機械学習とは、データから学習した結果をもとに、新たなデータに対して判定や予測を行うことです。すでにさまざまな機械学習の方法が開発されています。本書では、そうした方法について背景にある理論や特徴を解説した上で、Pythonプログラミングによる実装法を説明していきます。初期の機械学習アルゴリズムから取り上げ、終盤ではディープラーニングについても見ていきます。機械学習の理論と実践についてバランスよく解説してあり、AIプログラミングの第一歩を踏み出すための格好の一冊です。

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

機械学習エンジニア＆データサイエンティスト必携！
初学者でもpandasによる前処理手法がわかる

【本書の背景】
機械学習やデータサイエンスでは、いかに「きれいなデータ」を用意できるかが非常に重要です。データクレンジングともいわれますが、実際の現場のデータは、機械学習やデータ分析にすぐ利用できるデータは皆無に等しく、エンジニアによりデータの前処理が必須となってきています。

【本書の概要】
本書は、機械学習やデータサイエンスの現場では、データ処理に必要な定番のライブラリ「pandas」を用いて、前処理の基本と様々な前処理手法について、あますところなく解説した書籍です。
初学者向けにシンプルでわかりやすいサンプルを用いていますので、pandasの基本操作方法やデータ構造、さらに前処理の基本の理解についてもしっかり学ぶことができます。
pandasを理解することで、様々な機械学習・データ分析タスクがスムーズに行えるようになります。

【本書の対象読者】
・機械学習エンジニア（初学者）
・データサイエンティスト（初学者）

【著書からひとこと】
機械学習では「Garbage In, Garbage Out（略、GIGO）」と言う概念があります。これは「無意味な（ゴミのような）データを入力すると無意味な結果が戻される」の意味です。
GIGOの概念でも解る通り、機械学習エンジニアは様々な手法で収集された膨大なデータの分析を行い、意味のある結果を得るために、多種多様な手法の前処理/分析を行います。
機械学習において約7割の時間はデータの前処理に費やされると言われていますが、その多くは「pandas」を使ったものです。
CSVファイルの読み込みから始まり、要約統計量や欠損値・外れ値・重複データの確認、さらにデータのマージやグループ化などの様々なタスクをpandasで行います。
本書では機械学習「初学者向け」にpandasの基本的な操作を解説しています。初歩的な要約統計量の算出やグループ化やダミー変数、さらに文字列や時系列データの基本操作など、幅広い範囲をカバーしています。
日々、データを業務で取り扱う機械学習エンジニアやKaggle等のデータ分析競技をやられている方に向けて、pandasを使ったデータ前処理のお役に立てばと思い執筆いたしました。

現場で使える！pandasデータ前処理入門 機械学習・データサイエンスで役立つ前処理手法

本書は、専門・非専門を問わずコンピュータにかかわる方を主な対象に想定した線形代数の参考書です。単に「線形代数プログラムの書き方」を解説する本ではなく、数学のプロでない読者に線形代数の本音を語ることが狙いです。

プログラミングのための線形代数

プログラミングのための確率統計

50項目の基本的なコンセプトを過不足なく説明し、最低限の数式とコードで理解を深める！
50の重要な統計と機械学習の「コンセプト」について、簡潔かつ正確な説明と、それを裏付ける最低限の数式、クリアな可視化、実現するRコードを過不足なく提示することで、多方面からの理解を促します。1つの項目について、概念、数学的裏付け、プログラミングといった多方面からアプローチし、シンプルに説明しているので、概念と実例を結びつけることができ、知識を確実に自分のものにすることが可能です。実際に動かして概念を理解することができます。

データサイエンスのための統計入門

時系列解析の定番テキストの入門編

時系列解析入門

コンピュータプログラムを理解するための"使える数学"。

コンピュータの数学

時系列解析について、基本手法から状態空間モデル、異常検知など、Pythonによる実解析のための手法をやさしく丁寧に解説!

時系列解析

子ども向けプログラミング言語Scratchを使って学ぶ機械学習の入門書。作りながら学ぶことで、仕組みを考えられるようになる。

Scratchではじめる機械学習

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。

2045年、AIが人類の知性を上回り、ついに私たちは生物の限界を超えてシンギュラリティへと到達する―フューチャリストとして技術的特異点の到来をいち早く予見し、現在はAI(人工知能)の世界的権威としてGoogle社でAI開発の先頭に立つレイ・カーツワイル。彼が世界に衝撃を与えた600ページ超の名著『ポスト・ヒューマン誕生』のエッセンスを抜き出した決定版。

シンギュラリティは近い

人工知能を利用した開発に必要な基礎知識がわかる！

【書籍概要】
「人工知能」に3度目の波が到来！
人工知能を利用した産業革命の波が日本にも押し寄せています。膨大なデータが様々なデバイス／サービスから集められ、それを分析・高速処理する環境が揃いつつあり、産学で研究開発が活発になっています。

本書は人工知能関連の開発に携わっているエンジニアに向けて、今後のコアとなる理論と技術を図解で解説した書籍です。

【対象読者】
人工知能を利用したプロダクトやサービス開発に携わるエンジニアの方（プログラマー、データベースエンジニア、組込みエンジニアなど）

【特徴】
話題の機械学習・深層学習、IoTやビッグデータとの連係についてもフォロー。理論の概念図や事例などを、わかりやすく解説しています。

【構成】
第1章では人工知能の過去と現在と未来について解説。第2章～第14章への伏線となるように解説しています。
第2章～第14章では、各トピックにおける理論と技術について解説しています。

【目次】
CHAPTER1 人工知能の過去と現在と未来
CHAPTER2 ルールベースとその発展型
CHAPTER3 オートマトンと人工生命プログラム
CHAPTER4 重み付けと最適解探索
CHAPTER5 重み付けと最適化プログラム
CHAPTER6 統計的機械学習（確率分布とモデリング）
CHAPTER7 統計的機械学習（教師なし学習と教師あり学習）
CHAPTER8 強化学習と分散人工知能
CHAPTER9 深層学習
CHAPTER10 画像や音声のパターン認識
CHAPTER11 自然言語処理と機械学習
CHAPTER12 知識表現とデータ構造
CHAPTER13 分散コンピューティング
CHAPTER14 大規模データ・IoTとのかかわり

【著者紹介】
多田智史（ただ・さとし）
1980年生まれ、兵庫県出身。大学は生物工学を専攻し、
現在バイオインフォマティクスの企業に勤務。データ解析プログラムや
Webベースのデータベースシステムの開発を業務で行う。

【監修者紹介】
石井一夫（いしい・かずお）
東京農工大学農学府農学部農学系ゲノム科学人材育成プログラム特任教授。
ゲノム研究者としての実務家の視点から、ビッグデータ活用のあるべき姿を
追求するために「ビッグデータ活用実務フォーラム」を2013年6月に設立。

あたらしい人工知能の教科書 プロダクト／サービス開発に必要な基礎知識

サンプルコードを動かしながらTensorFlowとScikit-Learnで機械学習を学ぶ！
機械学習、特にニューラルネットワークの概要を解説し、単純な線形回帰から始まり、深いニューラルネットワークに移行する一連のテクニックを学びます。機械学習／深層学習に必要なサポートベクターマシン、デシジョンツリー、ランダムフォレスト、アンサンブルメソッドなど順を追って解説します。解説だけでなく、各章で練習問題を用意しており、またGithubにjupyter notebookで試せるコードが掲載しているため、試しながら学べる構成になっています。

scikit-learn（ｻｲｷｯﾄﾗｰﾝ）とTensorFlowによる実践機械学習

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。

PythonとKerasによるディープラーニング

強化学習が実装できる！　エンジニアのために、Ｐｙｔｈｏｎのサンプルコードとともに、ゼロからていねいに解説。実用でのネックとなる強化学習の弱点とその克服方法、さらに活用領域まで紹介した。コードも公開！


・Pythonプログラミングとともに、ゼロからていねいに解説。
・コードが公開されているから、すぐ実践できる。
・実用でのネックとなる強化学習の弱点と、その克服方法まで紹介。

【おもな内容】

Day1　強化学習の位置づけを知る

Day2　強化学習の解法(1): 環境から計画を立てる
　価値の定義と算出: Bellman Equation
　動的計画法による状態評価の学習: Value Iteration
　動的計画法による戦略の学習: Policy Iteration
　モデルベースとモデルフリーとの違い

Day3　強化学習の解法(2): 経験から計画を立てる
　経験の蓄積と活用のバランス: Epsilon-Greedy法
　計画の修正を実績から行うか、予測で行うか: Monte Carlo vs Temporal Difference
　経験を状態評価、戦略どちらの更新に利用するか

Day4　強化学習に対するニューラルネットワークの適用
　強化学習にニューラルネットワークを適用する
　状態評価を、パラメーターを持った関数で実装する: Value Function Approximation
　状態評価に深層学習を適用する: Deep Q-Network
　戦略を、パラメーターを持った関数で実装する: Policy Gradient
　戦略に深層学習を適用する: Advantage Actor Critic(A2C)
　状態評価か、戦略か

Day5　強化学習の弱点
　サンプル効率が悪い
　局所最適な行動に陥る、過学習をすることが多い
　再現性が低い
　弱点を前提とした対応策

Day6　強化学習の弱点を克服するための手法
　サンプル効率の悪さへの対応：モデルベースとの併用／表現学習
　再現性の低さへの対応：進化戦略
　局所最適な行動/過学習への対応：模倣学習／逆強化学習

Day7　強化学習の活用領域
　行動の最適化
　学習の最適化

機械学習スタートアップシリーズ　Pythonで学ぶ強化学習　入門から実践まで

There's never before been a company like Netflix. Not just because it leads the media, technology, and entertainment industries alike; or because it generates billions of dollars of annual revenue, from over 151 million users in 190 countries. Netflix is a revolutionary company because of a counterintuitive and radical management culture, which defies tradition and expectation. When Reed Hastings founded Netflix, he developed a corporate philosophy and a set of management principles, which would make Netflix the most innovative company in the world. This meant rejecting the conventional wisdom under which other companies operate. At Netflix, adequate performance gets a generous severance and hard work is irrelevant. At Netflix, you don't try to please your boss, you practice radical candor instead. At Netflix, employees never need approval, and the company always pay top of market. When Hastings first devised them, the implications of these principals were unknown, but over time they have inculcated flexibility, speed, and boldness throughout an outrageously successful organization. Drawing on hundreds of interviews with current Netflix employees and never-before-told stories from his own career, Hastings elaborates on these controversial principles at the heart of the Netflix psyche, which have generated results that are the envy of the business world. This is the full, fascinating, and untold story of a unique company taking over the world.

No Rules Rules

【本書の概要】
本書は株式会社アイデミーで大人気の講座『ディープラーニングで画像認識モデルを作ってみよう!』を書籍化したものです。
機械学習の基本からはじまり、Pythonの基礎、データの処理、深層学習の基本から応用ついて、
サンプルを元に実際に動かしながら、わかりやすく解説します。
各項には練習問題がありますので、学習効果を確かめながら読む進めることができます。
本書を読めば、機械学習から深層学習の基本を一気通貫で学習できます。
これから深層学習をはじめたい、初学者の方におすすめの1冊です。

【本書の対象】
人工知能関連の開発に携わる初学者（開発者、研究者、理工系学生）

【本書の構成】
第1章から第3章で機械学習の基本を、
第4章から第6章ではPythonの基礎知識を、
第7章から第9章ではNumPyやPandasの基礎知識を、
第10章から第13章では可視化の基礎知識を、
第14章から第15章ではデータの扱い方の基本を、
第16章から第18章では教師あり学習やハイパーパラメータとチューニングを、
第19章から第22章では深層学習について基本か応用まで、
丁寧に解説します。

【著者プロフィール】
石川 聡彦（いしかわ・あきひこ）
株式会社アイデミー　代表取締役社長　CEO。
東京大学工学部卒。株式会社アイデミーは2014年に創業されたベンチャー企業で、
10秒で始める先端テクノロジー特化型のプログラミング学習サービス「Aidemy」を提供。
様々な企業のアプリケーション制作・データ解析を行った。現在の主力サービス「Aidemy」は
AIやブロックチェーンなどの先端テクノロジーに特化したプログラミング学習サービスで、
リリース100日で会員数10,000名以上、演習回数100万回以上を記録。
早稲田大学主催のリーディング理工学博士プログラムでは、AIプログラミング実践授業の講師も担当した。
著書に『人工知能プログラミングのための数学がわかる本』（KADOKAWA/2018年）などがある。

Pythonで動かして学ぶ！あたらしい深層学習の教科書 機械学習の基本から深層学習まで

ビッグデータの時代だ。さまざまな分野の研究がデータ駆動型に変わってきている。ビジネスでのビッグデータ利用も人工知能の開発とあいまって盛んだ。データ処理、データ分析に必要な情報学(コンピュータ科学)、統計学の基本知識をおさえ、新たな価値創造のスキルの学び方を紹介する。待望の入門書。

データサイエンス入門

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！

ゼロから作るDeep Learning 2

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。

Pythonではじめる機械学習

本書はディープラーニング、ニューラルネットワークについての予備知識がなくても学習を進められるようゼロから丁寧に、理論とその実装について解説します。 
実装にはPythonのディープラーニング向けのライブラリ、TensorFlow (1.0) およびKeras (2.0) を用います。 
「ディープラーニングについて何となくわかってはいるけれど、もう少し理解を深めたい」「画像認識だけでなく、時系列データを分析するためのモデルについても学びたい」という方にとって、学びの役に立つのではないかと思います。 

単純パーセプトロンにはじまり、多層パーセプトロン、ディープニューラルネットワーク、リカレントニューラルネットワークなど多くの手法について学びます。扱うデータの種類ごとに考えるべき課題も異なり、それに合わせてネットワークも様々な形に変化させ学習を進めます。 
ディープラーニングは1つひとつのテクニックの積み重ねであり、その根底にあるのは「人間の脳をどう数式やアルゴリズムで表現できるか」です。本書で学んできた土台となる理論さえきちんと理解していれば、今後どのようなディープラーニングの手法が出てこようとも、すぐに理解し使いこなせるようになるでしょう。そして、自身で新たなモデルを考え出すこともできるはずです。 

［本書の構成］ 
1章では、ニューラルネットワークの理論を学習するうえで必要となる数学の知識について簡単におさらいし、続く2章では、実装に向けてのPython開発環境のセットアップ、およびPythonライブラリの簡単な使い方を扱います。 
3章からは、いよいよニューラルネットワークの学習に入っていきます。3章ではその基本形について学び、４章ではディープニューラルネットワーク、いわゆるディープラーニングについて学びます。通常のニューラルネットワークと何が違うのか、どのようなテクニックが用いられているのかを実装を交えて理解します。 
5、6章では、時系列データを扱うためのモデルであるリカレントニューラルネットワークについて詳しく学んでいきます。5章では、リカレントニューラルネットワークの基本形を簡単なデータ例を用いて理論・実装について学び、6章ではその応用例について扱います。

詳解 ディープラーニング

本書はプログラミングの素養がある読者向けに、数学的・理論的な知識が必要なくても読めるよう、理論より実践に重きを置いて書かれた機械学習の入門書です。難しい理論的な解説はできるだけ避け、実際のテクニックを詳述する、プログラマの視点に立ったプログラマ向けの内容です。大規模データの処理に威力を発揮する機械学習の実践的な知識とテクニックを習得したいと考えるプログラマに最適の一冊です。

入門機械学習

イラストを使って初心者にわかりやすく解説!!
　現在扱われている各種機械学習の根幹とされる「ボルツマン機械学習」を中心に、機械学習を基礎から専門外の人でも普通に理解できるように解説し、最終的には深層学習の実装ができるようになるまでを目指しました。
さらに機械学習の本では、当たり前になってしまっている表現や言葉、それが意味していることを、この本ではさらにときほぐして解説しています。

機械学習入門

次世代のビッグデータ処理のプラットフォームとして注目されるApache Sparkの総合解説書！
本書はSparkを初めて使う人から、クラスタ上で本格的な利用をする人までを一通り対象とした総合書籍であり、ビッグデータや機械学習に携わる開発者に広くアピールします

初めてのSpark

線形代数

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。

深層学習

実験計画法および時系列解析の2つの分野を解説。応用上使いやすい形の説明を目指し、コンパクトに教科書としてまとめた一冊。

確率・統計

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

Part1

Part2

基礎からの統計学

世界第2位のGDPを誇る経済大国、中国。だが実態はつかみづらい。その経済力が世界秩序を揺るがすと見る「脅威論」から、正反対の「崩壊論」まで、論者によって振れ幅が大きい。「中国の経済統計は信頼できるか」「不動産バブルを止められるか」「共産党体制の下で持続的な成長は可能か」など、中国経済が直面する根本的な課題について分析。表面的な変化の奥にある、中国経済の本質を明らかにする。

中国経済講義

アジャイルとは、小さなことをしている小さなプログラミングチームの小さな問題を扱う小さなアイデアである。アジャイルとは、大きなことをしている大きなプログラミングチームの大きな問題を扱う大きなアイデアではない。
大きなことは大きなチームなんかじゃできない。小さなことをする小さなチームがいくつも集まり、コラボレーションしながら大きなことを成し遂げるのだ。
このことを、我々はあらためて認識する必要がある。

Clean Agile 基本に立ち戻れ

機械学習の予備知識がない読者を、研究の最前線までしっかり連れて行く、ひとりでも学べる入門書！　深層学習の理論を初めて学ぶ人はもちろん、今度こそ理解したい人のために。　【甘利俊一先生推薦】　「世の中に人工知能の解説書は多いが、基礎から始め、その仕組みを理論的に明快に説明したのは本書が初めてといってよい」


機械学習の予備知識がない読者を、研究の最前線までしっかり連れて行く、ひとりでも学べる入門書！
深層学習の理論を初めて学ぶ人はもちろん、今度こそ理解したい人のために。

【甘利俊一先生推薦】
「世の中に人工知能の解説書は多いが、基礎から始め、その仕組みを理論的に明快に説明したのは本書が初めてといってよい」

【主な内容】
1　はじめに
2　機械学習と深層学習
3　ニューラルネット
4　勾配降下法による学習
5　深層学習の正則化
6　誤差逆伝播法
7　自己符号化器
8　畳み込みニューラルネット
9　再帰型ニューラルネット
10　ボルツマンマシン
11　深層強化学習

【機械学習スタートアップシリーズ】
本シリーズは、「機械学習ブーム」の先駆けとして2015年から刊行されている『機械学習プロフェッショナルシリーズ』の弟分的な存在を目指す、注目の新シリーズです。
「機械学習をもっと身近に、機械学習をもっとわかりやすく！」を合言葉に、より丁寧な記述で、基本的なテーマを解説していきます。

まず、以下の2点を同時に刊行いたします(^o^)/

『これならわかる深層学習入門』瀧 雅人･著
『ベイズ推論による機械学習入門』須山 敦志･著/杉山 将･監修

機械学習スタートアップシリーズ　これならわかる深層学習入門

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。

入門 Python 3

大学での定期試験対策から、金融数理やアクチュアリー試験の数学の準備まで。

弱点克服大学生の確率・統計

脳を知り、脳を創る。ニューラルネットワーク、昆虫の微小脳、ブレイン‐コンピュータ・インターフェース。脳科学の基礎から最新のトピックスまでを網羅。

理工学系からの脳科学入門

入門機械学習による異常検知

ディープラーニングは、人工知能や機械学習と何が違う？
この技術によって将来、ビジネスはどう変化する？
グーグルのエンジニアらへの取材に基づき、
その技術をやさしく解説するとともに
最新の事例から、将来のビジネスの変化を探る１冊。

　囲碁のプロ棋士に勝つ、クイズのチャンピオンに勝つ──、人工知能（ＡＩ）はこうした特定分野で象徴的な成果を上げてきました。しかし、最近ではＡＩが人々の生活や経済活動を改善して、世の中を変えていく可能性を示す実例が次々と出てきました。
　例えば、米グーグルは、ＡＩを使った「Google翻訳」の精度を大きく改善し、長年「実用的ではない」と言われてきた機械翻訳を日常生活では十分実用的なレベルへと引き上げました。また、同社はデータセンターにおけるサーバーなどの冷却電力を40％も削減しました。これもＡＩを活用して空調や窓の調節・開閉など約120の要素を制御し最適化した成果です。大手ＩＴ企業は次々と、画像認識、音声認識、翻訳といったＡＩ機能を安価に提供し始めており、いわば「蛇口をひねればＡＩがすぐ使える」時代が間もなく到来します。
　このＡＩの進化をけん引するのが、脳の神経回路が仕組みの原点にある「ディープラーニング」という技術です。本書では、グーグルのエンジニアらへの取材に基づき、このディープラーニング技術をやさしく解説。また、将来のビジネスがどう変わるのか、グーグルのサービスや日本企業の取り組み事例から探るとともに、その未来の姿に迫ります。


序 章 ディープラーニングがすべてのビジネスを変える
第1章 人工知能と機械学習とディープラーニングはどう違う?
第2章 ディープラーニングの仕組み
第3章 グーグルのディープラーニング活用事例
第4章 ディープラーニングで業務効率化、国内で続々始まる
第5章 データ×目的で整理し、活用の展開図を描こう
第6章 ディープラーニングが課題を解決する未来へ
グーグルクラウド・マシンラーニング・グループ研究責任者のジア・リーさんに聞く

グーグルに学ぶディープラーニング

大胆なイメージ化により難解な概念を短時間でマスターする。ベクトル解析、フーリエ変換、複素積分など、理工系学生の前に立ちはだかる数学の「10の難所」をカバー。試験前に途方にくれる幾多の学生を救い、「難解な数学的手法の意味が、目からウロコが落ちるように理解できた」「はじめて腑に落ちた」と絶大な支持を得た不朽の名著。

物理数学の直観的方法　〈普及版〉

ビジュアル情報処理 : CG・画像処理入門

"柔軟"に対応する事前確率を使うことで、ベイズ統計は、"あいまい"な人間の経験則や感性を取り込み、現実で使える情報を導き出す。ビジネスはもちろん、幅広い分野で活用が期待されるベイズ統計-。その基本と活用法を統計の基礎知識がなくてもわかるようにやさしく解説。

道具としてのベイズ統計

現象を数理モデルで表現・説明するのに慣れていない人のために、章ごとに異なる例題を解決していく過程を通して、統計モデルの基本となる考えかたを紹介する。前半では、応用範囲のひろい統計モデルのひとつである一般化線形モデルの基礎を、後半では、実際のデータ解析に使えるように、階層ベイズモデル化する方法を、RとWinBUGSの具体例を用いて説明する。

データ解析のための統計モデリング入門 : 一般化線形モデル・階層ベイズモデル・MCMC

あえて断言しよう。あらゆる学問のなかで統計学が最強の学問であると。 どんな権威やロジックも吹き飛ばして正解を導き出す統計学の影響は、現代社会で強まる一方である。 「ビッグデータ」などの言葉が流行ることもそうした状況の現れだが、はたしてどれだけの人が、その本当の魅力とパワフルさを知っているだろうか。 本書では最新の事例と研究結果をもとに、基礎知識を押さえたうえで統計学の主要6分野 ◎社会調査法 ◎疫学・生物統計学 ◎心理統計学 ◎データマイニング ◎テキストマイニング ◎計量経済学を横断的に解説するという、今までにない切り口で統計学の世界を案内する。 ------ 統計学によって得られる最善の道を使えば、お金を儲けることも、自分の知性を磨くことも、健康になることもずいぶんと楽になるだろう。 だがそれはあくまで副産物である。統計リテラシーによって手に入る最も大きな価値は、自分の人生を自分がいつでも最善にコントロールできるという幸福な実感なのだ。 (「おわりに」より)

統計学が最強の学問である : データ社会を生き抜くための武器と教養

☆頼れる上司や先輩も，既存のデータベースや分析ノウハウもない．
それでもたったひとり，データ解析に挑むあなたへ☆

実務における“プロセス”と“良きデータ作り”に焦点を当てた，データ解析の入門書．
計画を立て，データを集め，分析し，計画を見直し，失敗しながらも結果を出すまでの全行程を詳しく解説します．初心者にも使いやすい無料ツールを用いた分析実践方法や，SNS企業にて日々データ解析に従事する著者だからこそ書ける分析例も紹介．新商品のマーケティングや宣伝広告の効果検証などへ幅広く応用できる基礎を身につけたい人に，必携の一冊です．

◇ 効率的に分析するための各ステップとは？
◇ 分析手法よりも、価値を得るために大切なこととは？
◇ データ解析を“失敗”に終わらせないためには？
◇ 大事なのはデータの量より，データの“作り方”．
◇ 分析結果を価値につなげるために行う“運用”とは？
◇ アンケート調査やテキストの分析にも挑戦！

――これが，統計屋稼業の心得だ！


＊＊＊＊＊＊＊
■本書のサポートページより， 
・第3，7章で利用するサンプルデータ
・第6，7章の分析ツール（KH coder，Weka）の利用手順
・付録のサンプルコード
をご利用いただけます．サポートページは左下の「関連サイト」欄のリンクからご利用ください．(https://github.com/AntiBayesian/DataAnalysisForPractice/)

サポートページの「Download ZIP」ボタンを左クリックすると，すべてのファイルをダウンロードできます．
＊＊＊＊＊＊＊

データ解析の実務プロセス入門

計算幾何の理論の成果をどのように活用するか

計算幾何 : 理論の基礎から実装まで

実験計画法は、「どのようにデータを取るか(実験を行うか)」「得られたデータをどのように解析するか」の両者を適切に取り扱うための方法論である。本書では伝統的な実験計画法の入門的な手法を一通り取り扱っており、その内容自体はオーソドックスである。データ採取の考え方と方法を例題ごとに具体的に明記し、プーリングや推定・予測の考え方など、従来のテキストではあいまいに記述されることの多かった内容についても具体的に解説、データの構造式を重要視した。

入門実験計画法

科学・工学からリコメンデーションなどのビジネス分野まで、データ解析の手法として注目のスパースモデリングの基礎と応用を解説。

岩波データサイエンス Vol.5

「変われない日本」をいかにして変えるのか――。本書は、社会や経済、政治のこれからについて、独立した立場から研究・提言を続ける政策シンクタンクの鹿島平和研究所とPHP総研が共同で進めてきた「新時代ビジョン研究会」の活動をまとめたものである。日本がどのような時代認識の下で、どのような社会を目指すのか、そのためにいかなる変革が求められるのか。20世紀末以降の日本が必要な変革を遂げられずにいるのはどうしてか、日本が新しい時代を築くべく変革を遂げるには何が必要なのか。経営者や学者、アーティスト、改革を実践する自治体の首長ほか先駆者17人と対話を行ない、検討を重ねた末に見えてきた「楕円型社会」という新しいビジョン。私たちはいま傍観者ではなく、1人の実践者、「日本」というチームのメンバーとして新時代へと踏み出すドアの前に立っている。願わくばこの本が、志あるみなさんとともに考え、ともに動く呼び水になることを。

日本の新時代ビジョン

まずは、この1冊からはじめよう!CaffeやPylearn2はもちろんのこと、ChainerやTensorFlowの使い方をソースコード付きで解説!

イラストで学ぶ　ディープラーニング

本書は現在注目を集めている「集合知」をテーマにした書籍です。機械学習のアルゴリズムと統計を使ってウェブのユーザが生み出した膨大なデータを分析、解釈する方法を、基礎から分かりやすく解説します。本書で紹介するのは「購入・レンタルした商品の情報を利用した推薦システム」、「膨大なデータから類似したアイテムを発見し、クラスタリングする方法」など。del.icio.us、eBayなどが公開しているWeb APIを使用した解説も本書の大きな特徴です。本書のサンプルコードは可読性に優れたPythonを使用していますが、他の言語のプログラマでも理解しやすいようにアルゴリズムを解説しています。日本語版ではYahoo!日本語形態素解析Webサービスを利用した日本語テキスト処理について加筆しました。

集合知プログラミング

統計学がマンガでやさしく理解できる

マンガでわかる統計学

線型代数入門

フリーの環境を使い,実践しながらひと通りの手法を学べる入門書.初心者のほか,さまざまな手法を知りたい読者にもおすすめ.

Rによるテキストマイニング入門(第2版)

理工系教養課程の学生のための教科書・参考書。将来、理工系のどの分野に進む人でも、これで数学の基礎をマスターできる。適切な例題と演習問題、解答によって応用力も身につく。興味深いコーヒー・ブレイクもあり、楽しく読み進められるように工夫をこらした。

微分積分

〈自然対数の底e〉の不思議ワールドへようこそ!!
今でこそ関数電卓のおかげで指数・対数の計算はサッとできるが、昔はそうは問屋がおろさなかった。それを一挙に解決にもちこんだスグレモノがネピアとビュルギの発明した対数だ。後に天才オイラーが指数と関係づけて理論を完成させた。
本書は、科学技術の発達を支えた〈黒子〉の指数と対数、さらに数学に不可欠な自然対数の底e（＝2.718281828459……）について、オモシロ歴史を混じえながら、やさしく解説する。計算ずきの読者のために、パソコンのプログラムを付した。

対数eの不思議

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。

東京大学のデータサイエンティスト育成講座

Pythonの対話環境IPythonを使ってデータ分析を行い結果を可視化するレシピ集！
本書はPythonの対話型環境IPythonを使ってデータ分析および可視化を行うためのレシピを集めたクックブックです。IPythonではPythonの豊富な科学技術計算用のライブラリを簡単に使いこなせるため、プログラミングに必ずしも精通しているわけではない科学者やデータサイエンティストの救世主として、人気を集めています。実際のデータを分析して可視化するという作業を通して、IPythonの使い方をマスターします。

IPythonデータサイエンスクックブック

特集・地理空間情報処理 : 岩波データサイエンス vol.4

心理統計学は実証的な心理学研究において欠くことのできない、重要な学問。心理学の研究を行ううえで必要となる統計学の理論と方法、その基礎となる考え方を、心理学の研究に特有の問題に留意してわかりやすく実践的に解説する。

心理統計学の基礎 : 統合的理解のために

丁寧な説明が感動的！ しっかり、よくわかる！どのような学習アルゴリズムが効率的かを見極めるには、確率論・統計学に根ざした基礎が不可欠。カーネル法、ＳＶＭ、ブースティングなど、重要概念を丁寧に記述した。学習手法をしっかり理解して使いこなせるようになる。


丁寧な説明が感動的！ しっかり、よくわかる！ どのような学習アルゴリズムが効率的かを見極めるには、確率論・統計学に根ざした基礎が不可欠。カーネル法、ＳＶＭ、ブースティングなど、重要概念を丁寧に記述した。学習手法をしっかり理解して使いこなせるようになる。

【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。


第2期として、以下の4点を同時刊行！

統計的学習理論          　 金森 敬文･著
サポートベクトルマシン　　竹内 一郎／烏山 昌幸･著
確率的最適化　　　　　　　 鈴木 大慈･著
異常検知と変化検知　　　井手 剛／杉山 将･著

第3期の刊行は2015年12月、第4期の刊行は2016年4月の予定。

【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

統計的学習理論

知識から知恵へ、イノベーションから持続的イノベーションへ。
世界のビジネス界に多大な影響を与えた経営学の世界的名著『知識創造企業』の著者両氏による25年ぶりの続編。

イノベーションを起こし続ける企業の秘訣はどこにあるのか。企業が絶え間なく繰り返し、新しい知識を生み出し、組織全体に知識を広め、知識を行動に変えなくてはならない。そのためには、SECI（セキ）モデルで説き明かした「暗黙知」と「形式知」に加えて、「実践知」が不可欠である。
本書では、その知識を絶えざる実践を通じて知恵（wisdom）にまで高めることの重要性と、その知恵を獲得・活用するための方法を示した。実践を積み重ねていくと、実践知が得られる。なおも繰り返していくと、実践知が豊かになり、次第にスケールが大きくなる。企業の枠を超えて社会までも巻き込んでいく。こうした実践知を備えたリーダーを「ワイズリーダー（賢慮のリーダー）」、ワイズリーダーに率いられた企業を「ワイズカンパニー（賢慮の企業）」と呼んでいる。
本書では、学問を超えた理論と、著者が長年にわたって収集した多くの数多くの企業事例をもとに、イノベーションを起こしていくリーダーや企業を描き出し、デジタル時代の人間の生き方と経営を考える。

ワイズカンパニー

「スクラムマスターは何をすればよいのか」に答えてくれる本

本書は、「スクラムチームの母」と呼ばれ、著名なスクラムトレーナーでもある著者が、
その経験則――スクラムマスターは何をすればよいのか――をまとめた、
Addison-Wesley Signature Series（Cohn）『The Great ScrumMaster: #ScrumMasterWay』
の日本語版です。

スクラムには、3つの役割があります。
プロダクトオーナー、開発チーム、スクラムマスターです。
プロダクトオーナーは、プロダクトの責任者であり、
開発チームは、プロダクトを開発します。
一方で、スクラムマスターは「サーバントリーダーであり、
促進と支援に責任を持つ」とあります（スクラムガイドより）。

これを読んで、何をすべきか理解できますか？
そう、スクラムマスターは、縁の下の力持ちであるがゆえに、
何をし、どのような姿勢でいればよいのか、理解が難しいロールなのです。
著者のZuzana Sochova氏も、本書の中で
「スクラムのロールの中で一番誤解されやすい」と述べています。

たとえば、突然、あなたはスクラムマスターを命じられたとします。
明日から、スクラムマスターとして、チームを支援していかなければなりません。

●何から始めたらよいでしょうか？
●スクラムマスターとして、どのようなスキルが必要でしょうか？
●これから起こる困難に、どのように立ち向かっていけばよいでしょうか？
●もっとチームが機能するにはどんな働きかけをしたらよいでしょうか？

本書は、これらの疑問に真っ直ぐに答えてくれます。

開発者としてスクラムチームに参加した当初は、
まったくスクラムが好きになれなかったという著者。
そして、その後スクラムの良さに気づき、
その「スクラムチームの母」となっていく経験を通じ、
「スクラムマスターというロールについてもっとよい説明が必要だ」と、
彼女自身が #ScrumMasterWay というコンセプトで始めた活動がもとになったこの本。

スクラムマスターだけでなく、アジャイルコーチや、
組織改革を担うリーダーにもぜひ読んでいただきたい一冊です。
組織改革に立ち向かうあなたに、知恵と勇気を与えてくれることでしょう。

SCRUMMASTER THE BOOK 優れたスクラムマスターになるための極意――メタスキル、学習、心理、リーダーシップ

ビジネスで利用されるデータの多くは、その施策の意思決定を行う人物や組織の目的にそった活動の延長上で作られています。具体的には、DM送付などの広告施策であれば、担当者はユーザの反応率を上げるために、反応しやすいであろうユーザに対してのみDMを発送します。ここで発生したデータでDMの効果を計る場合、単純にDMを受け取っているか否かで結果を比較することは、DMの効果以外にも意図的にリストされたユーザの興味や関心を含んでしまうことになります。

データが生まれるプロセスに人の意思が関わる場合、単純な集計では判断ミスとなる可能性があります。わずかな計算の狂いでも後々のビジネスにおいて大きな影響を及ぼすことになるため、バイアスのない状態で効果検証できることが望まれるのです。

本書では「単純に比較すると間違った結論に導くデータ」から、より正しい結果を導くための分析手法と考え方を提供します。計量経済学における効果とは何か？ を提示し、RCT（ランダム化比較試験）がいかに理想的な方法かを説明し、RCTができない場合でも因果推論を用いてRCTの再現が可能だということを説明していきます。

効果検証入門〜正しい比較のための因果推論／計量経済学の基礎

基礎から最新手法まで幅広い領域を詳細解説

数理統計学ハンドブック

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。

最短コースでわかる　ディープラーニングの数学

イメージがつかめるから、面白い！
アルゴリズムをまるごとイラストにしました

【本書のポイント】
・基本的な26のアルゴリズム＋7つのデータ構造をすべてイラストで解説
・誌面がフルカラーなので、図の「動き」がわかりやすい
・各アルゴリズムの考え方や計算効率、問題点もフォロー
・50万人が学んだ大人気アプリを書籍化

アルゴリズムはどんな言語でプログラムを書くにしても不可欠ですが、
現場で教わることはめったになく、かといって自分で学ぶには難しいものです。

本書は、アルゴリズムを独学する人のために作りました。
はじめて学ぶときにはイメージしやすく、
復習するときには思い出しやすくなるよう、
基本的な26のアルゴリズム＋7つのデータ構造を
すべてイラストにしています。

ソートやグラフなどの「動き」を図で追うことで、
考え方や仕組みを理解する手助けをします。
よいプログラムを書くために知っておかなきゃいけない
アルゴリズムの世界を、楽しく学びましょう。

●書籍のもとになったアプリ「アルゴリズム図鑑」の実績
・50万ダウンロード達成（2017年4月時点）
・2016年 App Store「今年のベストApp 10選」に選出

【目次（抜粋）】
●序章 アルゴリズムの基本
●第1章 データ構造
・リスト
・配列
・スタック など

●第2章 ソート
・バブルソート
・選択ソート
・マージソート など

●第3章 配列の探索
・線形探索
・2分探索

●第4章 グラフ探索
・幅優先探索
・ベルマン-フォード法
・A* など

●第5章 セキュリティのアルゴリズム
・暗号の基本
・公開鍵暗号方式
・デジタル署名 など

●第6章 クラスタリング
・k-means法 など

●第7章 その他のアルゴリズム
・ユークリッドの互除法
・ページランク など

アルゴリズム図鑑 絵で見てわかる26のアルゴリズム

大好評のSQL定番入門書が改訂！　SQLの書き方からアプリでの利用までしっかり学ぼう！

プログラミング学習シリーズ『SQL ゼロからはじめるデータベース操作』は、「データベースやSQLがはじめて」という初心者を対象に、プロのデータベース（DB）エンジニアである著者がSQLの基礎とコツをやさしく丁寧に教える入門書です。
DB／テーブルの構造から、データを検索したり更新したりする構文、よく使う関数、テーブルの結合など、SQLによるデータベース操作の基本を学習していきます。WHERE句、GROUP BY句、HAVING句やサブクエリなど、SQLを使いこなすためのポイントとなる機能や、初心者にとって理解が難しい部分は、豊富な図とサンプルプログラムでかみくだいて解説しています。
また、標準SQLをベースに、各種DB（Oracle、SQL Server、DB2、PostgreSQL、MySQL）での違いや、初心者がハマりやすいポイント、基礎ノウハウについてもしっかり解説。
第2版では、解説・サンプルコードを最新DBのSQLに対応したほか、（PostgreSQLを例に）アプリケーションプログラムからSQLを実行する方法の解説章を新設。SQLの書き方だけはなく、アプリケーションでの利用方法までフォローします。
データベースを扱うアプリを作りたいが何から学習すれば良いかわからない、きちんとSQLを書けるようになりたい、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。

SQL 第2版 ゼロからはじめるデータベース操作

ビッグデータが存在するだけでは、「因果関係」の見極めはできない。データの扱い、分析、解釈においては、人間の判断が重要な役割を担う―。本書では「広告が売り上げに影響したのか?」「ある政策を行ったことが本当に良い影響をもたらしたのか?」といった、因果関係分析に焦点を当てたデータ分析の入門を展開していきます。序章では、なぜ因果関係を見極めることがビジネスや政策の成功の鍵を握るのか、様々な実例を使いながら解説します。第2章以降では、ランダム化比較試験、RDデザイン、パネル・データ分析など、因果関係に迫る最先端のデータ分析手法について、数式を使わず、具体例とビジュアルな描写を用いて解説していきます。

データ分析の力　因果関係に迫る思考法

Pythonによるスクレイピング&機械学習開発テクニック : Scrapy, BeautifulSoup, scikit‐learn, TensorFlowを使ってみよう

多変量統計解析法

中学数学のエッセンスをノートサイズに凝縮!

中学3年間の数学を8時間でやり直す本

正しい旧かなづかいの理解は、俳句実作者が乗り越えなければならないハードル。本書は「語源」というアプローチから、効率よく継続的に旧かなを攻略し、辞書的にも使える一冊。『NHK俳句』人気連載「俳句作りに役立つ!旧かな入門」待望の単行本化。

俳句づくりに役立つ!旧かな入門

パズルを解くコードを、あなたは書けるか？ アルゴリズムがみるみるわかる！プログラミングってやっぱり面白い！ 急速な技術の進歩、システム開発競争の激化…。プログラマを取り巻く環境はやさしいものではありません。でも、思い出してみてください。自分の書いたソースコードでプログラムが動くのを初めて見たとき。思い描いた通りのプログラムができたとき。プログラミングの楽しさを感じたことでしょう。何もないところからソースコードだけで新たな価値を生むプログラマは、非常に魅力的な職業です。 本書で登場する数学パズルは、そのようなワクワクにあふれています。「両替したときの硬貨の組み合わせはいくつ？」のような問題から、「国名でしりとりしたときに、一番長く続く順番は？」「運命の出会いは何通り？」というものまで、70の問題を解くコードを、3人のキャラクターたちと一緒に考えていきます。 パズルを解くうちにアルゴリズムが身につき、シンプルで高速なコードが書けるようになります。楽しみながらスキルアップもできて一石二鳥。さっそく挑戦してみましょう！ 【本書に収録されている問題（抜粋）】 Q01 10進数で回文 Q03 カードを裏返せ Q08 優秀な掃除ロボット Q09 つりあわない男女 Q21 排他的論理和で作る三角形 Q33 百人一首の達人 Q45 素数のマトリックス Q48 グレイコードのループ Q53 いたずらされたお菓子 Q64 迷路で待ち合わせ

プログラマ脳を鍛える数学パズル シンプルで高速なコードが書けるようになる70問

ディープラーニング（機械学習、深層学習）はAI、人工知能の急速な進化に寄与している。知能とは何かを問うということは、人間の考え方や視覚、聴覚、言語といった普段なにげなく使っている感覚と脳の関係を一から考え直すことにほかならない。本書はディープラーニングとはどういう技術なのか、そのしくみと最新の動向をわかりやすい文章とイラストで解説する。話題の先端科学に触れたいという知的好奇心に応えるイラスト図解シリーズ第2弾。

ディープラーニング

マンガでわかる線形代数

Vol.1 特集「ベイズ推論とMCMCのフリーソフト」:データ分析において必須の道具となりつつある階層ベイズの枠組み，それを支える MCMC(マルコフ 連鎖モンテカルロ法)をベースとしたフリーソフトについて，基礎から最新情報までを伝える．[刊行委員会メンバー]伊庭幸人・麻生英樹・久保拓弥・松浦健太郎・尾崎 隆・中谷秀洋・高柳慎一・北島顕正・斉藤 稔・西垣林太郎・立森久照[特集解説]ベイズ超速習コース(伊庭幸人) 2ページでわかるMCMCの秘密(伊庭幸人) 階層ベイズ 最初の一歩(久保拓弥) 時系列・空間データのモデリング(伊東宏樹) MCMCソフトウェアの比較(松浦健太郎) Stan入門(松浦健太郎) Pythonとは(高柳慎一) PythonのMCMCライブラリPyMC(渡辺祥則) 時間・空間を含むベイズモデルのいろいろな表現形式(伊庭幸人) [話題]脳とディープニューラルネットワーク(林隆介)+インタビュー [連載]確率と論理を融合した確率モデリングへの道1(佐藤泰介・麻生英樹) [その他]小説《海に溺れて》(円城塔) 計算機で作る面白いナンプレ(とん)

岩波データサイエンス　1

「機械学習はどのような場面で使われているのか？」
「実際に使われているシステムはどのようなしくみになっているのか？」
本書は，こういった疑問に答えつつ，機械学習の基本的な手法を学べる入門書です．

◇本書の特長
・「部屋の賃料」「顧客の分類」といった身近な話題を用いて，線形識別や決定木などの基本的な手法について解説します．
・「Netflixによる映画の評価予測コンテスト」「Suicaやクレジットカードの使用履歴からどの程度個人の特定ができるか」など，機械学習とかかわりの深い研究やビジネスの事例について紹介します．
・Amazonなどで利用されている，「購入履歴から個人の好みを判断し，商品を紹介するシステム」「検索に連動したWeb広告」のしくみについて，章を割いて詳しく解説します．

なお，付録にあるRのサンプルコードは，森北出版のWebサイトにて公開しています．

事例＋演習で学ぶ機械学習

昨今の機械学習ブームの中、IT業界を中心とするエンジニアの方々から、「機械学習に必要な数学をもう一度しっかりと勉強したい」、そんな声を耳にすることが増えました。本書は、そのような読者を念頭におき、理工系の大学1、2年生が学ぶレベルの解析学（微積分）を基礎から解説した書籍です。大学生向けの教科書であれば、すでに多数の書籍がありますが、本書の特徴は、「定義と定理をもとに、厳密に展開される議論をとにかく丁寧に説明する」という点にあります。数式の変形についても、途中の計算をできるだけ省略せずに記載して、議論の展開を見失うことがないようにと配慮しました。大学生のころに勉強した、あの「厳密な数学」の世界をもう一度、がっつりと堪能していただけることでしょう。

「機械学習に必要な数学」というと、数学をただの道具と割り切って、公式の使い方、あるいは、数式が表わす意味だけを直感的に理解できれば十分と考える方もいるかもしれません。たしかに、道具として機械学習を使うだけであれば、数学の深い知識は必要ないかもしれません。しかしながら、機械学習のために数学が必要と考える方の多くは、数式を含んだ高度な書籍や論文を読みこなしてみたいという方ではないでしょうか。そのためには、やはり、定理や公式の内容、あるいは、数式の変形を根本から理解する必要があります。そして、そのための最短経路は「証明の内容を理解する」ことにあります。――ある定理・公式がなぜ成り立つのか、どのようにしてそれが証明されるのか、そこをおさえることで数式の背後に隠れた本質が理解できます。その結果として、どのような場面でそれが役に立つのか、なぜここでこの数式が必要なのか、そういった点が自然に理解できるようになるのです。

機械学習に関連する数学には、大きく、解析学、線形代数学、確率・統計学の3つの分野があります。本書は、これらの中で最も基礎となる、解析学、とくに、微積分の理論を中心に解説しています。残念ながら、本書一冊で機械学習に必要な数学がすべて学べるというわけではありませんが、もう一度、本格的な数学の世界に触れ、自信を持って「機械学習の本質が理解できた」と言えるための第一歩は、必ずここにあるはずです。受験勉強から解放されて、あこがれの大学数学の教科書を開いたあの時の興奮をわずかなりとも思い出していただければ、筆者にとってこの上ない喜びです。

■本書の特徴
・機械学習に関連する数学の最も基礎となる解析学・微積分を順序立てて学習できる
・定義と定理をもとに、厳密に展開される議論を丁寧に説明している（再入門者に理解しやすい）
・各章の最後に理解を深めるための演習問題を用意

■対象読者
・大学1、2年のころに学んだ数学をもう一度、基礎から勉強したいエンジニア
※理系の高校数学の知識が前提となります。理工系の大学1、2年生が新規に学ぶ教科書としても利用いただけます。

技術者のための基礎解析学 機械学習に必要な数学を本気で学ぶ

理系学生伝説の参考書『物理数学の直観的方法』著者が、文系向けに難解な経済数学の要諦を斬新な切り口で分かりやすく解説する。

経済数学の直観的方法　確率・統計編

達人が教えるビジュアライゼーションの極意！！ ※この電子書籍は固定レイアウト型で配信されております。固定レイアウト型は文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 本書で言う「データ視覚化」（ビジュアライゼーション）とは、単に手元にあるデータをグラフにすることではありません。いくらデータを視覚化しても、その中から人間が重要な情報を読み取れないのなら、データ視覚化をする意味がないからです。あくまで、そのデータが指し示す意味を明確にすること、そしてより多くの人たち（オーディエンス）に興味を持って見てももらえることがデータ視覚化の目的です。 本書では、日本人女性唯一のTableau ZEN MASTERである筆者が長年にわたって培ってきたデータ視覚化のノウハウ、ベストプラクティス、アンチパターン等を整理分類してエッセンスを抽出し、具体的な事例をあげながら、できるかぎり丁寧に解説しました。また、セミナーなどの現場でよくされる質問に対する答えをまとめたものでもあるので、ある意味、“FAQ”でもあります。

データ視覚化のデザイン

サンプルを作りながら「AlphaZero」をステップ・バイ・ステップで学ぶ!

AlphaZero 深層学習・強化学習・探索 人工知能プログラミング実践入門

機械学習の数理100問シリーズ刊行開始!数式を導き、ソースプログラムを追い、具体的に手を動かして、確かなスキルを身につける!

統計的機械学習の数理100問 with R

微分積分学

事業構想型ブランドコミュニケーション

PyTorchで物体検出アルゴリズムを実装しよう！
本書は、PyTorchを利用して、物体検出のアルゴリズムと実装方法を解説する書籍です。
ディープラーニングは当初、物体の識別において従来手法を大きく上回る精度を出したことから注目されました（例：2012年の画像認識コンテストILSVRC）。ただし物体識別自体はどちらかといえば要素技術であるため、そのまま現実のシステムに応用することは多くありません。実際に必要とされるものは、多くの場合、物体識別を発展させた物体検出です。自動運転・外観検査・医療分野の画像診断など、どれも物体識別ではなく物体検出の技術が使われています。
本書は、PyTorchの使いかたを習得することと、物体検出の各種アルゴリズムを理解して自力でプログラムを作れるようになることを目的とします。前半はPyTorchについて解説し、後半は物体検出の代表的なアルゴリズムを解説しながら、PyTorchでの実装例を示します。

・ PyTorch（パイトーチ）とは？
2018年にFacebook が発表した、ディープラーニングのフレームワークです。世界的にユーザーが多く、GitHubで公開されるディープラーニングのプログラムもPyTorchで作られたものが多数存在します。
・ 物体検出とは？
画像認識の一分野で、画像から特定の物体の位置と、その物体のカテゴリ（クラスタ）を検出する技術です。

PyTorchによる物体検出

ビッグデータ時代とも言われる昨今においては、データ収集を行ってビジネスの全体像を把握し、適切なデータ分析を行って正確な予測をした上でビジネス戦略を決めることが求められています。本書は、データをビジネスに活かすために身に付けておくべき基本的な考え方と、データマイニングやモデリングの根底に存在するコンセプトについて、体系的に解説しています。データサイエンスの重要性とその威力を学べる一冊です。

戦略的データサイエンス入門

岩波データサイエンス　3

応用範囲が広く、様々なデータの分析に使われる多変量解析。難解ともいわれる多変量解析を豊富な例と図を用いてわかりやすく解説。

ようこそ「多変量解析」クラブへ　何をどう計算するのか

An in-depth overview of polyhedral methods and efficient algorithms in combinatorial optimization. These methods form a broad, coherent and powerful kernel in combinatorial optimization, with strong links to discrete mathematics, mathematical programming and computer science. In eight parts, various areas are treated, each starting with an elementary introduction to the area, with short, elegant proofs of the principal results, and each evolving to the more advanced methods and results, with full proofs of some of the deepest theorems in the area. Over 4000 references to further research are given, and historical surveys on the basic subjects are presented.

Paths, flows, matchings

本書は、将来量子力学を学ぶであろう学生、現在学んでいる学生、またはすでに学んだ学生が、線形代数と量子力学をストレートに結び付けられることを念頭においてまとめられた書である。前半では、物理学ではなじみ深いブラとケットを用いて、線形代数の要点を解説する。行列、行列式、ベクトル空間の初歩については既知とするが、必要に応じて適宜解説と補足を与えている。さらに、量子力学で頻繁にでてくる射影演算子、完全性関係やスペクトル分解などについても取り上げた後、量子情報で用いるテンソル積や特異値分解などの話題も具体例とともに述べる。後半の応用では、量子力学について概説したうえで、ニュートリノ振動や、量子情報への線形代数のさまざまな適用例を紹介する。

量子物理学のための線形代数

本書は、自然言語処理について初歩から学べる書籍です。プログラミングについては、なんらかのプログラミング言語を使ったことのある開発者を対象に書いています。 

 自然言語とは、私たち人間が日常的に読み書きしたり、話したりするのに使っている言語のことです。そして、自然言語で書かれたテキストデータをコンピュータで処理するための技術を自然言語処理と呼びます。自然言語処理によって実行できるタスクの代表的な例としては、自動翻訳や質問応答、対話などがあります。 

 本書では、この自然言語処理について、今まで学習したことがない人でも学べるように、基礎から解説しています。自然言語をコンピュータで処理するために、事前にどのような処理をしておくのか、どのように単語や文章を解析するのか、自動翻訳などのタスクを実行させるためにどのような処理を行うのか、などについて、やさしく説明していきます。 

 基礎からはじめて、単語分散表現やテキスト分類、系列ラベリング、系列変換、アテンションといった、自然言語処理では欠かせない技術について、理論を解説した上で、Pythonを使って実装し、手を動かしながら理解できるようにしています。 


また、現在の自然言語処理は、機械学習や深層学習とも切り離せません。ですので本書では、これらの技術についても基礎から説明し、Pythonを使って処理を実装していきます。基礎的な実装のみではなく、RNN、LSTM、CNNさまざまなモデルを使っての実装、特徴量エンジニアリングや正則化、ハイパーパラメータチューニングなど、実際の処理で必要になるところまで、詳しく解説しています。 

 本書の特徴として、ほとんどの実装で日本語のデータを使っている点があります。機械学習を用いた自然言語処理手法を日本語に対して適用しようとすると、途端にデータセットの壁に当たります。このような状況を踏まえ、本書では、日本語のデータセットで自然言語処理の様々なタスクを試せるようにしています。 

これから、プログラムでの実装も合わせて自然言語処理をしっかり学習したいという方にとっては、最適の1冊です。

機械学習・深層学習による自然言語処理入門

データの見方や考え方から述べられた本当にほしかった入門書。マニュアル本や事例集では自分の仕事にいかせなかった人必読。動的モデルで実際に予測をしてみよう。あなたの課題に適したモデルをつくる、評価する、改良する、すべての段階に必要なことがこの1冊に。


あなたの課題に適したモデルをつくる、評価する、改良する
すべての段階に必要なことがこの1冊に

天気予報の精度を上げたい、居酒屋の売り上げを予測したい、お掃除ロボットを簡単に制御したい……　――あなたは何に使う？

予測にいかす統計モデリングの基本―ベイズ統計入門から応用まで

パターン認識と機械学習 : ベイズ理論による統計的予測 上

「僕」と三人の数学ガールたちとの数学トークを通して中高生レベルの数学を楽しく学ぶシリーズの第10作目です。
 本書のテーマは、「行列」です。
 行列の知識は、数学を活用していくために必須です。たとえば、機械学習やディープラーニングを理解するとき、コンピュータを使って数式処理や数値計算を行うとき、ゲーム開発、画像処理、コンピュータグラフィクス、アートなどの多彩な分野を学ぶときなどに、行列の知識は欠かせません。
 行列はまた、高校で学ぶ多くの分野を関連づけて学べる題材でもあります。複素数、ベクトル、三角関数、図形の面積に関わる幾何学、交換法則や結合法則といった代数学の法則などに行列は関わっています。
 本書では、行列に関する用語や計算方法から始まり、行列の多彩な側面に触れながら行列の基礎知識を学んでいきます。高校の新課程では行列が消えてしまったため、大学に入れば必ず学ぶ線形代数の前準備としても本書は大きく役立つでしょう。

●各章の内容
 第1章では、行列がどんなものであるかを学びます。行列の足し算と引き算を具体的に計算しながら、数と行列の似ているところと違うところがどこにあるかを体験し、零行列を定義します。
 第2章では、行列の積について学びます。足し算における0と、掛け算における1の類似性に注目しながら、行列の積に親しみ、単位行列を定義します。逆数と逆行列の対比や、数と行列の大きな違いの一つである零因子についても学びます。
 第3章では、行列が作り出す図形の変換を学びます。行列が作る一次変換によって座標平面全体がどのような変形を受けるか、具体的な行列とたくさんの図を通して楽しみます。行列とベクトルの関係、行列と三角関数の関係、行列と複素数の関係など、数学の多くの分野の関係についても理解を深めます。
 第4章では、行列の計算に登場する法則を探ります。交換法則が一般には成り立たないこと、結合法則は成り立つことなどを具体的に確かめます。そして、複素数と行列の不思議な関係について議論しながら理解を深めていきます。イメージのとらえにくい虚数iを具体的に作ったり、行列と三角関数の関係を学んだりします。
 第5章では、ベクトルの内積と行列式の関係について学びます。行列の積と行列式の関係、図形の面積と行列式の関係、そして連立方程式の解と行列式の関係についても学びます。

数学ガールの秘密ノート／行列が描くもの

PoCで終わらない！ AI・データサイエンス本格導入のための基礎知識やポイントを徹底解説！

AIを導入してビジネスに活かす――多くの日本企業が取り組んでいますが
それがPoC（概念実証）レベルに終わってしまいがちで、
意思決定プロセスにまでAIが組み込まれることは稀です。
 
本書は、AIの「頭脳」に不可欠なデータサイエンスについて、
古典的統計解析から機械学習まで、ビジネス活用上のエッセンスを紹介します。
実際にPythonを用いたコーディングを通して分析実務を体験できます。

また、AI導入をPoCで終わらせないために企業が備えるべき視点や、
AIの本格導入までのステップ、チェックポイントを示した
「AIロードマップ」をもとに、AIのビジネス活用の要諦を解説します。
 
これからAI・データサイエンスの学習を始めたい方はもちろん、
AI活用を推進していかなければならない立場のビジネスパーソンまで、必読の一冊です。

AI時代の実践データ・アナリティクス

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。

ディープラーニング活用の教科書

統計学が最強の学問である［数学編］

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

みんなのPython 第4版

ひと昔前まで実現不可能とされてきた量子コンピュータを取り囲む環境は短期間のうちに激変した．従来の古典コンピュータを超越しうる不思議なからくりとは何か．いかなる歴史を経て現在に至り，どんな未来が待ち受けているのか．気鋭の若手研究者として体感している興奮をもって，わかりやすくかつ科学的な正確さを期して解説する．

初心者向け機械学習のおすすめ入門書/参考書/本ランキングデータ更新日:2020-12-09

初心者向け機械学習のおすすめ入門書/参考書/本ランキング
データ更新日:2020-12-09