close
1.

図書

図書
遠藤理平著
出版情報: 東京 : カットシステム, 2019.2  158p ; 24cm
所蔵情報: loading…
2.

図書

図書
脇森浩志, 杉山雅和, 羽生貴史著
出版情報: 東京 : リックテレコム, 2019.5  351p ; 24cm
所蔵情報: loading…
目次情報: 続きを見る
1 : イントロダクション
2 ML : Studioを利用するための準備
3 : 機械学習で実現できること
4 : 実践!回帰による数値予測
5 : 実践!クラス分類
6 : 実践!クラスタリング
7 : 実践!異常検知
8 : 実践!レコメンデーション
9 : インターネットへの公開
Appendix : 付録
1 : イントロダクション
2 ML : Studioを利用するための準備
3 : 機械学習で実現できること
概要: 本書は「機械学習でできること」と「その方法」を、とことん平易に説明します。普通なら高度な数学の知識を必要としますが、本書では、ほぼ中学校で習うレベルで解説しますので、一般ビジネスマンや文系の学生さんも安心して読めます。「説明して終わり」では ありません。「機械学習の組み立てキット」とでも呼ぶべきマイクロソフトのクラウドサービス「ML Studio(Azure Machine Learning Studio)」を使い、自分で機械学習の仕組みを作り、動かすところまでを体験します。さらに、RやPythonによる高度活用など、中級以上の実務家にも役立つ情報を、経験豊富な技術者集団が提供します。 続きを見る
3.

図書

図書
吉崎亮介 [ほか] 著
出版情報: 東京 : マイナビ出版, 2019.9  x, 317p ; 24cm
所蔵情報: loading…
目次情報: 続きを見る
1 基礎編 : イントロダクション
Pythonのインストールと基礎
機械学習を活用するための基礎知識
2 実践編 : Docker Composeを利用した機械学習システム構築
画像データを用いた教師あり学習アプリ構築
文書分類、文書要約を用いたBot構築
SNSを用いた自然言語収集基盤構築とアプリ構築
1 基礎編 : イントロダクション
Pythonのインストールと基礎
機械学習を活用するための基礎知識
概要: 大量のデータをまとめて収集、機械学習モデルにかけるための前処理、システムへの機械学習モデルの組み込み、結果を可視化するためのアプリ開発・デプロイ—機械学習を活用するための技術が一冊で身につきます。
4.

図書

図書
Joshua Saxe, Hillary Sanders著 ; クイープ訳
出版情報: 東京 : マイナビ出版, 2019.10  xx, 283p ; 24cm
所蔵情報: loading…
目次情報: 続きを見る
マルウェアの静的解析の基礎
静的解析の応用:x86逆アセンブリ
速習:動的解析
マルウェアネットワークを使った攻撃キャンペーンの特定
共有コード解析
機械学習に基づくマルウェア検出器の概要
機械学習に基づくマルウェア検出器の評価
機械学習に基づくマルウェア検出器の構築
マルウェアの傾向を可視化する
ディープラーニングの基礎
Kerasを使ってニューラルネットワークマルウェア検出器を構築する
データサイエンティストになろう
A付録:データセットとツール
マルウェアの静的解析の基礎
静的解析の応用:x86逆アセンブリ
速習:動的解析
概要: セキュリティのプロが、機械学習、統計、ソーシャルネットワーク分析、データ可視化など「データサイエンス」の手法を使ってマルウェアを検出・分析する方法を伝授。データサイエンティストを目指す方、悪意あるソフトウェア撃退のためデータサイエンス・AI 的手法を活用したい方に格好の読み物となるでしょう! 続きを見る
5.

図書

図書
岩沢宏和, 平松雄司著
出版情報: 東京 : 東京図書, 2019.11  xiv, 256p ; 21cm
所蔵情報: loading…
目次情報: 続きを見る
第1部 予測モデリングの一般事項 : 予測モデリングとは何か
予測モデリングの基本概念
予測モデリングの基本手順
第2部 実用へのヒントと代表的手法の例 : Rを予測モデリングで使う際のヒント
データの準備
データの前処理からEDAまでの実例
予測モデリング用のモデル
モデルの選択・評価の実例
分類問題の実例
第3部 補章と付録 : ハイブリッドな正則化GLMのパッケージaglmの紹介
Rの環境準備
R言語の初歩
第1部 予測モデリングの一般事項 : 予測モデリングとは何か
予測モデリングの基本概念
予測モデリングの基本手順
概要: リスクとは「不確定」かつ「避けたい」ものです。そうしたリスクを、データサイエンスの発達した現代においてどのように統計的に扱うべきであるか、その基本作法をまとめて伝えます。
6.

図書

図書
有賀友紀, 大橋俊介著
出版情報: 東京 : 技術評論社, 2019.4  xiv, 416p ; 23cm
所蔵情報: loading…
目次情報: 続きを見る
第1章 データサイエンス入門 : データサイエンスの基本
データサイエンスの実践
第2章 RとPython : RとPython
R入門 ほか
第3章 データ分析と基本的なモデリング : データの特徴を捉える
データからモデルを作る ほか
第4章 実践的なモデリング : モデリングの準備
データの加工 ほか
第5章 機械学習とディープラーニング : 機械学習の目的と手順
機械学習の実行 ほか
第1章 データサイエンス入門 : データサイエンスの基本
データサイエンスの実践
第2章 RとPython : RとPython
概要: RStudio & Jupyter Notebook対応。現場で活用するための最短コース!さまざまな分析の「理論」と「実際の考え方」をR/Pythonで体験学習。
7.

図書

図書
堅田洋資, 福澤彰吾著
出版情報: 東京 : インプレス, 2019.12  viii, 221p ; 21cm
所蔵情報: loading…
目次情報: 続きを見る
第1部 ビジネス活用への第一歩 : 機械学習のイメージをつかむための基本と道具
機械学習のビジネス活用事例を知ろう
第2部 Excelでアルゴリズムの仕組みをとらえよう : 価格や売上を予測するアルゴリズム“線形回帰モデル”
YesかNoか—2値を予測しよう“ロジスティック回帰モデル”
グループに分けてとらえよう“クラスタリング”
余分な情報を削ぎ落とそう“次元削減”
予測ルールを自動生成しよう“決定木”
高度な機械学習アルゴリズムを理解しよう
第1部 ビジネス活用への第一歩 : 機械学習のイメージをつかむための基本と道具
機械学習のビジネス活用事例を知ろう
第2部 Excelでアルゴリズムの仕組みをとらえよう : 価格や売上を予測するアルゴリズム“線形回帰モデル”
概要: 本書では、難しい数式をできるだけ避け、Excelを通じて機械学習アルゴリズムの動きを理解できるようにしました。第1部では、機械学習の基礎や全体像、ビジネスへの活用を説明します。第2部では、それぞれの機械学習アルゴリズムについて解説します。E xcelへの展開も紹介しながら、線形回帰、ロジスティック回帰、クラスタリングなどの仕組みを具体的に理解できるようにしていきます。アルゴリズムのメリット/デメリット、向き/不向きがわかれば、ビジネスへの応用も見えてくるでしょう。機械学習を理解していく最初の一歩として本書をご活用ください。 続きを見る
8.

図書

図書
橋本幸士編 ; 橋本幸士 [ほか] 著
出版情報: 東京 : 朝倉書店, 2019.10  viii, 196p ; 21cm
所蔵情報: loading…
目次情報: 続きを見る
機械学習、深層学習が物理に何を起こそうとしているか
第1部 物性 : 深層学習による波動関数の解析
量子多体系とニューラルネットワーク ほか
第2部 統計 : 自己学習モンテカルロ法
深層学習は統計系の配位から何をどう学ぶのか
第3部 量子情報 : 量子アニーリングが拓く機械学習の新時代
量子計測と量子的な機械学習
第4部 素粒子・宇宙 : 深層学習による中性子星と核物質の推定
機械学習と繰り込み群 ほか
機械学習、深層学習が物理に何を起こそうとしているか
第1部 物性 : 深層学習による波動関数の解析
量子多体系とニューラルネットワーク ほか
9.

図書

図書
David Kopec著 ; 黒川利明訳
出版情報: 東京 : オライリー・ジャパン , 東京 : オーム社 (発売), 2019.6  xxiv, 252p ; 21cm
所蔵情報: loading…
目次情報: 続きを見る
1章 : 簡単な問題
2章 : 探索問題
3章 : 制約充足問題
4章 : グラフ問題
5章 : 遺伝的アルゴリズム
6章 : k平均クラスタリング
7章 : 簡単なニューラルネットワーク
8章 : 敵対探索
9章 : その他さまざまな問題
付録A : 用語集
付録B : 参考文献
付録C : 型ヒントの簡単な紹介
1章 : 簡単な問題
2章 : 探索問題
3章 : 制約充足問題
概要: 昔からある定番アルゴリズムと、機械学習・深層学習アルゴリズムを学び本物の問題解決能力とプログラミングスキルを身につける!Python3.7対応。型ヒント全面採用。
10.

図書

図書
涌井良幸, 涌井貞美著
出版情報: 東京 : 技術評論社, 2019.5  223p ; 21cm
所蔵情報: loading…
目次情報: 続きを見る
1章 RNN、DQNへの準備 : はじめてのRNN、DQN
利用するExcel関数は10個あまり
最適化の計算を不要にしてくれるExcelソルバー
データ分析には最適化が不可欠
2章 Excelでわかるニューラルネットワーク : 出発点となるニューロンモデル
神経細胞をモデル化した人工ニューロン
ニューラルネットワークの考え方
ニューラルネットワークを式で表現
Excelでわかるニューラルネットワーク
普遍性定理
3章 ExcelでわかるRNN : RNNの考え方
リカレントニューラルネットワークを式で表現
Excelでわかるリカレントニューラルネットワーク
4章 ExcelでわかるQ学習 : Q学習の考え方
Q学習を式で表現
ExcelでわかるQ学習
5章 ExcelでわかるDQN : DQNの考え方
ExcelでわかるDQN
付録
1章 RNN、DQNへの準備 : はじめてのRNN、DQN
利用するExcel関数は10個あまり
最適化の計算を不要にしてくれるExcelソルバー
概要: 進化発展するディープラーニング。その代表がRNN(Recurrent Neural Network/再帰型ニューラルネットワーク)とDQN(Deep Q‐Network/深層Qネットワーク)です。RNNは自然言語処理の分野で最も注目されるア ルゴリズムです。またDQNは強化学習の手法で目覚ましい精度を挙げています。これらはいずれもAI応用の入り口となります。本書は、これらを万人のツールであるExcelを用いて、難しい数学やプログラミングの知識抜きに、動かしながら、目で見てしくみを理解できる画期的な入門書です。難解といわれるRNNとDQNの「最適化」などの難しい計算部分をExcelにまかせ、その動作原理をわかりやすく知ることができます。本書がAI学習のハードルを一気に下げてくれます。 続きを見る
文献の複写および貸借の依頼を行う
 文献複写・貸借依頼