近代科学社の書籍一覧

※この商品は固定レイアウトで作成されており、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。

本書は、全世界で標準的なアルゴリズムの教科書として位置づけられてきた『Introduction to Algorithms』の第4版の翻訳書である。第4版ではコンピュータサイエンスの第一線を捉えるために、安定結婚問題（2部グラフでのマッチング問題）、オンラインアルゴリズム、機械学習などの新しい章や、再帰的漸化式の解法、ハッシュアルゴリズムなど、新しい話題を豊富に取り入れている。これまでの版と同様、各節末には多様なレベルの問題が配置され、学部や大学院の講義用教科書として、また技術系専門家の手引書、あるいは事典としても活用できる。
原著の第1〜35章、および付録A〜Dまでの完訳総合版。巻末の索引も和（英）‐英（和）という構成で、「数理用語辞典」としての価値も発揮している。
【目次】
I 基礎
1 計算におけるアルゴリズムの役割
2 さあ，始めよう
3 実行時間の特徴づけ
4 分割統治
5 確率的解析と乱択アルゴリズム

II ソートと順序統計量
6 ヒープソート
7 クイックソート
8 線形時間ソーティング
9 中央値と順序統計量

III データ構造
10 基礎的なデータ構造
11 ハッシュ表
12 2分探索木
13 2色木

IV 高度な設計と解析の手法
14 動的計画法
15 貪欲アルゴリズム
16 ならし解析

V 高度なデータ構造
17 データ構造の補強
18 B木
19 互いに素な集合族のためのデータ構造

VI グラフアルゴリズム
20 基本的なグラフアルゴリズム
21 最小全域木
22 単一始点最短路
23 全点対最短路
24 最大フロー
25 2部グラフでのマッチング

VII 精選トピックス
26 並列アルゴリズム
27 オンラインアルゴリズム
28 行列演算
29 線形計画法
30 多項式とFFT
31 整数論的アルゴリズム
32 文字列照合
33 機械学習のアルゴリズム
34 NP 完全性
35 近似アルゴリズム

付録：数学的基礎
A 和
B 集合など
C 数え上げと確率
D 行列

※この商品は固定レイアウトで作成されており、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。

本書では統計学の解析法を使って結論を引き出した後についてくる、「後ろめたさ」や「モヤモヤ感」が何に起因するのか、その要因を探っていく。「科学哲学」を使うことで、統計解析ソフトのブラックボックス化した中身について数式を極力使わずに詳述。統計学の背後にある思考の枠組みまで掘り下げ、より深く統計学を理解することを可能にしている。統計的な仮説検定まで学んできた読者の学び直し、そして統計を使い始めた初学者にとっても理解力の向上につながる充実の一冊。
【目次】
1 統計学を使うときに抱く後ろめたさ：帰納推論
2 帰納がもたらす後ろめたさへの対応策
3 統計思考にまつわるモヤモヤ感：誤差論的思考と集団的思考
4 帰無仮説有意性検定を使うときに抱くモヤモヤ感：有意性検定と仮説検定

※この商品は固定レイアウトで作成されており、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。

　本書は、全世界で標準的なアルゴリズムの教科書として位置づけられてきた"Introduction to Algorithms"の第4版の翻訳書である。
　第4版ではコンピュータサイエンスの第一線を捉えるために、安定結婚問題（2 部グラフでのマッチング問題）、オンラインアルゴリズム、機械学習などの新しい章や、再帰的漸化式の解法、ハッシュアルゴリズムなど、新しい話題を豊富に取り入れている。これまでの版と同様、各節末には多様なレベルの問題が配置され、学部や大学院の講義用教科書として、また技術系専門家の手引書、あるいは事典としても活用できる。
　第2巻ではPart4〜6までの「高度な設計と解析の手法」「高度なデータ構造」「グラフアルゴリズム」を収載。
【目次】
IV 高度な設計と解析の手法
14 動的計画法
15 貪欲アルゴリズム
16 ならし解析

V 高度なデータ構造
17 データ構造の補強
18 B木
19 互いに素な集合族のためのデータ構造

VI グラフアルゴリズム
20 基本的なグラフアルゴリズム
21 最小全域木
22 単一始点最短路
23 全点対最短路
24 最大フロー
25 2部グラフでのマッチング

※この商品は固定レイアウトで作成されており、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。

【豊富な図と数式のコンビで、深層学習の基本原理が直感的に理解できる！】

　本書では「深層学習に使用する数学」について、意味を直感的に理解できるように図を多用することで式を補完する。
　第I部では深層学習についての基礎事項と次の部で使用する数学について、第II部ではニューラルネットワーク（深層学習）の中身について、第III部では深層学習の自動チューニングについてそれぞれ詳述。深層学習の実践・応用へステップアップするための基礎がじっくりと学べる、第一歩に相応しい一冊。
【目次】
第I部　基礎事項と関連する数学
第1章　深層学習と人工知能
第2章　教師あり学習
第3章　勾配法
第4章　確率と情報量
第5章　線形変換
第6章　共分散行列と多次元正規分布

第II部　ニューラルネットワーク
第7章　ニューラルネットワークの基礎
第8章　畳み込みニューラルネットワーク
第9章　再帰型ニューラルネットワーク
第10章　自然言語処理と深層学習
第11章　アテンション
第12章　Transformer と大規模言語モデル

第III部　ハイパーパラメータの最適化
第13章　ハイパーパラメータ探索の基本手法
第14章　ベイズ最適化
第15章　進化計算による最適化

※この商品は固定レイアウトで作成されており、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。

【世界的名著『アルゴリズムイントロダクション』第4版の翻訳第1巻！】

　本書は、全世界で標準的なアルゴリズムの教科書として位置づけられてきた『Introduction to Algorithms』の第4版の翻訳書である。
　第4版ではコンピュータサイエンスの第一線を捉えるために、安定結婚問題（2 部グラフでのマッチング問題）、オンラインアルゴリズム、機械学習などの新しい章や、再帰的漸化式の解法、ハッシュアルゴリズムなど、新しい話題を豊富に取り入れている。これまでの版と同様、各節末には多様なレベルの問題が配置され、学部や大学院の講義用教科書として、また技術系専門家の手引書、あるいは事典としても活用できる。
　第1巻ではPart1〜3までの「基礎」「ソートと順序統計量」「データ構造」を収載。
【目次】
I 基　礎
1 計算におけるアルゴリズムの役割
2 さあ，始めよう
3 実行時間の特徴づけ
4 分割統治
5 確率的解析と乱択アルゴリズム

II ソートと順序統計量
6 ヒープソート
7 クイックソート
8 線形時間ソーティング
9 中央値と順序統計量

III データ構造
10 基礎的なデータ構造
11 ハッシュ表
12 2 分探索木
13 2 色木

付録：数学的基礎
A 和
B 集合など
C 数え上げと確率
D 行　列

参考文献
訳者あとがき
教授の名前
索引
人名読み方ガイド

※この商品は固定レイアウトで作成されており、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。

　科学研究において実験計画は必須になりますが、近年ではデータを使って仮説の生成と検証を繰り返す「適応的実験計画」が取り入れられ、その方法の一つである「ベイズ最適化」に注目が集まっています。
　本書ではこのベイズ最適化の理論・アルゴリズムを基礎から応用まで詳細に説明しています。またブラックボックス最適化ソフトウェア「Optuna」を利用したアルゴリズムの実装方法も紹介。本書を読むことで、ベイズ最適化という強大なフレームワークの全貌を理解し、理論と実装を習得することができます。
【目次】
第1章　機械学習による適応的実験計画とベイズ最適化
第2章　ブラックボックス関数のベイズモデリング
第3章　ベイズ最適化のアルゴリズム
第4章　Optuna によるベイズ最適化の実装方法
第5章　制約付きベイズ最適化
第6章　多目的ベイズ最適化
第7章　高次元空間でのベイズ最適化
第8章　並列ベイズ最適化
付録

※この商品は固定レイアウトで作成されており、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。

　MITの名物教授ストラング博士が線形代数の本質をズバッと解説する“教科書シリーズ”の最新刊。線形代数が教養として身に付くように、既刊書『線形代数イントロダクション』の内容をコンパクトにまとめ、データサイエンスへの応用も掲載。
　従来の書籍とは異なり、ベクトル空間の概念をいち早く学ぶことで線形代数の全体像が見通しやすくなり、飛躍なく諸概念の理解を深めていける。豊富な例題と練習問題は理解度の把握に役立つ。学生から研究者まで、必携の一冊。
【目次】
第1章 ベクトルと行列
第2章 連立一次方程式Ax=bを解く
第3章 4つの基本部分空間
第4章 直交性
第5章 行列式と線形変換
第6章 固有値と固有ベクトル
第7章 特異値分解（SVD）
第8章 データからの学習

付録A1　ABとA+Bのランク
付録A2　ランク1行列における固有値と特異値
付録A3　基本的な分解におけるパラメータの数
付録A4　数値線形代数のためのプログラムとアルゴリズム
付録A5　行列の積分解
付録A6　行列のCR分解
付録A7　正方行列のジョルダン標準形
付録A8　テンソル
付録A9　条件数
付録A10 マルコフ行列とペロン・フロベニウスの定理
日本語版付録B1　行列計算の視覚的表現
日本語版付録B2　行列の世界

英和索引・和英索引
数式索引
6つの重要な定理・線形代数早分かり

※この商品は固定レイアウトで作成されており、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。

　MITで大人気の講義テキストの第3版。「深さよりも広さを」というコンセプトで、多くのトピックに対して簡潔なイントロダクションが与えられており、問題を捉えるためのプログラミング的なものの考え方や、プログラミングモデル作成の方法、データから情報を抽出するためのをプログラム手法を習得することができます。
　プログラミング初心者だが問題解決のために計算機を用いたアプローチを理解したいと考えている読者にも、経験豊富なプログラマでモデリングやデータ探索のためのプログラミングを学びたい読者にも有意義な一冊です。
【目次】
第1章 さあ，始めよう！
第2章 Pythonの概要
第3章 簡単な算術プログラム
第4章 関数，スコープ，抽象化
第5章 構造型と可変性
第6章 再帰と広域変数
第7章 モジュールとファイル
第8章 テストとデバッグ
第9章 例外とアサーション
第10章 クラスとオブジェクト指向プログラミング
第11章 計算複雑性入門
第12章 いくつかの単純なアルゴリズムとデータ構造
第13章 プロットとクラス
第14章 ナップサック問題とグラフ最適化問題
第15章 動的計画法
第16章 ランダムウォークと可視化
第17章 確率，統計とプログラム
第18章 モンテカルロ・シミュレーション
第19章 標本抽出と信頼区間
第20章 実験データの理解
第21章 無作為試験（無作為抽出試験）と仮説の照合
第22章 うそ，真っ赤なうそ，そして統計
第23章 Pandasによるデータの探索
第24章 機械学習はやわかり
第25章 クラスタリング
第26章分類法
付録A Python 3.８ 簡易マニュアル

※この商品は固定レイアウトで作成されており、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。

データサイエンティストが知っているべき，情報時代に必須の線形代数教科書！
本書は，『ストラング：線形代数イントロダクション』の原著者ギルバート・ストラングMIT教授が，データサイエンスの基礎を成す数学（線形代数，確率・統計，最適化）を解説した専門書．
データサイエンスの要となるのはニューラルネットワークおよび深層学習であり，その根幹を理解するために線形代数を深く学ぶことが重要となる．
深層学習の解説書は多数あるが，その根底にある数学まで徹底的に解説した書籍はほとんどない．
本書は，線形代数の発展的教科書として，またデータサイエンティストを志す読者が線形代数を学ぶための教科書としてふさわしい一冊である．
【目次】
第1章：線形代数の要点
第2章：大規模行列の計算
第3章：低ランク行列と圧縮センシング
第4章：特別な行列
第5章：確率と統計
第6章：最適化
第7章：データからの学習

※この商品は固定レイアウトで作成されており、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。

　AIはいまや，さまざまな研究の根幹をなしており，関わる分野も多岐にわたる。本書は，人工知能（AI）研究を牽引する代表的な研究者が編・著を務め，各研究カテゴリーの最前線で活躍する100余名の気鋭の研究者が執筆を手掛けた事典である。
　コンセプトは「執筆者の主観を軸に，読者が興味を持って面白く読める内容にすること」。従来の主要テーマのほか，ディープラーニング，AIにおける論争，汎用人工知能など，いま外せないトピックスを幅広く解説する。
　AI研究者はもちろん，工学，理学，脳科学，医学，薬学，農学，社会学，哲学など，すべての分野の学生・研究者の未来に影響を与える，ターニングポイントとなる書!!
【目次】
第1章　イベント・人物
第2章　汎用人工知能
第3章　機械学習
第4章　AIにおける論争
第5章　シンギュラリティ
第6章　環境知能
第7章　ヴィジョン
第8章　ロボット
第9章　創作する知能
第10章　ゲーム
第11章　社会デザイン
第12章　コミュニケーション
第13章　脳