■■同僚に、上司に、取引先に、面接官に、 
子供に、親に、知人に、 

【AI（人工知能）ってなんですか？】と 

聞かれたら、あなたは答えられますか？■■ 


今や新聞やテレビで「AI（エーアイ）」（人工知能）という言葉を 
見聞きしない日はありません。 
「AIに仕事を奪われる」というフレーズもよく聞きます。 

ですが、いざAIって何？と聞かれても、 
「人工の知能って…？　何でもできるロボットみたいなもの…？」と 
しどろもどろになってしまう人が多いでしょう。 

本書は、やさしい文章とイラストで、AIってなあに？というところから 
AIの歴史、機械学習、ディープラーニングなど、AIのキホンを最初から解説します。 
数式なし、専門用語なし！　【誰でも・ゼッタイ】わかります。 
それでいて、「機械学習」や「ディープラーニング」といった一歩踏み込んだ部分も説明し、 
さらに実際にAIを仕事で活かすヒントになるような具体的なことも紹介します。 

また、PART2では「AIとシゴト」と題して、 
AIでこれからの仕事はどう変わるかを説明します。 
そして実際にAIの導入で変わった・変わっていく仕事の一部 
（コールセンター、教師、医師、農家、秘書…等々）を、 
実例を挙げて解説しています。 

人工知能を知りたいけれど、IT系ではない人、普通の入門書でも挫折してしまった人、 
かたい文章を読み慣れない人、就職活動中の学生さん、転職を考えている社会人の方、 
子供の将来の職業を憂う親御さんなど、とにかく【普通の人向けのAI入門書】です。 

これからの時代を生きるすべての人、必読です！ 


※本書はIT Search+で好評連載中の「教えてカナコさん！ これならわかるAI入門」 
をもとに大幅加筆し（PART2はすべて書きおろし）、書籍化したものです。 
https://news.mynavi.jp/itsearch/series/solution/_ai.html

いちばんやさしいAI〈人工知能〉超入門

音声の信号処理についての知識ゼロでも読めるように、懇切丁寧に解説した。基礎理論はコンパクトにまとめ、「耐雑音」「話者認識」「深層学習」についてたっぷり解説。一気に実用が進んだ音声認識分野がこれ一冊で学べる！

■おもな内容
第1章　音声とは
第2章　音声分析
第3章　音声認識とは
第4章　隠れマルコフモデル
第5章　言語モデル
第6章　大語彙連続音声認識
第7章　耐雑音音声認識
第8章　話者適応と話者認識
第9章　深層学習

■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。

■シリーズ編者
杉山 将 理化学研究所 革新知能統合研究センター センター長/東京大学大学院新領域創成科学研究科 教授

音声認識

量子アルゴリズム

いろいろなコンセプトのビジュアル化に加え、話の流れを重視して人の思考する順・学習する順に構成。「驚くほど親切」と評判の教科書、新装版として登場。

線形代数学

プログラミングのための確率統計

ビジネスパーソンに役立つＡＩ解説書の決定版！

なぜ、これからの企業経営にＡＩ戦略が必要なのか？
ＡＩを導入しないままだと、どうなってしまうのか？
実際にＡＩをビジネスへ生かすために必要なこととは何か？

海外、国内企業の先進事例をケーススタディで解説しつつ、
ＡＩの可能性を探る、知的興奮に満ちた一冊。

■天才棋士・羽生善治氏vs.ＡＩ研究の第一人者・松尾豊氏がスペシャル対談
「ディープラーニングの先の未来で起きること」
まさに“最高頭脳”同士の対談！松尾氏には、最新のＡＩで何ができるか、そしてこれから何が起こるかなどの疑問を直撃。羽生氏にはコンピュータ将棋と戦う、トーナメント戦への参戦を決めた決意などを訊きながら、わかりやすく“ＡＩ革命”を解きほぐしてもらいます。

■海外企業の戦略はこれだ
・グーグルの現地取材、ＧＥ、マイクロソフト、シーメンス、ボッシュの戦略検証によって、世界先進企業が経営戦略へ、ＡＩをどう取り入れようとしているのかを浮き彫りにします。
・オープン戦略、ＩｏＴ、インダストリー4.0など、“今”を理解するために必要なキーワードを完全網羅。
・フィンテック革命とは何か？－欧米ではベンチャー企業がＡＩを使うことで、新たな金融サービスを生み出しています。日本にも影響を広げつつある、その変化について解説します。

■日本企業最前線
・トヨタ自動車、ＮＥＣ、富士通、日立製作所、ＮＴＴグループ、ソフトバンクグループ、コマツ、ヤフーなど、ＡＩを経営戦略に活用する企業を、東洋経済記者が徹底取材します。あなたの会社の参考になるケーススタディがあるかもしれません。
・プリファードネットワークスなど、世界が注目する日本発ベンチャーが登場。
・アルファ碁“圧勝”の理由とは？　ＡＩは作家になれるか？　などコラムも充実。
・山田誠二・人工知能学会会長　などインタビューも読み応えがあります。

■機械と共存するために
・ＡＩによる金融支配、人間の雇用代替の脅威が指摘される中、人間がＡＩと共存するためには何が必要か、分析します。

■これで完璧！ＡＩブックガイド
・本書執筆陣の推薦などをもとに編集部が選んだ必読の14冊を紹介します。

ビジネスパーソンのための　決定版　人工知能　超入門

ディープラーニングの仕組み、言語や概念、映像を機械が理解する、ベイジアンネットと大脳皮質、なぜ人の常識は機械にとって難しい?汎用人工知能の実現への課題、どうすればうまく応用できるのか?応用が進む今の時代、改めて人工知能技術の全体像を見てみる。

トコトンやさしい人工知能の本

人工知能の最新動向を基礎から学ぶ。人工知能の常識。AIの主要プレイヤー(IBM、Google、Amazon、Facebook)と最新導入事例。最新用語とメカニズムがすぐわかる!

統計的学習の基礎

近年，国内でも盛んになってきているベイズアプローチを用いた分析の入門書。
　ベイズアプローチによる分析は，これまで帰無仮説有意性検定が中心であった領域においても，徐々に利用されつつある。またビジネスの現場においてもデータによる意思決定を行うためにベイズアプローチを採用する事例を耳にする。本書は，そのようなベイズアプローチを用いた分析の入門書である「Doing Bayesian Data Analysis, Second Edition: A Tutorial with R, JAGS, and Stan」の翻訳書である。
　本書は三部構成からなる。第Ⅰ部では，基本としてベイズ推論やモデル・確率の基礎的な考え方と，以降実際に利用するRプログラミングについて解説する。第Ⅱ部では，2値データを用いて，近年におけるベイジアンデータ分析の重要な要素を説明する。特に，マルコフ連鎖モンテカルロ法(MCMC)や階層モデルなどについて，直観的に理解できるよう詳細に説明する。また帰無仮説有意性検定との対比においても，明確にその課題を指摘した上でベイズアプローチのメリットを説明している。そして第Ⅲ部では，一般化線形モデルをスタートに，実際のデータにベイズアプローチを適用する実践編である。
　また，このように分析した結果について，論文などで報告するときについても言及しており，理論と実践のどちらかに偏ることなく，この一冊で導入から実践，報告まで網羅している。そして，より高度な分析へとステップアップしていく際にも，本書を通読していればスムーズに理解できるだろう。

ベイズ統計モデリング

プロダクトマネジメントの原則と考え方、ポイントについて解説！
あらゆる規模の組織に適用できるプロダクトマネジメントの原則についての書籍です。リリースにばかり焦点を当てると、顧客のニーズではなく、スケジュールを重視して不必要な機能を作りだしてしまいます。このような状態を本書では「ビルドトラップ」と呼んでいます。本書では、プロダクトマネジメントの基礎を築くことで、企業がビジネス目標を達成しながら、顧客が必要とする機能をリリースする方法を紹介して、「ビルドトラップ」を避ける方法を解説します。

プロダクトマネジメント

Webやクラウド上の膨大な文字情報の中から、「意味のある」情報だけを取り出して活用したい、文脈を読んで最適な文章を自動的に作成して欲しい…
そんな夢のような技術がすでに一歩ずつ現実のものとなろうとしています。

ハードウェア＆ソフトウェアの高度化、高速化に伴い「自然言語処理」と呼ばれる「人間の言葉をコンピュータに理解させ、活用させる、結果を返させる」テクノロジーが実用化のレベルまで到達しつつあるのです。

本書は、この未来に不可欠となるに違いない自然言語処理の、技術的、ビジネス的基礎知識をくまなくコンパクトに図解した一冊です。

著者陣もそれぞれの分野の第一線で活躍するエキスパート揃い！
世界を大きく変えるであろうテクノロジーに一歩近付いてみませんか？

自然言語処理の基本と技術

これからのデータサイエンスビジネス

AIによって金融機関のサービスや業務プロセスはどのように変わるのか?
金融機関で働く人たちにどんな影響をもたらすことになるのか?

銀行業務の各プロセスにおける最新のAI導入動向を紹介しつつ、
2025年を念頭に、銀行業の将来像を展望・活写! 
いま起こっていること、これから起こることが、
具体的にわかる内容となっています。

AIや技術に関する専門知識は不要。平易な解説により、文系社会人でも、
抵抗なく読み進めることができます。

自分の仕事はこれからどうなるのかと不安を抱く銀行員の皆さん、
これから起こる変化にビジネスチャンスを見出そうと考えている皆さんなどにとってはもちろん、
金融に関わるすべての人たちにとって必読の情報が満載です。

第1章 金融機関におけるAI活用事情 
第2章 深化・進化するAIと金融機関の取り組み
第3章 AIが変える金融機関の営業体制
第4章 AIで金融機関の業務はこう変わる
第5章 AI導入にあたっての論点

ＡＩが変える2025年の銀行業務

5年にわたり大学入試に挑んできた人工知能プロジェクト「ロボットは東大に入れるか」．同プロジェクトはMARCHレベルの大学に合格できるまでの学力を実現しながら，同時に現在のAIの限界を明らかにした． AIは人間を超えるのか？　学科ごとの詳細な分析を通じて，AI研究の現在を一望する．

人工知能プロジェクト「ロボットは東大に入れるか」

本書は、「難しいことはわからないけど、人工知能が世の中をどう変えるのか知りたい」という人のために、人工知能を丁寧に解説した本です。ディープラーニング、機械学習、シンギュラリティなどよく聞くけど意味がわからない言葉の解説はもちろん、「人工知能って、結局何ができるの？」「人間を超えるとか、仕事が奪われるって聞くけど、大丈夫？」という素朴な疑問と、漠然とした不安にマンガで解説していきます。

★マンガ＋イラスト図解で、難しいテーマをわかりやすく解説！
★人工知能によって、世の中がどう変わるかがわかる！
★ビジネスパーソン、経営者はもちろん、
学生さん、親御さんや先生にもオススメ！

【あらすじ】
とある商社に務める誠司はある日、上司から「人工知能ロボットチョッパーを運用した新プロジェクトを立案せよ」との命令を受ける。「そもそも人工知能って何？」と頭を抱えた誠司は、甥である裕太の紹介で人工知能研究者だという京子と出会う。誠司はただチョッパーくんの使い方を聞きたかっただけなのだが、超がつく「人工知能オタク」である京子に人工知能のイロハのイから教わることに……。はたして誠司は無事に上司命令をクリアし、未来を変えることができるのか!?

マンガでわかる人工知能

【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

社長は代替可能、空気を読まずに人事評価、脳の働きをすべて再現、ＡＩを使いこなせない弁護士は失格――。自動運転やロボット、工場の生産など、いたるところで人工知能（ＡＩ）が活躍し始めています。2045年にはＡＩが人知を超えるシンギュラリティー（特異点）を迎えます。私たちはＡＩとどのように共存していけるかを考えなければならない時期に来ています。ＡＩやロボットによって、人間の仕事の半分が代替される――。こんな予測を聞くと私たちは不安になります。本当にそうなのでしょうか。本書は、脅威を感じながらも、ＡＩを受け入れ、ＡＩに学び、共存への道を探ろうとしている人たちの姿を描きます。ＡＩとの向き合い方から、人間の弱さや可能性の大きさが見えてきます。日経新聞の大型連載「ＡＩと世界」を改題し書籍化。

ＡＩ2045

●AIにポジションを取られる前に。動くのは、今だ

AI（人工知能）、仮想通貨、lLIFESHIFT、ホワイトカラーの終焉……。
10年後どころから５年先すら予期できない今、今の仕事、会社、社会、キャリアはどうなるのか。
今世界で最も注目される日本人研究者落合陽一氏と、圧倒的な行動力で時代の最先端を走り続ける堀江貴文氏が、
お金、職業、仕事、会社、学校など、今考えられる新たな社会の姿を余すところなく語ります。


●イラスト入りで、50近くの職業の未来を分析

AIでなくなる職業が話題になりましたが、本書では、「消える職業」「生まれる職業」など含め、50近くの職業の未来を紹介。
視覚的にも見やすいので、将来を考える10代の方から、自分の仕事で次の一手を探したい方まで幅広く読んでいただけます。


●希望か絶望か！？ すべて自分次第で決められる

今後、今のようなかたちの仕事や会社はなくなるかもしれないが、それを希望とみるか、絶望とみるかは、すべて自分次第。
新たな世界で、自分なりのポジションをとっていくための生き方のヒントも収録しています。


●主な内容

・激動の時代を生きるあなたに伝えたいこと
・経営者すら職を奪われる時代
・総エージェント化する個人
・湯婆婆に名前を奪われるな
・センター試験は無駄
・ロボットがロボットを印刷する
・AIの社会は古代ローマ
・名将にAI監督が勝つ時代
・ウサイン・ボルトを見習え
・交換可能な価値の缶詰をつくる
・波を待つな、自ら波を起こせ
・食べていくための安い仕事にしがみつくな

10年後の仕事図鑑

チャットボット : AIとロボットの進化が変革する未来

AIの民主化！
DataRobotで
AIドリブンな意思決定を実現！

【本書の概要】
本書は、データ準備からAI（機械学習）モデルの生成、モデルの実運用化などデータ・AI活用のステップを
エンドツーエンドで自動化してくれる「DataRobot」を利用してAIのビジネス活用を実現する手法を解説した書籍です。
DataRobotを使えば、データサイエンティストやAIエンジニアのように専門知識を持たないユーザーでも、
シチズンデータサイエンティストとしてAI活用の最先端に立ち、AIドリブンな意思決定を実現できます。

【対象読者】
・ビジネスアナリスト：BIツールやSQLなどを使ってデータ分析をしている方
・マネジメント層：「AIで何かをやれ」ではなく、最低限のAIの知識を持って技術者と話せるようになりたい中間管理職の方
・エンジニア：統計分析やプログラミングなどの技術を日常的に使っているものの、AI技術には馴染みのない方

【本書の特徴】
本書はDataRobot初心者に必要となる前提知識、基本操作、データ準備、モデル生成、モデルの評価・解釈などにおける
ベストプラクティスを網羅した入門書です。
また業務活用編として自社のビジネスに合わせた利用方法のヒントも紹介しています。

【著者プロフィール】
中山晴之、小島繁樹、川越雄介、香西哲弥
DataRobot Japan 執筆メンバー。

【著者・監修者プロフィール】
シバタアキラ（DataRobotJapan チーフデータサイエンティスト）
人工知能を使ったデータ分析によるビジネス価値の創出が専門分野。
世界のトップデータサイエンティストが働くDataRobot, Inc. にて、日本事業の技術責任者。
ロンドン大学高エネルギー物理学博士課程修了。ニューヨーク大学でのポスドク研究員時代に
加速器データの統計モデル構築を行い「神の素粒子」ヒッグスボゾン発見に貢献。
ボストン・コンサルティング・グループにて戦略コンサルタント、
白ヤギコーポレーションの創業者兼CEO を経て2015 年より現職。

DataRobotではじめるビジネスAI入門 ［DataRobot Japan 公式ガイドブック］

東ロボくんは東大には入れなかった。ＡＩの限界ーー。しかし、”彼”はＭＡＲＣＨクラスには楽勝で合格していた！これが意味することとはなにか？　ＡＩは何を得意とし、何を苦手とするのか？　ＡＩ楽観論者は、人間とＡＩが補完し合い共存するシナリオを描く。しかし、東ロボくんの実験と同時に行なわれた全国２万５０００人を対象にした読解力調査では恐るべき実態が判明する。ＡＩの限界が示される一方で、これからの危機はむしろ人間側の教育にあることが示され、その行く着く先は最悪の恐慌だという。では、最悪のシナリオを避けるのはどうしたらいいのか？　最終章では教育に関する専門家でもある新井先生の提言が語られる。

ＡＩ　ｖｓ．　教科書が読めない子どもたち

スラスラ読めるPythonふりがなプログラミング

「量子ビット」を使うと、なぜ「超並列計算」ができる？　莫大な計算結果の重ね合わせ状態から、答えを1つに確定できるのはなぜ？　まったく新しいしくみによって、現在のスーパーコンピュータをはるかに凌ぐ力を発揮する量子コンピュータ。研究の最先端にいる著者が、従来のコンピュータのしくみと対比させながらその基礎と、実現にむけた試みを平易に解説。


「０と１の重ね合わせ状態」で高速計算！　「量子ビット」を使った「超並列計算」で、答えを１つに確定できるのはなぜ？　現在のスーパーコンピュータを圧倒する、量子コンピュータのしくみを平易に解説。

量子コンピュータ

起業大全

微分積分学

●Netflixはどうやって190カ国で２億人を獲得できたのか？
●共同創業者が初めて明かすNetflixビジネスとカルチャーの真髄。

■Netflixの「脱ルール」カルチャー
　＊ルールが必要になる人材を雇わない
　＊社員の意思決定を尊重する
　＊不要な社内規定を全部捨てよ
　＊承認プロセスは全廃していい
　＊引き留めたくない社員は辞めさせる
　＊社員の休暇日数は指定しない
　＊上司を喜ばせようとするな
　＊とことん率直に意見を言い合う
――新常態の働き方とマネジメントが凝縮

【内容紹介】
　DVD郵送レンタルからスタートしたNetflixは、動画配信サービス、コンテンツ自社制作、スタジオの内製化・グローバル化と、創業から20年以上のあいだにめまぐるしく「ビジネスモデルの破壊」を繰り返し、世界のエンタテインメント業界とテクノロジー業界両方を牽引する稀有な存在に成長を遂げた。
　この急成長を支えたのはNetflixの独創的なカルチャーである。ヘイスティングが掲げる独創的なカルチャーは、物事を根本からとらえ直し、従来の慣習や常識を覆す。本書では、数百名に及ぶ世界中の現役・元Netflix社員のインタビューや、これまで語られることのなかったヘイスティングス自身の試行錯誤の過程を収録。
「普通じゃない経営手法」で世界一成功している企業の「自由と責任の企業文化」を、共同創業者自身の言葉で初めて明かす。
＊　＊　＊
　Netflixは特別な会社だ。そこには「脱ルール」のカルチャーがある。
　社員の「能力密度」を高めて最高のパフォーマンスを達成すること、そして社員にコントロール（規則）ではなくコンテキスト（条件）を伝えることを最優先している。そのおかげで着実に成長し、世界と社員のニーズ変化に機敏に対応できている。
　だが、本書共著者で、企業文化の研究で名高い経営学者エリン・メイヤーの目には、Netflixカルチャーはマッチョで、対立を煽り、攻撃的なものに思えた。いかにも人間の本質を機械的かつ合理的にとらえる技術者が創った会社、というイメージだ。
＊　＊　＊
　だが、Netflixは大成功している。本書がその謎を解き明かす。

NO RULES（ノー・ルールズ）

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

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

「買いたいココロ」を科学する、28の方法。企業や商品の「ブランド力」、お客さんの潜在的な「好み」、価格とニーズのバランス…多種多様なデータをいくら集められても、それだけでは直接測ることのできない、いろいろな「買いたいココロ」があります。そのココロを、心理統計学+マーケティング・サイエンスの第一人者が、具体的な実例から幅広く役に立つ28の最新分析法をもとに、魅力的に解き明かします。

購買心理を読み解く統計学 : 実例で見る心理・調査データ解析28

☆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

「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

企業所属の著者が、データ解析に携わる人の視点でまとめた。必要な理論を幅広く、体系的に述べる。大規模データから「珍しいパターン」を見出す、あるいは変化の「兆し」を素早くつかむ必要がある人なら必読。するする読めて、ずっと使える1冊。現在知られている異常検知・変化検知の手法の大半をカバーした。


企業所属の著者が、データ解析に携わる人の視点でまとめた。必要な理論を幅広く、体系的に述べる。大規模データから「珍しいパターン」を見出す、あるいは変化の「兆し」を素早くつかむ必要がある人なら必読。

【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

異常検知と変化検知

本書ではSQLを使った分析の手法、そしてそのためのシステムの構築についてお話しします。なぜならば、SQLは企業において現実的に実現可能な中で最も制約の少ない分析手法だからです。  現実的にギリギリ可能な範囲で、でもできるだけ楽をしたい。本書はそんな現実的で、しかしよくばりな要望に対して、SQLという解で答えます。
ビジネスに役立つ分析を行いたいマーケターも、ビッグデータをどうにかしたいエンジニアも、みんなまとめて面倒みましょう。

10年戦える データ分析入門

本書では、データマイニングがどんなふうに役に立つのか、データマイニングの実データへの適用事例の具体的な紹介に重点を置いている。一つは競馬(中央競馬)、もう一つは金融(株)である。二つの事例は、得られた知識が、ほぼ直接に利益に反映される、すなわち、データマイニングの効果の判定が明解である。

実践データマイニング : 金融・競馬予測の科学

ビッグデータを支える技術

心理学検定　基本キーワード［改訂版］

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

TensorFlow機械学習クックブック

データサイエンティスト養成読本

「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

アクチュアリー数学入門 　第3版

本書では、入門的ないしは中級的な内容の統計的方法を勉強した読者を想定し、サンプルサイズ(標本数)の決め方(サンプルサイズの設計方法)を解説する。主に統計的検定における検出力に基づくサンプルサイズの設計方法を説明し、区間推定に基づくサンプルサイズの設計方法についても触れる。本書では、入門的な統計的方法の教科書で登場する一通りの手法を取り扱う。

サンプルサイズの決め方

本書は「リーンスタートアップ」が提唱する構築・計測・学習ループの「計測」にフォーカスしたものです。6つのビジネスモデルを例に挙げ、具体的なデータの裏付けを使いながら、スタートアップが成長するための「計測すべき数値」について詳細に解説します。数字や指標が苦手な人も、起業家ではないビジネスマンも、スタートアップの第一人者が提唱する最重要指標(OMTM)やリーンアナリティクスのステージといった概念を使えば、本物の行動につながる「アナリティクス」が実現できます。

Lean Analytics

迷惑メールが自動的に判別されるしくみとは?先端ビジネスや医療を支える「未来を予測する統計学」を根本から解説。かけ算・わり算だけで理解できる!

完全独習ベイズ統計学入門

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

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

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

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

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．

驚異の量子コンピュータ

スタートアップが必ず直面する課題と
その解決策を、時系列に整理。
失敗を潰せる「科学的な起業」の教科書。
あなたの失敗は99％潰せる！

日米で複数の起業経験を持つ
アントレプレナーにしてベンチャー投資家である
著者が、自分自身の起業経験、投資経験を踏まえて
「科学的な起業」の考え方を時系列でまとめました。

どうすれば起業の失敗を避けられるのか。
著者は、5年前から研究に着手しました。

そのために集めた情報は膨大です。
◎1000人以上の起業家、投資家を取材
◎起業に関する理論書と、起業家の自伝300冊を熟読
◎起業家のブログ500本、講演動画1000本を解析

その研究成果をまとめた1750枚のスライド、
「スタートアップサイエンス」は、
全世界で5万回シェアの大きな反響を呼びました。

このスライドの内容を基に大幅加筆したのが本書です。

従来は、スタートアップが成長する過程で、
いつ、何を達成すれば目標に向かって前進できているのかを
確認できるものさしとなる情報がほとんどありませんでした。

もし、スタートアップの成功に有用な情報があったとしても、
様々な書籍やブログ、動画などそれぞれのパッケージの中に
散らばっていました。情報を探すにも、読み込むにも膨大な時間が掛かり、
忙しい起業家にはなかなか活用しにくいものでした。

そこで、本書では、起業家がカスタマーから熱烈に愛されるプロダクトを生み出し、
スケール（事業拡大）できるようになるまでの考え方を20ステップで整理しました。

アマゾンやフェイスブックのような『大成功するスタートアップ』を作ることは
アート（芸術）かもしれません。でも、この本で示した基本的な型を身につければ
『失敗しないスタートアップ』は高い確率で実現できるのです。

≪主な内容≫
第1章 IDEA VERIFICATION（アイデアの検証）
第2章 CUSTOMER PROBLEM FIT（課題の質を上げる）
第3章 PROBLEM SOLUTION FIT（ソリューションの検証）
第4章 PRODUCT MARKET FIT（人が欲しがるものを作る）
第5章 TRANSITION TO SCALE（スケールするための変革）

起業の科学 スタートアップサイエンス

「ビッグデータ時代」のSQL活用術・レシピ集!

ビッグデータ分析・活用のためのSQLレシピ

ヒルガードの心理学

マーケティング、生産管理、経営管理など、さまざまなシーンで使える高度な統計手法を数式や専門用語はできるだけ使わず、楽しくグラフィカルに解説。

多変量解析がわかった!

Pythonの豊富で強力なライブラリを使ってデータ分析を行うための情報を凝縮！
2013年に発刊以来、高い人気を誇ってきたロングセラー待望の改訂版です。NumPy、SciPy、pandas、Matplotlib、IPython、Jupyterをはじめ、高機能で使いやすい数学・科学計算用ライブラリが充実しているPythonは、科学計算、統計解析、機械学習のみならず、金融や経済分野でも不動の地位を築きつつあります。本書はPythonの代表的なデータ分析ツール、pandasのメイン開発者による、Pythonでデータサイエンスを行うための情報をまとめた一冊です。

Pythonによるデータ分析入門 第2版

近年注目を集めているビッグデータという言葉に代表されるように，データのもつ価値についての認識はますます高まっている。さらに，自然科学分野から社会科学の分野，さらには政府関係の様々な施策に至るまで，データに基づいた意思決定の大切さが認識されている。数理統計学は，（ランダムネスを伴った確率現象として現れる）データの背後に確率モデルを想定して推測を行うための土台となる，数学的基礎を提供する。本書は，数理統計学に関する基礎的な内容はもとより，近年広く利用されている現代的な内容までを盛り込んだテキストである。
　最初に，統計的推測を行う上で必要な確率・確率分布の基本的な事項を説明する。次に，最初に準備した道具立てに基づいて，確率分布に関する推測方法を説明する。ここまでにおいては，必要な知識をシンプルに解説し，また内容の理解を深められるように，演習問題を豊富に盛り込んでいる。最後に，最も役に立つ統計モデルの1つである線形回帰モデル，点推定を中心とした推定の不偏性や不変性などのリスクに基づいた最適性の理論，MCMC法・ブートストラップ法・EMアルゴリズムなどの計算統計学，そして代表的な確率過程といった発展的な内容を扱う。
　初歩的な内容から始まりながらも，最後には現代的な内容まで到達することができる。初学者から意欲的な読者にまでおすすめできる，非常に内容豊富なテキストである。

現代数理統計学の基礎

データの中に隠れた問題を見つけ出す。問題のあるデータの様々なパターンを紹介し、その対処法を解説。

バッドデータハンドブック : データにまつわる問題への19の処方箋

世界のトップ企業50はAIをどのように活用しているか?

生成型ディープラーニングの基礎から応用までを網羅！
生成型ディープラーニングの解説書。「絵を描く」「曲を作る」といった、これまで人間にしかできないと思われていた創造的な作業を機械に行わせるという、いま最もホットな技術の基礎から応用までをJupyterノートブック環境で実際に試しながら学びます。第I部は基礎編です。機械学習プログラミング、変分オートエンコーダ、GANやVAEなど、生成モデルの作成において重要な基礎技術を学びます。第II部は応用編です。CycleGAN、エンコーダ―デコーダモデル、MuseGANなどのモデルを作成し、作画、作文、作曲といった創造的なタスクに取り組みます。さらには、実環境を用いずにゲームプレイAIの学習を可能にする、世界モデルを使った強化学習にも取り組みます。最後に生成モデリングの未来として、StyleGAN、BigGAN、BERT、GPT-2、MuseNetなどのアーキテクチャを紹介します。

生成 Deep Learning

スバラシク実力がつくと評判の量子力学キャンパス・ゼミ

データサイエンスとPythonプログラミングをゼロから学んで身につける！
データサイエンスを学んでみたい、でもプログラミングはできないし、という初心者向けの、幅広いトピックをカバーしたデータサイエンス入門書です。Pythonプログラミングの基礎から線形代数、統計確率の基礎、回帰、ナイーブベイズ、決定木、ニューラルネット、自然言語処理、グラフ解析、レコメンデーションシステム、機械学習、SQL、MapReduceまで、盛りだくさんの内容を詰め込んでおり、短時間でデータサイエンスの基本知識とPythonプログラミングのスキルを効率良く身につけることが可能です。

ゼロからはじめるデータサイエンス

pandasライブラリ活用入門 : Pythonデータ分析/機械学習のための基本コーディング!

■さまざまな開発支援ツールを使いこなし■
■効率的に開発をするための基礎知識■
--
■変わり続けるプラットフォームで■
■変わらないことを学ぶ■

-------------------------------------------------------------------------
根幹を支えるエコシステム "Node.js" / コンポーネント指向のフレームワーク・ライブラリの基本の考えを知り使いこなす "Vue.js" "Angular" "React" / コンパイラ "Babel" / モジュールバンドラー "webpack" / JavaScript 代替言語 "TypeScript" / 状態管理・データレイヤ "Redux" / 単方向のデーターフロー "Flux" / 静的解析ツール "Prettier" "ESLint" / ユニットテスト "Mocha" "Jest" "Karma" / 解析とABテスト "Google Analytics" "Google Optimize" / エラーイベント検知 "Sentry" / チーム作業する "スクラム" / 変わり続ける "Webプラットフォーム"

複数の開発支援ツールから「なぜそれを使うのか」選択する基準を理解する！

フロントエンド開発入門 プロフェッショナルな開発ツールと設計・実装

統計学のための数学入門30講

近年の3Dグラフィック技術の進歩により、ビジュアル面におけるゲームのリアリティは大きく進化しました。ゲームのリアリティを向上させる次のステップは、ゲームに人工知能(AI)を導入することです。本書は、ゲームプログラミングにはじめて取り組むプログラマと、AI技術を理解する必要のあるゲームプログラマの両方を対象に、(従来の)決定論的なAI技術と、(新しい)非決定論的なAI技術を紹介します。本書で解説するのは、「追跡と逃避」「パターンムーブメント」「フロッキング」「ポテンシャル関数に基づくムーブメント」「基本的な経路探索とウェイポイント」「A*アルゴリズムによる経路探索」「AIのスクリプト化とスクリプティングエンジン」「有限状態機械」「ファジー理論」「ルールベースのAI」「確率の基礎」「不確定な状況下での意思決定-ベイズ法」「ニューラルネットワーク」「遺伝的アルゴリズム」など。豊富に掲載された図版とC/C++のサンプルコードが読者の理解を助けます。

ゲーム開発者のためのAI入門

優秀なIT人材を採用したいなら
職場環境を見直すべし

ITを活用しない、事務職扱いされる、雑談すらできない、成長機会が得られない――

こうした職場はIT人材に嫌われます。優秀な人ほど、職場環境には敏感です。もし「優秀な人ほど辞めていく」と悩んでいるとしたら、それはきっと職場環境に問題があるはず。

では、どんな職場をつくればいいのか。そのヒントが本書に詰まっています。通常の事務職とIT人材では職場に求めるものが違います。大事なことは、IT人材が嫌がる環境を知ることです。つまり、アンチパターンを押さえることで、初めて「IT人材が働きたくなる」職場になります。

本書では、実例をベースにIT人材が嫌がる職場を多数掲載しています。それらを「なんちゃってIT職場型」「低プレゼンス型」「コミュニケーション不全型」など９タイプに分け、タイプごとに「では、どうすればいいのか」という対策をまとめています。

もし目次を見て「この職場はウチのことだ」と当てはまるなら、早急に改善しないと、どんどんと人が辞めていくかもしれません。企業のデジタル化に欠かせないIT人材は、ＤＸ花盛りの今、引っ張りだこの状況です。職場環境の整備で優秀な人材が確保できるなら、実施しない理由はないでしょう。

IT人材が輝く職場　ダメになる職場

初学者向けにファイナンスの基本事項を確実に押さえた上で，Pythonによる実装をプログラミングの基礎から丁寧に解説。〔内容〕金利・現在価値・内部収益率・債権分析／ポートフォリオ選択／資産運用における最適化問題／オプション価格

Pythonによるファイナンス入門

ビジネス現場ではデータ活用の重要性がますます高まっています。データに基づいた経営施策の実施とその効果検証のためには、一般的な統計指標（平均、標準偏差、相関）だけでなく「因果」にまで分析を広げる必要があります。 
本書は因果分析の重要な2つの領域である「因果推論」および「因果探索」について、実際にプログラムを実装しながら学ぶ書籍です。因果推論や因果探索を学びたいビジネスパーソンや、初学者の方を対象としています。 

・因果推論とは「テレビCM放映で、商品購入量がどれくらい増えたのか？」「研修の実施で、社員スキルがどの程度向上したのか？」など、なんらかの施策を実施した際に、その施策の効果を推定する手法です。 
・因果探索とは「生活習慣と疾病の調査」「働き方改革に伴う社員調査」など、アンケート調査等で収集した各項目間の因果関係を明らかにする試みです。 

本書は「因果推論、因果探索とはどのようなものか」「因果推論、因果探索を実施するには、具体的にどうしたら良いのか・分析プログラムをどう実装したら良いのか」「因果推論、因果探索が、どのように機械学習やディープラーニングと結びついているのか」が理解・習得できる内容となっています。 

プログラミング言語Python、実行環境Google Colaboratory、機械学習ライブラリscikit-learn、PyTorchで実際に手を動かしながら実装し、習得していきます。 

データに基づいた経営・ビジネスを実践するうえでスタンダードな手法となる因果分析をマスターしよう。 

Part 1：因果推論 
第1章 相関と因果の違いを理解しよう 
第2章 因果効果の種類を把握しよう 
第3章 グラフ表現とバックドア基準を理解しよう 
第4章 因果推定を実装しよう 
第5章 機械学習を用いた因果推論 
Part 2：因果探索 
第6章 LiNGAMの実装 
第7章 ベイジアンネットワークの実装 
第8章 ディープラーニングを用いた因果探索

つくりながら学ぶ! Pythonによる因果分析

ネットワーク分析とは，さまざまな対象を点と線からなるネットワークとして表現し，その構造的な特徴を探る研究方法である。本書は，データ分析用のフリーソフトであるRを使って，ネットワーク分析の理論と実際の分析法を学ぶことを目的としている。
　第2版では，近年応用の進んでいる統計的なネットワークの分析手法に関する説明を加えた。また，社会ネットワークの調査分析法およびソーシャル・メディアのネットワーク分析に関する章を新たに設けた。複雑ネットワークおよびネットワーク描画に関する章も大幅に改訂している。これらの改訂により，ネットワーク分析の応用的なニーズにも対応できるようになった。

ネットワーク分析 第2版

生き残りの鍵は組織カルチャーにある！　

AGC（元旭硝子）の変革事例を軸に、
新規事業と既存事業を両立するための経営理論「両利きの経営」を提唱した
世界的な経営学者と組織開発の第一人者が語る、組織進化の理論と実践。

両利きの組織をつくる

スバラシク実力がつくと評判の線形代数キャンパス・ゼミ : 大学の数学がこんなに分かる!単位なんて楽に取れる!

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。

Python実践入門 ── 言語の力を引き出し、開発効率を高める

カナダのベンチャー企業，D-Wave Systems によって「量子コンピュータ」が開発・発売され，反響を呼んでいる。
　量子コンピュータは，1994年に因数分解を高速で行う量子アルゴリズムが発見されたことを契機に，研究が一気に加速した。当初提案されたのは「量子ゲート方式」と呼ばれるタイプであった。この方式の強みは，量子力学系のシミュレーションなどのいくつかの計算が，通常のコンピュータより大幅に効率よく実行できることにある。しかし，大規模な回路を構成して安定的に演算を実行する技術の開発は途上である。
　一方，これとはまったく異なるアプローチとして「量子アニーリング」が着目され，D-Wave 社がハードウェアの動作原理として実装して世に出すに至った。量子アニーリングは，当初は磁性体のイジング模型の基底状態を，量子力学的なゆらぎを利用して探索する方法として考案された。基本素子として量子ビットを使うという点では量子ゲート方式と同じだが，当面の目的やその実現方法は異なっている。量子アニーリングは，巡回セールスマン問題などの「組み合わせ最適化問題」に特化したアルゴリズムなのである。
　本書は，量子アニーリングの計算原理の発案者による，日本語で書かれた唯一の解説書である。量子アニーリングの基本的な定式化や動作原理の説明だけでなく，機械学習への応用やベンチマークテストの例，さらにはD-Waveマシンのユーザーインターフェイスの解説まで幅広く取り上げている。

量子アニーリングの基礎

岩波データサイエンス　6

パーソナリティ心理学を学ぶ上で特に使用頻度の高い統計法を取り上げて解説した。研究論文を書く大学院生を想定し、学会誌に掲載された論文をベースに統計手法を解説するなど、実践的内容となっている。統計手法を学びつつ、パーソナリティ心理学の研究過程も学ぶことができる。

心理学のための統計学［全９巻］
１心理学のための統計学入門
２実験心理学のための統計学
３社会心理学のための統計学
４教育心理学のための統計学
５臨床心理学のための統計学
６パーソナリティ心理学のための統計学
７発達心理学のための統計学
８消費者心理学のための統計学
９犯罪心理学のための統計学

パーソナリティ心理学のための統計学[心理学のための統計学６]

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

ダイキン工業株式会社　代表取締役社長兼CEO 十河政則氏推薦
「我々が試行錯誤して歩んできた道が間違っていなかったことを、本書は教えてくれた。」

本書は、欧米・日本企業の調査と事例から、製造業のサービス化戦略と戦術を体系的にまとめた実践書である。

コマツ、ダイキン工業、ゼロックス、トヨタ自動車、コニカミノルタ、IBM、エリクソン、コクヨ、ブリヂストン、ヤマハ発動機、ボルボ、ミシュラン、シスコシステムズ……
をはじめ、欧米企業の先進的な動向、日本の製造業1,000社調査に基づくB2B企業の動向を紹介するとともに、製造業が直面する課題を解決する方向性と方法論を示している。

〇依然として個々の製品に埋め込む技術に血眼になっていないか？
〇サービスという長期戦略に経営者はコミットしているか？
〇製品設計の段階から、サービスによる共創価値が組み込まれているか？
〇モノ売りではなく、サービスを販売する専門部隊が構築されているか？

Ｂ２Ｂのサービス化戦略

統計思考の世界 : 曼荼羅で読み解くデータ解析の基礎

機械学習とニューラルネットワークの基礎を学ぶ！
2000年代にニューラルネットワークの研究が再び活発になりました。現在、ディープラーニングは近代的な機械学習の道を切り開いている非常に活発な研究領域となっています。Google、Microsoft、Facebookなどの企業では、社内のディープラーニングチームが急成長しています。しかし、多くの人にとってディープラーニングはまだまだとても複雑で困難な課題です。本書ではサンプルのPython★プログラムと簡潔な説明を通してこの複雑な分野の主要な概念を紹介します。微積分、行列演算、Python 3★の基礎があれば誰でも本書を始めることができます。本書を読み終える頃には、読者はディープラーニングの歴史的背景を把握し、TensorFlowに用意されている最適化アルゴリズムを組み合わせてニューラルネットワークを構成できるようになるでしょう。

実践 Deep Learning

事業をエンジニアリングする技術者たち : engineers in Voyage

データ解析とレポート作成の再現性を高めよう。その先には、ボスの笑顔が待っている。
RStudioを使いこなそう。その先には、旨いお鮨が待っている。
Rマークダウンをマスターしよう。その先には、明るい未来が待っている。

　本書はRによる再現可能なデータ解析とレポート作成を身につけるための一冊である。
Rがデータ解析のデファクトスタンダードとなった現在，Rの使い方やRによるさまざまなデータ解析手法についての情報は数多く入手できる。しかしどれだけ立派なデータ解析であっても，結果が再現できなかったり，間違いだらけだったり，時間がかかりすぎて完成しなかったりしたら，価値は半減である。
　本書ではRStudioとRマークダウンについての解説を通して，再現性と信頼性を高め効率を上げるような「データ解析とレポート作成というプロセス」について解説している。データ解析に携わるすべての人に，再現可能性の意義を学び，RStudioとRマークダウンによる再現可能なデータ解析とレポート作成を日々の習慣としてほしい。

再現可能性のすゝめ

講義におけるオーソドックスな内容とは別に、数学と物理学を結ぶ興味ある問題として、線形代数が量子力学現象をいかに表現するかを解説したものである。
　第１章では、ユニタリー作用素と自己共役作用素など線形空間の数学的理論を解説した。第２章では、線形代数の一番よい応用例として量子力学の入門を解説してある。また、付録として、量子論理の小文を載せてある。

線形代数と量子力学

上司や指導医に指示されたことはソツなくこなすのに、主体的に行動することが苦手な医学生や研修医。彼らはなぜ自分の頭で考えられないのか。そもそも日本の学校教育が、個人の主体性を涵養するように出来ていないのではないか。本書では、医学教育をケーススタディとして現状を精査、具体的な改善案を提示しながら、主体的に生きるとはどういうことか、主体性を教えることは可能なのかという問いを考える。

主体性は教えられるか

見込み客、土日の需要、商品リコメンド…
営業、マーケティングが劇的に変わる
業務に本当に役立つ“儲かるAI”を自分で作る！

◆数学なしでアルゴリズム選びもチューニングもわかる
◆現場目線でAIの最適化までできる
◆ブラウザだけで試せるPython実習（Google Colab）
◆XGBoost、Prophetなど話題のAI技術を活用
◆全PythonコードをGoogle Colab用のNotebook形式で用意
＜機械学習のための　Python入門講座＞つき！

業務に本当に役立つ“儲かるAI”を作るには
「業務目線」と「技術目線」の両方が必要です。

業務の課題を認識し、どう改善するかという「業務目線」が必要なのは
従来システムと同じですが、AIの構築ではさらに
業務の課題が本当に AIで解決できるのか、AIのどの処理方式なら適用できそうか
という「技術目線」が不可欠なのです。

本書のPython実習で学ぶことで、「AIの目利きができる技術目線」を獲得し
自分でもAIを作れるようになります。

Pythonで儲かるAIをつくる

ディープラーニングの前に身につけておきたいAI技術の入門書！
近年ディープラーニングが爆発的人気となっています。しかし、人工知能の手法はディープラーニングに限りません。過去のAIブームの単純なニューラルネットや論理的プログラミングもあれば、遺伝的アルゴリズム、自然言語処理、音声信号処理や、画像からの動物体検出、分類問題、回帰問題、連続データ解析、強化学習といった、古典的なデータ解析や機械学習の手法もあります。これらはディープラーニングを始める前に身につけておくべき基礎技術です。「鶏を割くに焉んぞ牛刀を用いん」の諺のように、読者がデータ収集や計算コストがかかるディープラーニングの他にも適材適所の手法を選択できるよう、本書ではさまざまな人工知能の関連分野を扱いながら、Pythonでよく使われるライブラリの基本的な使い方を解説します。

PythonによるAIプログラミング入門

量子コンピュータは従来のコンピュータのしくみと何がどう違うのか，なぜ速いのか，
そして，その計算能力と量子論の間にはどのような関係があるのか…

実用化が現実味を帯びてきた量子コンピュータ．
いま，その原理を正しく理解する重要性が増しています．

本書は，量子コンピュータの原理について，気鋭の若手研究者が基礎から最先端の話題までを幅広く解説．
学際的なこのテーマの知識を効率よく習得できます．

《本書の特長》
●最もベーシックな「回路モデル」だけでなく，「状態の検証」「超量子計算」「IQP/DQC1モデル」など，
ほかの書籍では触れられていない最先端の話題について紹介．
●読み進めるうえで最低限必要な量子力学の記法や計算量理論も解説しています．

量子計算理論 量子コンピュータの原理

◆自然言語処理の応用（機械翻訳、文書要約、対話、質問応答）に焦点を当て、深層学習の利用方法を解説。◆「実装上の工夫」など、本書でしか読めない実践的な内容が充実！


◆自然言語処理の応用（機械翻訳、文書要約、対話、質問応答）に焦点を当て、深層学習の利用方法を解説。
◆「実装上の工夫」など、本書でしか読めない実践的な内容が充実！　

■おもな内容
第1章　自然言語処理のアプローチ
第2章　ニューラルネットの基礎
第3章　言語処理における深層学習の基礎
第4章　言語処理特有の深層学習の発展
第5章　応用
第6章　汎化性能を向上させる技術
第7章　実装
第8章　おわりに

■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7期として、以下の3点を刊行!

統計的因果探索　清水 昌平・著
画像認識　　　　原田　達也・著
深層学習による自然言語処理　坪井 祐太/海野 裕也/鈴木 潤・著

■シリーズ編者
杉山 将 理化学研究所 革新知能統合研究センター センター長/東京大学大学院新領域創成科学研究科 教授

深層学習による自然言語処理

〈週勤4日〉〈出社不要〉〈人生100年時代〉日本マイクロソフトが明かす職場のデータ分析！高い成果を上げる人はどんな働き方をしているのか。1兆ドル最強企業日本法人 × 『職場の問題地図』著者が職場データから「成果が上がる働き方」を徹底分析。アフターコロナに「働き方格差」時代がやってくる・「紙」と「会議」はこうしてなくせ・リモート勤務は「ニューノーマル」・信頼される/されない上司の違い日本企業は今、「岐路」に立たされている・緊急事態宣言前に、本社出社率1.7%が達成できた理由・「週勤4日週休3日」の衝撃・「紙の情報」では古すぎる・会議は「30分以内」「5人以下」・成果を上げる営業ほど「限られた相手」と「密なコミュニケーション」をしている・部下からの信頼が厚い上司はメールの返信が3時間早い・「とりあえずメール」の発想をやめる・会議のコストを見える化する・データが導く最適な「部下の数」とは

職場の科学 日本マイクロソフト働き方改革推進チーム×業務改善士が読み解く「成果が上がる働き方」

計量パーソナリティ心理学

本書は具体的なデータ分析の手法を説明する意図で書かれたものではありません。
実用的な目的ならscikit-learnやChainerなどの既存のフレームワークを使うべきですが、本書では機械学習のいくつかの有名なアルゴリズムを、自分でゼロから実装することを目標としています。こうすることにより、とかくブラックボックスになりがちな機械学習の仕組みを理解し、さらなる応用力と問題解決力を身につけることができるようになります。
また、処理系にはデファクトスタンダードであるPythonを使い、機械学習に必要な数学の知識もわかりやすく解説しています。
これから機械学習を始める学生さんや、いきなりプロジェクトに放り込まれていまいち理解できないままデータ分析の仕事をしているエンジニアの方にも最適です。

●目次
はじめに
第01章　学習を始める前に
　01 本書の目的
　02 本書は何を含まないか
　03 機械学習の初歩
　04 実行環境の準備
第02章　Pythonの基本
　01 プログラムの実行方法
　02 基本的な文法
　03 数値と文字列
　04 複数行処理
　05 制御構造
　06 リスト、辞書、集合
　07 関数定義
　08 オブジェクト指向
　09 モジュール
　10 ファイル操作
　11 例外処理
第03章　機械学習に必要な数学
　01 基本事項の確認
　02 線形代数
　03 微積分
第04章　Pythonによる数値計算
　01 数値計算の基本
　02 NumPyの基本
　03 配列の基本計算
　04 疎行列
　05 NumPy/SciPyによる線形代数
　06 乱数
　07 データの可視化
　08 数理最適化
　09 統計
第05章　機械学習アルゴリズム
　01 準備
　02 回帰
　03 リッジ回帰
　04 汎化と過学習
　05 ラッソ回帰
　06 ロジスティック回帰
　07 サポートベクタマシン
　08 k-Means法
　09 主成分分析（PCA）
INDEX

機械学習のエッセンス

超基本を理解するだけで、マーケティング調査のデータ分析、金融商品のリスクとリターン、株・為替相場のボラティリティ、選挙の出口調査までわかる。

完全独習統計学入門

その数学が戦略を決める

最新にして最強!! 人気講義の教科書、第２版！
　大変好評を得ている，MITのトップクラスの人気を誇る講義内容をまとめた計算科学の教科書の第２版．
　今回の改訂では，後半の内容が大幅に増え，新たに５章追加されている．特に「機械学習」を意識して，統計学の話題が豊富になっている．
　Python言語を活用して，計算科学を学ぶ読者必携の書！
　Python　Ver3.5に対応！

世界標準MIT教科書　Python言語によるプログラミングイントロダクション第２版

「技術者のための」と冠した数学書の第3弾ーー確率統計学

「機械学習を支える『数学』をもう一度しっかりと勉強したい」方々に向け、理工系の大学生が学ぶ『確率統計学』を基礎から解説した書籍です。

■本書の特徴
・機械学習を支える大学数学の3分野のうち、確率統計学を順序立てて学習できる（既刊『技術者のための基礎解析学』『技術者のための線形代数学』との姉妹編。これら3冊で大学数学の3分野を学ぶことができる）
・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。

確率統計学を扱う本書では、「コンピューターの乱数によるシミュレーションで現実世界の不確定な現象を再現する」ことを確率モデルの目標とすることで、抽象的な確率空間が果たす役割を明確にするというアプローチを取りました。その上で、条件付き確率や事象の独立性など、ともすれば直感的な理解にとどまりがちな点について、その基本的な性質をできるだけ厳密に導出することを心がけています。

ここには、確率空間の「仕組み」を理論的に理解するという意図があります。これにより、パラメトリック推定や仮説検定など、確率モデルを構成・検証する手続きについて、その役割をより明瞭に理解することができます。

また、「技術者のための」と冠した三部作（解析学・線形代数学・確率統計学）のまとめとして、本書の付録（Appendix A　機械学習への応用例）では、これらを総合した応用分野の1つである機械学習の基礎的なアルゴリズムについて、その原理を数学的な観点から解説します。

本書を含む三部作を通して、直感的な理解にとどまらない、「厳密な数学」の世界をあらためて振り返り、じっくりと味わっていただければ幸いです。

技術者のための確率統計学 大学の基礎数学を本気で学ぶ

量子情報科学入門 = Introduction to Quantum Information Science

本書は量子コンピュータへの入門書である。大学初年級の線形代数の基礎的なことだけを前提として書かれており、(整数に関する結果の一部を除いて)すべてについて自己充足的な形で証明が付けられている。

【2021年1月最新】AIおすすめ入門/参考書ランキング