発送可能時期は表示された日付/時刻の時点のものであり、変更される場合があります。 本商品の購入においては、購入の時点でAmazon.co.jpに表示されている価格および発送可能時期の情報が適用されます。 本サイト上で表示されるコンテンツの一部は、アマゾンジャパン合同会社またはその関連会社により提供されたものです。 これらのコンテンツは「現状有姿」で提供されており、随時変更または削除される場合があります。 版元ドットコムは、Amazonアソシエイトとして適格販売によりアフィリエイト収入を得ています。 プライバシーポリシーはこちら

初版年月日 2023年10月 書店発売日 2023年9月28日 登録日 2023年6月29日 最終更新日 2024年1月22日 紹介 AI専門メディアを運営し、企業へのAI導入を推し進める著者が、ChatGPTをはじめとした生成系AIの基本＆活用術を徹底的に解説。実地で得られた数々の事例をもとに、企業がAIを導入し、真のDX実現するための実践的なプラクティスをレクチャーする。さらに、現在のAIの真価を引き出すための正しいプロンプトテクニックも紹介。経営陣から現場まで正しく浸透する「本質的なAIの使い方」がわかる！

紹介 本書は、ChatGPTのAPIとLangChainを使って、大規模言語モデル（LLM）を本番レベルのシステムに組み込むための知識をステップバイステップで学習し、手を動かしながら実践できる書籍です。 生成AIが登場し、APIやフレームワークのエコシステムが充実してきたことによって、これまで機械学習やプログラミングの十分な知識が必要だったことに対してアプリケーション開発者が挑戦しやすくなりました。LLMの性質を活かしたサービスや業務システム構築の基礎を理解し、LLMのモデルやワークフローを抽象化して取り扱ううえで、LangChainというフレームワークが非常に便利です。本書でOpenAI APIやLangChainをしっかり学ぶことで、生成AI関連の知識を体系的にイメージできるようになります。 本書ではまず、OpenAI APIとLangChainについて解説します。ChatGPTのよう

初版年月日 2022年11月 書店発売日 2022年11月1日 登録日 2022年8月30日 最終更新日 2022年9月2日 紹介 不朽の名著、待望の改訂版！ 強化学習発展の立役者自らが書き下ろした書。「強化学習の考え方とアルゴリズムを明確に簡潔に説明する」という第1版の特長はそのままに、第2版では、発展的手法や心理学・神経科学との関係の紹介が大幅に加筆されています。 第I部では、テーブル形式の範囲でできるだけ多くの強化学習を扱い、核となる考え方を単純な設定で進めます。第II部では、そうした考え方を関数近似に拡張します。第III部では、心理学・神経科学との関係、AlphaGoなどのケーススタディ、将来展望について述べています。 ますます重要性を増す強化学習について、基礎から応用までを学べる一冊です。 ［原著］Reinforcement Learning, Second Edition: A

紹介 ★機械学習を「工学」として熟成していくために★ 【推薦の言葉】 AIブームの3回目は、機械学習技術が牽引してきた。業務や生活の 中で使われるようになるにつれて、現場や社会における課題に直面 している。機械学習工学を生み出した著者らによる本書は、技術と 現場をつなぎ、普及させていくための羅針盤となる貴重な一冊である。 ――浦本直彦氏(三菱ケミカルグループ、元・人工知能学会会長) 注目の新領域「機械学習工学」の入門書。まずはこの一冊から始めよう！ 機械学習ソフトウェアの開発・テスト・運用の方法論を体系的に俯瞰できる。 開発現場で試行錯誤しているエンジニアはもちろん、エンジニアと協働している人すべてに読んでほしい。 【主な内容】 巻頭言（丸山宏・PFN） 第1部　機械学習工学とは 第1章　機械学習工学（中川裕志・理化学研究所、石川冬樹・国立情報学研究所） 第2部　機械学習システムの開発・運

紹介 ★確率的プログラミング言語がすぐに使える！★ ・Pythonでのコーディングを前提に、PyMC3、Pyro、NumPyro、TFP、GPyTorchをカバー。 ・回帰モデルの基本から潜在変数モデル・深層学習モデルまでを幅広く解説。 【主な内容】 第1章　ベイジアンモデリングとは 1.1 データ解析とコンピュータ 1.2 ベイジアンモデリングの基礎 1.3 代表的な確率分布 1.4 近似推論手法 第2章　確率的プログラミング言語（PPL） 2.1 ベイジアンモデリングとPPL 2.2 自動微分・最適化アルゴリズム 2.3 PyMC3の概要 2.4 Pyroの概要 2.5 NumPyroの概要 2.6 TensorFlow Probabilityの概要 2.7 GPyTorchの概要 第3章　回帰モデル 3.1 線形回帰モデル：線形単回帰モデル 3.2 線形回帰モデル：線形重回帰モデル

紹介 ★「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〈

紹介 ★基礎技術と分析アプローチがわかる入門書の決定版！★ ・「spaCy＋GiNZA」による一気通貫の分析がすぐに実践できる ・観光／金融・経済／ソーシャルメディアの分析事例をていねいに解説 ・つまずきやすい「環境構築」もしっかりサポート 【本書はこんな人におすすめです】 ・Pythonの基本が身についたので、次はテキストアナリティクスを学んでみたい ・大学の講義やプログラミングスクールなどで自然言語処理について少し触れたが、もう少し詳しく学びたい ・テキストアナリティクスにつまずいたことがあったり、ブランクがあったりして再挑戦してみたい 【本書「巻頭言」より抜粋】 アイディア次第でさまざまな分析が可能になるのがテキストアナリティクスの面白さです．その反面，多くの場合，簡単に結果が出るものではありません．諦めずに試行錯誤を続けることが重要です．基本的には多様な可能性に思いを巡らせることが

紹介 ◆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

紹介 ★★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 目次 第1章　本書の使い方

紹介 ◆◆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

紹介 機械学習の研究開発が急速な勢いで進んでいます。理論研究はもちろん、機械学習手法が実装されたオープンソースのパッケージ開発も進み、それらを実務で利用するためのノウハウも蓄積されてきています。結果として、機械学習をはじめたばかりの入門者でも比較的高い精度の予測モデルを構築できるようになりました。 Deep Learning, Gradient Boosting Decision Tree, Random Forestなどの機械学習モデルは高い予測精度を誇りますが、モデルの解釈性が低いという欠点があります。これらの複雑なブラックボックスモデルにおいて、モデルがなぜそのような予測を行っているのかを知ることは困難ですが、データ分析者自身がモデルの振る舞いを把握し、説明責任を果たすことを実務においては頻繁に求められます。 本書では、このような予測精度と解釈性のトレードオフを克服するための手法につ

紹介 ◆いま知っておくべき「新常識」　唯一無二と話題沸騰！◆ ◆第15回日本統計学会出版賞 受賞◆ 【安宅和人氏（慶應義塾大学教授・ヤフーCSO）推薦！！】 「どこからデータサイエンスを？」と悩む人は、まずこの一冊を手に取るべし。 「第四の科学」として注目されるデータサイエンス。データとは？　DXとは？ AI時代を生き抜くために、知っておきたいキーワードが、この一冊でまるわかり！ 日本を代表する豪華執筆陣がていねいに解説！ ・「数理・データサイエンス・AI（リテラシーレベル）モデルカリキュラム」のうち「導入」「基礎」「心得」に完全準拠した公式テキスト！ ・文理を問わず、すべての大学生に、数理・データサイエンス・ＡＩを習得させることを目的として編纂された。 ・カラーで見やすく、練習問題も充実。 【主な内容】 第1章　［導入］　社会におけるデータ・AI利活用 1.1　社会で起きている変化　（樋

紹介 ★ 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

紹介 本書は2019年12月に出版された「Jetson Nano超入門」をベースに、最新OSや新機種に対応した増補改訂版です。OSはJetPack4.5を前提に、初期型のJetson Nano A02、現行機種であるJetson Nano B01、また昨年末に発売開始されたJetson Nano 2GBに対応した内容になっています。 Jetson Nanoは低消費電力で低価格ながら、AIコンピューティングが可能な開発ボードです。ArmベースのCPUに128コアGPUを搭載し、高いAI処理性能を誇ります。 本書ではJetson Nanoを活用するのに必要な周辺機器、セットアップ方法、基本的な使い方（Linux操作も含む）などから、本格運用するための電源や冷却ファン装備、CUDA・VisionWorksデモ、物体検出、ディープラーニングを利用した楽器アプリ、3次元画像処理、電子工作などを解説し

紹介 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