ライトノベル、マンガなど電子書籍を読むならBOOK☆WALKER

※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。

かわいいアニメ絵風キャラクターをBlenderでモデリングする！

Blenderの基本操作から、可愛いアニメ絵風の3Dキャラクターを作るためのコツまでを伝授！
前後編の2巻で送る実践的解説書の前編「モデリングの巻」です。

本書では、簡単なネコのキャラクターでBlenderの操作やモデリングに慣れるところからはじめて、可愛い女の子のキャラクターのモデリングまでを解説。３Dキャラクターモデラーの夏森轄氏が、モデリングのノウハウを丁寧に教えます。

●第1部 基本編
CHAPTER 1 Blender の基礎を学ぼう
1.Blenderのインストールと環境設定
1-1.使用環境
1-2.Blenderのダウンロード手順
1-3.Blenderのインストール手順
1-4.Blenderの環境設定
2.Blenderのファイル操作と閉じる方法
2-1.ファイルの保存
2-2.保存に関するアラート画面
2-3.ファイルを開く
3.Blenderの画面の説明
3-1.各部の名称
3-2.3Dビューポートの解説
3-3.アウトライナーの解説
3-4.プロパティの解説
3-5.トップバーの解説
4.基本的な操作
4-1.視点の基本的な操作
4-2.テンキーで視点を操作
4-3.ナビゲートによる視点変更
4-4.選択について
5.移動・回転・拡縮
5-1.基本的な操作
5-2.オブジェクトの削除、追加、複製など
6.モードの切り替えと画面のカスタマイズ
6-1.モードの切り替えについて
6-2.エリアの境界を移動
6-3.エリアを分割・統合
6-4.エリアの角から分割、統合する方法
6-5.エディタータイプについて
6-6.エリアを元に戻す方法
6-7.Chapter1のまとめ

CHAPTER 2 簡単なネコのキャラクターを作ろう
1.モデリングをはじめよう
1-1.モデリングするネコのキャラクター
2.下絵を配置しよう
2-1.下絵の解説
2-2.下絵を配置する前の準備
2-3.3Dカーソルとは何か
2-4.正面と横の下絵を配置
2-5.下絵の固定と保存
3.モデリングをしよう
3-1.モデリングに慣れるためのコツ
3-2.ネコの顔をモデリング
3-3.モディファイアーを使ってみよう
3-4.ワイヤーフレームと透過
3-5.大きさを調整しよう
3-6.プロポーショナル編集で動かそう
3-7.ネコ耳をモデリングしよう
3-8.目をモデリングしよう
3-9.口をモデリングしよう
3-10.Chapter2まとめ

●第2 部 実践編
CHAPTER 3 キャラクターの頭部を作成してみよう！
1.手順の説明とモデリングの流れ
1-1.モデリングするキャラクター
1-2.下絵について
1-3.作業の手順
2.モデリングの準備
2-1.下絵を配置
2-2.下絵の配置とサイズの変更
2-3.下絵のロックと名前の変更
3.頭部をモデリング
3-1.可愛いと感じやすい顔について
3-2.平面からモデリング
3-3.目の周りをモデリング
3-4.口周りをモデリング
3-5.目と口の中をモデリング
3-6.後頭部をモデリング
3-7.首周りをモデリング
3-8.顔の微修正
3-9.耳をモデリング
3-10.斜め顔をモデリングするコツ、サブディビジョンサーフェスの追加
3-11.まつ毛・眉毛・二重をモデリング
3-12.目をモデリング
4.舌と歯のモデリング
4-1.舌のモデリング
4-2.歯のモデリング
5.顔の仕上げ
5-1.スムーズを適用
5-2.シャープを適用
6.髪の毛をモデリング
6-1.髪の毛は大きく4つの領域に分けられる
6-2.前髪をモデリング
6-3.横髪をモデリング
6-4.後ろ髪をモデリング
6-5.髪の毛仕上げ

CHAPTER 4 キャラクターの身体を作成してみよう！
1.人体をモデリングする際の基本的な知識
1-1.人体をモデリングする際に意識すると良いポイント
2.上半身を作る
2-1.円、UV球を配置
2-2.上半身をモデリング
3.下半身をモデリング、身体全体の調整
3-1.お腹から下半身までをモデリング
3-2.全体の調整
4.腕と手をモデリング
4-1.腕のモデリング
4-2.手をモデリング
5.脚・足をモデリング
5-1.脚のモデリング
5-2.足のモデリング
6.全体の調整
6-1.首の位置調整
6-2.腰回りの修正
6-3.ループカットを適用
6-4.お腹のラインを修正

CHAPTER 5 キャラクターの服を作成してみよう！
1.ワイシャツをモデリング
1-1.ワイシャツ本体のモデリング
1-2.襟をモデリング
1-3.袖部分のモデリング
2.スカートをモデリング
2-1.スカート本体のモデリング
3.パーカーをモデリング
3-1.パーカー本体をモデリング
3-2.フード部分をモデリング
3-3.腕部分のモデリング
3-4.下半身側をモデリング
3-5.前立て部分をモデリング
4.靴、小物をモデリング
4-1.靴をモデリング
4-2.小物をモデリング
5.仕上げとラインアート
5-1.Bodyとfaceを統合
5-2.ラインアートの設定

夏森轄 (なつもり かつ)
フリーランスの３Dキャラクターモデラー。
2020年から活動を開始し、YoutubeやTwitterでBlenderの解説やTipsなどを発信している。

活動リンク
YouTube：https://www.youtube.com/channel/UCxVFyLXwPW8OLfsTVu16Grg
Twitter：https://twitter.com/natsumori_katsu

※この商品は固定レイアウト型の電子書籍です。
※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、文字列のハイライトや検索、辞書の参照、引用などの機能が使用できません。
※お使いの端末で無料サンプルをお試しいただいた上でのご購入をお願いいたします。

※本書内容はカラーで制作されているため、カラー表示可能な端末での閲覧を推奨いたします

デザインで「困った！」を作らない！問題発見と解決のヒント31





高知在住のフリーランスデザイナー。
大学卒業後、桑沢デザイン研究所の夜間部に学ぶ。 東京、高知のデザイン事務所を経て、2016 年に独立。高知市を拠点に県内外の企業、店舗、個人、スタートアップのサービスや商品に関わる印刷物やウェブのデザインを手がける。
目下の関心はアクセシビリティ。「個々の良さが発揮される風通しの良い世界」にデザインで貢献することを目指して活動中。
こぶたのうたちゃんと昭和の古家に暮らしている。

※この商品は固定レイアウト型の電子書籍です。
※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、文字列のハイライトや検索、辞書の参照、引用などの機能が使用できません。
※お使いの端末で無料サンプルをお試しいただいた上でのご購入をお願いいたします。

※本書内容はカラーで制作されているため、カラー表示可能な端末での閲覧を推奨いたします

※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。

インフラ構築・管理に役立つTerraformの基礎からエキスパートレベルまでこの１冊でマスター

インフラ構築・管理に役立つTerraformの基礎からエキスパートレベルまでこの１冊でマスター
IaCの基礎からはじめ、Terraformとは何か、や使用するメリットについて。エンタープライズレベルのインフラ構築・管理を学ぶことができます。Packt Publishing「HashiCorp Infrastructure Automation Certification Guide」の翻訳書。

Part 1：基礎知識
1章 IaCを知る
2章 Terraformのインストール

Part 2：コア・コンセプト
3章 Terraformをはじめよう
4章 Terraformへのディープダイブ
5章 Terraform CLI
6章 Terraformのワークフロー
7章 Terraformのモジュール

Part 3: Terraformによるインフラストラクチャの管理
8章 Terraformの構成ファイル
9章 Terraformスタックを理解する
10章 Terraform CloudとTerraform Enterprise

付録 Terraform用語集/解答と解説

［著者］Ravi Mishra (ラビ・ミシュラ)
IT業界で10年の経験を持つマルチクラウドのアーキテクト。AWS、Azure、GCP、Oracleなどのクラウドプラットフォームのエキスパート。DevOps、コンテナ化、Kubernetes、Terraformのスキルセットも身につけている。35以上のクラウド資格を持っており、マイクロソフト認定トレーナーや公開講演者としても活躍している。LinkedInはinmishrar

［翻訳］ねこやま のりこ
東京都日野市出身。以前はベンチャー企業などでWebアプリケーションの開発に携わっていた。現在はSIer の新規事業開発チームでクラウドインフラを中心とした業務を担当中。趣味でクラウドに関する同人誌を制作している。Xのアカウントは@noriko_ro

※この商品は固定レイアウト型の電子書籍です。
※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、文字列のハイライトや検索、辞書の参照、引用などの機能が使用できません。
※お使いの端末で無料サンプルをお試しいただいた上でのご購入をお願いいたします。

※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。

視覚情報を分析してビジネス課題を解決！AWSのAI・機械学習サービスを活用しよう

Amazon Web Services（AWS）のAI・機械学習サービスを活用したコンピュータービジョン・システムを構築しよう！
視覚情報を分析しビジネス上の多くの課題を解決。実際の本番環境でも展開できるよう、具体的な実装方法を紹介します。
Packt Publishing「Computer Vision on AWS」の翻訳書。

Part 1：AWSとAmazon Rekognitionでのコンピュータービジョンの紹介
1章 コンピュータービジョン・アプリケーションとAWSのAI・機械学習サービスの概要
2章 Amazon Rekognitionの利用
3章 Amazon Rekognition Custom Labelsを使用したカスタムモデルの作成

Part 2：実世界のユースケースへのコンピュータービジョンの適用
4章 本人確認を使用した非接触型ホテルチェックインシステムの構築
5章 動画解析パイプラインの自動化
6章 AWS AIサービスによるコンテンツの検閲

Part 3：エッジでのコンピュータービジョン
7章 Amazon Lookout for Visionの紹介
8章 エッジでのコンピュータービジョンを使用した製造不良の検出

Part 4：Amazon SageMakerを使用したコンピュータービジョン・ソリューションの構築
9章 Amazon SageMaker Ground Truth を使用したデータのラベル付け
10章 コンピュータービジョンでのAmazon SageMakerの使用

Part 5：コンピュータービジョン・アプリケーションの運用環境ワークロードのベストプラクティス
11章 Amazon Augmented AI（A2I）によるヒューマン・イン・ザ・ループの統合
12章 エンドツーエンドのコンピュータービジョン・パイプライン設計のベストプラクティス
13章 コンピュータービジョンへのAIガバナンスの適用


Lauren Mullennex：AWSのシニアAI・機械学習スペシャリスト・ソリューションアーキテクト。複数の業界にわたるインフラストラクチャ、DevOps、クラウドアーキテクチャの幅広い経験を持っている
Nate Bachmeier：AWSのプリンシパル・ソリューションアーキテクト。金融サービス業界に焦点を当て世界中のクラウド統合に取り組んでいる
Jay Rao：AWSのプリンシパル・ソリューションアーキテクト。顧客に技術的および戦略的なガイダンスを提供しソリューションの設計と実装を支援している
［翻訳者］
鈴木貴典：アクロクエストテクノロジー株式会社にて、シニア・テクニカルアーキテクトとしてクラウドシステムの開発やコンサルティングに従事。好きなAWS AI／MLサービスはAmazon Lookout for Vision
山本大輝：東京大学大学院情報理工学系研究科を修了後、アクロクエストテクノロジー株式会社でシニア・データサイエンティストとして機械学習プロジェクトを推進。好きなAWS AI／MLサービスはAmazon SageMaker
宮島拓也：AWSを利用した多くのクラウドサービスの開発・構築経験を持ち、モバイルとクラウドを連携したAIサービスの開発に取り組む。好きなAWS AI／MLサービスはAmazon Rekognition
吉岡駿：機械学習／AIを利用したクラウドサービスの開発や画像処理を用いた研究開発に従事。好きなAWS AI／MLサービスはAmazon Bedrock

※この商品は固定レイアウト型の電子書籍です。
※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、文字列のハイライトや検索、辞書の参照、引用などの機能が使用できません。
※お使いの端末で無料サンプルをお試しいただいた上でのご購入をお願いいたします。

※本書内容はカラーで制作されているため、カラー表示可能な端末での閲覧を推奨いたします

※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。

優れたプロダクトマネージャー(PM)になるために！

優れたプロダクトマネージャー(PM)になるために！
プロダクト（商品からサービス事業まで）を管理するプロダクトマネージャー：PMの仕事とは？その考え方。
計画・実行・マーケティング戦略を作り上げるPMの仕事に迫る。リーダーシップ、人事管理に関する実践的なスキルをカバー。
ベストセラー『Cracking the PM Career』の翻訳書。

A まえがき
B プロダクトマネージャーの役割
1章 はじめに
2章 プロダクトマネージャーの役割
3章 最初の90日間

C プロダクトスキル
4章 ユーザーインサイト
5章 データインサイト
6章 分析的問題解決力
7章 プロダクトデザインスキル
8章 技術的なスキル
9章 プロダクト仕様書の作成

D 実行スキル
10章 プロジェクトマネジメントスキル
11章 スコープ定義とインクリメンタル開発
12章 プロダクトローンチ
13章 物事を成し遂げる力

E 戦略的スキル
14章 プロダクト戦略の概要
15章 ビジョン
16章 戦略フレームワーク
17章 ロードマップと優先順位付け
18章 チームの目標

F ピープルマネジメントスキル
19章 パーソナルマインドセット
20章 コラボレーション
21章 権威に頼らない影響力
22章 コミュニケーション
23章 モチベーションとインスピレーション
24章 チームの目標
25章 メンタリング
26章 他部門とのコラボレーション

G リーダーシップスキル
27章 ピープルマネージャーになる
28章 新しいリーダーシップスキル
29章 コーチングと能力開発
30章 チームを作る
31章 組織を設計する

H キャリア
32章 キャリアラダー
33章 キャリアプラン
34章 キャリアアップのためのスキル
35章 さらに学びたい人へ
36章 PMを越えて

I プロダクトリーダーQ&A
37章 ディラン・ケイシー
38章 ブライアン・エリン
39章 オシ・イメオクパリア
40章 バンガリー・カバ
41章 サラ・マウスコップ
42章 ケン・ノートン
44章 サチン・レキ
45章 テレサ・トーレス
46章 オジ・ウデズエ
47章 エイプリル・アンダーウッド

J 追加情報
48章 PMのタイプ
49章 PMの仕事に就くために
50章 内向的な人のためのネットワーキング
51章 自律性と評価のパラドックス
52章 オファー交渉のための10のルール

K 付録
53章 役立つキーフレーズ
54章 略語集

Jackie Bavaro（ジャッキー・バヴァロ）：AsanaやGoogle、Microsoftで15年以上のPM経験を持つ。著書に『Cracking the PM Interview』（共著）がある。コーネル大学でコンピュータサイエンスと経済学を専攻。サンフランシスコの自宅で執筆、コーチング、アドバイスを行っている。

Gayle Laakmann McDowell（ゲイル・ラクマン・マクドウェル）：自身の会社であるCareerCupを通じ技術者採用を向上させることに注力している。Google、Microsoft、Appleでエンジニアとして勤務し候補者を面接・評価してきた。著書にベストセラー『Cracking the Coding Interview』（『世界で闘うプログラミング力を鍛える本』(マイナビ出版)）などがある。ペンシルベニア大学でコンピュータサイエンスの学士号と修士号、ウォートンビジネススクールでMBAを取得。パロアルトの自宅でコンサルティング、執筆、コーディングを行っている。

竹村 光：京都大学大学院卒業後、2015年にフィンテックスタートアップを共同創業し、複数の新規プロダクトの開発をリード。それを機にプロダクトマネージャーとしてのキャリアを歩み始める。2020年からは外資系テック企業でグローバルなプログラムのマネジメントに従事。現在は日本企業の米国オフィスで、米国展開事業のプロダクトマネジメントに従事している。

※この商品は固定レイアウト型の電子書籍です。
※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、文字列のハイライトや検索、辞書の参照、引用などの機能が使用できません。
※お使いの端末で無料サンプルをお試しいただいた上でのご購入をお願いいたします。

※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。

時系列予測の基礎からディープラーニングによる大規模な予測まで

本書は、データサイエンティストがPythonによる時系列予測をマスターすることを目的として書かれています。数式は必要最小限に抑え、ステップバイステップで丁寧に説明していきます。統計学的モデルや機械学習モデル・ディープラーニングを使った予測、自動予測ライブラリProphetを紹介します。
Manning「Time Series Forecasting in Python」の翻訳企画

第1部　歳月人を待たず
第1章　時系列予測
第2章　単純な未来予測
第3章　ランダムウォーク

第2部　統計学的モデルによる予測
第4章　移動平均プロセスのモデル化
第5章　自己回帰プロセスのモデル化
第6章　複雑な時系列のモデル化
第7章　非定常時系列の予測
第8章　季節性の考慮
第9章　モデルへの外部変数の追加
第10章　複数の時系列の予測
第11章　キャップストーン：オーストラリアの抗糖尿病薬処方数の予測

第3部　ディープラーニングによる大規模な予測
第12章　時系列予測のためのディープラーニング
第13章　ディープラーニングのためのデータウィンドウとベースラインの作成
第14章　ディープラーニングの手ほどき
第15章　LSTMで過去を記憶する
第16章　CNNを使った時系列のフィルタリング
第17章　予測を使ってさらに予測を行う
第18章　キャップストーン：家庭の電力消費量の予測

第4部　大規模な予測の自動化
第19章　Prophetを使った時系列予測の自動化
第20章　キャップストーン：カナダでのステーキ肉の月間平均小売価格の予測
第21章　さらなる高みを目指して

付録　インストール手順

Marco Peixeiro (マルコ・ ペイシェイロ) ：カナダ マギル大学（McGill University）卒。
カナダ最大手の銀行の1つNational Bank of Canadaでシニアデータサイエンティストを務めている。独学のサイエンティストであるMarco は、この業界で仕事を見つけて働くために必要な知識が何かをよく理解している。実践から学ぶことを信条とし、Medium のブログ、freeCodeCamp でのデータサイエンスの短期集中講座、Udemy の講座でも同じアプローチを取っている。本書のテーマを扱ったUdemyのオンライン講座　https://www.udemy.com/course/applied-time-series-analysis-in-python/　が好評で、その内容が書籍化された。Marco のデータサイエンスに関する記事はMedium でさらにチェックできる（https://medium.com/@marcopeixeiro）。ブログでも、最初に理論を提示し、次に実践的なプロジェクトに取り組むという同じアプローチを取っている。

株式会社クイープ ：1995 年、米国サンフランシスコに設立。コンピュータシステムの開発、ローカライズ、コンサルティングを手がけている。2001年に日本法人を設立。主な訳書に『The Kaggle Workbook』『The Kaggle Book』『実践XAI』（インプレス）、『なっとく！機械学習』『なっとく！関数型プログラミング』『実践マイクロサービスAPI』（翔泳社）、『Python によるディープラーニング』（マイナビ出版）などがある。 http://www.quipu.co.jp

※この商品は固定レイアウト型の電子書籍です。
※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、文字列のハイライトや検索、辞書の参照、引用などの機能が使用できません。
※お使いの端末で無料サンプルをお試しいただいた上でのご購入をお願いいたします。

※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。

ランサムウェア攻撃とその対応策をわかりやすく解説！

中小企業のセキュリティはランサムウェア対策から！
ランサムウェアによる被害は企業規模を問わず増え続けていますが、企業側においてはそれに対抗できる有効なセキュリティ対策が追い付いていないのが現況です。本書では筆者たちが実際に経験したインシデント対応から得た学びを伝えます。
標的型ランサムウェア攻撃についての重要なポイントを網羅し、読者が具体的な実践対策ができるよう本書は構成されています。

第1章　標的型ランサムウェア攻撃の概要と課題
1.1 昨今のサイバー攻撃や被害状況
1.2 ランサムウェアとは
1.3 身近に潜むランサムウェアの脅威（公開事例）
1.4 よくあるランサムウェア感染原因
1.5 現状の対策の課題

第2章　標的型ランサムウェア攻撃の手法解説
2.1 攻撃者のエコシステム:Ransomware-as-a-Service
2.2 攻撃ステップとその詳細
2.3 被害事例の解説

第3章　実践的ランサムウェア対策
3.1 標的型ランサムウェア攻撃対策の意義
3.2 対策手法
3.3 被害事例から考える対策

第4章　セキュリティ監視
4.1 監視の目的や必要性
4.2 監視のポイントや難易度
4.3 エンドポイント型セキュリティ対策製品のログ監視
4.4 ネットワーク型セキュリティ対策製品のログ監視
4.5 セキュリティイベントログ（ログインイベント）の監視
4.6 その他のセキュリティ対策製品等の監視
4.7 監視で異常を発見した場合の対応

第5章　インシデント対応
5.1 インシデント対応とは
5.2 インシデント対応の流れ
5.3 感染経路・攻撃手法の特定
5.4 封じ込め・根絶作業の実施
5.5 安全宣言に向けた監視
5.6 番外編：インシデント発生時の社内外コミュニケーション
5.7 平時の準備

田中 啓介：トレンドマイクロ株式会社 インシデントレスポンスチーム所属。2007年にトレンドマイクロに入社。製品のサポート業務を経て2012年より中央省庁担当のアカウントマネージャとしてセキュリティ監視、インシデントレスポンス、対策提言を実施。マネジメント業務を経て2019年よりインシデント対応支援サービスを主管。情報処理安全確保支援士、GCFA、GDAT、GOSI。立命館大学 情報理工学研究科 博士後期課程 上原研究室所属。滋賀県警察サイバーセキュリティ対策委員会アドバイザー。

山重 徹：トレンドマイクロ株式会社 インシデントレスポンスチーム所属。2017年にトレンドマイクロに入社後、セールスエンジニアの経験を経てインシデントレスポンスチームに在籍。 標的型ランサムウェア攻撃をはじめセキュリティインシデント被害に遭ってしまったユーザの環境調査から復旧支援に従事。 並行してインシデントの現場やリサーチから得られた攻撃手法の知見を元にEDR製品の検出ロジック開発にも取り組んでいる。CISSP、GCFA、GCFE、GPEN。

※この商品は固定レイアウト型の電子書籍です。
※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、文字列のハイライトや検索、辞書の参照、引用などの機能が使用できません。
※お使いの端末で無料サンプルをお試しいただいた上でのご購入をお願いいたします。

※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。

AIシステムを動かすモデルの解釈可能性を高め、説明可能なAIへの道を開く

本書では、線形回帰や決定木などのシンプルなホワイトボックスモデルから、深層ニューラルネットワークなどのようなブラックボックスモデルまで、その解釈手法とPythonによる実装を解説。「どのように動作し、予測に至ったのか」に答え、モデルを「解釈可能」にするためのアプローチを網羅的に扱い、そして更に「なぜ、この予測をしたのか」に答え「説明可能なAI」に至るための道を示しています。

第1部 解釈可能性の基礎
第1章 はじめに
　1.1 Diagnostics+のAI―AIシステムの一例
　1.2 機械学習システムの種類
　1.3 Diagnostics+のAIを構築する
　1.4 Diagnostics+のAIの問題点
　1.5 Diagnostics+のAIシステムを堅牢にする
　1.6 解釈可能性と説明可能性
　1.7 本書で何を学ぶのか？
　1.8 まとめ
第2章 ホワイトボックスモデル
　2.1 ホワイトボックスモデル
　2.2 Diagnostics+―糖尿病の進行度
　2.3 線形回帰
　2.4 決定木
　2.5 一般化加法モデル（GAM）
　2.6 ブラックボックスモデルとは
　2.7 まとめ

第2部 モデルの処理の解釈
第3章 モデルに依存しない方法：大域的な解釈可能性
　3.1 高校生の成績予測器
　3.2 アンサンブルツリー
　3.3 ランダムフォレストを解釈する
　3.4 モデルに依存しない方法：大域的な解釈可能性
　3.5 まとめ
第4章 モデルに依存しない方法：局所的な解釈可能性
　4.1 Diagnostics+のAI：乳がん診断
　4.2 探索的データ分析
　4.3 深層ニューラルネットワーク
　4.4 DNNを解釈する
　4.5 LIME
　4.6 SHAP
　4.7 アンカー
　4.8 まとめ
第5章 顕著性マップ
　5.1 Diagnostics+のAI：浸潤性乳管がんの検出
　5.2 探索的データ分析
　5.3 畳み込みニューラルネットワーク
　5.4 CNNを解釈する
　5.5 バニラバックプロパゲーション
　5.6 ガイド付きバックプロパゲーション
　5.7 その他の勾配ベースの手法
　5.8 Grad-CAMとガイド付きGrad-CAM
　5.9 どの寄与度推定法を使えばいいのか？
　5.1 まとめ

第3部 モデルの表現の解釈
第6章 層とユニットを理解する189
　6.1 視覚的な理解
　6.2 畳み込みニューラルネットワーク：復習
　6.3 ネットワーク分析フレームワーク
　6.4 層とユニットを解釈する
　6.5 まとめ
第7章 意味的な類似性を理解する
　7.1 感情分析
　7.2 探索的データ分析
　7.3 ニューラル単語埋め込み
　7.4 意味的類似性を解釈する
　7.5 まとめ

第4部 公平性とバイアス
第8章 公平性とバイアスの軽減
　8.1 収入予測
　8.2 公平性の概念
　8.3 解釈可能性と公平性
　8.4 バイアスを軽減する
　8.5 データセットのためのデータシート
　8.6 まとめ
第9章 説明可能なAIへの道
　9.1 説明可能なAI
　9.2 反実仮想的な説明
　9.3 まとめ

Appendix
付録A セットアップを行う
　A.1 Python
　A.2 Gitコードリポジトリ
　A.3 Conda環境
　A.4 JupyterNotebook
　A.5 Docker
付録B PyTorch
　B.1 PyTorchとは？
　B.2 PyTorchをインストールする
　B.3 テンソル
　B.4 データセットとDataLoader
　B.5 モデリング
付録C 日本語版付録日本語を扱う
　C.1 単語に分割する
　C.2 ワードクラウドを作成する
　C.3 日本語を単語埋め込み化する

Ajay Thampi（著者）
信号処理と機械学習をテーマに博士号を取得し、強化学習、凸最適化、5Gセルラーネットワークに適用される古典的な機械学習技術をテーマに主要なカンファレンスやジャーナルで論文を発表している。現在は大手テック企業にて「責任あるAI」と公平性を専門に機械学習エンジニアとして活躍。マイクロソフトのリードデータサイエンティストとして、製造業、小売業、金融業など様々な業界の顧客に対して、複雑なAIソリューションをデプロイする仕事を担当した経験を持つ。

松田晃一（翻訳者）
博士（工学、東京大学）。石川県羽咋市生まれ。『宇宙船ビーグル号の冒険』を読み、絵描きではなく、コンピュータの道へ。海（海水浴）と温泉を好む。HCI/AR/VR/UX、画像処理・認識、機械学習、エッセーの執筆、技術書、SF、一般書の翻訳などに興味を持つ。最近立ち上げたPython の講義が（自分では）結構良く構成でき、再構成し書籍化を考えている。PAW^2（メタバース）の開発に携わり、オープンソースのm3py ライブラリの開発を行っている。著書に『Python ライブラリの使い方～ GUI から機械学習プログラミングまで』、『p5.js プログラミングガイド改訂版』（カットシステム)、『学生のためのPython』（東京電機大学出版局)、『WebGL Programming Guide』（Addison-Welsley Professional）など、訳書に『Web API デザイン・パターン』、『機械学習エンジニアリング』、『プログラミングのための数学』、『データサイエンティストのための特徴量エンジニアリング』（マイナビ出版）、『生成Deep Learning』、『詳解OpenCV3』、『コンピュータビジョンのための実践機械学習』（オライリー・ジャパン）、『デザインのためのデザイン』（ピアソン桐原）などがある。

※この商品は固定レイアウト型の電子書籍です。
※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、文字列のハイライトや検索、辞書の参照、引用などの機能が使用できません。
※お使いの端末で無料サンプルをお試しいただいた上でのご購入をお願いいたします。

※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。

Pythonによる機械学習モデル構築のための特徴量 抽出・作成実践レシピ

Pythonを活用した70以上の実践的な"レシピ"により表形式データに対する特徴量エンジニアリングのほぼすべてのトピックをカバー。テキストからの特徴量の抽出の付録として日本語モデルでの実例も取り上げます。
Packt Publishing: Python Feature Engineering Cookbook, Second Edition の翻訳書。

1章 欠損値を補完する
2章 カテゴリ変数をエンコーディングする
3章 数値変数を変換する
4章 変数を離散化する
5章 外れ値を扱う
6章 日付と時刻の変数から特徴量を抽出する
7章 特徴量をスケーリングする
8章 新しい特徴量を作成する
9章 Featuretoolsを用いてリレーショナルデータから特徴量を抽出する
10章 tsfreshを使って時系列データから特徴量を作成する
11章 テキスト変数から特徴量を抽出する
付録 日本語を扱う


Soledad Galli : 世界的な学術機関や有名な企業で10年以上の経験を持つデータサイエンティスト、インストラクター、ソフトウェア開発者。保険金請求や信用リスクの評価、詐欺の防止を目的とした機械学習モデルを開発し実運用に成功している。複数のオンラインコースで機械学習を教えており、オープンソースのPythonライブラリFeature-engineを開発・保守している。2018年にData Science Leaders Awardを受賞、2019年にデータサイエンスと分析におけるLinkedIn Voices (LinkedInインフルエンサー) の1人に認定されている。

松田晃一 : 博士（工学、東京大学）。石川県羽咋市生まれ。『宇宙船ビーグル号の冒険』を読み、絵描きではなく、コンピュータの道へ。海（海水浴）と温泉を好む。著書に『Python ライブラリの使い方～ GUI から機械学習プログラミングまで』、『p5.js プログラミングガイド改訂版』（カットシステム)、『学生のためのPython』（東京電機大学出版局)、『WebGL Programming Guide』（Addison-Welsley Professional）など、訳書に『APIデザイン・パターン』、『プログラミングのための数学』（マイナビ出版）、『生成 Deep Learning』、『詳解OpenCV3』（オライリー・ジャパン）、『デザインのためのデザイン』（ピアソン桐原）などがある。

※この商品は固定レイアウト型の電子書籍です。
※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、文字列のハイライトや検索、辞書の参照、引用などの機能が使用できません。
※お使いの端末で無料サンプルをお試しいただいた上でのご購入をお願いいたします。