ライトノベル、マンガなど電子書籍を読むならBOOK☆WALKER

★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

★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

★「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

★★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

★ 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

【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/

【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