サクサク読めて、アプリ限定の機能も多数！
トップへ戻る
ChatGPT
www.kspub.co.jp
ビジネスや研究に役立つ、経済・家計・金融・企業などの公的統計・オープンデータの分析方法を徹底指南。Pythonによるデータハンドリング、公的機関からのデータ取得、可視化・分析手法が、初学者でも確実に身につく！ 目次 第1章 序論 1.1 はじめに 1.1.1 想定読者 1.1.2 前提知識 1.1.3 本書の構成と読み方 1.2 データの利用規約と著作権について 1.3 Pythonの実行環境 1.3.1 本書のPythonスクリプトの表記とターミナルの表記 1.3.2 Pythonの環境構築 1.3.3 本書のPython実行環境の設定 1.3.4 Pythonの実行とJupyter 第I部 Pythonデータ分析の基礎 第2章 データハンドリングとpandas 2.1 pandasとデータフレーム 2.2 データ型 2.3 データの確認 2.4 データ抽出・追加・置換 2.5 欠測値と
ヘルプデスク、データ分析、情報収集、マーケティングの具体的なＡＩエージェントの構築方法に加え、評価、改善まで、実践的な知識を学べる本格派の一冊。電通総研をはじめとした３社の取り組みの紹介も！ 目次 第Ⅰ部 AIエージェントを知る 第1章 AIエージェントの概要 1.1 AIエージェントとは？ 1.1.1 AIエージェントの定義 1.1.2 AIエージェントが持つ特性 1.2 AIエージェントのビジネス状況 1.2.1 AIエージェントのビジネスの流れ 1.2.2 AIエージェントの活用例 1.3 AIエージェントの技術的な位置づけ 1.3.1 エージェントの作り方は学習か、推論か column エージェント学習（Agent-Tuning） 1.3.2 LLMからAIエージェントまでの階段 1.4 AIエージェント開発の選択肢 1.4.1 エージェント構築フレームワーク 1.4.2 構築フレ
目次 第1章［導入］社会におけるデータ・AI利活用 1.1 社会でおきている変化 1.1.1 ビッグデータ 1.1.2 検索エンジンとSNS 1.1.3 第4次産業革命 1.1.4 AIの驚異的発達 1.1.5 人間の知的活動とAI 1.2 社会で活用されているデータ 1.2.1 データの種類 1.2.2 データの所有者 1.2.3 構造化データと非構造化データ 1.2.4 自動翻訳 1.3 データとAIの活用領域 1.3.1 事業活動におけるデータ・AI活用の広がり 1.3.2 活用目的ごとのデータ・AI活用の広がり 1.3.3 生成AIの応用 1.4 データ・AI利活用のための技術 1.4.1 誰もが無意識にデータを解析して生きている 1.4.2 さまざまなデータ解析：予測 1.4.3 さまざまなデータ解析：グルーピングとクラスタリング 1.4.4 さまざまなデータ解析：発見 1.4.
「プロとしてプログラムが書ける人」に求められる能力が大きく変わった！ 1つのプログラミング言語にこだわらず、それぞれの言語のベストプラクティスを学ぼう。現代のプログラミング言語を支える技術が凝縮された一冊 目次 第1章 はじめに 1.1 プログラミングに必要な知識とは 1.2 本書の構成 1.3 プログラマに伴走する生成AI 1.4 コーディング環境 1.4.1 オンライン実行環境 1.4.2 ローカルでのコーディング環境 1.5 まとめ 第2章 C言語からはじめよう 2.1 C言語とは 2.2 入力・演算・出力 2.2.1 変数・定数・リテラル 2.2.2 演算子 2.2.3 入出力関数 2.2.4 数値計算を行うプログラム例 2.2.5 配列 2.2.6 文字と文字列 2.3 制御構造 2.3.1 条件分岐 2.3.2 繰り返し 2.3.3 構造化プログラミング 2.4 関数 2.4.
通読して学習する入門書！ 単なる文法解説にはとどまらない。 実践的なソフトウェア実装と、Rustの安全性を支える理論の学習を通して、ゼロから徹底的にマスターできる！ サンプルコードもサポートページから提供！ 目次 第1章 環境構築とHello, World! 1.1 Windows Subsystem for Linuxのインストール 1.2 Visual Studio Codeのセットアップ 1.3 Hello, World! 1.4 Rust プログラムの概観 第2章 Rustの基本 2.1 型システム 2.2 構文と基本機能 第3章 所有権・ライフタイム・借用 3.1 スタックメモリ 3.2 所有権 3.3 ライフタイム 3.4 借用 3.5 ライフタイムと排他制御の類似性 第4章 トレイト 4.1 トレイトの定義と実装 4.2 イテレータ 4.3 シリアライズとファイル入出力 4.
今世紀の標準！ 次世代を担う物理学徒に向けて、量子力学を根本的に再構成した。原理から本当に理解する15章。 「量子力学は20世紀前半には場の理論を含めて完成を見た。しかしその完成に至るまでの試行錯誤では、現在では間違っていることがわかっている物質波の解釈の仕方や、正確ではなかった不確定性関係の議論もなされていた。そこで本書では、そのような歴史的順序そのままの紆余曲折のある論理を辿らないことにした。一方で、線形的な状態空間やボルン則を用いた確率解釈やシュレディンガー方程式などを天下り的に公理とするスタイルもとらない。代わりに情報理論の観点からの最小限の実験事実に基づいた論理展開で、確率解釈のボルン則や量子的重ね合わせ状態の存在などを証明する。」〈本書「まえがき」より〉 目次 第1章 隠れた変数の理論と量子力学 1.1 はじめに 1.2 シュテルン＝ゲルラッハ実験とスピン 1.3 隠れた変数の
《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! 目次 第1部 ベクトル 1章 ベクトル 1.1 ベクトル 1.2 ベクトルの和 1.3 ベクト
すさまじく丁寧な解説で定評のある著者ならではの入門書！ 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。Ｐｙｔｈｏｎによる実装も 併記した。決定分析は便利な道具です。便利な道具を手に入れよう！ 目次 第1部 序論 第1章 意思決定における予測の活用 1.1 意思決定 1.2 意思決定の結果と選好関係 1.3 意思決定と不確実性 1.4 不確実性との付き合い方 1.5 予測 1.6 予測を意思決定に活用する 1.7 予測の評価 1.8 情報の価値 1.9 本書の解説の流れ 1.10 本書で扱う問題と扱わない問題 第2章 決定分析の役割 2.1 意思決定理論の役割 2.2 意思決定のモデル 2.3 意思決定のアプローチ 2.4 「合理性」の定義 2.5 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 1.1 目標設定と手段選択 1.2 意思決定問題の構成要素 1.
目次 1章 アルゴリズムとは 1.1 アルゴリズムとは何か 1.2 アルゴリズムの例(1)：深さ優先探索と幅優先探索 1.3 アルゴリズムの例(2)：マッチング 1.4 アルゴリズムの記述方法 1.5 アルゴリズムを学ぶ意義 2章 計算量とオーダー記法 2.1 計算量とは 2.2 計算量のオーダー記法 2.3 計算量を求める例(1)：偶数の列挙 2.4 計算量を求める例(2)：最近点対問題 2.5 計算量の使い方 2.6 計算量に関する注釈 2.7 ランダウのO記法の詳細 2.8 まとめ 3章 設計技法(1)：全探索 3.1 全探索を学ぶ意義 3.2 全探索(1)：線形探索法 3.3 線形探索法の応用 3.4 全探索(2)：ペアの全探索 3.5 全探索(3)：組合せの全探索 3.6 まとめ 4章 設計技法(2)：再帰と分割統治法 4.1 再帰とは 4.2 再帰の例(1)：ユークリッドの互除
目次 第1章 確率分布 1.1 確率変数と確率 1.2 離散型確率変数 1.3 連続型確率変数 1.4 多次元確率分布 第2章 統計的推定 2.1 母集団と標本 2.2 最尤推定 2.3 不偏推定量・一致推定量 2.4 中心極限定理 2.5 区間推定 第3章 統計的仮説検定 3.1 統計的仮説検定とは 3.2 1標本の平均の検定 3.3 2標本の平均の差の検定 3.4 分散分析 第4章 線形回帰モデル 4.1 線形単回帰モデル 4.2 線形重回帰モデル 4.3 当てはまりの評価と変数選択 4.4 適用例 第5章 ロジスティック回帰モデル 5.1 ダミー変数 5.2 ロジスティック回帰モデル 5.3 推定 5.4 モデルの評価 5.5 多項ロジスティック回帰モデル 5.6 適用例 第6章 一般化線形モデル 6.1 指数型分布族 6.2 一般化線形モデル 6.3 推定 6.4 モデルの評価 6
［本シリーズの特徴］ 「基本をより実践的に!」を合言葉に、データサイエンスで用いられる各種手法の基本を、プログラミングの実装とともに解説していきます。 はじめて学ぶ大学生、大学院生、ソフトウェアエンジニアに向けた注目の新シリーズです。 ［今後の刊行予定］ 計量経済学／前処理
今、必要とされる人材を育てる。超注目シリーズ ［シリーズ編集委員］ 竹村彰通（滋賀大学、編集委員長） 狩野裕（大阪大学） 駒木文保（東京大学） 清水昌平（滋賀大学） 下平英寿（京都大学） 西井龍映（長崎大学、九州大学名誉教授） 水田正弘（北海道大学） ［本シリーズの特徴］ 「数理・データサイエンス教育強化拠点コンソーシアム」のスキルセットに依拠 具体的、体験的に学べる応用例、練習問題を収録 フルカラーで見やすい構成 数理・データサイエンス教育強化拠点コンソーシアム 教材分科会 ［シリーズ刊行にむけて］ 情報通信技術や計測技術の急激な発展により、データが溢れるように遍在するビッグデータ時代が到来しました。そして、データを処理・分析し、データから有益な情報をとりだす方法論であるデータサイエンスの重要性が広く認識されるようになりました。 しかしながら、日本ではこの分野の人材育成が非常に遅れていま
［本シリーズの特徴］ 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。 ［今後の刊行予定］ 機械学習のための数学入門／深層生成モデル／画像認識プログラミング／異常検知プログラミング
著者・編者須山敦志・著 杉山将・監修 発行2017/10/20 サイズA5 ページ数256 ISBN978-4-06-153832-0 シリーズ 機械学習スタートアップシリーズ
［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 ［本シリーズの特徴］ 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、それらの活用法を解説。 手に取りやすいページ数で、大事な点を簡潔丁寧にまとめた。 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一堂に会した最強の執筆陣！ ◆リンク シリーズ一覧
まさに、推理小説を読む面白さ！ 公理、定理、演繹、帰納、仮説...... 「なぜ、数学ではこんなことを考えるのか？」がよくわかる。 証明とは、どのような知的営みなのか。 著者一流の軽妙な語り口で、 この奥深くも面白い世界を切りひらく一冊。 目次 第1章 証明とはなんだろうか 1.1 証明はお好き？ 1.2 証明ってなんだろう 1.3 公理とは 1.4 算数にも証明はあるのか？ 1.5 証明の2つの側面 1.6 もう少し数学教育の話――抽象と具体 第2章 証明のさまざまな技術 2.1 論理の3つの姿――演繹、帰納、仮説 2.2 演繹論理 2.3 帰納論理 2.4 数学的帰納法について 2.5 仮説論理 2.6 「ならば」という言葉 2.7 背理法 2.8 記号論理学からの注意 2.9 トートロジーという名の正しさ 2.10 演繹論理、帰納論理、仮説論理、背理法 再説 第3章 算数の中の証明を
千里の道も最初の一歩から！ なっとくの弟分のゼロからシリーズ。 概念のおさらいはもちろん、高校では習わない新しい概念をとにかくやさしく、しっかりと、面白く学べる本。
これで単位は落とさない！ 大学受験界の超人気講師が執筆！ 明快なので高校で勉強してなくてもOK！ ノートをとる手間を省いてくれる！ 実際の試験問題に即した問題を収録！ 穴埋め式の実習問題でパワーアップ！ 最少の労力・最短の時間で単位を取得！ 持ち込み可の試験はこの一冊にお任せ！
やさしい、くわしい、だからなっとく!! 難解な原理を平易に説くことにかけては定評のある著者たちによる、ホントがわかる科学の諸原理。
近刊や話題の新刊情報、著者からのメッセージなど、いま注目の情報をお届けします。生命科学系のサブアカウントもあります。
このページを最初にブックマークしてみませんか？
『株式会社 講談社サイエンティフィク | 自然科学の書籍の出版・企画を行っております。』の新着エントリーを見る
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
