythonプログラマが日常的に使用している開発ノウハウを学ぶことができます。 第1章 現在のPythonのステータス 第2章 構文ベストプラクティス ― クラス以外 第3章 構文ベストプラクティス ― クラスの世界 第4章 良い名前を選ぶ 第5章 パッケージを作る 第6章 コードをデプロイする 第7章 他言語によるPythonの拡張 第8章 コードの管理 第9章 プロジェクトのドキュメント作成 第10章 テスト駆動開発 第11章最適化 ― 一般原則とプロファイリングテクニック 第12章最適化 ― いくつかの強力な解決方法 第13章 並行処理 第14章 Pythonのためのデザインパターン
Amazonで購入する

scikit-learn、Keras、TensorFlowによる実践機械学習 第2版

著者 Aurélien Géron
出版社 オライリージャパン
紹介サイト数 2
おすすめ度 8.650423378388759
書籍の説明 『scikit-learnとTensorFlowによる実践機械学習』の改訂。教師なし学習、言語、強化学習などを追加。 『scikit-learnとTensorFlowによる実践機械学習』待望の改訂版！ 初版でカバーできなかった教師なし学習、ディープラーニングに関する画像、言語、強化学習などについて詳述。またTensorFlow上で動くニューラルネットワークライブラリのKerasの解説が加わり、各章でKerasを使った解説がなされています。TensorFlowのコンポーネントに関する記述が追加されています。Githubにjupyter notebookで試せるコードを掲載しており、試しながら学べます。
Amazonで購入する

あなたのワークシートがインターネットにつながる Excel VBAでクローリング&スクレイピング

著者 五十嵐 貴之
出版社 ソシム
紹介サイト数 2
おすすめ度 8.564839574197121
書籍の説明
Amazonで購入する

Excel×Python最速仕事術

著者 金宏 和實
出版社 日経BP
紹介サイト数 2
おすすめ度 8.537606380002535
書籍の説明 全オフィスパーソン必読！ Excelの面倒な操作はパソコンにやらせよう 全オフィスパーソン必読！Excelの面倒な操作はパソコンにやらせよう ビジネスパーソンが必ず使うExcelは、面倒な手作業が多いのが残念なところ。いくら操作を効率化しても、マウスやキーボードでの作業がなくなりません。決まったセルの範囲を別のシートの決められたところにコピーしたり、毎月のデータをグラフにしたり……。1回だけの作業だけならまだしも、部署別や事業所別にほとんど同じ作業を何度も何度も繰り返すような作業もしばしば。オフィスでのパソコン操作には、こんな無駄がたくさんあってうんざりしている人は多いでしょう。抜本的に解決するは、操作方法を工夫するだけでは追いつきません。 そんな単純で面倒な作業は、Pythonで自動化しましょう！ 一度、自分の作業に合わせて自動化すれば、どんなに大量のデータでもパソコンにすべてまかせてOK。自分は他の仕事を進められます。 今から始めるならVBAよりPythonがお薦め。 Pythonを学びながらExcelを効率化するか。 Excel業務を自動化しながらプログラミングも身に付けるか。 どちらにしても“一石二鳥”なのは間違いありません。 プログラミングをやったことがないという人も多いでしょう。普通のビジネスパーソンがプログラミング未経験なのは当たり前。でも、大丈夫。必要な基礎知識をさっと身に付けられるよう、簡潔に解説。ざっと一読するだけでプログラミングの基本が学べます。 「ExcelをPythonで自動化」なんていうと難しそうに聞こえるかもしれません。でも、実はどのプログラムもものすごくシンプル。すでに身に染みついているExcelの手作業を基にしているので、プログラムを読んでいるだけでも「何をやっているか」がリアルにわかるのが本書のミソ。ビジネスパーソンがプログラミングに入門するにはピッタリの題材なのではないでしょうか。 「そうは言っても、プログラムをイチから書くのは大変そう」。そんな心配はご無用です！ 本書で取り上げたサンプルプログラムはダウンロードしてすぐに利用可能。実際の業務に即したプログラムなのに加え、どこをどう書き換えれば、手っ取り早く自分の業務に応用できるかもできる限り解説しました。プログラムによっては、ほぼ無改造で即業務に役立てられるものもあります。 「どうせならじっくりプログラミングを勉強したい」。そんな人は各章の後半を重点的に読んでください。各章のサンプルプログラムで使われているテクニックをより詳しく、深く解説。必要に応じて、学習用のシンプルなプログラムも提供しています。簡単なプログラムでも、自分で書いて動かせば学習効果は抜群。基本をしっかり身に付ければ、自分のアイデアを生かしたオリジナルのExcel自動化プログラムも可能です。 ちまちました手作業のせいで無駄な残業をするのはもうたくさん。すぐに業務に役立てたい人にも、ディープに学んで高度に自動化したい人にも、本書がきっとお役に立ちます。 【第1章　Pythonとは】 なぜPythonを使うのがいいのか／VBAではなくPythonを使う理由／Pythonの環境を作る、など 【第2章　Pythonとプログラミングの基本】 Pythonの文法／変数とデータ型。変数名の付け方／様々な演算子／組み込み関数とオリジナルの関数、など 【第3章 Excelシートを扱う】 ・定型のExcelデータ（売上伝票）を読み込んで一覧データを作るプログラム ・外部ライブラリ／if文による条件分岐／for構文による繰り返し処理／読み込むセル範囲の指定方法／CSV形式で出力する／ネットワークにあるデータを扱う／パーミッションエラー対策、など 【第4章 集計】 ・個々の伝票から売上を集計するプログラムと／受注データをクロス集計するプログラム ・辞書形式のデータ／2次元リストの使い方と初期化／Excel関数の埋め込み／ピボットテーブルもPythonで、など 【第5章 書式設定と印刷】 ・集計表に書式を設定するプログラム ・import文の便利な書き方／行と列の非表示を制御／セルの書式設定総まとめ／罫線を自動で引く／ファイル制御に必要はraw文字列／いろいろなセル範囲の指定方法／条件付き書式をPythonで、など 【第6章 グラフ】 ・ビジネスでよく使うグラフを作るプログラム ・棒グラフ／積み上げ棒グラフ／折れ線グラフ／面グラフ／レーダーチャート／バブルチャート、など 【第7章 PDF出力と加工】 ・複数の納品書データをまとめてPDF化するプログラム ・テキストや画像をレイアウトしてPDFを作成するプログラム ・COMを使ったExcel操作／win32comのインストール／VBAを応用する方法、など
Amazonで購入する

深層学習

著者 Ian Goodfellow
出版社 KADOKAWA
紹介サイト数 2
おすすめ度 8.500300113823755
書籍の説明 深層学習の世界的名著、ついに刊行 AI研究の一分野として注目を集める深層学習（ディープラーニング）に関する教科書として世界的な評価を受けている解説書。深層学習の理解に必要な数学、ニューラルネットワークの基礎から、CNN（畳み込みニューラルネットワーク）やRNN（回帰結合型ニューラルネットワーク）などのすでに確立した手法、さらに深層学習の研究まで、深層学習の基礎を理論を含めてしっかり学習したい人に最適な内容になっている。近年の深層学習研究をリードする著名な研究者たちが執筆した入門者必読の書である。 本書は、深層学習に関する数学的バックグラウンドやコンセプトから産業への応用まで、包括的に解説した唯一の書籍です。 第1章 はじめに 第I部 応用数学と機械学習の基礎 第2章 線形代数 第3章 確率と情報理論 第4章 数値計算 第5章 機械学習の基礎 第II部 深層ネットワーク：現代的な実践 第6章 深層順伝播型ネットワーク 第7章 深層学習のための正則化 第8章 深層モデルの訓練のための最適化 第9章 畳み込みネットワーク 第10章 系列モデリング：回帰結合型ニューラルネットワークと再帰型ネットワーク 第11章 実用的な方法論 第12章 アプリケーション 第III部 深層学習の研究 第13章 線形因子モデル 第14章 自己符号化器 第15章 表現学習 第16章 深層学習のための構造化確率モデル 第17章 モンテカルロ法 第18章 分配関数との対峙 第19章 近似推論 第20章 深層生成モデル
Amazonで購入する

スッキリわかるPythonによる機械学習入門 (スッキリわかる入門シリーズ)

著者 須藤秋良
出版社 インプレス
紹介サイト数 1
おすすめ度 6.234699395922904
書籍の説明 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。
Amazonで購入する

例題でわかる Pythonプログラミング入門

著者 佐村 敏治
出版社 電気書院
紹介サイト数 1
おすすめ度 5.541955018598137
書籍の説明 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。
Amazonで購入する

業界別! AI活用地図 8業界36業種の導入事例が一目でわかる (AI&TECHNOLOGY)

著者 本橋 洋介
出版社 翔泳社
紹介サイト数 1
おすすめ度 5.195582829935754
書籍の説明 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
Amazonで購入する

図解これだけは知っておきたいAI(人工知能)ビジネス入門

著者 直貴, 三津村
出版社 成美堂出版
紹介サイト数 1
おすすめ度 5.195582829935754
書籍の説明
Amazonで購入する

スラスラわかるPython 第2版

著者 岩崎 圭
出版社 翔泳社
紹介サイト数 1
おすすめ度 5.195582829935754
書籍の説明 Pythonに関する技術を基礎からやさしく解説した入門書の決定版！ Pythonの技術を基礎からやさしく解説した、入門書の決定版！ 本書は「はじめてプログラミングを学ぶ人」に向け、Pythonのスタンダードな知識を 習得することを目標としています。基本をしっかり理解し、身につけられるよう、 必要最低限の知識を丁寧に解説しています。前版を見直し、プログラミング以前に初学者がつまずきやすかったCUIの操作解説を充実させ、 プログラムの動きを終えるよう、コードの入力内容と実行結果を一目でわかるようにしました。 また、前版刊行後に普及した「型ヒント」の章を新たに設けています。※本書の内容は、2021年10月にリリース予定の最新バージョン、Python 3.10に基づいています。 将来、機械学習に取り組もうと思っている方は、まずは本書でPythonプログラミングを はじめてみましょう。 【目次】 第1章　Pythonの紹介 第2章　Pythonを自分のPCで動かそう 第3章　Pythonでプログラムを動かそう 第4章　型とメソッド 第5章　条件分岐 第6章　リスト型と繰り返し処理 第7章　辞書型 第8章　関数 第9章　エラーと例外 第10章　型ヒント 第11章　スクリプト、モジュール、パッケージ 第12章　Webスクレイピング 第13章　ファイル操作 第1章　Pythonの紹介 第2章　Pythonを自分のPCで動かそう 第3章　Pythonでプログラムを動かそう 第4章　型とメソッド 第5章　条件分岐 第6章　リスト型と繰り返し処理 第7章　辞書型 第8章　関数 第9章　エラーと例外 第10章　型ヒント 第11章　スクリプト、モジュール、パッケージ 第12章　Webスクレイピング 第13章　ファイル操作
Amazonで購入する

ビジネスの構築から最新技術までを網羅 AIの教科書

著者 伊本 貴士
出版社 日経BP
紹介サイト数 1
おすすめ度 4.987759516738324
書籍の説明 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
Amazonで購入する

Python実践機械学習システム100本ノック

著者 下山 輝昌
出版社 秀和システム
紹介サイト数 1
おすすめ度 4.849210641273371
書籍の説明 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
Amazonで購入する

世界のトップ企業50はAIをどのように活用しているか?

著者 バーナード・マー
出版社 ディスカヴァー・トゥエンティワン
紹介サイト数 1
おすすめ度 4.750247158798404
書籍の説明
Amazonで購入する

AI白書 2020

著者 独立行政法人情報処理推進機構 AI白書編集委員会
出版社 KADOKAWA
紹介サイト数 1
おすすめ度 4.676024546942179
書籍の説明 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
Amazonで購入する

動かして学ぶ! Python Django開発入門 第2版

著者 大高 隆
出版社 翔泳社
紹介サイト数 1
おすすめ度 4.676024546942179
書籍の説明 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
Amazonで購入する

Pythonトリック

著者 Dan Bader
出版社 翔泳社
紹介サイト数 1
おすすめ度 4.572112890343464
書籍の説明 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
Amazonで購入する

プログラマーになりたい！ 改訂新版

著者 長岡 英史
出版社 日経BP
紹介サイト数 1
おすすめ度 4.534326833398476
書籍の説明 プログラマーを仕事にしたいなら、まずはひと通りの“開発”を体験してみませんか。スキルアップのための指針が必ず見つかります！ ■ 開発の仕事をWebアプリケーションで実体験！ 「プログラマーが足りない！」との指摘をよく耳にします。プログラマーやソフトウェアエンジニアを目指している人も多いことでしょう。でも、ゼロから目指すとなると未経験ということに…。何から勉強すればいいか、迷うこともあるのではないでしょうか。 そこで、まずは本書でソフトウェアの開発を“経験”してみませんか？ 本書では、たとえプログラミング経験がない人でも、プログラムを作って、サーバーに転送し、誰にでも使ってもらえるようにWeb上のサービスとして公開するところまでできるよう、必要な作業やプロセスを解説しました。プログラミング経験がまったくなくても、本書の解説に沿って作業を進めていけば自分のサービスとしてアプリケーションを公開するところまでひと通りの開発を自分の手で実現できます。 本書を通じて開発したWebアプリケーションは、面接でアピールできる自分の実績になります。面接の場ではぜひ胸を張って「こういうアプリケーションを独力で公開しました」と見てもらってください。 プログラミングを学ぶ際の王道は、文法の基礎からコツコツと学んでいくこと。それはもちろん大事です。でも、それだけだといつになったら何らかのアプリケーションを作れるようになるのか、その道筋がわからず行き詰まってしまう人も少なくありません。 その点で、本書でコーディングからデプロイまで、アプリケーション開発を“実際にやってみる”ことにより、コツコツと学んだ基礎が実際の開発現場でどのように役立つのか、必要とされるのかを実感することができるでしょう。もし、基礎を学びながらモヤモヤとしたものを抱え、学習がはかどらなくなってしまっているのなら、いったん本書で全体像を把握してみることをお薦めします。全体を見渡すことで、基礎の重要性がわかると学習の効率も格段に上がるはず。 本書で取り上げた主なサービスやツールは、AWS（Amazon Web Services）、Django、Git、Herokuです。すべてクラウドで完結しているので、お手元の環境のOSやスペックに依存せず、Webを利用できる環境であれば誰でも同じように開発プロセスをトレースできます。 第1章　プログラマーと開発の仕事 第2章　Webアプリケーション開発の基本 第3章　Pythonの基礎の基礎 第4章　Webアプリ開発――開発環境の作成 第5章　Webアプリ開発――コーディング 第6章　Webアプリ開発――デプロイ 第7章　これからのスキルアップ戦略
Amazonで購入する