ライトノベル、マンガなど電子書籍を読むならBOOK☆WALKER

『人工知能概論』『ロボット工学』に続く、大好評シリーズの第3弾です！
ホイールダック開発物語の始まりが明らかになり、ホイールダック１号がついに登場します。

・ストーリー仕立てだから、難解な「制御工学」がいとも簡単に理解できます。
・ていねいに解説しているので、数学的なイメージがしっかり掴めます。
・古典制御も現代制御も一気に学べる、おもしろくて欲張りな一冊です。

【主な内容】
第1章　いろいろなものを制御しよう
第2章　制御と運動方程式
第3章　ラプラス変換を用いる微分方程式の解法
第4章　主な機械要素の伝達関数
第5章　ブロック線図
第6章　応答の基礎とステップ応答
第7章　周波数応答
第8章　状態空間表現
第9章　線形代数の基礎
第10章　自由システムと安定性
第11章　倒立振子への応用
第12章　レギュレータ
第13章　オブザーバ
第14章　より高度な制御
第15章　まとめ

★数学とプログラミングを対比させながら、一歩一歩わかりやすく！

実務に即してPyMC5プログラミングでベイズ推論を使いこなせるようになる。
最初の一冊として、データサイエンティストにおすすめ！

【サポートサイト】
https://github.com/makaishi2/python_bayes_intro

【主な内容】
第1章 確率分布を理解する
1.1 ベイズ推論における確率分布の必要性
1.2 確率変数と確率分布
1.3 離散分布と連続分布
1.4 PyMCによる確率モデル定義とサンプリング
1.5 サンプリング結果分析
1.6 確率分布とPyMCプログラミングの関係

第2章 よく利用される確率分布
2.1 ベルヌーイ分布（pm.Bernoulliクラス）
2.2 二項分布（pm.Binomial クラス）
2.3 正規分布（pm.Normal クラス）
2.4 一様分布（pm.Uniform クラス）
2.5 ベータ分布（pm.Beta クラス）
2.6 半正規分布（pm.HalfNormal クラス）

第3章 ベイズ推論とは
3.1 ベイズ推論利用の目的
3.2 問題設定
3.3 最尤推定による解法
3.4 ベイズ推論による解法
3.5 ベイズ推論の精度を上げる方法
3.6 ベイズ推論の活用例

第4章 はじめてのベイズ推論実習
4.1 問題設定 (再掲)
4.2 最尤推定
4.3 ベイズ推論 (確率モデル定義）
4.4 ベイズ推論 (サンプリング）
4.5 ベイズ推論 (結果分析）
4.6 ベイズ推論 (二項分布バージョン）
4.7 ベイズ推論 (試行回数を増やす）
4.8 ベイズ推論 (事前分布の変更）
4.9 ベータ分布で直接確率分布を求める

第5章 ベイズ推論プログラミング
5.1 データ分布のベイズ推論
5.2 線形回帰のベイズ推論
5.3 階層ベイズモデル
5.4 潜在変数モデル

第6章 ベイズ推論の業務活用事例
6.1 ABテストの効果検証
6.2 ベイズ回帰モデルによる効果検証
6.3 IRT (Item Response Theory）によるテスト結果評価

★国内きってのJulianによる、かゆいところに手が届く名解説！★
★基礎から実践まで、幅広いトピックを網羅した。必携の決定版！★

　本書はJuliaの知識を前提としません。本書で初めてJuliaを学ぶ読者のために、基礎から実践まで幅広いトピックを取り扱っています。Juliaに興味を持って本書を手にとった方は、きっと科学技術計算に役立つ新しいプログラミング言語としてJuliaに興味を持った方がほとんどでしょう。本書はそうした人たちに向けて書かれています。したがって、一般的なプログラミング言語の書籍より、やや科学技術寄りの内容を多く取り扱っています。具体的には、理数系の学生や、技術計算・データ解析などを専門とする技術者や研究者を主なターゲットとしています。
　本書は大きく分けて4つのパートに分かれます。第1部は、Juliaの導入です。第2部で言語の基礎的な構文・型システム・機能を解説します。続く第3部は、標準ライブラリを中心としたライブラリの紹介です。最後の第4部は、パッケージ管理と開発・性能改善などの実践的な知識を扱います。

【主な内容】
第1部　導入
第1章　Julia観光
第2章　環境構築
第3章　ファーストステップ

第2部　データと言語の基礎
第4章　数値と算術
第5章　コレクション
第6章　文字列
第7章　スコープと構文
第8章　型システム
第9章　多重ディスパッチ
第10章　メタプログラミング

第3部　ライブラリ
第11章　科学技術計算
第12章　並行プログラミング
第13章　システムプログラミング
第14章　外部プログラムの実行
第15章　他のプログラミング言語との連携

第4部　開発
第16章　パッケージ管理と開発
第17章　開発実践ガイド
第18章　性能の改善

付録A　Markdown
付録B　TOML
付録C　GitとGitHubの基本

★フリーソフトQGISとオープンデータを使って、地図をつくろう！★

「高齢者が多く住んでいる区域を可視化して、ビジネスに活かしたい！」
「市の防災担当として、浸水予想マップをつくりたい！」
「社会科の授業でオリジナル地図をつくりたい！」
これ一冊でぜんぶできます！

フリーソフトとオープンデータを使うから、初心者でも安心。
GISの基礎知識やデータの入手方法までしっかり解説！

《目次》
PART 1　基礎知識編
　第1章　オープンデータの基本
　第2章　GISの基本
　第3章　オープンデータとGISの活用事例
PART 2　地図づくり準備編
　第4章　オープンデータの入手
　第5章　QGISの準備
PART 3　地図づくり実践編
　第6章　ビジネスに役立つ地図づくり
　第7章　登記所備付地図データを活かした地図づくり
　第8章　防災に役立つ地図づくり

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、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。

画像認識などの情報処理、数値解析、ニューラルネットワーク、量子コンピューター、半導体といった様々な分野に跨って活躍しているテンソルネットワークを基礎からていねいに解説する。身近な問題から始めて、テンソルの計算手法の基礎を解説し、画像認識や量子物理の例を用いて、少しずつ理解を深めていく。物理系・情報系の入門者に最適の一冊。

第1章　テンソルネットワークを身近に
第2章　テンソルのダイアグラム表記
第3章　畳で学ぶ転送行列
第4章　角転送行列
第5章　特異値分解とエンタングルメント
第6章　角転送行列繰り込み群
第7章　高次特異値分解・木構造・行列積
第8章　手書き数字の見分け
第9章　行列積演算子と制限ボルツマンマシン
第10章　テンソル繰り込み群
第11章　ディスエンタングラー
第12章　量子系の状態変化を追う
第13章　変分法
第14章　再発見の歴史から未来へ
※この商品は紙の書籍のページを画像にした電子書籍です。文字だけを拡大することはできませんので、タブレットサイズの端末での閲読を推奨します。また、文字列のハイライトや検索、辞書の参照、引用などの機能も使用できません。

★最強最短の近道は、これだ！★

・画像・自然言語処理の機械学習コンテストに取り組みながら、深層学習の具体的な知識をいち早く身につけよう！
・レジェンドたちの豊富な経験に基づくスキルアップのノウハウも満載！

【主な内容】
第1章　機械学習コンテストの基礎知識
1.1　機械学習コンテストのおおまかな流れ
1.2　機械学習コンテストの歴史
1.3　機械学習コンテストの例
1.4　計算資源

第2章　探索的データ分析とモデルの作成・検証・性能向上
2.1　探索的データ分析
2.2　モデルの作成
2.3　モデルの検証
2.4　性能の向上

第3章　画像分類入門
3.1　畳み込みニューラルネットワークの基礎
3.2　コンテスト「Dogs vs. Cats Redux」の紹介
3.3　最初の学習：CNNアーキテクチャ
3.4　最初の学習：データセットの準備と学習ループ
3.5　最適化アルゴリズムと学習率スケジューリング
3.6　データ拡張
3.7　アンサンブル
3.8　さらにスコアを伸ばすために

第4章　画像検索入門
4.1　画像検索タスク
4.2　学習済みモデルを使ったベースライン手法
4.3　ベースラインを実装する
4.4　距離学習を学ぶ
4.5　画像マッチングによる検証
4.6　クエリ拡張を学ぶ
4.7　Kaggleコンテストでの実践

第5章　テキスト分類入門
5.1　Quora Question Pairs
5.2　特徴量ベースのモデル
5.3　ニューラルネットワークベースのモデル

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、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。

現代の理工系に必携。学生から職業的プログラマーまで、必須の教養「線形代数」を身につけよう！ 数学的基礎がしっかり理解でき、課題をPythonで解く力が得られる。サンプルコードによる演習も豊富な、一挙両得の入門書！

【目次】
第1章 行列と連立方程式1
第2章 行列と連立方程式2
第3章 逆行列
第4章 行列式・ブロック行列
第5章 行列式の余因子展開・クラメルの公式
第6章 対称群による行列式表示・終結式
第7章 幾何学的意味
第8章 ベクトルの一次独立性・直交基底
第9章 行列と線形写像
第10章 固有値と固有ベクトル
第11章 行列の標準化
第12章 特異値分解・低ランク近似

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、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。

◆◆3言語(C言語、C++、Python)対応で、「画像処理の基本」が身につくと、大好評のテキストの改訂版！◆◆
・OpenCV4.5に対応し、さらにパワーアップ!
・基本アルゴリズムとサンプルプログラムが豊富で、いますぐできる！
・理論と実践のバランスがよく、初学者に最適！
・全編をフルカラー化し、デザインも一新！
・練習問題を解いて理解度アップ！
・Windowsだけでなく、Macでのインストールにも対応！

【「まえがき」より】
本書は，理数科高校生，工業高等専門学校生，大学学部生などを対象とした講義用教科書としての利用を想定し，基本的かつ汎用性の高い画像処理アルゴリズムを選定して解説した．また初学者が独学でも学べるように，開発環境の構築方法，トラブルシューティングなどの詳細な手順を載せている．本書ではまず，画像処理アルゴリズムについて解説し，内部で行われる処理が十分に理解されることに重点を置いている．その後，C言語での実装例を並べて表記し，各アルゴリズムがどのようにコーディングされるのかを解説する．さらに，OpenCVの関数を用いたプログラム（Python，C++言語）も併記し，OpenCVの利用方法を説明する．

今回，第3版に改訂するにあたり，読者からのさまざまなコメントや，我々が本書を用いて講義してきた経験をもとに，内容の理解がより促進されるように章立てを整理し，読者がより興味を惹くような内容に変更した．執筆時点における最新の開発環境に対応するため，OpenCV4系を採用し，Windows11とmacOS上での開発環境の構築について詳細な解説を加筆した．さらに，OSに依存しないGoogle Colaboratoryを用いたプログラム作成方法も加筆した．一方，情報処理技術者試験の試験要綱が2022年4月から更新され，擬似言語の記述形式が大幅に変更され，プログラムの記述方法がC言語と同等になった．そのため，第2版まで記載していた古い記述形式の擬似言語を用いたプログラムは削除することにした．


【おもな内容】

1章　画像処理とOpenCV
2章　OpenCV の導入
3章　画像入力装置と静止画・動画フォーマット
4章　デジタル画像と配列
5章　色空間
6章　濃淡変換
7章　フィルタ処理
8章　2値画像処理
9章　複数画像の利用
10章　幾何学変換
11章　距離画像処理
付録A　OpenCVの描画系関数
付録B　OpenCVをソースからビルドする
付録C　OpenCVメインモジュール概説

姉妹書『OpenCVによるコンピュータビジョン・機械学習入門』も好評発売中！
※この商品は紙の書籍のページを画像にした電子書籍です。文字だけを拡大することはできませんので、タブレットサイズの端末での閲読を推奨します。また、文字列のハイライトや検索、辞書の参照、引用などの機能も使用できません。

★「いつか学ぼう」と思っていたなら、今！★

初歩から実装まで悩まず進める！
GISの基本から始まり、今ホットな時空間データの解析まで解説。
サンプルコードと出力結果が詳細だから実践しながら学べる、最高のガイド！

[主な内容]
第1部〈導入編〉　空間データの統計解析の基礎
　第1章　はじめよう！　地理空間データの統計解析
　第2章　統計学の基本
　第3章　回帰モデルの基本
　第4章　Rの基本
　第5章　Rによる空間データ処理・可視化の基本

第2部〈基礎編〉　地域データの記述統計
　第6章　空間相関と近接行列
　第7章　大域空間統計量
　第8章　局所空間統計量

第3部〈基礎編〉　地域データの統計モデリング
　第9章　同時自己回帰モデル
　第10章　条件付き自己回帰モデル

第4部〈基礎編〉　点データの統計モデリング
　第11章　空間過程とバリオグラム
　第12章　地球統計モデル
　第13章　地理的加重回帰

第5部〈応用編〉　非ガウス空間データの統計モデリング
　第14章　一般化線形モデルの基礎
　第15章　空間相関を考慮した一般化線形モデル
　第16章　INLAによる空間モデリング

第6部〈応用編〉　時空間データの統計モデリング
　第17章　時空間データの統計モデリングの概略
　第18章　時空間CARモデル
　第19章　時空間過程モデル

第7部〈応用編〉　一般化加法モデルと時空間モデリング
　第20章　一般化加法モデルの基礎
　第21章　一般化加法モデルによる時空間モデリング
　第22章　加法モデルによる空間可変パラメータモデリング

補章　空間統計と機械学習

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、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。

いま話題の新しい言語「Julia」を7日間で速習！ プログラミングが初めてでも読みやすい解説を通じて、具体的課題に適用しながら基礎から応用まで身につける。簡単、気軽に誰でも科学技術計算ができる！

◇おもな目次◇
1日目　Julia言語に触れてみよう――「高級電卓」としてのJulia
　1.1　インストールしてみよう
　1.2　実行してみよう
　1.3　電卓のように使ってみよう
　1.4　変数を使ってみよう
2日目　数式をコードにしてみよう――Julia言語の基本機能
　2.1　関数を作ってみる：function
　2.2　条件分岐をしてみる：if文
　2.3　繰り返し計算をしてみる：for文
　2.4　行列とベクトルを扱う：配列
　2.5　型について考える：型と多重ディスパッチ
　2.6　パラメータや変数をまとめる：struct
　2.7　一通りのセットとしてまとめる：module
　2.8　微分方程式を解く：パッケージの使用
　2.9　数式処理（代数演算）をする：他の言語のライブラリを呼ぶ
3日目　円周率を計算してみよう――簡単な計算と結果の可視化
　3.1　計算を始める前に
　3.2　正多角形による方法：漸化式で計算
　3.3　無限級数による方法：結果のプロットと複数の方法の比較
　3.4　数値積分による方法：区分求積法ほか
　3.5　モンテカルロ法：乱数を使う
　3.6　球衝突の方法：シミュレーションの可視化
4日目　具体例1：量子力学――微分方程式と線形代数
　4.1　時間依存のない1次元シュレーディンガー方程式：固有値問題を解く
　4.2　時間依存のない2次元シュレーディンガー方程式：特殊関数を使う
　4.3　波動関数の時間発展：行列演算を行う
5日目　具体例2：統計力学――乱数を使いこなす
　5.1　手作り統計力学：ヒストグラム表示
　5.2　イジング模型のモンテカルロシミュレーション：可視化と動画作成
6日目　具体例3：固体物理学――自己無撞着計算と固有値問題
　6.1　強束縛模型：対角化とフーリエ変換
　6.2　超伝導平均場理論：自己無撞着計算
7日目　自分の問題を解いてみよう
　7.1　用途別必要機能まとめ
　7.2　妙に遅いとき：高速化の方針
　7.3　さらに速く：並列計算をする
※この商品は紙の書籍のページを画像にした電子書籍です。文字だけを拡大することはできませんので、タブレットサイズの端末での閲読を推奨します。また、文字列のハイライトや検索、辞書の参照、引用などの機能も使用できません。

★★管理職も技術者も必読！「機械学習」のやさしい活用法★★

機械学習プロジェクトの上手な進め方、機械学習を活用するときに気をつけること、活用事例などをていねいに解説。
「機械学習を作る側」と「機械学習活用する側」との橋渡しとなる一冊！

[本書で学べること］
・そもそも機械学習で何ができるのか？
・現場への適切な組み込み方法は？
・どうやって精度を保証するのか？
・実運用を見すえたときに確認すべき部分は？

[主な内容]
　第1章　本書の使い方

第1部　機械学習の基礎
　第2章　機械学習とは何か
　第3章　機械学習手法の種類と基礎
　第4章　機械学習のタスク

第2部　機械学習の利活用
　第5章　機械学習は一般企業でも活用できる
　第6章　機械学習を現場で活用するには
　第7章　機械学習の適用事例
　第8章　実運用に耐えうる機械学習モデルの構築
　第9章　機械学習モデルの説明性

◆◆数式とコードの距離が近いJuliaで一生モノの考え方を身につけよう！◆◆

線形代数、微積分、最適化、確率・統計の基本的な計算から、
ハミルトニアンモンテカルロ法、階層ベイズ、状態空間モデルの原理までをていねいに解説！

[サポートページ]
https://github.com/sammy-suyama/JuliaBayesBook

[主な内容]
第1章　Juliaの基礎
1.1　Juliaとは
1.2　基本文法
1.3　パッケージの利用
1.4　グラフの描画

第2章　数値計算の基礎
2.1　ベクトル・行列計算
2.2　統計量の計算
2.3　統計量と確率分布のパラメータ
2.4　微分計算
2.5　関数の最適化
2.6　最適化によるカーブフィッティング
2.7　積分計算

第3章　確率計算の基礎
3.1　表を使った確率計算
3.2　式を使った確率計算
3.3　連続値における周辺分布と条件付き分布
3.4　確率的試行のシミュレーション

第4章　確率分布の基礎
4.1　確率分布とは
4.2　Juliaでの確率分布の扱い（Distributions.jl）
4.3　離散型確率分布
4.4　連続型確率分布
4.5　統計モデルの設計

第5章　統計モデリングと推論
5.1　ベルヌーイモデル
5.2　線形回帰
5.3　ロジスティック回帰モデル

第6章　勾配を利用した近似推論手法
6.1　なぜ勾配を利用するのか
6.2　ラプラス近似
6.3　ハミルトニアンモンテカルロ法

第7章　発展的な統計モデル
7.1　ポアソン回帰
7.2　階層ベイズモデル
7.3　状態空間モデル

★ 実験を効率化する強い味方 ★

もう実験で疲弊しない。次に試す実験条件は、データと統計学が教えてくれる！
ベイズ最適化とPythonを駆使して、効率よく研究・開発を進めよう！
《すぐに試せるサンプルデータセット・サンプルコード付き》

■ データ解析の初歩から、モデルの設計、実践的な応用事例までを導く。
■ 実験時間や人数が限られる今、絶対に役立つスキルが身につく！
■ 入門書であり、実践書。フルカラー！

【目次】
第1章　データ解析や機械学習を活用した分子設計・材料設計・プロセス設計・プロセス管理
・ケモ・マテリアルズ・プロセスインフォマティクス
・分子設計
・材料設計
・なぜベイズ最適化が必要か
・プロセス設計
・プロセス管理
・データ解析・人工知能（モデル）の本質

第2章　実験計画法
・なぜ実験計画法か
・実験計画法とは
・適応的実験計画法
・必要となる手法・技術

第3章　データ解析や回帰分析の手法
・データセットの表現
・ヒストグラム・散布図の確認
・統計量の確認
・特徴量の標準化
・最小二乗法による線形重回帰分析
・回帰モデルの推定性能の評価
・非線形重回帰分析
・決定木
・ランダムフォレスト
・サポートベクター回帰
・ガウス過程回帰

第4章　モデルの適用範囲
・モデルの適用範囲とは
・データ密度
・アンサンブル学習

第5章　実験計画法・適応的実験計画法の実践
・実験候補の生成
・実験候補の選択
・次の実験候補の選択
・ベイズ最適化
・化学構造を扱うときはどうするか

第6章　応用事例
・複雑な非線形関数を用いた実験計画法・適応的実験計画法の実践
・分子設計
・材料設計
・プロセス設計

第7章　さらなる深みを目指すために
・Gaussian Mixture Regression（GMR）
・GMR-Based Optimization（GMRBO）（GMRに基づく適応的実験計画法）
・複雑な非線形関数を用いたGMRBOの検証

第8章　数学の基礎・Anaconda・Spyder
・行列やベクトルの表現・転置行列・逆行列・固有値分解
・最尤推定法・正規分布
・確率・同時確率・条件付き確率・確率の乗法定理
・AnacondaとRDKitのインストール・Spyderの使い方

《Ｐｙｔｈｏｎで数値計算の基本をより実践的に！》
□NumPy、SciPyを動かしながら、数値計算の基本を学ぶフルカラーテキスト！
□浮動小数点演算の基礎から偏微分方程式の数値解法までを一冊に凝縮！
□Pythonスクリプトはサポートページにて無料公開！

【サポートページ】
https://github.com/tkouya/inapy

【目次】
第1章　数値計算と数学ソフトウェア
第2章　数の体系，コンピュータ，浮動小数点数
第3章　Pythonことはじめ
第4章　丸め誤差の評価方法と多倍長精度浮動小数点計算
第5章　初等関数の計算
第6章　基本線形計算
第7章　連立一次方程式の解法1 ―直接法
第8章　連立一次方程式の解法2 ―疎行列と反復法
第9章　行列の固有値・固有ベクトル計算
第10章　非線形方程式の解法
第11章　補間と最小二乗法
第12章　関数の微分と積分
第13章　常微分方程式の数値解法
第14章　偏微分方程式の数値解法

《これが世界標準！　世界もここから始めてる！！》
データサイエンス・機械学習を学ぶ「はじめの一歩」として、スタンフォード大学にて使用されている教科書“Introduction to Applied Linear Algebra: Vectors, Matrices, and Least Squares”がついに翻訳！！

・豊富な事例を示しながら、ベクトル・行列の基本から最小二乗法による機械学習までをていねいに解説！
・データサイエンス・機械学習に必要な数学の学び直しにうってつけ！
・章末問題が298問掲載されているから、完全に理解できる！
・Julia言語によるプログラミング課題が原著者のウェブサイトから入手できる！　
・プログラミング課題を日本語に翻訳したものを、訳者のGitHubにて無料公開！

【プログラミングの補足資料と追加の演習問題の入手先】
・原著者のウェブサイト：http://vmls-book.stanford.edu
・補足資料の日本語訳：https://github.com/tttamaki/julia_companion_jp

【推薦の言葉：原著刊行にあたって】
データサイエンスの学生だけでなく，すべての学生に必読の入門書
――ローラン・EI・ガウイ（カリフォルニア大学バークレー校）

これが正攻法！
――ギルバート・ストラング（マサチューセッツ工科大学）

この本は多くの授業で使われるだろう．これだけ演習問題が大量にあるのだから
――トレバー・ヘイスティ（スタンフォード大学）

【主な内容】
第1部　ベクトル
1章　ベクトル
2章　線形関数
3章　ノルムと距離
4章　クラスタリング
5章　線形独立

第2部　行列
6章　行列
7章　行列の例
8章　線形連立方程式
9章　線形動的システム
10章　行列積
11章　逆行列

第3部　最小二乗法
12章　最小二乗法
13章　最小二乗当てはめ
14章　最小二乗識別
15章　多目的最小二乗法
16章　制約付き最小二乗法
17章　制約付き最小二乗法の応用
18章　非線形最小二乗法
19章　制約付き非線形最小二乗法

付録A　記法
付録B　計算量
付録C　微分と最適化
付録D　さらなる話題

《予測を「作る」から「使う」へ》
・具体的な数値例，Pythonプログラミングを通して，手を動かしながら学ぶ！
・決定分析の基本と活用を中心に，効用理論，確率予測までを解説！
・リスクや不確実性がある中での意思決定に興味がある人に最適！

【サポートページ】
https://logics-of-blue.com/decision-analysis-and-forecast-book-support/

【キーワード】
▼決定分析の基本
　決定問題・期待値・展開型分析・相互情報量・KL情報量・情報の価値
▼決定分析の活用
　予測の評価・コスト/ロスモデル・標準型分析・ベイズ決定・逐次決定
▼効用理論入門
　選好・効用関数表現・期待効用最大化の原理・vNMの定理・リスク態度
▼確率予測とその活用
　確率予測の基本・信頼度・ブライアスコア・ROC曲線・最適な決定方式

【目次】
第1部　序論
　第1章 意思決定における予測の活用
　第2章 決定分析の役割

第2部　決定分析の基本
　第1章 決定分析の初歩
　第2章 Pythonの導入
　第3章 決定分析におけるPythonの利用
　第4章 期待値に基づく意思決定
　第5章 情報の量
　第6章 情報の価値

第3部　決定分析の活用
　第1章 予測の評価
　第2章 コスト/ロスモデルと予測の価値
　第3章 決定分析の事例
　第4章 標準型分析
　第5章 逐次決定問題における予測の活用

第4部　効用理論入門
　第1章 選好と効用関数表現
　第2章 期待効用理論

第5部　確率予測とその活用
　第1章 確率予測の基礎
　第2章 確率予測の活用

【初学者納得、玄人脱帽！】
　SNSで大絶賛の名講義がついに書籍化！

・問題解決に必要な「プログラマ的感覚」が身につく！　
・基礎から解説し、プログラミングにはじめて触れる読者を、簡単な数値シミュレーションや機械学習まで導く。充実の目次！
・Google Colaboratoryで環境構築も簡単。教科書として最適！

【主な内容】
第1章　Pythonの概要とGoogle Colabの使い方
第2章　条件分岐と繰り返し処理
第3章　関数とスコープ
第4章　リストとタプル
第5章　文字列処理
第6章　ファイル操作
第7章　再帰呼び出し
第8章　クラスとオブジェクト指向
第9章　NumPyとSciPyの使い方
第10章　Pythonはどうやって動くのか
第11章　動的計画法
第12章　乱数を使ったプログラム
第13章　数値シミュレーション
第14章　簡単な機械学習
（詳細：https://www.kspub.co.jp/book/detail/5218839.html ）

【「はじめに」より抜粋】
　なぜプログラミングを覚えるべきか。それは今後プログラミングが就職活動の必須スキルになるからではなく、ましてAI がブームだからでもない。「プログラマ的感覚」を身につけるためだ。(…)エクセルを使っていても、面倒な処理を見た時に「これは一括でできるマクロがあるに違いない」と思って探すかどうか。毎日決まった時間に、あるウェブサイトにアクセスして、ある値を読み取らないといけないという「仕事」が与えられた時に、「ウェブサイトにアクセスして値を読み込めるツールがあるに違いない。毎日決まった時間に何かを自動的に実行する方法があるに違いない。それらを組み合わせれば良い」と思えるかどうか。これが「プログラマ的感覚」である。
　（…）細かい文法などは最初は気にせず、必要に応じて調べれば良い。「Python はこういうことができるんだな」「それはこれくらいの作業量でできるんだな」という「感覚」を頭の片隅に残すこと、それを目的として学習して欲しい。

【正誤表】
https://kaityo256.github.io/python_zero/errata/

最適化問題へのモデル化と、基本的なアルゴリズムを俯瞰し、最適化という考え方の基礎をしっかりと固める。大事なことは、いつの時代も変わらない。イメージしやすい具体的な例や、理解の定着にかかせない演習問題も充実！

【推薦の言葉】
数理最適化は、問題解決のための数学である。今では、その成果を実装したソルバーが簡単に手に入るようになった。直面する問題を解決するには、まずそれをモデル化し、適切な最適化手法を適用するという手順を踏む。
本書は、豊富な実例を通して、モデル化の勘どころを説明し、さらに広範な最適化手法それぞれを、基本から分かりやすく解説している。この分野全般を知るための「最適解」として推薦したい。
――茨木俊秀(京都情報大学院大学学長)

【サポートページ】
https://sites.google.com/view/introduction-to-optimization/main

【主な内容】
第1章 数理最適化入門
1.1 数理最適化とは
1.2 最適化問題
1.3 代表的な最適化問題
1.4 本書の構成

第2章 線形計画
2.1 線形計画問題の定式化
2.2 単体法
2.3 緩和問題と双対定理

第3章 非線形計画
3.1 非線形計画問題の定式化
3.2 制約なし最適化問題
3.3 制約つき最適化問題

第4章 整数計画と組合せ最適化
4.1 整数計画問題の定式化
4.2 アルゴリズムの性能と問題の難しさの評価
4.3 効率的に解ける組合せ最適化問題
4.4 分枝限定法と切除平面法
4.5 近似解法
4.6 局所探索法
4.7 メタヒューリスティクス

この一冊からはじめよう！
ボケが止まらないネコ教授と、生意気な生徒クロが楽しくナビゲートする画期的な書。
集合、論理、写像、関係、帰納法、順列、グラフ、無限集合の基本を網羅した。
定理の証明は正確かつ細部まで記述し、練習問題付き。

【推薦の言葉】
鮮やかな筆さばきが光る本書を読んだ方々が、離散数学の魅力を堪能し、将来、これらの理論を生活や勉学、研究に役立てていかれることを期待します。
――数学者・秋山仁先生

【主な内容】
第1章　離散数学の魅力――まず面白さを感じて下さい
1.1　ピックの定理
1.2　オイラー路とオイラー閉路
1.3　ハミルトン路とハミルトン閉路
1.4　ポーサのスープの問題
1.5　鳩の巣原理
1.6　エルドシュ・スズカーズの単調部分列の定理

第2章　集合――数学の大本
2.1　集合とは何か
2.2　ベン図と和集合，共通集合，部分集合など
2.3　普遍集合とド・モルガンの法則
2.4　有限集合と包除原理
2.5　冪集合

第3章　論理――科学的思考の基礎
3.1　命題論理
3.2　述語論理

第4章　対応と写像――ここを押さえておかないと道に迷う
4.1　集合の直積
4.2　対応
4.3　写像

第5章　関係――「恋人」も「ライバル」も「親の仇」もすべて「関係」だ
5.1　関係の基本
5.2　半順序
5.3　ハッセ図
5.4　厳密半順序
5.5　同値関係

第6章　帰納法と関係の閉包――自然数といえば帰納法
6.1　帰納法
6.2　関係の閉包
6.3　集合の対等性

第7章　順列と組合せ――この先には賞金 100 万ドルの未解決問題が！
7.1　順列と組合せ
7.2　二項定理

第8章　グラフ――離散数学界のセンターポジション
8.1　グラフとは何か
8.2　グラフの用語
8.3　さまざまなグラフ
8.4　ピックの定理の証明
8.5　オイラー路とオイラー閉路

第9章　無限集合――「対角線論法」を知らずして「面白い証明」を語るなかれ
9.1　素数
9.2　集合の濃度
9.3　可算濃度
9.4　実数集合Rの濃度と対角線論法
9.5　複素数の濃度

【モノ作りにかかわる全技術者必携の最強テキスト】体系的に整理された定本の改訂版。最新動向を盛り込み、さらにパワーアップ！　イラストをカラー化し、さらに見やすく！　・GUI設計・ヒューマンエラー対策などで、基本的な考え方だけではなく、具体的・実践的なスキルまで解説しました。・人工知能分野の進展にあわせて、「スマートスピーカ」「画像認識」「音声認識」「ディープラーニング」などの関連項目を新たに解説しました。・スマートフォンを意識したGUI設計・アプリケーション開発に関する解説を充実させました。【主な内容】第1章　ヒューマンインタフェース概論／第2章　コンピュータとヒューマンインタフェース／第3章　人間の情報処理モデル／第4章　ヒューマンエラー／第5章　人間サイドからの設計／第6章　入力系設計／第7章　出力系設計／第8章　インタラクション系設計／第9章　GUI設計／第10章　ユーザのアシスト／第11章　ユーザビリティ評価／第12章　インタラクションの拡張／第13章　モバイルコンピューティングにおけるヒューマンインタフェース／第14章　ユニバーサルデザイン／第15章　ヒューマンインタフェースの新しい動きと諸課題

おお！もう第２版！　深層学習ベストセラーがさらにパワーアップ。リカレントニューラルネットワーク、ＧＡＮ、深層強化学習の「章」が新たに加わり、ツールの最新事情も反映された。５０ページ以上増強されたお得な一冊！

あれから３年、ホイールダック２号が帰ってきた！大好評書『イラストで学ぶ人工知能概論』の第２弾。ホイールダック２号＠ホームの開発ストーリー仕立てだから、ロボット工学の基本がいとも簡単に理解できる！　重要な数学的記述を可能な限り解説したので、マニピュレータ制御における数学的・物理的なイメージが掴める！　計算力が身につく章末問題が充実しているので完全無敵！

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、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。

最小二乗法で、機械学習をはじめましょう!! 数式だけではなく、イラストや図が豊富だから、直感的でわかりやすい!　MATLABのサンプルプログラムで、らくらく実践!　さあ、黄色本よりさきに読もう!