Python本 - 人気 / 新書 / 高評価 書籍一覧 | 技術書の本ダナ


Python 人気本 ランキング

人気 1位
 
本書の内容
伝説のゲームマンガでプログラミングが楽しく身につく!
だれでも、はじめてでも、ゲームが作れる!

『ゲームセンターあらし』『こんにちはマイコン』のすがやみつる先生が、
プログラミング入門マンガを描き下ろし!

いよいよ小学校でのプログラミング教育が必修化されます。ただし、授業で習うとなると、とたんにプログラミングがつまらなくなりそう。プログラミングだけでなく、IT全般をきらいになっちゃうかも――。そんな懸念を吹きとばすのが、すがやみつる先生の書き下ろし入門マンガ、令和版の『こんにちはマイコン』ともいえる本書です。プログラミングの必要性はもとより、プログラムをつくって動かす楽しさ、面白さをバッチリ伝えます。もちろん、プログラミング未経験の大人が読んでも役立ちます。

子どもから大人まで、「プログラミングを楽しみたいすべての人」にお届けします。
 
内容サンプル
 
User Voice
自分は趣味や仕事で Python でプログラミングしており、好きな言語でもあります。
今回、うん十年振りに、あらしがどんな風に(BASIC ではなく) Python を学んでいくのかを知りたくなり、この本を買いました。
さすがすがやみつる先生、初めて Python に触れる人に分かりやすく、間違いやすいところもきちんと押さえて説明してくれています。
ただ、触れられている内容は基本中の基本なので、別の言語でゴリゴリプログラミングしている人が Python ってどんなもんだろ? と思った場合には、もう少し詳しい技術書を当たった方が良いと思います。
あくまで、プログラミングもほぼ初めてで、Python ってよく聞くけど自分でゲームとか作れるのかな? と思った人に向いていると思います。
あと、あらしファンの人には、どんな人でも向いているかも知れません(笑)
自分はあらしファンなので、とても楽しく読めました!
さて、自分も Python でゲームでも作ってみようかな。
著者の前作「こんにちはマイコン」でプログラミングを始めた(昔の)パソコン少年です。再び、前作の雰囲気そのままに、かつ、今トレンドのPythonの入門書として再会できたことに感無量です。親から子どもへ引き継げる名著だと思います。コロナ問題でどこへも行けないゴールデンウィークは、これで子どもにPythonを教えようと思います。

私はPythonの入門書を同時に3冊買いましたが、子どもの食いつきや分かり易さでは一番のようです。最終ゴールが他の入門書の機械学習とかでなく、スカッシュゲームと言うところが小学生には良いのかもしれません。私が小学生の時に始めたBASIVプログラミングのゲームと似た感じです。

巻末の著者Profileを読み、すがやみつる先生のご経歴(恥ずかしながら初めて知りました)にも驚嘆。ますますのご活躍を願います。
とてもわかりやすく、プログラミングの楽しさを思い出させてくれます
著者の「こんにちはマイコン」は僕にとって人生を変えた書です。現在でも仕事で楽しようとプログラミングします。
「こんにちはPython」は読んだ子ども達が将来プログラミングを活かせるようになりそうな書物です
初版はいくつかの誤植がありましたが、訂正は出版社のサイトで確認できます
 
人気 2位
 
本書の内容
「プログラムの読み方をすべて載せる(ふりがなをふる)」という手法で究極のやさしさを目指した、
まったく新しいPyhton(パイソン)の入門書です。

本書内に登場するプログラムの読み方をすべて載せ、さらに、漢文訓読の手法を取り入れ、読み下し文を用意。
プログラムの1行1行が何を意味していて、どう動くのかが理解できます。

この新しいアプローチで「プログラムが読めないから、自分がいま何をしているのかわからない」といった
プログラミング入門者が途中で挫折してしまう原因を解決しました。

また、実際に手を動かしながら進むだけでなく、プログラムを考える応用問題も用意しているため、
しっかりPythonの基礎文法を身につけることができます。

■本書はこんな人におすすめ
・Pythonの基本を身につけたい人
・過去にプログラミングの入門書で挫折してしまった人
・プログラマーやエンジニアを目指す人
・仕事でPythonを活用してみたい人


※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。
購入前にお使いの端末で無料サンプルをお試しください。
 
内容サンプル
 
User Voice
私自身初めて触れる言語がpythonです。これとは別に2冊ほど「初めてのpyhton」的な本を購入しました。が、2冊とも読んでるうちに理解ができなくなりました。おそらく自分の中に語弊があるのだなと思いアプローチを変えるためにも、とりあえず別の本を購入。それがこれ。
結論から言うと非常によかった。=は等価という意味では無く代入であることに気づけたし、言語をひらがなで訳してくれているので、書いたコードがどのような命令を出しているかの流れが目に見える。
また、プログラミング言語は日本語の翻訳という意識で向かえば良いというアドバイスは自分の意識改革には非常に役立った。
python以前にプログラム自体が初めてという方には非常に取っつきやすい本だと思います。
レイアウトとデザインがすっきりして見やすい書籍です。
読み始めたばかりですが、念のためインストール時の説明画面が古い物であることをお伝えします。
本書の画面では32bitの物をインストールする手順となっていますが、当方64bitでエラーが出ました。
インストール画面も更新された様子で、本書とは違っていますので、ここは新しいWebブログなどで手順が乗ってますので、そちらにて確認した方が良さそうです。
32bit版Windowsにインストールなら「Windows x86 web-based installer」
64bit版Windowsなら「Windows x86-64 web-based installer」
まさかbit違いがあるとは知らず、エラーが出なければそのままインストールしてたかもしれません。
コマンドプロント用のチェックボックスも消えていました。

2018年に出版された本ですが、ITは変わるのが早いですね。
使用環境に対応した物をダウンロードできるはできますが、WindowsかMacかのどちらか、という事のようです。
会話形式の説明内で、初心者側の気づきに対して、”そうとも限らない”と注意は促すけど説明は無いとか、”ここはそういうものとして丸暗記”みたいな結局『”ふりがな”はどこ行った?』的な説明不足が多々見受けられる。

ふりがなシリーズとして多数出されており、1冊読めば他言語版は流し読みで理解はできるだろうけど(初歩の説明しかないので)、”この場合はこうする!(とは限らない)”という説明1つでその本への不満足感が生み出される事くらいは作者は考えて欲しい。

教えずに放置し、丸暗記という他の参考書と同じパタンで終わらせるなら、”そうとは限らない”なんていう作者自身への保険なんて書き込むなって気分。
 
人気 3位
 
本書の内容
【本書の概要】
Web開発やデータ分析などの分野で近年、ユーザー数が増えてきているPython。
最近では、Pythonに触れる方も多くなってきています。
本書はそうしたPython初心者の方に向けて、
簡単なサンプルを作りながら、対話形式でプログラミングのしくみを学ぶ書籍です。

【対象読者】
Pythonのついて、何も知らない超初心者

【1年生シリーズ・3つのポイント】
・対話形式で解説し、イラストを交えながら、基礎知識を解説します。
・初めての方でも安心して学習できるよう基本文法もしっかり解説します。
・平易でサンプルを用意していますので、安心してプログラムを体験できます。

【本書のポイント】
ヤギ博士とフタバちゃんと一緒に
基本的なプログラムから、面白い人工知能アプリの作成まで
体験して、プログラミングのしくみを学ぶことができます。

【著者】
森 巧尚(もり よしなお)
iPhoneアプリやWebコンテンツの制作、執筆活動、関西学院大学非常勤講師など、
プログラミングにまつわる幅広い活動を行っている。
近著に『やさしくはじめるiPhoneアプリ作りの教科書』(マイナビ出版)、
『楽しく学ぶ アルゴリズムとプログラミングの図鑑』(マイナビ出版) 、
『なるほど!プログラミング』(SBクリエイティブ)などがある。

 
内容サンプル
 
User Voice
プログラムの本というとどうしてもとっつきにくいイメージがあるんですが、すごく楽しく読めました。
教える側がうまく説明できないと「黙って従えばいいんだよ」的な投げやりな教育になりがちなんですけど、
ものすご~く丁寧!に解説されてるから理解しやすかったです。

ダブルクォテーションとシングルクォテーションどうして2種類あるのか、
なんて知らなかったしシンプルなのに新しい発見がある良書です。
この本は初心者を対象としており、まさに1年生となっています。このため、C言語やJava経験者にとっては読み応えのない本です。ですが、Pythonのプログラムのルール、GUIツール、ライブラリのインポートなどPythonの特徴が捉えられていて、初めてこの言語を扱う場合には役に立つと思います。ある程度他言語で慣れている人は数時間で読み終わってしまうかもしれませんが、初めての人にはインストール方法、変数とは何かから始まっているので大変親切な内容となっています。イラストも可愛く、取っつきやすいのも特徴です。また、狭い範囲を掘り下げている本ではないので、できることは限られています。この本である程度使えるようになった暁には、さらに上級者向けの本に進むと良いでしょう。プログラムは難しい、イヤだなという人にオススメしたいです。
プログラミングを始めたばっかりの中年です。
今後続けていこうかどうか見極めのために本を一冊さらおう、と思い立ちこの本を購入しました。
課題があって、それに対して自分でとりあえず手を動かした後で、先生と生徒さんの会話形式で課題の解説してくれます。
なにぶん初心者なのでスラスラとはいきませんでしたが、この構成のおかげで、手と目を使って、内容が頭に入るという感じです。
著者さんも出版社さんも、プログラミングをこれから始めようという人を応援してくれているような、とても親切で暖かい書籍だなという感想を持ちました。
 
人気 4位
 
本書の内容
 
内容サンプル
 
User Voice
 
人気 5位
 
本書の内容
本書は「Pythonだけ」を学ぶ本ではありません。Pythonを使ってプログラミングを紹介していますが、伝えたい内容はPythonに限らない「プログラミング全般」の知識です。

プログラマになるためのスキルを独学できる本です。Pythonプログラミングの基本を学べるだけでなく、プログラマとして必要なスキル(シェル、正規表現、パッケージ管理、バージョン管理、データ構造、アルゴリズム、仕事の始め方・やり方)もひと通り学べるのが特徴です。
「プログラミングを始めたい」「できればその道でプロを目指してみたい」――そんな読者にオススメです。

本書の著者、コーリー・アルソフ(Cory Althoff)は、「独学プログラマー」です。本書は、彼が独学で、ゼロからプログラミングを学んだ体験に基づいて書かれました。
プログラミングを独学で身に付けるために、著者がPythonを通して学んだエッセンスが書かれています。彼の独学プログラマーとしての学び方は、Amazon.comでの本書の評価を見るとわかるように、多くの人に支持されています。
――訳者あとがきより

目次については、27章プラス補章2つと長いので、以下の「目次を見る」からご覧ください。
 
内容サンプル
 
User Voice
購入前にレビューを見てわかりやすかったなど書いてあったので、購入してみました。
『ど』のつくプログラミングの初心者なので、もっとわかりやすく説明があるとよかったと思います。
分かるところもありましたが、理解することが私には難しかったです。
なので途中で中折れしてしまいました。

次に『プログラミング超初心者が初心者になるためのPython入門』を読み始めたのですが、
こちらの方がわかりやすい表現で、コードも一つ一つが短かったのでわかりやすかったです。

もしプログラミング初心者で国語の弱い方は、『プログラミング超初心者が初心者になるためのPython入門』を先に
読むことをおすすめします。
独習者にはお勧めします。
欠点はこのほんに書かれている、URLは使えません。
URL短縮サイト経由しています。

蛇足ですが・・・・
Linux環境で$ Python3でインタープリンターは起動できる
エディターにviをつかえうとき。$ vi ファイル名.py
とすれば pythonモードになります。
例題はファイル名.py とし保存。
$ python3 ./ファイル名.py
ただ巻末の参考資料は使えます!
Windows10でLinux環境を使う一番の手軽な方法は
Windows Subsystem For Linuxを有効にすることでしょう。
これでUbuntが使えます。
「WSL機能を有効にする」で検索すれば・・・・
私の場合
Windows10の C:は自動でマウントされていました。
$ ls /mntで確認してください。
プログラム極めて面白いもの作りたいなっておもったのでとっかかりとして本書を手にpythonをはじめた。
c言語を少し触ったことがあるくらいのペーペーだけど、内容はとても分かりやすく、多くの基礎的情報が網羅されていると感じた。
やっぱプログラミングって面白!!
って初心者ながらに思える本に仕上がっている。
 
人気 6位
 
本書の内容
ディープラーニングの本格的な入門書。外部のライブラリに頼らずに、Python 3によってゼロからディープラーニングを作ることで、ディープラーニングの原理を楽しく学びます。
ディープラーニングやニューラルネットワークの基礎だけでなく、誤差逆伝播法や畳み込みニューラルネットワークなども実装レベルで理解できます。
ハイパーパラメータの決め方や重みの初期値といった実践的なテクニック、Batch NormalizationやDropout、Adamといった最近のトレンド、自動運転や画像生成、強化学習などの応用例、さらには、なぜディープラーニングは優れているのか?なぜ層を深くすると認識精度がよくなるのか?といった“Why"に関する問題も取り上げます。
 
内容サンプル
 
User Voice
本書の特徴は、何と言っても「ゼロから作る」という名のとおり、ライブラリーに頼らず、各処理の内容をステップ・バイ・ステップで説明しているところだと思う。

ただし、一旦、概要が理解できるようになると、このようなボトムアップの説明よりも、むしろトップダウン的に、まず最初にニューラルネットワーク全体を示し、必要に応じて、詳細に入っていく資料の方がわかりやすい。

そういう意味では、ディープラーニングによるニューラルネットワークを分類すると、
1) 教師あり学習
a) 全結合(Affine)
b) 畳み込み(Convolution)
2) 教師なし学習(強化学習)(Deep Q-Network(DQN))

以上の分類では、本書では、「教師なし学習」は扱っていないし、「畳み込み」についても、実施例はほとんど画像処理であるにしては、アルゴリズムの説明は少し簡略化されてすぎているような印象を受ける。

本書でDeep Learningを学んで感じたことは、Deep Learningでよく論じられる「過学習」や「勾配消失」などの課題に対する対策のほとんどは、理論的というよりは、むしろ‘職人’的な経験則に裏付けられたものが多い。
そういう意味で、今後このニューラルネットワークがどのように進化していくのか(例えば、GoogLe Netの「インセプション構造」やRes Netの「スキップ構造」など)、気になるところだ。
多くの方が絶賛していますがまさに同感です。特に非エンジニアの方におすすめです。非エンジニアがAIや深層学習の勉強をする場合、CNNとかRNNとかの言葉の暗記や抽象的な例え話で理解し、実際の動作原理の話は棚上げにしがちです。でも「実際のところ、中身はどういう仕組みになってるの?」という気持ち悪さは残ってしまいます。この本ではまさにそうした気持ち悪さを解消できます。パーセプトロンの説明から始まり、自分の手で作りながら仕組みを理解できます。

つまずく要因があるとすれば数学とPythonです。おすすめの読み方としてはまず「統計学が最強の学問である 数学編」を通読してからこの本に進むと、偏微分など数学記号や尤度関数などでひっかかることなく、ストレスなく読み進むことができます。Pythonに馴染みのない人は「いちばんやさしいPythonの教本」(これは本当にやさしいのでほとんどの人がほぼ脱落せずに終えられるはず)を一通り終えてから取り組むと、コードに親しんだ状態でスタートできるのでおすすめです。

DLのポイントである誤差逆伝播についても計算グラフを使ってしっかり丁寧に書かれていて、順を追って読むと理解できると思います。難しい解説書を読んで、またこれに戻って、という使い方も良いですね。

RNNなど本書から漏れた内容を扱った続編が予定されています。このクオリティの解説でコードを追いながら読むのが楽しみです。
近年多大な功績を挙げ一躍有名になったDeepLearningについて,ライブラリ等の既成のフレームワーク等にはなるべく頼らず一から説明していこうというのが本書の趣旨になります.
問題の解決方法についてのHowTo本ではありません.なので,あなたが何かDeepLearningで解決したい問題があった場合,おそらく更に別な本で詳細を学んだり,ライブラリについて学ぶ必要が出てくると思います.
しかし,何事も基礎というものは最も重要であり,本書はDeepLearningの仕組みについて詳しくない人達へ向けた最良の入門書となっていると感じました.
基本的な実装から「なぜDeepLearningが動作するのか」という根本の部分が見えてきます.

私は将来的に機械学習の中でも「強化学習」というジャンルに分類される問題を解きたいと思い本書を手に取りました.
本書は主に「教師あり学習」という問題を題材にしており,中でも特に「クラス分類」問題について詳述しております.「教師なし学習」や「強化学習」の問題については巻末の僅かな紹介に留まるのみです.
ですから,「何百枚もある(教師データ付きの)画像を何種類かにカテゴライズしたい」といった問題を考えている方以外にとっては本書の内容は即実践に移せるというものではありません.
しかし,私は本書で学習を進めて良かったと感じております.
というのも,「教師なし学習」や「強化学習」といった問題は「教師あり学習」で用いるDeepLearningと同様の原理を用いながら,それを更に発展させたものである場合が多く,その基礎を学ぶことには大いに意義があると感じたからです.

DeepLearningの理解には数式での理解がほぼ必須ではありますが,本書はそれを図を用いるなどして出来るだけ分かりやすく解説してくれています.
入門の一冊として非常におすすめ出来ます.
 
人気 7位
 
本書の内容
コツ・しくみ・落とし穴をしっかりおさえるから
人気プログラミング言語「Python」がスイスイ身に付く!


データ分析やAIの分野で注目のプログラミング言語「Python」(パイソン)は、WebやIoTをはじめとした幅広い分野で活用されています。
汎用性の高さに加え、文法がシンプルで、簡潔なプログラムを書くことができるため、教育用プログラミング言語としても採用が増えてきました。

しかし、シンプルとはいえPythonには多くの文法・記法があり、初心者が独学でマスターするのは簡単ではありません。
そこで本書では、プログラミングの基礎を丹念に解きほぐし、楽しいストーリーとともに、つまずくことなく最後まで読み通せる入門書を目指しました。

もちろん、「スッキリ」シリーズの特長であるプログラミングのしくみやコツがしっかり身に付くので、機械学習やWebアプリケーションなどの専門分野の学習にスムーズに進むことができます。
また、シリーズで好評の楽しみながら知識の確認ができる練習問題と、よく陥りがちなエラーや落とし穴の対策をまとめた「エラー解決・虎の巻」も収録していますので、挫折せずに着実に学びきれます。

本書を通じてPythonならびにプログラミングの楽しさを学び、新しい未来への道を拓いてみませんか。

本書では、以下の内容を扱います。

第0章 ようこそPythonの世界へ
■第I部 Pythonの基礎を学ぼう
第1章 変数とデータ型
第2章 コレクション
第3章 条件分岐
第4章 繰り返し
■第II部 Pythonで部品を組み上げよう
第5章 関数
第6章 オブジェクト
第7章 モジュール
第8章 まだまだ広がるPythonの世界
付録A sukkiri.jpについて
付録B エラー解決・虎の巻

詳細は目次をご確認ください。
 
内容サンプル
 
User Voice
プログラミング自体初めてだという人向けの内容で、レベルは低いです。

何らかの言語でプログラミングをやったことある人は、基本的な文法のPythonでの書き方以外に、得るものはあまりないと思います。クラスについても殆ど書かれていません。
なので、Python入門というよりは、Pythonによるプログラミング入門ってタイトルが適切かと思います。

プログラミングの入門書としては良いですね。
年齢関係なく、まだまだ業界新人のつもりで勉強中。わかりやすいです。
プログラミングの初心者でしたが、必要な知識を1週間くらいで身につけることができました
 
人気 8位
 
本書の内容
Excelシート間のコピペをはじめ、単純なパソコン仕事は小さなプログラムを書くことで自動で行うことができます。
こうしたプログラムを書けるようになることが、自分の仕事を効率化したい社会人にとって大きな武器になることは間違いありません。

本書ではプログラミング言語Pythonを使って、パソコン仕事の中心であるExcel作業を自動化する方法を紹介します。

Excelの自動化といえば「マクロ・VBA」が定番ですが、Pythonの強みは
・Excelアプリを起動しなくてよい
・メールやWebブラウザなども簡単に自動化できる
という点にあります。

本書ではExcelとともにメール、Webの自動化もしっかり扱います。これにより、Webから抽出したデータをExcelファイルに保存してメールで送信、といった連携も行えるようになり、仕事での活用の幅が広がります。

プログラミング初心者である社会人が、実際に自分の仕事が自動化できるように、必要な情報をもれなく丁寧に解説することを心掛けました。本書を片手に「新しい仕事のやり方」を始めましょう!

<本書の方針>
・オブジェクトなどの難しいプログラム理論は一切使いません。
・一番単純な道具だけで、準備に時間をかけず、すぐ始められます。
・実践的な例題で、実務で本当に使えるプログラムを紹介します。

第1章 Pythonプログラミングの基本
1-1 プログラムを書いて実行する方法を覚える
1-2 変数を使ったコードを書いてみよう
1-3 複数のデータはリストに入れる
1-4 複数のデータをループで処理する
1-5 データの状態に応じて処理を分ける
1-6 IDLEを使いやすく設定する

第2章 PythonでExcelファイルを操作する
2-1 Excelファイルの基本構造を理解しよう
2-2 ブックの開き方・保存方法を覚えよう
2-3 プログラムでセルの値を読み書きしよう
2-4 セルを1行ずつ読み書きする
2-5 シートの操作方法を覚えよう
2-6 複数のシートをまとめる
2-7 絶対に覚えておきたいプログラミングのコツ

第3章 PythonでCSVファイルを操作する
3-1 CSVファイルを読み込んでみよう
3-2 CSVファイルにデータを書き込んでみよう
3-3 Excelブックと相互に変換する

第4章 Excelファイルの転記・集計をPythonでおこなう
4-1 転記・集計を実現するExcelの三大関数とは
4-2 Excelのマスタを取り込む
4-3 Excelのマスタからデータを検索する
4-4 表のデータを別のブックに転記する
4-5 条件を満たすデータの個数や合計を求める
4-6 Pythonで自動化するメリットとは

第5章 帳票作成をPythonでおこなう
5-1 請求書作成の手順を整理する
5-2 顧客ごとの売上データの絞り込み
5-3 顧客ごとの請求書を作成する
5-4 請求書を印刷してPDFとして保存しよう
5-5 業務全体ではExcelと良いとこ取りを目指す

第6章 Pythonでもっと作業を自動化するには
6-1 Pythonの強みは豊富なライブラリ
6-2 PythonならメールもWebも自動化できる

第7章 Pythonで複数の人にまとめてメール送信する
7-1 メールサーバーとの交信方法
7-2 メールで送るメッセージを作成する
7-3 メールを自動送信する

第8章 PythonでWebから情報を収集する
8-1 Seleniumのインストール
8-2 ブラウザを操作してみる
8-3 Selenium IDEでブラウザ操作を記録
8-4 Webページから情報を読み取る
8-5 実際のWebページから情報を読み取る
8-6 Webからの情報収集を自動化する
 
内容サンプル
 
User Voice
エクセルとメールの自動化を実現したかったのですが特化した資料を
見つけることができませんでした。
あっても余分な内容もあり価格が高い!
他の書籍は余分な内容が多かったり、超初心者向けで逆にわかりにくかったり
と「やりたいこと」にたどり着くのが大変でした。
この本、1冊でやりたいことが載ってます。そして価格も手ごろ。

インストールから使用方法まで簡潔に説明されいるので初めてPythonに触れる方もすぐに使えます。
(プログラム経験がある方が条件ですが。)

取り急ぎ「やりたかった」表データを別のBookに転記ができたのが嬉しかった。
なので☆5つです。
今やPythonは、AIのライブラリなどが豊富で非常に人気の高い言語です。それで、ExcelやメールやWebを操れるということで手に取りました。

まず、基本的にMacベースで説明しているところが気に入りました。OS X自体が基本UNIXなわけですから、Pythonをインストールし、サーバでのプログラムのようなものを書くことができるという利点がある訳で、それを見事に使っています。非常に面白いです。
文法書は読んだが、具体的に何か処理したいと自動化の本を探してたときに見つけました。
タイトルどおり Excel、メール、Webスクレイピングが題材になっています。要点押えてコンパクトにまとまっているので、読むのも楽でした。
Pythonで自動化処理を勉強したい人の1冊目としておすすめ
 
人気 9位
 
本書の内容
見込み客、土日の需要、商品リコメンド…
営業、マーケティングが劇的に変わる
業務に本当に役立つ“儲かるAI"を自分で作る!


◆数学なしでアルゴリズム選びもチューニングもわかる
◆現場目線でAIの最適化までできる
◆ブラウザだけで試せるPython実習(Google Colab)
◆XGBoost、Prophetなど話題のAI技術を活用
◆全PythonコードをGoogle Colab用のNotebook形式で用意
☆機械学習のための Python入門講座つき!

業務に本当に役立つ“儲かるAI"を作るには
「業務目線」と「技術目線」の両方が必要です。

業務の課題を認識し、どう改善するかという「業務目線」が必要なのは
従来システムと同じですが、AIの構築ではさらに
業務の課題が本当に AIで解決できるのか、AIのどの処理方式なら適用できそうか
という「技術目線」が不可欠なのです。

本書のPython実習で学ぶことで、「AIの目利きができる技術目線」を獲得し
自分でもAIを作れるようになります。

1章 業務と機械学習プロジェクト
2章 機械学習モデルの処理パターン
3章 機械学習モデルの開発手順
4章 機械学習モデル開発の重要ポイント
5章 業務要件と処理パターン
・営業成約予測(分類)
・天候による売り上げ予測(回帰)
・季節などの周期性で売り上げ予測(時系列分析)
・お薦め商品の提案(アソシエーション分析)
・顧客層に応じた販売戦略(クラスタリング、次元圧縮)
6章 AIプロジェクトを成功させる上流工程のツボ
 
内容サンプル
 
User Voice
赤石氏の力作購入しました。初版の「ディープラーニングの数学」も素晴らしいですが、より実践的で活用に主眼を置いている点は、まさに私が今やろうとしている案件に役立ちそうな本の内容でした。(まだ途中ですが)
 私もお客様にAI分類機能を適用して、影響分析のキーワード(目的変数)を検出するソリューションを考えているのですが、大変役立ちそうです。
 早速 1章、2章読みました。 わかりやすいです。
 p29の処理パターンの選択フローもいいですね。まさにこのような判断指標が欲しかったです。
 私のやろうとしていることは、この絵の グループ分け分類予測、もしくは クラスタリングになるかなと思っております。
今回の本は AI活用方法について悩んでいる多くのかたに大変わかりやすい内容で、記述の仕方も読者に気を使いながらナビゲートしているのが良くわかります。そばに赤石さんがいて語り掛けてくれている感じがします。
  この本のQAをオンラインで受け付けるようにすればいいと思われます。 その内容を次回の執筆に生かせると思います。

  最初の数学の「ディープラーニングの数学」も読み返し始めていますが、深いところはこちらで理解を深めればよいと思います。高校生の時のレベルに戻すことはなかなかという感じではありますが、でも 楽しい年寄りのチャレンジ(60過ぎてはまっています)ができて感謝いたしております。

  以下のQAもしてみましたらご丁寧な回答を得ました。(たまたまお世話になったことがあり回答頂けました)
 参考までに記載いたします。

  5章の業務要件と処理パターンの5.1も斜め読みしてしまいましたが、p196の 以下の記述について質問があります。
   質問1: 記述内容「  顧客属性を入力データとして 商品Aを過去に購入した実績の有無(目的変数)を予測したいとすれば、モデルを作れます。その際、今まで説明したような訓練データと検証データの分割をせず、全顧客データを使って学習・予測を同時に行うのです。するとモデルの予測結果として商品A購入の可能性が極めて高い顧客リストが作成できます。」

   質問内容「 教師データを学習用と検証用に分けて、学習用で予測して検証データで検証すると思っていましたが、 学習・予測を同時に行うという
       ことがどのようにやるのかイメージできないです。 教師データは使うのですよね? 検証データは用いないということでしょうか?
       ということは正解率がでないのではと思ってしまいますが、、、」
  回答:作るモデルとしては「教師あり学習」なのですが、利用パターンとしては
「既知のデータからなんらかの知見を出して、その知見に基づいて意味のある施策を出す」なのです。
教師なし学習では、もともと精度という概念は存在しないので、同じ利用パターンの場合は、
教師あり学習でも精度を求める必要はないのです。

  質問2 「p222のコラムの欠陥・疾患判定モデルの実現について の内容ですが、確かに欠陥商品99.5% で 0.5%の見過ごしは許容できないとしても
       0.5%の不正解の理由が明確であれば、あるいはAIが不正解とした解析結果をだせれば
あとは人間判断に任せられるのでいいのではと思いますが どうなんでしょうか?」
  回答:機械学習モデルでは、決定木など一部の例外を別にすると、そもそもモデルがなぜ、その結果を出したかは、ブラックボックスでわかりません。これが機械学習モデルを使うときの大きな課題の一つになっています。
なので、上の括弧書きのところが、実現できないので、なかなか難しいということになります。

  
本書のタイトルは、その内容について想像を逞しくさせるものではないだろうか。
それは、企業活動におけるAI活用の新しい局面、つまり本業で活躍するAIをつくる、ことであるとのこと。

AIやデータサイエンスにおけるビジネスオーナーの役割は、アイデア出しとデータ洗い出しと言われてきたが、その求められているスキルについては、曖昧さもあり、具体的に記述されている文献はあまり見たことがないように思う。確かに、アイデア出しやデータの洗い出しだけなら分野が異なるかもしれない。
著者は、本書の想定読者は、業務専門家(≒ビジネスオーナー)とデータサイエンティストとしてスキルアップを目指している人としているが、私見では、かなり前者に重点を置いているように感じる。

AIを活用したアプリにとって、世に出るまでのスピードが儲かるものかどうかという観点で重要な要件だとすると、業務専門家には、自分が持つアイデアの蓋然性の高低を自らある程度見極められるスキルが必要、とする主張は共感できる。その点で本書は、業務専門家には機械学習のための数学などの専門知識に通じていない人が多いことを念頭に、Google ColabでのハンズオンでPythonモデル開発を体験できるように構成されており、これを通じて、モデル開発の現場を垣間見ることができると感じた。本書は、業務専門家が「儲かるAI」の蓋然性について、データサイエンティストと議論するのに必要なスキル習得という観点で実戦的と言えると思う。つまり本書の、開発プロジェクトの各ステップに沿ったPythonによるモデル実装の解説によって、その理解と知識が得られる。

本編では、モデル作成についてプログラミングをあまり意識することなく、読み進められるようになっている半面、モデル開発のためのPythonプログラミングに興味がある人は、物足りなさを感じる部分が出てくるかもしれないが、それについては、巻末の講座2「機械学習のためのPython入門」が満足させてくれると思う。

いうまでもなく、本書は機械学習モデル開発のためのPython入門書であり、読み進めるためにはプログラミング言語としてのPythonの基礎知識は前提。
AI(機械学習)をどのようにビジネスに適用するのか、データサイエンティストってどういう仕事かイメージできました。ビジネスへの適用検討から活用、評価までの基本的な作業フローが整理されていて、コツや観点も載っていてわかりやすかったです。また、具体的な業務事例に沿ってPythonコードがあったり、Google Colaboratory操作や、自動構築ツール等が紹介されているので開発や分析を体験できました。
あと、感想としては、道具は手段で、使いこなしてこそなんだなあと改めて思いました。機械学習には道具(ツール)がたくさんあって、それを使えるようになるのは基本だと思います。ただ、どの道具を選んで、どのように使うのが有効か、どう改善していくかが重要というか、腕のみせどころって事でしょうか・・。
 
人気 10位
 
本書の内容
本書は、実際のビジネスの現場を想定した100の例題を解くことで、現場の視点が身につき、技術を現場に即した形で応用できる力をつけられるように設計した問題集です。

本書の100本ノックを解くだけですぐに現場で活躍できるわけではありませんが、現場の感覚を身につけることで、ビジネスの現場に自然に入っていけるような力をつけられるはずです。
ウェブや入門書でデータ分析や機械学習を一通り学び、「アヤメの分類よりも役に立つデータを分析したい」「ビジネスの現場で技術がどう応用されるのかを知りたい」と思っている読者の方には、きっと役に立つのではないでしょうか。

本書の構成は、基礎から実践までを幅広く扱う四部構成となっています。

●第1部(基礎編)では、ビジネスの現場で実際に得られるデータ分析するために必要なデータ加工のノウハウを学びます。比較的きれいなウェブからの商品の注文に関するデータと、データの読み込みにすら苦戦する「汚い」データの多い小売店のデータを例に、データ加工の実践を行います。

●第2部(実践編1)では、機械学習の技術を活用して顧客の分析などを行うために必要なノウハウを学び、実際のデータを使っての課題発見・解決を実践していきます。

●第3部(実践編2)では、最適化技術を導入するためのノウハウを学び、経営状況の改善を実践していきます。

●第4部(発展編)では、画像認識技術や自然言語処理技術などの「AI」とも呼ばれる技術を駆使して、データ化されていない情報をも利用して、顧客の潜在的な需要の把握など、ビジネスの現場で期待されているノウハウを学び、実践していきます。

 
内容サンプル
 
User Voice
「実践」と言ってもさほど難易度は高くなく、「Pythonの参考書を1冊読んだり、入門研修を受けてみて、何となくPandas、Matplotlib、Scikit-Learnが使えるようになった」人が、知識を定着させるために、ビジネスにおいてありがちなデータでコーディングを学ぶために、ちょうどよい本だと思います。

逆に、学生時代から理系で、英語のPythonオンラインコースを修了しました、Kaggleやってます、といった人が「実践」を期待して読むものではないと思います。世の中、スタートラインも、「基礎レベル」も「実践レベル」もいろいろなので。
データサイエンティストでもSEでなく、目指しているわけでもないが、必要があってPythonを少しかじり始めたところなので購入してみた。現場で使える情報を出力することに力点を置いているようで、マーケティングや業務分析に関わる私にとって非常に参考になる内容。Pythonはまだ初心者だが、コードと出力結果を見比べると、対応関係がよく理解できる。かなり合理的にコーディングされているからなのだろう。
scikit-learnを試してみたいけどpython知識ほぼゼロの自分にはとても読み易い内容でした。
ところどころ内容に誤りがあり、正誤表にも記載の無いカ所もあるので注意しながら読み進める必要はあるものの内容は理解出来る範囲です。
価格を考えれば十分精査された上で出版されていると思います。

python知識ゼロながらも他の言語は経験しているため誤表記があっても確認しながら進められましたが、プログラム自体の経験がない人の学習用にはお勧めしません。たとえ誤表記が無かったとしても取っ掛かり辛いと思います。
参考までに、pythonに触れた事のない状態から始めてdjangoの公式マニュアルを読みながらサーバー構築及びdjango導入及びdjangoとpythonのマニュアルを見ながらプログラムを書いてみるという事を即日で試せる程度の基礎技術を持った上で本書籍に取り組みました。
 
人気 11位
 
本書の内容
 
内容サンプル
 
User Voice
 
人気 12位
 
本書の内容
便利に使えるPython標準ライブラリの活用術。
初中級スキルアップの近道!

文字列/データ操作、テキスト処理、ファイル操作、
数値演算、ネットワークアクセス、GUIなど、使えるテクニックを満載。

本書では、Pythonの基本的な文法をすでに理解したユーザーが
次に学ぶべきテーマとして、Pythonの標準ライブラリを取り上げます。

本格的なプログラミングへの準備として、習得しておきたい標準ライブラリの
基礎的な活用法を解説します。

Pythonの標準ライブラリは、多数のデータ型やモジュールを提供しています。
それらの機能をうまく活用することがプログラミングの上達につながります。

目的別に180以上の基本レシピを収録。特定の目的を達成するのに、
どの機能をどのように使えばよいのか、すぐにわかるようになっています。

キーとなる関数やメソッドなどの書式に加え、対話的な実行例やスクリプトの例も示しています。
本書により、Pythonのスキルを高め、実践に向けて足場を固めていきましょう。

※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。
購入前にお使いの端末で無料サンプルをお試しください。
 
内容サンプル
 
User Voice
逆引きとしてはいいかもしれないけど、繰り返しや変数、関数などの説明がないので自分で調べないといけない。
こんなペラペラな本ならそれくらいつけても良かったんじゃないでしょうか
8bit機械語、basic、Fortran以降コンピュータ言語から遠ざかっていましたが、現在phytonを勉強中です。

この本は、Pythonの標準ライブラリ(関数、モジュール)の説明と例示からなります。
逆引きと書いてあるけれども、あまり逆引きでは無いようです。つまり、ライブラリは通常考えられる標準的な分類順に掲載されていて、最後に目次、という具合です。
ライブラリ数はあまり多くないので切り貼りしたい初心者には寂しいです。便利なオリジナルモジュールもあると良いです。
Python3系による、標準ライブラリの利用方法を、やりたい事から調べる書籍です。
冒頭には、Pythonのインストール、標準ライブラリの読み込みや、おすすめエディタの紹介があります。
その後もっとも基本的な文字列操作、データ操作、コレクションの取り扱いへと、続いていきます。
主な使い方としては、目次からやりたいことを探し、該当ページを確認するといった感じになると思いますが、
もちろん最初から順番に読んで行ってもよさそうです。
ざっと読んでみましたが、やりたい事の見出しがあまり目立つ感じで書いてないので、
ある程度使い込んだ時に、あの辺に書いてあったなと、
ページをパラパラめくりながら探すのが少し面倒かもしれないと思いました。
巻末には索引もありますので、関数名からのページ確認も可能です。
 
人気 13位
 
本書の内容
全オフィスパーソン必読!
Excelの面倒な操作はパソコンにやらせよう

ビジネスパーソンが必ず使うExcelは、面倒な手作業が多いのが残念なところ。いくら操作を効率化しても、マウスやキーボードでの作業がなくなりません。決まったセルの範囲を別のシートの決められたところにコピーしたり、毎月のデータをグラフにしたり……。1回だけの作業だけならまだしも、部署別や事業所別にほとんど同じ作業を何度も何度も繰り返すような作業もしばしば。オフィスでのパソコン操作には、こんな無駄がたくさんあってうんざりしている人は多いでしょう。抜本的に解決するは、操作方法を工夫するだけでは追いつきません。

そんな単純で面倒な作業は、Pythonで自動化しましょう! 一度、自分の作業に合わせて自動化すれば、どんなに大量のデータでもパソコンにすべてまかせてOK。自分は他の仕事を進められます。
今から始めるならVBAよりPythonがお薦め。
――Pythonを学びながらExcelを効率化するか。
――Excel業務を自動化しながらプログラミングも身に付けるか。
どちらにしても“一石二鳥”なのは間違いありません。

プログラミングをやったことがないという人も多いでしょう。普通のビジネスパーソンがプログラミング未経験なのは当たり前。でも、大丈夫。必要な基礎知識をさっと身に付けられるよう、簡潔に解説。ざっと一読するだけでプログラミングの基本が学べます。

「ExcelをPythonで自動化」なんていうと難しそうに聞こえるかもしれません。でも、実はどのプログラムもものすごくシンプル。すでに身に染みついているExcelの手作業を基にしているので、プログラムを読んでいるだけでも「何をやっているか」がリアルにわかるのが本書のミソ。ビジネスパーソンがプログラミングに入門するにはピッタリの題材なのではないでしょうか。

「そうは言っても、プログラムをイチから書くのは大変そう」。そんな心配はご無用です! 本書で取り上げたサンプルプログラムはダウンロードしてすぐに利用可能。実際の業務に即したプログラムなのに加え、どこをどう書き換えれば、手っ取り早く自分の業務に応用できるかもできる限り解説しました。プログラムによっては、ほぼ無改造で即業務に役立てられるものもあります。

「どうせならじっくりプログラミングを勉強したい」。そんな人は各章の後半を重点的に読んでください。各章のサンプルプログラムで使われているテクニックをより詳しく、深く解説。必要に応じて、学習用のシンプルなプログラムも提供しています。簡単なプログラムでも、自分で書いて動かせば学習効果は抜群。基本をしっかり身に付ければ、自分のアイデアを生かしたオリジナルのExcel自動化プログラムも可能です。

ちまちました手作業のせいで無駄な残業をするのはもうたくさん。すぐに業務に役立てたい人にも、ディープに学んで高度に自動化したい人にも、本書がきっとお役に立ちます。単純で面倒な作業はパソコンに片付けてもらって、さっさと帰りましょう!
 
内容サンプル
 
User Voice
初心者向けの体裁をとっており、本に書かれているとおりに実行すれば動作するが、ある程度、VBAに慣れている人のほうが内容は理解しやすいように思う。Pythonの文法については、必要に応じて説明はしているが体系的ではないので別の本で学んだほうが良さそうである。最終章にはPythonからVBAでExcelをコントロールする手法も書かれているが、どちらの言語も初めての人には少し敷居が高いかもしれない。

あとがきとして、RPAのススメ、とあるようにRPAを念頭に書かれていることは明らかだ。VBAだけでは他のシステムとの連携が面倒だが、VBAで学んだ内容も活かしつつ、さらにその次に進んで自分でRPAを構築してみたい場合、そのとっかかりの入門書としてはうってつけではないだろうか。

本に載っているコードは冗長で垢抜けない感があるが可読性は高い。自分でカスタマイズして別の用途にも使えるようにわざとそうしているのだろう。RPAで自動化したい作業はほとんどが数行から数十行でかけるような単純作業が多いので最初はこれで十分だと思う。いずれ、かんたん過ぎて物足りなくなると思うので、次には別の書籍、例えば「退屈なことはPythonにやらせよう」などに進んではいかがだろうか。ちなみに、「退屈な・・」は12章でExcelシートの制御を扱っているが、この本と同じくopenpyxlモジュールを利用している。

ところでレビューアーはこれまでAnconda + Jupyter NotebookでPythonを利用していたので、この本で利用しているVisual Studio Code(VSCode)を後からインストールして環境が整合するか気になっていたが、結論から言えば、ほとんど問題なく利用できた。「ほとんど」というのは、VSCodeに慣れないためのトラブルが少々あったためだ。例えば、最初、第3章のExcelのファイルを開いてCSVに保存するコードが上手く動かず。デバッガに " FileNotFoundError: [WinError 3] 指定されたパスが見つかりません。:" というエラーメッセージが出ていたので、開こうとしているExcelファイルの位置が想定と異なっているのだろうと、ターミナルからカレントディレクトリ(カレントフォルダ)の位置を調べてみたところ、案の定異なっていたので、VSCodeで新しくフォルダを指定し直したところ、うまく動いてくれた。VSCodeではカレントフォルダはコードのスクリプトが存在している位置ではなく、最初に開いたフォルダの位置になってしまうようだ。

最後に、今回一番感動したのは、PythonでExcelを開くと非常に早いことだった。かなり大きなファイルでも高速にデータを抽出でき、CSVに保存するのもほぼ一瞬だ。サンプルのデータが小さいせいもあるだろうが、少なくとも、Excel起動時にアドインなどの読み込みに時間がかかるストレスがないのは実に気持ちが良い。ぜひ皆さんにも味わっていただきたいと思う。
(Amazonからの購入ではないのだが、なぜかKindle本のタグがついてしまっている。直し方がわからないのでそのままにしておく)
VBAマクロの含まれないEXCELファイルが大量にあり、プログラム経験ゼロの非エンジニアが、EXCELに関わる作業の自動化やデータの集計・分析が必要な場合に本書は役立ちます。一般企業社内で、事務系の仕事をしている非エンジニア向けに、お勧めします。

EXCELにVBAマクロを埋め込むのではなく、Pythonで「外部からEXCEL制御する」方が応用が利きますし、何かとスマートに処理できます。従来、外部からEXCEL制御する為には、エンジニアがVSTOやCOM制御といった手法を使ってきましたが、Pythonだと非エンジニアでも容易に扱えます。

EUC(エンドユーザーコンピューティング)が20年ほど叫ばれ、EXCELと共にVBAが普及してきましたが、これからの時代、VBA使うよりもBIツール使うよりも、Python+EXCEL、ひいてはRPAを使いこなすことがEUCのキーワードでしょう。VBA知識も不要です。むしろ無い方が先入観がなくて良いと思います。簡単にPythonを使うだけなら、VBAよりも習得は容易です。

なお、Pythonの文法でつまずく方は「退屈なことはPythonにやらせよう」の最初に初心者向けの簡単な解説がありますので併せて活用されるとよいでしょう。その次には「Python実践データ分析 100本ノック」もお勧めします。この3冊の知識を活用できれば、事務系の煩雑な業務がかなり改善されるはハズです。

この本を最初のキッカケに、是非、業務効率化を果たしてください。
Pythonに興味があったが、特に何を作りたいか決まっていないことや、どの本を選べばよいか迷っていた時に見つけたのがこの本。私はExcelやVBAができるので、それと比べながら学べそうだと思い購入した。
結果的には、期待していたものとは違った。
中身は、Pythonで色々なExcelがらみのことを自動化していくのだが、構文や文法は、その時に初めて出てきたものが紹介される感じで、一か所にまとまっていない。Pythonの基本から学びたい人にはあまり向かないのかもしれない。
その代わり、Excelシートを操作するためのライブラリの解説などは豊富なので、そういうのを期待している人にはいいかもしれない。

最後に、"マクロはもう古い"と書いてありますが、あなたの使用環境でPythonが動作できるか確認してからのほうがいいです。私の職場では、Pythonがプログラムの許可リストに入っておらず、インストールすらできませんでした。この場合はVBAの本を買ったほうがいいでしょう。

Pythonの良いところ:OSやExcelの有無にかかわらず、"Python"がインストールできればどこでも動く。
VBAの良いところ:Excelが入っていれば動く。Excelが入っていない会社などそうそうないだろう。
 
人気 14位
 
本書の内容
Pythonでスクレイピングを体験してみよう!

【スクレイピングとは】
機械学習やデータ分析になくてはならない「データ」。
このようなデータは、インターネット上に膨大にありますが、Pythonを使えば効率よくデータ収集できます。
こうした手法を「スクレイピング」といいます。
サイト自体もオープンデータ化が進んでおり、データを集めやすい環境が整ってきています。

【Python2年生について】
「Python2年生」シリーズは、「Python1年生」を読み終えた方を対象とした入門書です。
ある程度、技術的なことを盛り込み、本書で扱う技術について身に着けてもらいます。

【ターゲット】
・ネット上からデータ収集を行う初心者
・データ分析の手前の初心者

【本書の売り】
ヤギ博士&フタバちゃんと一緒に、インターネットからのファイルのダウンロード方法、
HTML解析の方法、いろいろなデータの読み書き、
APIの使い方といったデータ収集と便利なライブラリを利用した簡単な可視化手法を解説する書籍です。
また最終的にデータ収集を自動化する方法も簡単に解説します。

 
内容サンプル
 
User Voice
 出立てのほやほやの「スクレイピング」テーマの書籍ということでは、本書の対抗馬は、和書では、加藤耕太著「Pythonクローリング&スクレイピング[増補改訂版] データ収集・解析のための実践開発ガイド」ではないかと思います。これは400ページ超え、かつ値段も本体価格3280円と少しお高めかつより上級向け。
 Python初心者かつ還暦過ぎてから学びはじめた私からすると、本書の方が、懐(財布)にも優しく、とっつき易いものでした。装訂は子供さん向けでも、選ばれているテーマも大人が参考にできるものが多い。これを応用すれば、「Webから美味しい店を検索し、マップ上にプロットし、天気を気にしながら訪問する計画を立てる」「病気になったときのためによい病院を探しておく」「Excelの血圧や体重データなどをグラフ化して自分の健康管理に役立てる」「レトロ映画をやっている映画館や上映スケジュールをまとめる」「落語情報を集める」といった明るい老後のためにプログラム(Python)利用ができそうです。
 今2020年からのプログラム教育開始をめざして、このようなプログラミング書籍も増えているようですが、「3年生」としてぜひ、上であげたようなテーマも参考に老人がPythonを学べるような本を出していただけると嬉しいかなと思います。お若い方と違い、Webをあちこちまさぐって情報をかき集めるのも大変ということもありますので。
1年生に引き続き本書籍にも手を伸ばしてみました。
CSVやExcel読み込み、Webスクレイピング等あって、業務に応用できるテクニックを学びました。

早速部署で管理している作業台帳(Excel)をPythonに読み込ませてテキスト一致した行を表示する等、
業務効率化に応用できました。
あとWebスクレイピングを使用してYahoo路線情報の遅延情報を引っ張ってきたり、等。(これは趣味ですが)

Pythonを深く学ぶという意味では他に適した書籍があるのでしょうが、
業務に応用しやすい実用的なテクニックを学ぶという意味では、非常に良い書籍だと思います。
別の本で機械学習を学び、途中で挫折した者です。
その当時は、一体何をやらされているのか?わからないまま本を読み進めていましたが、この本を読み終えて何とかイメージがつかめました。
機会学習は自分にとって敷居が高すぎたかもと諦めかけていましたが、もう少し先に進む自信が付きました。
良い本だと思います。

なお、こちらの本では、Windowsまたはmac OSにpythonをインストールして動作確認する流れになっていますが、私はgoogle colaboratoryを利用しました。
環境構築の手間が省ける上、無償で使えるのでお勧めです。
 
人気 15位
 
本書の内容
本書で解説するPythonは現在もっとも注目を集めているプログラミング言語のひとつです。プログラミング言語の人気度の目安となるPYPL(http://pypl.github.io/PYPL.html)では、2016年1月の時点でJavaに続いて2位に位置していることからも、その人気のほどが伺えるでしょう。その大きな理由として、Pythonがパワフルなオブジェクト指向のスクリプト言語でありながら、わかりやすく、すっきりしたプログラムを作成可能であることがあげられます。文法もシンプルで、これからプログラミングを始める方にとっても最適な言語です。現在、Pythonは、Python 2.x系からPython3.x系への移行時期にあります。Python 3.xでは、さまざま機能強化が行われ、さらに標準の文字コードがユニコードベースに変更され、日本語も容易に扱えるようになったことから、日本においてもさらなる普及が期待されるでしょう。
本書は、プログラミングの初心者を対象にしたPython 3の入門書です。変数の取り扱いから、リスト、タプルといったPython固有のデータの操作、制御構造や関数などについて具体的でかつ短いサンプルを多数提示しながら、初心者でも基礎から学んでいけるように拝領したつもりです。また、インデントでブロックを表現する点などなど、他のメジャーな言語と比べてユニークな部分も丁寧に説明しています。前半部分で基本を説明した後は、ファーストクラスオブジェクトとしての関数の活用方法、オリジナルのクラスの作成などといった多少高度な項目を丁寧に説明していきます。
 
内容サンプル
 
User Voice
リフロー版のPython 本は選択肢がかなり少ないのですが、iPhone + Pythonista3 (app) を使って基本を学ぶには十分な内容でした。文章やサンプルコードにへんなクセなども無く、プログラムの初心者でも違和感を持たず読み進められると思います。今後も多くの Python 関連書籍がリフロー版でリリースされることを期待します。
Pythonの概要を知りたくてディスカウントされている際に購入。
他の言語でのプログラミングの経験があるので、内容の記述がくどく、かつ深みもなく、得られるものが少ない。
逆に全くの初心者だとついていくのは難しいと思われ、なんとも中途半端。
60分で・・とか、1日で・・というたぐいのお手軽本レベルのよう。その割に価格が高くコストパフォーマンスも悪い。
ある程度のプログラミング経験があるのであれば、これを読むよりはネットで読めるチュートリアルの方が良いでしょう。
内容は基礎的なものが多いが、章末に演習問題があって、
理解を試せるのがいい。もう少し応用的な内容があればもっと良かった。
 
人気 16位
 
本書の内容
Pythonの機械学習用ライブラリの定番、scikit-learnのリリースマネージャを務めるなど開発に深く関わる著者が、scikit-learnを使った機械学習の方法を、ステップバイステップで解説します。
ニューラルネットを学ぶ前に習得しておきたい機械学習の基礎をおさえるとともに、優れた機械学習システムを実装し精度の高い予測モデルを構築する上で重要となる「特徴量エンジニアリング」と「モデルの評価と改善」について多くのページを割くなど、従来の機械学習の解説書にはない特長を備えています。
 
内容サンプル
 
User Voice
大変素晴らしい。最初からこの本を勉強すればよかった。
自分はこの本を読む前に、下記数冊を読んでみました。
(1)
Pythonデータサイエンスハンドブック ―Jupyter、NumPy、pandas、Matplotlib、scikit-learnを使ったデータ分析、機械学習
(2)
機械学習のための特徴量エンジニアリング ―その原理とPythonによる実践
(3)
Python機械学習ライブラリ scikit-learn活用レシピ80+

いずれもサンプルコードの動作を確認しながら、理解しようとしました。
上記(1)も結構いいのですが、こと機械学習でscikit-learn部分に関して言えば、やはり本書ほどではない。

自分はソフトウェアシステム設計者とプログラマとして20年以上の経験をしてきたが、
上記(1),(2),(3)に関して言えば、特に(2)と(3)は中途半端だなと感じていました。説明不足か?翻訳の問題か?
更に悪く言えば訳わからない記述やコードが多くて、読み進めなくなる箇所は結構多かった。

しかし、本書では、読者の立場に立って、テーマごとに丁寧に説明しきれるように努めていると自分は深く感じました。
深入りしたくない議論や課題についてはヒントや参考資料を示してくれているのでとても有難い。

特に機械学習の初心者には非常にお薦めしたい。
人工知能の勉強を始めて半年の初心者ですが、本書は自分にとって2冊目に勉強した本です。1冊目はpythonの超初心者向けの本で、本書は2冊目。結論から言うと大変勉強になったし、本書をバイブルとしてこれからも何度も見返すことになると思います。本書は機械学習の手法の一般的な内容を網羅的に扱っており、本書を繰り返し読み、コードを写経することで機械学習(ディープラーニングを除く)を実際に自分で使うことができるようになると感じました。本書に出会えて本当に良かった。
いわゆるデータサイエンス、機械学習でやれと言われる(スクリプトの)タスクは大体網羅されています。
実際問題としてはその前処理後処理がいろいろ連なっているのですが……
類書が多数あるので、1桁万円くらいは予算を使って買ったほうがよいと感じます。
本書は出発点、およびことあるごとに戻って読むハブ本としては非常に有用です。
 
人気 17位
 
本書の内容
※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。


簡単な機械学習モデルの構築からアプリでの活用まで、「使える」スキルを身につける

Pythonによる機械学習の入門書。簡単な機械学習モデルを作るところから、システムの洗練まで、サンプルプログラムを試しながら習得することができます。

本書は、手を動かし実際に動くものを作ることで、機械学習を利用したシステムの全体像を身につけてもらうことを目標としています。

業務で機械学習を利用したサービスか何かを開発しようとすると、様々な課題に直面してしまい戸惑う方は多いのではないでしょうか。
サーバ環境やアプリケーションの構築といった、機械学習に直接関係ない複数の領域についても知っていないと開発が実際には進みません。
また、継続的に機械学習を行うための学習データの収集も、一つの大きな壁となるでしょう。

本書では、こういった壁をなるべく早く乗り越え、機械学習を用いたサービス作りのスタートラインに立ってもらうことを想定して、カリキュラムを組み立てています。
そのため、本書籍は機械学習サービスを作るためのベストプラクティス集やアンチパターン集ではありません。
また、機械学習の詳細な理論の解説や機械学習モデルの実装を行うことも主題ではないため、これらの解説も基本的に行なっていません。
データの収集や整形から機械学習モデルを構築するまでのパイプライン開発、それらモデルのWebサービスへの導入開発まで、様々な幅広いトピックを取り扱っています。
これらのトピックを一つ一つ進めていくことで、機械学習を用いたWebサービスの開発での基礎が習得できるはずです。

本書の構成はこのようになっています。

Chapter01 開発・実行環境を整える
 Amazon SageMakerを使った開発・実行環境を構築します。
Chatper02 機械学習を試してみる
 基本的な機械学習の流れを、データの前処理から評価まで一通り体験します。
Chapter03 機械学習モデルを使うWebサイトを作る
 Webブラウザ上での入力からサーバサイドの処理まで、機械学習モデルを使ったWebサイトの構築を一通り学びます。
Chapter04 より大規模にデータを集めていく
 クローリングやスクレイピングといった、データ収集の方法を学習します。
Chapter05 ユーザの反応を集める仕組みを作る
 ユーザログを集める仕組みを構築していきます。
Chapter06 推薦システムを作る
 総仕上げとして、推薦システムのWebアプリケーションを構築していきます。
Chapter07 工夫してシステムを洗練していく
 AWS Lambdaを使い、サーバレスで機械学習をデプロイします。
Chapter08 Appendix
 開発が円滑に進むLinuxコマンドやSSH、エディタの解説を行います。

サンプルコードはダウンロード可能です。

●目次
Chapter01 開発・実行環境を整える
Chatper02 機械学習を試してみる
Chapter03 機械学習モデルを使うWebサイトを作る
Chapter04 より大規模にデータを集めていく
Chapter05 ユーザの反応を集める仕組みを作る
Chapter06 推薦システムを作る
Chapter07 工夫してシステムを洗練していく
Chapter08 Appendix

●著者
竹野 峻輔(たけの しゅんすけ)
Retty ソフトウェアエンジニア
長岡技術科学大学 自然言語処理研究室にて機械学習を利用した自然言語処理の研究に従事。大手企業との共同研究を経て構文解析・機械翻訳の研究に携わり、成果の一部は主要国際会議に採択。Rettyにおいてはテキスト分析基盤の構築に取り組む。

髙橋 寛治(たかはし かんじ)
Sansan株式会社、Data Strategy & Operation Center, R&D Group, 研究員
2013-2015年 長岡技術科学大学、ソリマチベトナムおよびホーチミン市工科大学での長期実務訓練。2015-2017年 長岡技術科学大学大学院、自然言語処理の研究に従事。
2017年 Sansan株式会社入社、Data Strategy & Operation Center, R&D Group 研究員として、自然言語処理などの研究開発に従事。
 
内容サンプル
 
User Voice
誤字もあり、唐突に環境が変わったりして、今自分がどの環境で何をしないといけないのかがよくわかりません。

正直すごくわかりづらいです。

ただ、説明が足りなすぎる分、自分で調べながら勉強する事で、調査力が身についているような気もするので、気合いでこなせば実は実用的な本なのかもしれない。。

ただ、オススメは全くできないです。。
環境設定の時点で説明がかなり端折ってあってわかりづらい
読んでいく上で必要な読み方?みたいな物が説明されていなく不親切に感じた
 
人気 18位
 
本書の内容
 
内容サンプル
 
User Voice
 
人気 19位
発売日 2015/12/01
(4)
Amazon 4,070円
 
本書の内容
Pythonが誕生して四半世紀。データサイエンスやウェブ開発、セキュリティなどさまざまな分野でPythonの人気が急上昇中です。
プログラミング教育の現場でもCに代わってPythonの採用が増えてきています。
本書は、プログラミングが初めてという人を対象に書かれた、Pythonの入門書です。
前提とする知識は特にありません。
プログラミングおよびPythonの基礎からウェブ、データベース、ネットワーク、並行処理といった応用まで、Pythonプログラミングをわかりやすく丁寧に説明します。
 
内容サンプル
 
User Voice
AI関係の本は50冊ほど所有しているが,持っているPythonのプログラミングの本はすべて入門用である。そのうち,今でも繰り返し読んでいるのはこの本だけである。あとの本は,初心者用としてくどすぎて二度と読む気にならない。また,サンプルコードが実践的でないものも多い。

Pythonを習い始めて,1月もしないうちに初心者は卒業であるので,サンプルコードがハンズオンならば,解説はシンプルの方がありがたい。
とても素晴らしい書籍です。
Pythonは言語自体とっつきやすく、見た目にも優しいので短い学習期間である程度思い通りのことができるすばらしい言語です。ただそれが故に、(特に私がそうでしたが)いつまでの初級者レベルの、汚い、冗長なコードで留まってしまうことがあります。(「内包表記わかんないからForループでいいよね」とか)
本書はそうした初心者から中級、プロを目指す(または仕事上そうなることを期待される)方に最適かと思います。最初はごく当たり前なデータ構造(リスト、辞書、タプル、集合)などの解説ですが初心者から脱却するためにはこうした基礎は固めておく必要はあります。
一度Pythonの世界で必要なものが作れる用になった人が「ああこうすれば1行で棲んでたんだ!」というのをページをめくりながら学習していくものかと思います。そのため、チュートリアルやサンプルコードはシンプルで、悪くいうと無味乾燥です。このため初心者(多言語の経験がある・なしにかかわらず)が読むとすごく退屈に思えるかもしれません。
他の方も書かれているとおり、初心者向きではないです。基本がかかれているのですが、文書が頭に入ってこないのは、なぜなんでしょうか。たぶん、初心者ではわからない用語が急にでてきたり、なんでいまここでこの話にになるの?てきなことが多いからなのではないかと、感じました。オライリーの本でも失敗があるのだなとショックを受けました。
 
人気 20位
 
本書の内容
本書はプログラミング言語Pythonの作者Guido氏が書き下ろした、Python入門者のための手引き書です。
Pythonの言語とシステムの基本的な機能やコンセプトを解説し、さらにPythonの特徴的な機能を数多く取り上げて紹介することで、読者がこの言語の雰囲気とスタイルをつかめるよう配慮しています。
今回の改訂では最新の3.5.1版ドキュメントに追随し、また追加された新しい言語機能とライブラリモジュール、仮想環境といった多くの変更に対応しました。
本書を読むことで、Pythonのモジュールやプログラムを読み書きできるようになり、ライブラリリファレンスで解説されているさまざまなモジュールについて、詳しく学ぶ準備が整います。
入門者必読の書です。
 
内容サンプル
 
User Voice
試験のために買いましたが、すごく分かりにくいです。
チュートリアルと言いつつバリバリの初心者にはお勧めできません。

処理と結果が書かれていて説明が少ない感じがします。
コードが書けるようになりたいと思っている人は一先ず別の参考資料を買ってみてはいかがでしょうか。

ソフト開発者であり、ネットで調べながらやるって人だったら問題なさそうです。

試験を受ける予定の方へ
 サンプルコードの内容は全て覚えたほうがいいですよ。
 結構そこから問題が出ます。
まず大前提として、この本に書かれている内容はwebにも存在する。
https://docs.python.jp/3/index.html
ぱっと見たところwebのほうが訳がこなれている感想を受けるが、訳に不満はない。
また書籍というのはディスプレイ空間を占有せず、PCも不要というメリットがある。
原著との選択もあるが、私は英語より日本語のほうがparse(解読)スピードが2~3倍高いと思っているのでこちらを選択した。
その点をよく理解した人が購入すべきだと思う。
以下に内容についての感想を述べる。
pythonの言語設計者 Guido氏直々による文章ということもあり、非常に洗練されていると思う。とてもコンパクトだ。
また言語仕様の解説についても非常に安心感がある。
私はpythonをサッと使えるようになりたいという目的で購入したが、その目的に合致している。
基本的にはpythonのsyntax(構文規則)に関する書籍であるが、このチュートリアルで選出しているトピックのsemantics(意味論)は
プログラムを作るうえでとても重要なものであると考える。
CやC++からの比喩も時折まざっており、おそらく本当のプログラミング初学者に適さない本ではあると思うが、
この本に示されているトピックに対してpythonがどのようなアプローチをしているかは考える価値がある。
私はpython含むscript言語の目指すところは、ある仕事をどれだけ短いコードで終わらすことができるか、
そして人間本位にプログラミングを行えるかということにあると私は思っている。
本当の初学者はCとpythonを同時に比較しながら勉強し、
「なんでCはこんなにタイプしねえといけないのさ」
と思いながらやるとpython(含む動的型付け言語)の存在意義やそのパワフルさがわかってくると思う。
この本に不満があるとすればそうしたcやc++との連携について書かれていないことだ、まあ明らかにチュートリアルの範疇ではないのだが
まず、コードを動かしても動かない点。
それならジュピター入門の方が遥かに役に立つ。
これはわかりづらい本だし、中途半端な本。
パイソンの試験推奨本だから買ったけど、後悔している。
この本は上級者向けでもなく、中級者向けでもない。
本当に後悔している。
 
人気 21位
 
本書の内容
 
内容サンプル
 
User Voice
 
人気 22位
 
本書の内容
NumPy、SciPy、pandas、Matplotlib、Jupyterをはじめ、高機能で使いやすい数学・科学計算用ライブラリが充実しているPythonは、科学計算、統計解析、機械学習のみならず、金融や経済分野でも広く利用されています。
本書はPythonの代表的なデータ分析ツール、pandasの開発者Wes McKinneyによる、データ分析を行うための基本を網羅しています。
すべてのサンプルコードはダウンロード可能で、Jupyter Notebookで対話的に試し、実際に手を動かしながら知識を確実なものにすることが可能です。
Python 3に対応した待望の改訂版です。
 
内容サンプル
 
User Voice
この本を一通りやることで、かなり思い通りのデータ操作が可能となります。

・Pythonで流行の機械学習(ライブラリ)の本を読んだものの、実際手元にあるデータをライブラリに入れるまでの処理がわからない。
・他の言語や、統計パッケージでのデータ変形や処理はわかるがPython(Pandas)でどのように処理を記述すればよいのいかわからない。

という方に絶大な効用があるかと思います。

英語版のレビューでのサンプルコードのデータが味気ないというのは、その通りですが、実際にデータを目の前にしてどうしようか悩んでいる人には、この本は大きな助けになると思います。

タイトルがデータ分析”入門”となっているとおり、高度な統計手法や、機械学習を用いているわけではなく、その前処理の一部や、基礎的な集計・可視化の手法が示されています。基本的なデータの扱いを熟知しており、派手なデータ分析の内容を期待している方は、違う本にあたるのがよいと思います。

前の版のレビューで主にマイナス評価となっていたコードの古さ(Python2)もPython3のコードとなっており、2018年10月現在では大抵のコードは普通に動かせると思います。

なお、英語がわかる方は、PDFが公開されているので、そちらを読んでも良いかもしれません。私はPDFが公開されているのは知っていましたが、紙の洋書を買おうか悩んでいたので日本語版が出たタイミングですぐ買うことを決断いたしました。特に翻訳が気になる点もなく、とても満足しています。
データの前処理をもっと自由自在にしたくて、辞書代わり使うことを期待したのですが、失敗でした。
どこにどんな内容が書いてあるかが非常に分かりづらく、本で探すよりググったほうが早いので使うことがほとんどありません。評価が高いのが謎です。
教科書的に学びたいなら最適な一冊だと思います。
 
人気 23位
 
本書の内容
データ分析エンジニアに求められる技術の基礎が最短で身に付く

ビッグデータの時代といわれ始めて数年が経過しました。
デバイスの進化により多くの情報がデジタル化され、
それらのデータを活用しようとデータ分析エンジニアに注目が集まっています。

この書籍では、データ分析において、
デファクトスタンダードになりつつあるプログラミング言語Pythonを活用し、
データ分析エンジニアになるための基礎を身に付けることができます。

書籍ではデータ分析エンジニアになるために必須となる技術を身につけていきます。
・データの入手や加工などのハンドリング
・データの可視化
・プログラミング
・基礎的な数学の知識
・機械学習の流れや実行方法
本書で学べること
・Pythonの基本的な文法
・データフォーマットについて
・データの前処理技術
・データの可視化技術
・既存アルゴリズムでの機械学習の実装

対象読者
データ分析エンジニアを目指す方

目次(抜粋)
第1章 データ分析とは
第2章 Pythonと環境
第3章 数学の基礎
第4章 ツールの基礎
第5章 応用:データ収集と加工

 
内容サンプル
 
User Voice
Numpy、Pandas、Scikit-learnなど、体系的にまとめている本を期待して買ったが、内容はかなり浅いと思います。初心者でもすぐに物足りなくなると思う。初心者の場合、エラーが起きたときにこの本では解決せず結局ググることになる。Kaggleなどで勉強したほうがいいと思います。
1~2章でツールの導入と基本操作。Pythonのプログラム体系としての基礎は省略され、サンプルコードから推察するしかない。「第3章 数学の基礎」は、理系大学を卒業した方には不要です。4~5章ではグラフの描画などのサンプル。一通り通って、定着する分には良いと思います。何ができるようになるわけでもありません。ビッグデータの例なり実習ができればと思って購入したのですが残念です。この内容は、ネット記事で無料習得できそうな気がします。中古500円だったら買ってすぐ売る本ですが、まだ高いですね。
データ分析の手法だけでなく、Pythonの言語の説明もされているのでとても分かりやすい内容です。
 
人気 24位
 
本書の内容
 
内容サンプル
 
User Voice
 
人気 25位
 
本書の内容
大手メーカーで活躍してきたクリエイターが
ゲーム開発のノウハウをゼロから教えます!


本書はPythonを使用した、ゲームプログラミングの解説書です。
類書とは異なり、終始一貫「ゲーム開発」に焦点を当て、
今書いているプログラムがどのような"動き"に反映され、
どのような"面白さ"に結びつくのかを、正しく学ぶことができます。

一般的なソフト開発ではなく「ゲーム開発の作法」をきちんと学ぶことによって、ゲーム好きな読者の皆さんの就職や趣味といったリアルな世界がより充実してくれることを願い、出版されました。

【読者対象】
○ゲーム業界に就職したい学生・社会人
○SNSや同人で自作ゲームを発表したい方
○落ち物パズル、RPGの作り方を知りたい方
○一般ソフトとゲーム制作の違いを知りたい方
○Pythonを始めたけど作るものが浮かばない方
……高校生ぐらいから読めます!

【本書の特長】
○業界の基礎知識やプログラマーの役割からきちんと解説
○Pythonの基本文法をしっかり解説、プログラミング初心者も安心
○プログラム1行ごとに説明を付けており、理解しやすい
○豊富な図解とイラストを用い、イメージで理解できる
○開発に必要な素材はすべて無償ダウンロードできる

クイズ、すごろく、おみくじ、診断アプリ、迷路、自動生成ダンジョン、落ち物パズル、本格PRGなど……簡単なミニゲームから難しいものまで幅広く教材を用意しています。

さらに、読者特典として3つのおまけゲームもプレゼント!

すべてのゲームをつくり終えた時、あたなのプログラミングスキルは何倍にも向上しているに違いありません。

本書を機に、ぜひゲームプログラミングの世界に飛び込んでみてください!

【目次】
Prologueゲームプログラマーになろう!

Chapter 1 Pythonのインストール
Lesson 1-1 Pythonとは
Lesson 1-2 Pythonのインストール
Lesson 1-3 Pythonを起動しよう
COLUMN ゲームクリエイターって儲かるの?

Chapter 2 Pythonを始めよう
Lesson 2-1 計算してみる
Lesson 2-2 文字列を出力する
Lesson 2-3 カレンダーを出力する
Lesson 2-4 プログラミングの準備
Lesson 2-5 プログラムを記述しよう
Lesson 2-6 入出力命令を知ろう
Lesson 2-7 プログラムの記述の仕方
COLUMN ゲームが完成するまで

Chapter 3 プログラミングの基礎を学ぼう
Lesson 3-1 変数と計算式
Lesson 3-2 リストについて
Lesson 3-3 条件分岐について
Lesson 3-4 繰り返しについて
Lesson 3-5 関数について
COLUMN ゲームの開発費はどれくらい? その1

Chapter 4 importの使い方
Lesson 4-1 モジュールについて
Lesson 4-2 カレンダーの復習
Lesson 4-3 日時を扱う
Lesson 4-4 乱数の使い方
COLUMN RPGで逃げるのに失敗する確率

Chapter 5 CUIでつくるミニゲーム
Lesson 5-1 CUIとGUI
Lesson 5-2 クイズゲームを作る
Lesson 5-3 すごろくを作る
Lesson 5-4 消えたアルファベットを探すゲームを作る
COLUMN ゲームの開発費はどれくらい? その2

Chapter 6 GUIの基礎1
Lesson 6-1 GUIについて
Lesson 6-2 ラベルを配置する
Lesson 6-3 ボタンを配置する
Lesson 6-4 キャンバスを使う
Lesson 6-5 おみくじを引くソフトを作る
COLUMN キャンバスに図形を表示する

Chapter 7 GUIの基礎2
Lesson 7-1 テキスト入力欄を配置する
Lesson 7-2 複数行のテキスト入力欄を配置する
Lesson 7-3 チェックボタンを配置する
Lesson 7-4 メッセージボックスを表示する
Lesson 7-5 診断ゲームを作る
COLUMN RGBによる色指定

Chapter 8 本格的なゲーム開発の技術
Lesson 8-1 リアルタイム処理を実現する
Lesson 8-2 キー入力を受け付ける
Lesson 8-3 キー入力で画像を動かす
Lesson 8-4 迷路のデータを定義する
Lesson 8-5 二次元画面のゲーム開発の基礎
COLUMN ゲームソフトを完成させるには
Lesson 8-6 ゲームとして完成させる
COLUMN デジタルフォトフレームを作る

Chapter 9 落ち物パズルを作ろう!
Lesson 9-1 ゲームの仕様を考える
Lesson 9-2 マウス入力を組み込む
Lesson 9-3 ゲーム用のカーソルの表示
Lesson 9-4 マス上のデータを管理する
Lesson 9-5 ブロックを落下させるアルゴリズム
Lesson 9-6 クリックしてブロックを置く
Lesson 9-7 ブロックが揃ったかを判定するアルゴリズム
Lesson 9-8 正しいアルゴリズムを組み込む
Lesson 9-9 タイトル画面とゲームオーバー画面
Lesson 9-10 落ち物パズルの完成
COLUMN winsoundで音を鳴らす

Chapter 10 Pygameの使い方
Lesson 10-1 Pygameのインストール
Lesson 10-2 Pygameのシステム
Lesson 10-3 画像を描画する
Lesson 10-4 図形を描画する
Lesson 10-5 キー入力を行う
Lesson 10-6 マウス入力を行う
Lesson 10-7 サウンドを出力する
COLUMN Pygameで日本語を使う

Chapter 11 本格RPGを作ろう! 前編
Lesson 11-1 ロールプレイングゲームについて
Lesson 11-2 迷路を自動生成する
Lesson 11-3 ダンジョンを作る
Lesson 11-4 ダンジョン内を移動する
Lesson 11-5 戦闘シーンを作る その1
Lesson 11-6 戦闘シーンを作る その2
Lesson 11-7 戦闘シーンを作る その3
COLUMN ゲームの画面演出

Chapter 12 本格RPGを作ろう! 後編
Lesson 12-1 ロールプレイングゲームの全体像
Lesson 12-2 ファイルのダウンロードとプログラムの実行
Lesson 12-3 プログラムリスト
Lesson 12-4 プログラムの詳細
COLUMN Pythonでのファイル処理

Chapter 13 オブジェクト指向プログラミング
Lesson 13-1 オブジェクト指向プログラミングについて
Lesson 13-2 クラスとオブジェクト
Lesson 13-3 tkinterを使ってオブジェクト指向を学ぶ
Lesson 13-4 オブジェクト指向プログラミングをもっと学ぶ
COLUMN 筆者も苦労したオブジェクト指向プログラミング

Appendix 池山高校Python研究部
Intro ゲームをつくろう!
1つ目 一筆書き迷路ゲーム
2つ目 英単語学習ソフト
3つ目 ブロック崩し
 
内容サンプル
 
User Voice
初心者です。Python入門書をこれまでに何冊か購入しましたが、興味を持って章を進めたのは、この本だけです。
ただし、8章までは四苦八苦しながら完成しましたが、9章list0909_1で、完全にアウトとなってしまいました。サンプルコードを参照して比較しましたが、どこが間違っているのかが、初心者には、わかりません。残念。気を取り戻して先に進めようとしたところ、サンプルコードをlist0909_1基に.pyを完成させましたが、エラーとなってしまいました。仕方ないので、10章に挑戦しましたが、Pygameのインストールがエラー。p220pipコマンドでエラーを参考にしましたがインストールできません。python3.7の環境です。python8をpython3.7にしたら問題なくインストールで来たとのレビューを読み羨ましい限りです。過大な期待をしないで初心者は購入すべきです。
昔C言語とPerlを独学でかじった者です。
プログラミングは完全に趣味でしたが、ここ10年程この趣味から離れていました。
条件分岐や繰り返しなどの構造はわかっていましたが、Pythonでの命令語について全く知らなかったので、この本でプログラミングのおさらいをしながらPythonの使い方を学んでいます。
全ページフルカラーで出力画面やアルゴリズムをやさしく説明しているので、プログラミングの全くの初心者から、私のようにPythonを初めて学ぶ、そして画像やサウンドを使用したゲームを作りたいと思っている方には現時点で最もよい入門書であると思います。
コードが見やすいので何をしてるのかって直感的にわかる
ゲームも色々なものを作るので楽しく学べた
Pythonでゲーム作りながら基礎を学んでみたいなって人はおすすめ
 
人気 26位
 
本書の内容
 
内容サンプル
 
User Voice
 
人気 27位
 
本書の内容
 
内容サンプル
 
User Voice
 
人気 28位
 
本書の内容
 
内容サンプル
 
User Voice
 
人気 29位
 
本書の内容
 
内容サンプル
 
User Voice
 
人気 30位
 
本書の内容
 
内容サンプル
 
User Voice
 
人気 31位
 
本書の内容
好評の“いちばんやさしいPythonの本"がリニューアル!
オブジェクト指向の考え方もしっかり理解できます!

プログラミングの知識がゼロの方でも理解できるイラストやサンプル満載のわかりやすい解説はそのままに、最新のPython 3に完全対応しました。さらに、プログラミングの応用編として、Webアプリケーション開発やデータ処理の基本も解説しています。基本の基本から、データ型を駆使したオブジェクト指向プログラミングまで、Pythonならではのプログラミングを楽しく解説します!


改訂版発売に寄せて
インターネット上でWebが誕生し、世界に普及しはじめたのは1990年代はじめのことです。半世紀も経たないうちに、あらゆる情報がデジタル化されてネットでやり取りされる時代になりました。こうした情報を扱う多くの方々は、ほとんどの仕事がコンピュータを使った作業になっているはずです。

コンピュータは、プログラミング言語を利用すると思うがままに操ることができます。プログラミング言語には種類がありますが、コンピュータの高性能化に合わせて、人にとってプログラミングの負担が減るように進化してきています。Pythonは、その中でも、もっとも人に優しい言語の1つです。

人類の歴史は長く、いろいろな発見や発明を積み重ねてきました。最近はネットの普及もあって、複雑に絡み合った情報が、いたるところに溢れかえっています。ただ、何かまったく新しいことをはじめようと思うときは、知識がないので、どの情報を参考にすればよいのかわからなくなることもあるかもしれません。どんな分野の達人にも、はじめてその分野に足を踏み入れた瞬間はあります。

本書は、プログラミングの世界へ最初の一歩を踏み出すための助けになるように作りました。改訂版では、ご支持いただいた初版の良さをそのままに、さらに深い知識を手に入れるための道筋を示す、新たな2章を追加しました。

本書を通じ、1人でも多くの方に、プログラミングの楽しさを知ってもらえたらと思っています。楽しくなれば、きっとできるようになります。できるようになると、仕事が効率化します。仕事が早く終われば、別のことに時間が使えます。余暇に使っても良いですし、新たな分野の研究に使って良いかもしれません。そうすると、人類のさらなる発展に寄与できるかもしれません。本書がその一助になれば、この上ない幸せです。
(本書「はじめに」より)

 
内容サンプル
 
User Voice
本当にほぼ予備知識なしで読めて、もちろんPythonの初歩がわかるように書かれています。
内容も新しく、現時点でその点で困ることもありません。

Pythonでプログラミングを始めてみたいという方には最適なのではないでしょうか。
ほかの言語に慣れている読者にはくどく感じられる部分もあるかもしれませんが
それだけ丁寧に書かれていて、Pythonという言語の扱いやすさと相まって挫折することもなさそうです。

初心者はとりあえずこれを1冊よむとよいと思います。
さらに進んだ内容は、ひとによってやりたいことも違うはずなので、この本を終えた後
必要な別の本を読めばよいでしょう。

分量としても初心者に必要な適量といった感じで、まさに「スタートブック」といえるでしょう。
息子にPythonを勉強させるのに買ってみました。結構最初の方で、visual studio codeの画面を印刷してて、仕方がないからインストールしました。これで動作確認できるのかな?って思ったら、実行はwin10のpower shell。win7なんだよなぁ…うち。

仕方がなく cmd を起動させ、visual studio codeで作成したフォルダに移動して実行。そしてエラー解析中…。

「うーん、visual studio codeで実行できるんじゃないの?」と思ってネット検索。書いてました、やり方。

…この本は、ある程度パソコンなどの知識があり、自己解決できる人がPythonを学ぶための入門書のようです。

visual studio codeを使用例に出すのだったら、ちゃんとこのアプリ内で実行する方法まで書くべきで、適当だなって印象です。

まだ本の入り口ですが、導入がなってないので最低評価を付けました。
私は以前この本の初版でプログラミングの基礎とPythonの基礎の基礎の基礎を学びました。
プログラミング経験ゼロで本書を手に取ったのですが、最後まで読み通せたことで妙に自信を持たせてもらった一冊でもあります。
今回はPython3完全対応とのことなので、買い直しです。データ解析の説明と参考図書リストが追加されたことで活用の幅が広がりました。

初版からの読者である私がこの本をお勧めしたい人は

・「プログラミングに興味があるがスクラッチは子供っぽい」と思っている小中学生
・「Pythonってよく聞くけど、難しいのかな」と思っている大学生
・「最近、プログラミングくらいできた方がいいのかも」と思っている文系社会人

解説がものすごくわかりやすいです。画面ショットも多く、難しい言い回しもないので、子供でも読み通せます。

逆に、昔から評判がいいので期待して買って残念な結果になるのは

・別言語を学んだことがある人
・Pythonかじったことのある人

このタイプの人は、一度書店でざっと内容に目を通すことをお勧めします。
プログラミングを経験した人にとっては、半分くらいは読み飛ばして大丈夫な内容なので、物足りなさを感じるかもしれません。
またこの本では、基本的にPythonの標準ライブラリに入っているモジュールのみの使用なので、
知っている方からすれば、「別のアレを使えば楽なのに」とムズムズするかもしれません。
もし、この本を読んでそう思ったなら多分選ぶ本を間違えてます。

結果だけ手に入れたい人には勧めませんが、本当にわかりやすいので、じっくり基礎の基礎の基礎と考え方を身に着けられます。この本きちんと終われば、あとはネットで調べたり、もう少し難しい本を読むのも楽になります。

個人的には、同じ著者にわかりやすさそのままに、
Pythonを業務に活用するための本や、中級者向けの本を書いて欲しいと希望しています。
 
人気 32位
 
本書の内容
東大 松尾研究室が提供するあの人気講座が待望の書籍化!

本書は、2017年と2018年に東京大学で実施された「グローバル消費インテリジェンス寄付
講座」の学生向けオフライン講義と、社会人向けオンライン講座で使われた教材がベースになっています。

約400名ほどの受講枠(2年間)に、のべ1,800人以上の応募があった人気の講義です。この本のベースとなるコンテンツはJupyter Notebook形式で公開されていますが、この内容をさらに精査、ブラッシュアップし、読みやすく整えたものが本書になります。


●本書の内容

本書には、データサイエンティストになるための基礎をつめこんでいます。データサイエンティストは、Pythonや確率・統計、機械学習など、幅広くさまざまな分野の知識を必要とします。

すべての分野を1冊で学ぶことは無理ですので、各分野で深入りはせず基礎的な事項を取り扱っています。データサイエンティストになるための地図と羅針盤のような位置づけとなることをイメージしています。


この本は主にPython 3を使って、基本的なプログラムの書き方、データの取得、読み込み、そのデータ操作からはじまり、さまざまなPythonのライブラリの使い方、確率統計の手法、機械学習(教師あり学習、教師なし学習とチューニング)の使い方についても学びます。取り扱っているデータは、マーケティングに関するデータやログデータ、金融時系列データなどさまざまで、モデリングの前にそれらを加工する手法も紹介しています。データサイエンティストになるには、どれも必要なスキルです。


本書には、さらに以下の3つの特徴があります。

・実際のデータを使って手を動かしながら、データサイエンスのスキルを身に付けることができる
・データ分析の現場で使える実践的な内容(データ前処理など)が含まれている
・練習問題や総合問題演習など実際に頭を使って考える内容がたくさんある


この本に書いてあることを実践し、読み終えた後には、実際の現場でデータ分析ができるようになるはずです。


●この本の対象読者

この本は、プログラミングの経験があり、理系の大学1~2年生程度の教養課程の数学(線形代数、微分積分学、確率統計の基礎など)を終えている方を対象にしています。具体的には、勉強熱心な大学3~4年生の理系の学生さんや大学院生の方、また社会人になってデータサイエンスを学ぼうという意欲の高い方たちが対象です。データサイエンスの入門レベルから中級レベルの手前までを考えている人に最適で、本書のゴールもデータサイエンス入門レベルを卒業できることを想定しています。


●著者による「はじめに」より編集・抜粋

世の中は多種多様でさまざまな問題があります。非効率的な仕事や処理、無駄があることもご承知の通りです。人工知能等が注目される一方で、いろいろな誤解や過剰な期待がされていることもあります。この本を手にとってくださっている方たちには、このような状況でも現実的になって、データサイエンスや人工知能等を使って何ができて何ができないのか、ぜひ見極めてください。

この読者の方たち、受講生の方たちの中から、このデータサイエンスの力を活かして、今の世の中の無駄や非効率を少しでもなくし、さらに新しい価値を創り出して、この世界を良くしていく人が増えていってくれたら、著者としては本望です。


●本書で学べること
・Python/Numpy/Scipy/Pandas/Matplotlibの基礎
・確率/統計/推定/回帰の基礎
・Numpy/Scipyによる科学計算
・Pandasを使ったデータ加工処理(欠損データ/異常値の取り扱い、時系列データの取り扱い)
・Matplotlibによるデータ可視化
・機械学習(重回帰、ロジスティック回帰、決定木、k-NN、クラスタリング、主成分分析、マーケットバスケット分析、モデルチューニング)

 
内容サンプル
 
User Voice
本書の美点:
・手取り足取りデータの前処理から予測モデルの作成、チューニングまで一通り網羅
・質の良い参考書がたくさん紹介されており、これから先もある程度示してくれる
・学術書でないので、安い

欠点: いずれも入門書である以上当たり前ですが
・アルゴリズムの数学的なところはすっとばし
・実務の前処理地獄はこんなもんじゃない
・この本の内容ができる程度で「AI人材」を名乗るな
です。

松尾先生と紐づけられがちなディープラーニングは本書にありません。実務屋育成講座に求めるのは筋違いです。
(ディープラーニングは今でも、電気代とかかる時間の割に精度が……となりがちな研究段階の世界です。
顧客の思考パターンや外部環境の変化、といった要素をリアルタイムで反映できるほどレンタルサーバや電気代は安くありません。)

また無料講座に落とされた記憶がありますが、星マイナスの理由ではありません。
もっといいのが後々出てきてほしいからです。
個人的には、実務で大体出てくる欠損値処理と、説明変数候補>>データ数の対処は必須かなあと。
機械学習の初歩の初歩だが,網羅的に丁寧に書かれていて,本当に初心者なら,体系的に学ぶことができる良書である。ただし,機械学習で一番使われているランダムフォレストと勾配ブースティングが解説されていなく,機械学習エンジニアを目指す人には物足りないであろう。
データ分析をマスターしたいなら,McKinney著,機械学習をマスターしたいなら,Raschka著が定番であると思う。
また,データサイエンティストを目指すならば,多変量解析と統計モデリングも必須である。
逆に,AIエンジニアを目指すならば,ディープラーニングも必須である。
冒頭で、沢山の人々が関わって出来上がった教材であり、大学の講義にも使っていると述べられているが、内容は薄味で、第4刷にもかかわらず誤植が結構残っているのが残念である。有効数字の桁数を含め隅々まで正確さが大切な分野だと思うのだが。老婆心ながら、以下、少しでも初学者諸君の参考になれば。
p.42
行範囲:列範囲→行範囲、列範囲
開始インデックス、終了インデックス→開始インデックス:終了インデックス
カンマで区切って指定します→コロンで区切って指定します
p.47
2つめの引数には〜0をセットします→2つめの引数には解と予想される近傍の値をセットします
解が2つ以上あるとき、この2つめの引数に引っ張られた解1つのみが表示される。
p.49
from pandas import Series, DataFrame はp.34ですんでいる(再度実行しても不具合はないが必要なものはChapterの最初でimportするのか、必要になる都度importするのか、統一したほうが初心者が混乱しないと思われる)
p.56
attri_data1と全く同じデータなので、attri_data2に新たに代入して進行していく意義が不明。
p.66
2.では予め import math が必要。
p.81
8.003095・・・→ p.69の%precision 3が影響する(pandasには影響しない)ので 8.003と出力される。
p.91
-1.65280・・・→ -1.653 (同じ理由)他にもあるが、全部は記さず。(%precisionとして有効桁数を3からdefaultに戻しておかないと、例えばp.121のp値は0.000と出てしまうので注意)
p.99
calc_steps =1,000 → calc_steps =1000
これは面白いミスで、”,” が入ると calc_steps は1と0のタプルになってしまう。
p.102
練習問題4-2の解答(p.328) 1/1110→11/1110
練習問題4-2 (誤診)→(偽陽性)が正しい用語であろう。
p.106
ポワソン分布のところ「あの区間で事象が・・・」→「ある区間で事象が・・・」
p.108
練習問題4-6 ページ上部のプログラム例で#カーネル密度関数と書いてある部分を参考にすればよいのだが、解答は少々違うやり方で、グラフも2個に分けていて謎。他にも、本文の担当者と練習問題解答担当者の意思疎通がないのでは?と思わせる例が散見する。
p.113
numaber_cnt = np.arange(1, N+1)*1.0 →不要な行
p.144
#2重積分 のところでは%precisionとして有効数字をdefaultに戻して実行すれば出力と同じ結果に。ついでにp.143もその状態で再実行すると、πの値が3.1415926535897936となり、末位まで正確であることがわかる。
p.156
練習問題6-1の解答(p.341,342)で hier_data_frame1→hier_df1(3箇所)
なお、p.182で進行を中断した。
 
人気 33位
 
本書の内容
 
内容サンプル
 
User Voice
 
人気 34位
 
本書の内容
シンプルな文法と豊富な機能で、読みやすいコードへ

Pythonはここ数年で日本語の書籍も増え、開発現場での利用実績も着実に増えてきています。ご自身の第二、第三の言語の選択肢としてPythonが気になっているという方も多いのではないでしょうか。また、「Pythonを始めてみたけど、実際に業務で利用するには不安が残る」「コードレビューに怯えながらPythonを書いている」という方も多いのではないでしょうか。
本書は、そういった方を対象に、Pythonという言語が持つ機能の実践的な使い方を紹介します。Pythonは、日常的なツールからWeb開発、データ分析、機械学習など分野を問わず利用できる汎用性の高い言語です。本書も同じく、Pythonという言語の仕様やその特徴的な機能、標準ライブラリでできることを中心に扱うため、分野を問わず活用していただけます。
 
内容サンプル
 
User Voice
他言語でベテラン経験者が、Pythonを学ぶ際に適していると思います。
比較するならオライリーの入門Python3~実践Python3と同レベルです。オライリーの方は情報がやや古くなってしまい、また翻訳が若干読みにくいですが、本書は情報が新しいうえに適切に纏まっておりプロ向けに読みやすいです。

一般の入門書に比べて詳しく正確に書かれており、他言語ベテランには疑問で引っかかることなく一気に頭に入るでしょう。ただし、あくまで言語の説明が中心であり、データ分析やWEBシステム開発やAI開発など具体的な題材での解説は他の書籍で補う必要があります。
この本の良い点は
1. 文章が非常にシンプルに書かれていてわかりやすいこと
2. サンプルコードとコメントが丁寧で何をしているのかが明確
3. 文章が単純に書かれているので詳細な解説は省かれているが、公式ドキュメントへのリンクが記載されている。ちょっとわからないなと思ったことは自分で調べて理解が深まる。

本書は基本的なPythonの言語機能の解説から始まり、より高度な機能の解説をしてくれています。
実際に動かせるようにサンプルコードもコメント付きで丁寧に解説されています。
サンプルコードの量で言えばほぼ全てのページに書いてあるくらいの量があるので、解説されていることについては実際にコードで確認することが可能です。

本書の最も優れている点は、Pythonの言語機能の解説にとどまらず、それを使って実際に小さいアプリケーションを作るところです。

開発に必要な仮想環境の用意の仕方や、CircleCIを利用したCIの設定も含めて丁寧に解説がある素晴らしい本でした

このレビューを書いている2020/02時点で、私は仕事・(Pythonを触り始め2〜3年目くらいです。
業務としてやっていることは主にJupyter Notebookを使った可視化や機械学習のモデル作成になります。

モデル作成の検証をするだけ問題がないのですが、いざそれを自動化しようとしたりアプリに組み込んだりしようとすると必要になるのは「開発をする技術」です。

実際に開発をしようとすると勝手が違い、戸惑いや引っかかってしまうポイントがPythonでもたくさんあります。
また、実際に開発していく中でこういうことできたらもっと楽に開発できるのにということもありました。

多くのことがこの本で解説されていて、これからの開発をもっと生産的にできるようになれるんだという自信をくれました。

この本は再びPythonという言語の面白さ、開発することの楽しさを分かりやすい解説とコードを通じて教えてくれる、
「実践に入門」することを導いてくれる。
そんな、素敵な入門書となっていました。
type, dir, help関数の使い方から始まり、pythonらしさを象徴するジェネレーター、デコレーター、コンテクストマネージャー、ディスクリプタなどpythonの実績入門という名に合致した良書だと感じました。
O'Reillyのpython入門と内容的に重複している部分は多いです。
ただ、O'Reilly側は翻訳による日本語的な表現の理解が難しく感じた一方で、本書は著者が日本人ということもあり理解しやすかったように感じます。
他言語から来た読者におすすめの一冊です。
 
人気 35位
 
本書の内容
無償で使えるRPAツール
前提知識はPythonのみ

 「お金をかけずにRPAツールを作りたい」ーー

 こうしたニーズをお持ちなら、本書で紹介している「SikuliX」はピッタリです。

 SikuliXは、無償で利用できるRPAツールです。パソコンのモニターに表示されている画像を認識する機能を備え、マウスやキーボード操作を自動化できます。例えば、「画面のこの領域のデータを読み取って、別のアプリのこの領域にコピーする」といった作業を自動化できるのです。

 画像認識技術を用いているので、アプリを選びません。自社で作り込んだ専用のアプリでも、Webブラウザーでも、エクセルでも、適用できます。人によるパソコンでの作業のほとんどをカバーできるでしょう。

 SikuliXは複数のプログラミング言語で扱うことができ、本書では最近注目の「Python」で説明しています。SikuliXのインストール手順に始まり、基本的な操作方法やプログラミング方法を丁寧に解説していますので、Pythonが読めれば、そのほかの予備知識なしに利用可能です。

 本書の特徴は、RPAのサンプルをたくさん掲載していることです。「こんなことがやりたかった」が見つかれば、本書のサンプルを参考にすることで、すぐにでも業務自動化が可能になります。
 
内容サンプル
 
User Voice
厚い本ではありませんが、sikulixが一通り使えるようになります。良書です。初めてsikuliをいじる方にはオススメです
「マウス操作」、「キー操作」、SikuliX最大の特徴である「画像認識」と組み合わせて、

・電卓
・メモ帳
・ブラウザ(Chrome単体)
・Word
・Excel (一部、MySQL連携)
・ブラウザ(Chrome+Selenium)
・PC(TigerVNC利用)
・Androidデバイス

を使った「とっかかりになるであろうタスク」を自動化しており、SikuliXの機能をできる限り簡単なサンプルから段階的に説明しています。初めて触れるにはちょうどよかったです。

Python2.7自体の説明はないので、pip, import, def, classといったPythonのキーワードが何なのかイメージできる程度に触っておいたほうがいいかなと思います。

CHAPTER 8からは応用的な例が紹介されています。Python/Javaライブラリ利用(pdfminer, Selenium, Swing)をするなど環境構築やコーディングで難易度があがります。(必要なければスキップしても問題なしです)

個人的には、
・Java SwigでRPA専用GUIを作成できる(SikuliXのGUIを利用しなくてもいい)
・adbと連携してAndroidデバイスを操作できる(まだ実験的な機能だそうです)
は、個人的に有益な発見でした。

備考:
・書籍のSiluliXはバージョン1.1.4で書かれてますが、ダウンロードサイトにいくと見つからず最新版の2.0.0になっています。特に問題ありませんが、細かい差異はありそう?でした。
例: p21~23のTesseract-OCRのフォルダがSiluliXを起動しても作成されない。

・雰囲気で読めますが、誤字や用語の不統一が散見されます。
例1 : p36 「装飾キー」とp37 「修飾キー」は不統一(同じ意図で違う用語を使っている)
例2:p153 「日本語学習データをjpnというフォルダに置いている」とあるが、 p23ではフォルダは作っていない。(jpn.traineddataというファイル名ではある)

参考:
レビューを書いている人の背景情報:
・python3をある程度触ったことがある、python2.7は普段あまり使っていない
・SikuliXを使ったことはない
おそらく、著者は実行してない。
Pythonなのに、コードのインデントがおかしい部分があるため、困る。
文字列も、一行でまとめていないため、読みにくい。
なるほどな!部分もあり、参考程度にはいいが...
 
人気 36位
 
本書の内容
 
内容サンプル
 
User Voice
 
人気 37位
 
本書の内容
機械学習の原理を知るための、初めての入門

本書は具体的なデータ分析の手法を説明する意図で書かれたものではありません。
実用的な目的ならscikit-learnやChainerなどの既存のフレームワークを使うべきですが、本書では機械学習のいくつかの有名なアルゴリズムを、自分でゼロから実装することを目標としています。こうすることにより、とかくブラックボックスになりがちな機械学習の仕組みを理解し、さらなる応用力と問題解決力を身につけることができるようになります。
また、処理系にはデファクトスタンダードであるPythonを使い、機械学習に必要な数学の知識もわかりやすく解説しています。
これから機械学習を始める学生さんや、いきなりプロジェクトに放り込まれていまいち理解できないままデータ分析の仕事をしているエンジニアの方にも最適です。

●目次
はじめに
第01章 学習を始める前に
01 本書の目的
02 本書は何を含まないか
03 機械学習の初歩
04 実行環境の準備
第02章 Pythonの基本
01 プログラムの実行方法
02 基本的な文法
03 数値と文字列
04 複数行処理
05 制御構造
06 リスト、辞書、集合
07 関数定義
08 オブジェクト指向
09 モジュール
10 ファイル操作
11 例外処理
第03章 機械学習に必要な数学
01 基本事項の確認
02 線形代数
03 微積分
第04章 Pythonによる数値計算
01 数値計算の基本
02 NumPyの基本
03 配列の基本計算
04 疎行列
05 NumPy/SciPyによる線形代数
06 乱数
07 データの可視化
08 数理最適化
09 統計
第05章 機械学習アルゴリズム
01 準備
02 回帰
03 リッジ回帰
04 汎化と過学習
05 ラッソ回帰
06 ロジスティック回帰
07 サポートベクタマシン
08 k-Means法
09 主成分分析(PCA)
INDEX
 
内容サンプル
 
User Voice
他の方のレビューにもある通り、
出版社HP上の正誤表を見ると、13ページにもわたる誤植があります。

それだけならともかく、この正誤表の中にも、誤植があります。
(私が気付いた実例)
・正誤表2ページ  P.92 上から 3 番目の数式
 「b_l2」ではなく、「b_n2」
・正誤表12ページ  P.331 一番下の数式
 「P.331 一番下の数式」ではなく、「p.311 一番下の数式」

本のコンセプトとしては、とても良いと感じます。
私自身機械学習の初心者のため、
数学の基礎、Python、定番のアルゴリズムをこの1冊で
身に着けることができるこの本には助けられております。

ただ初版は上記のように誤植が多いため、私のような初心者は読んでいて
「本当にこれで合っているのか?」と不安になる点も多い書籍ではあります。
  ※不安になるため、他の書籍やWEBから情報を得ようとして、
   知識として身につく点はある意味良い点といえるかもしれません…笑

誤植が多くても、機械学習の初心者(特に数学を復習したい人、Pythonの基礎を勉強したい人)の
勉強にはなるため、初版を買っても大損はしないと考えます。
  ※そのため、★1ではなく★3としています。

誤植が気になる場合は、誤植が訂正されるはずの第二版を待つことをお勧めします。
唯一神scikit-learn信者の人は帰った帰った。
いわゆる「ガチ勢」になるための第一歩です。以下のような状況で最初の一手が分からない人はぜひ。
・関数に食わせて終了でなく、機械学習の数学的な仕掛け(アルゴリズム)を理解し、チューニングや進化させたい人
・コンピュータにつきものの近似計算やローカル極値のドツボから抜けたい人
・偏微分とか勾配とか学生の時聞いたけど忘れた。でも機械学習のお仕事上理解しなきゃいけないんだけどな人
これで機械学習アルゴリズムでやってることの個別要素は理解できるかと考えます。
組み合わせる方法論が無限にあるので今の界隈は変化が激しいですが、
個別要素がわかると「どの組み合わせがいいか」もわかるのがいいところです。

……誤字とか誤植とかのレビューが目立ちますが、個人的には「それが分かるレベルまで理解が進めば十分じゃね」です。
悩んだ挙句に誤字だった俺の数十分返せ、という経験は私も本書に限らずありましたが
「人間のやることだもの俺の理解が正しいはず」を元に実務で回せるほうがよいと考えます。
100%信頼区間を求める人は少なくとも統計的思考をするべきではありません。
数学的な箇所において、本書だけで理解を進めていける完結型を目指した本とありましたが、その点においては期待通りではなかったです。理系の学部を卒業していますが、それでも数式の展開の行間が大きかったりなど、書籍外で調べる時間は結構ありました。

一方で、載っているコードは簡潔で理解しやすく、具体的なイメージとともに理解を深められるという点は期待通りでした。コードに対する説明も、事前に数式やアルゴリズムを理解していれば特に問題なく十分でした。

上記の通り、購入のおすすめ度合いはどの点にニーズがあるのかによります
見極めて購入を検討されたほうが良いでしょう。
 
人気 38位
 
本書の内容
 
内容サンプル
 
User Voice
 
人気 39位
 
本書の内容
 
内容サンプル
 
User Voice
 
人気 40位
 
本書の内容
 
内容サンプル
 
User Voice
 
人気 41位
 
本書の内容
はじめは誰でも未経験者!
Pythonでプログラミングの基礎を身につけよう!


本書はプログラミング言語「Python」の「いちばんやさしい」入門書です。

○「興味はあるけど、難しそう」と尻込みしている人
○「そもそもプログラミングって何?」という未経験者
○「一度試したが、挫折してしまった」という初級者
○「スキルアップのためにPythonを学びたい」という経験者

そんなPythonビギナーに向けて、プログラムの根本概念、基礎知識、基本文法をきっちり端折らずに説明します!
さらには、「簡単な計算」「ゲームの作成」「GUIアプリ」「モジュールの活用」など、
実際に手を動かしながらの演習を通して、学んだことがしっかり身につくように構成しました。

豊富なカラー図解とイラストで、初心者にも分かりやすい!
本書を一通り終えれば、Pythonのみならず、プログラミングの基本がバッチリ学べます。

さあ、あたなもこの本をきっかけに、Pythonプログラミングの世界に飛び込んでみませんか?
 
内容サンプル
 
User Voice
本書は、Python入門というより、プログラミング入門のためにPythonを利用しているといってよい書物です。本書を読むことによって、プログラミング教育でも利用されることの多いPythonを通じて、構造化プログラミングやオブジェクト指向に関する基本的な事項を学ぶことができます。また、外部モジュールを利用して、GUIやPDFの操作を体験します。もし、他のプログラミングの学習で挫折したことがあったとしても、本書であれば、読み通すことのできる可能性が高いでしょう。

ただし、他言語の経験があったり、Pythonについてbashの延長のように少しばかりでも利用した経験のある読者には、本書はかなり物足りなく感じられるかもしれません。「__main__」モジュールに関する記述なども全くありませんし、ソースコードは分かりやすさを優先していることもあって、必ずしもスマートとは言えない部分があります。他言語経験者がPythonについて学習したいという意図で本書を手にした場合、少しがっかりするでしょう。

具体的には、以下のような内容が含まれます。全体的に見れば、2つのチャプターごとに大きな課題を解決していくような構成となっているため、特に初学者の場合、2つのチャプターごとに理解を確実にしていくことを目標にすれば、途中で脱落することは少ないはずです。

- チャプター1と2は、プログラミングに入るための準備です。チャプター1では、Pythonについてというよりも、一般的にプログラミングとはどのようなものかということについて、概略を学びます。チャプター2では、開発環境を構築します。利用するのは、Python2系ではなく、Python3系です。OSは、WindowsまたはMacを前提としています。Linuxユーザでも、Macに関する記述を参考にすれば、開発環境の構築やモジュールの導入にあまり困ることはないでしょう。

- チャプター3と4では、プログラムファイルを作成しながら、基本的な文法について学んでいきます。チャプター3で学ぶのは、インデントの使い方やコメントの書き方など、ごく基本的な事項です。続くチャプター4で学ぶのは、if文やfor文など、いわゆる構造化プログラミングに関する各種事項です。関数を作成するのもこのチャプターになります。特にチャプター4で学ぶことは、どんなプログラミングでも必要となるような事項ばかりであることを配慮してか、説明は非常に丁寧です。

- チャプター5と6は応用編として、数当てゲームを作成していきます。チャプター5では、CLI(CUI)プログラムとして、コマンドプロンプトまたはターミナル上で動作するプログラムを作成します。チャプター6では、チャプター5で作成したプログラムを利用して、tkinterモジュールをインポートすることで、GUIアプリケーションとして実行できるように改修します。本書で、このチャプターまでを完全に理解すれば、他の比較的単純なスクリプト言語についても、あまり迷わず学んでいけるでしょう。

- 最後のチャプター7と8は、多少発展的な内容を扱っています。チャプター7では、オブジェクト指向の基礎を学びます。クラス、インスタンス、継承、オーバーライドなど、割と盛りだくさんな内容が詰め込まれていて、可能な限り分かりやすく整理されてはいるとは言え、おそらく最も理解が大変なチャプターかもしれません。チャプター8は、外部モジュールをインポートすることで、PDFファイルを作成します。外部モジュールを利用することで、複雑なことも簡単にできるようになることを体験します。

総じて言えば、Pythonの初学者というよりも、プログラミング自体の初学者に配慮された内容になっています。関数の引数などについても、任意の名前を付けることができる旨を一々注記してあったり、痒いところに手が届くよう配慮されています。プログラミング自体が初めて、もしくはプログラミング学習で挫折して、「もう見るのも嫌だ」という思いをしたことのある学生などでも、本書であれば、最初の足掛かりとして、十分読み通せそうです。
1から始めた初心者ですがとてもわかりやすいと思っています。
とある場面で、このコードよりこっちの方がよいのではないかと思ったのですが、次のページに僕がやろうと思った書き方がダメな理由が書いてあり、とても親切だと感じました。
フルカラーなのでみやすいので初心者におすすめです!
お盆休みに本書と「スラスラわかるPython」の2冊をこなしました。本書が1冊目。
35年ほど前にN-88 BASIC、25年ほど前にC++を学ぼうとして、2度とも即撃沈を経験した程度のプログラミング未経験者にも非常ににわかりやすく、好印象でした。普段パソコンは使うけど、プログラミングは初めての方にも敷居の低い本かと思います。今回はお盆休み中の4〜5日で一通り内容をなぞることができました。
自分で打ち込んだコードがうまく動かなくても、Webからサンプルをダウンロードできるので、タイプミスなどを見つけることができます。また、この作業により、「)」や「:」ひとつのタイプミスでプログラムが動かないことを何度も経験できるのは、初学者にとって以外に大切かもと思いました。
なお、私が買ったときはKindle版が¥739でしたが、レビュー入力時は¥2339。お盆特価だったのでしょうか。
 
人気 42位
 
本書の内容
 
内容サンプル
 
User Voice
 
人気 43位
 
本書の内容
 
内容サンプル
 
User Voice
 
人気 44位
 
本書の内容
 
内容サンプル
 
User Voice
 
人気 45位
 
本書の内容
数学とPythonがいっぺんに学べる一石二鳥の1冊!

プログラミングに数学の知識は役に立つと聞くけれど…。高校時代に数学に挫折した経験を持つ人も多いのでは?

データサイエンスや機械学習、ブロックチェーンなど、数学理論に裏打ちされたシステムが今は花盛り。これまでは数学が苦手なままでやって来られたけれども、これからのプログラミングにはますます数学が必要に。
ところが、プログラマー向けの数学書はどれも高校レベルは飛び越えた、難易度の高いものばかり。

そこで数学に自信がないのなら、高校レベルの数学からもう一度しっかり学び直すのはいかがでしょう。残念ながら数学は積み重ねが大事。自分のレベルに合わない参考書では結局何も身に付きません。
急がば回れ。高校数学からしっかり足元を固めていきませんか?

本書は単に数学理論を説明するだけでなく、計算や証明、理論の検証をPythonを使ったプログラムで解説しています。理論を学んで、Pythonで試す。読むだけでなく手を動かすことで、数理計算のコーディングの勘所を養うこともできます。

数学とPythonの基礎固めがしっかりできる一石二鳥の1冊。数学が苦手な文系プログラマーはもちろん、数学を忘れてしまった理系出身のプログラマーも、自信を取り戻すのにピッタリです。
Pythonについてはひと通り理解している人が対象ですが、未経験でも大丈夫。巻末にPythonの導入ガイドも用意しました。

本書で高校レベルの数学をしっかり理解して、ぜひ次のステップに進んでください!

■主な内容
第1章 コンピュータと「数」
位取り記数法、基数変換、負の数、2の補数、実数と浮動小数点数、実数誤差など
第2章 コンピュータの「演算」
算術演算、複合演算子、シフト演算、ビット演算、マスクとフラグ、論理演算、真理値表、論理積、論理和など
第3章 方程式で図形を描く
matplotlibでグラフ、方程式、関数、直線の方程式、比例式と三角比、三平方の定理、円の方程式など
第4章 ベクトル
ベクトルの演算、ベクトル方程式、内積、コサイン類似度、外積、ベクトルで面積を計算など
第5章 行列
行列の演算、逆行列と連立方程式、図形の一次変換(移動、回転、拡大縮小)、一次変換の組み合わせ、同次座標など
第6章 集合と確率
集合とデータベース、試行と事象、順列と組み合わせ、重複順列、数学的確率と統計的確率、モンテカルト法と円周率など
第7章 統計と乱数
母集団と標本、代表値、分散と標準偏差、共分散と相関係数、移動平均、回帰直線、乱数の注意点など
第8章 微分・積分
差分と微分、変化率、導関数、極値、定積分と不定積分、原始関数、積分定数、曲線の接線、輪郭の抽出、円周と円の面積、球の体積と表面積など
Appendix ソフトウェア導入ガイド
 
内容サンプル
 
User Voice
私は今年修士一年の大学院生になったが、事情があり中学高校の数学をほとんど知らず、大学の微積・線形は付け焼刃で単位を取った。
そんな私がなんとかやれているのは多少のプログラミング能力があるからで、卒業研究では流行りのディープラーニングの応用研究を行った。しかし、機械学習について回るのがやはり数学である。
Pythonの簡潔さに比べたら、数式はインデントもハイライトもなく、公式ですら勝手に著者らが分かりやすいと思って変形したものがそれぞれ違う本に載っていたりする(×や・を例とした表記ゆれも多い)。数学力のない自分にはそれが本当にわからなかった。
ディープラーニングはフィーリングでも初歩的な応用研究は成り立ってしまうものの、大学院生になったからには修士の学位を取る前に「数式を見るだけですぐどんな式かイメージでき、また自分のイメージを数式にできる」能力が欲しかった。
その能力を手に入れるために不足しているのは基礎の厳密な理解だということは分かっていた。そんな自分にとってこの本のタイトルには惹かれるものがあった、pythonの簡潔さで数学を教えてくれたら最高だ。
しかし届いてすぐパラパラとめくっていると微分のページではf(x)のグラフを出すプログラムを書いてから、手計算でf'(x)の値を導きそのグラフを出力していた。これは「違う」
更にnumpyはまだしもscipyやpandasまで使うのも「違う」と思った

結論としては、この本は「Pythonで学び直す高校数学」ではなく、「高校数学とPythonでのグラフ描画方法」だ。
私が求めるのは「for文で1つずつ点を打って関数のグラフを描画」したり「入力した式の微分を極限を使って出力するプログラム」を書いたりする、また「グラフを条件の変化でアニメーション」させたりする本だと言えば想像できるだろうか。この本はそのようなものではない。
本の帯にデータサイエンス・機械学習と書いてあるのは、それぞれに使うグラフ描画方法やライブラリが記載プログラムに出てくる(scipy, pandas)からで、それらの論文を読むための厳密な基礎数学の理解が得られると思うなら誤りだ。
ずっと読みたかったのでセールに飛びつき購入しましたが、Kindleに最適化されておらずがっかりしました。字が小さすぎて読む気が起きません。最適化してないものを販売しないでほしいです。。。
 まさに,『文系プログラマーのためのPythonで学び直す高校数学』の本です。8章構成で,第1章,第2章で,ビットから始まって,基数変換,浮動小数点とコンピュータに関係する数学の説明があります。ここがまさに文系プログラマーがあやしいとろです。理系であれば常識です。第3章から第8章まで,高校数学の主な項目が Python の簡単なプログラムで実装しながら説明されています。行列は,高校でやっている人とやっていない人に別れますが,この本ではちゃんと説明があります。
 プログラマーの人であれば,十分読みこなせますが,プログラムの経験がないと,近くに指導してくる人がないと読むのが大変かと思います。ちょっとした指導があれば,中学生であれば,十分に読めます。学年で習う数学のレベルを超えて,どんどん数学が勉強できます。
 
人気 46位
 
本書の内容
ファイル名の変更や表計算のデータ更新といった作業は、日々の仕事の中で頻繁に発生します。
ひとつふたつ修正するだけであれば問題ないのですが、それが数十、数百となってくると手に負えません。
そのような単純な繰り返し作業はコンピュータに肩代わりしてもらうとすごくラクになります。
本書では、手作業だと膨大に時間がかかる処理を一瞬でこなすPython 3プログラムの作り方について学びます。対象読者はノンプログラマー。
本書で基本をマスターすれば、プログラミング未経験者でも面倒な単純作業を苦もなくこなす便利なプログラムを作れるようになります。
さらに、章末の練習問題を解くことで、類似のタスクを自動処理するスキルをもっと高めることができます。
 
内容サンプル
 
User Voice
私はまさにノンプログラマーから独学でRubyをマスターして
10万レコードくらいのデータなど
GUIで操作するにはきついExcel業務とかをまさに
プログラミングで乗り切ってます

RPAなど騒がしいですが事務方作業の自動化はまさにこういう
プログラミングによる自動化要望に始まってやがてRPAの導入などに昇華していくはずですと考えています

この書籍はPythonではどういうライブラリがあるのか
知りたくて購入しました

本書は環境構築から始まって、基礎的な文法処理、ライブラリのマスターまで
1つに収まっていますが副題の
原題はこうだから、"practical programming for total beginners"
『ノンプログラマーにもできる自動化処理プログラミング』は誤解を生むのでは?
ノンプログラマーでもできる、と書かれるとScratchみたいなGUIプログラミングで
Pythonライブラリでも操作できるのかしらとか、
ライブラリの設定ファイルだけ保存すればプログラミングそのものは無しで
実行できるのかしらとかプログラミング不要、という軽い気持ちで考える方もいるのでは?

なか見検索もないので、わけわからず買った人も多いと思いますし
ただでもお腹いっぱいなコンテンツなのに600ページ以上の本なのだから
Kindle版を出すべきと思います
退屈なことはPythonにやらせよう。という最近の自動化をして業務効率化して生産性を上げろ!と言われて悩んでいるビジネスマンには刺さるワードではないでしょうか?
自動処理プログラミングでこんなことできるんだ。と目次をまず読んでいただいてから、実際に一から勉強して行かれる方にはおすすめです。
いきなり結構分厚いと思われるかもしれませんが、かなり初級の方にも使えるように環境構築などの基礎の部分もフォローされています。というかその部分の情報が分厚いです。
この本の内容を一言で言うと、「プログラミング初心者がライブラリの使い方を学ぶ本」といえる。
ライブラリの使い方を説明している程度なので、付加価値があまりないように思われる。
例えば、"GUIオートメーションにはこういうライブラリがあり、基本的にこうやって使う"程度の説明なら、ライブラリのチュートリアルを見たほうが良い。
しかし、オンラインで無料で本文を公開しているため、買って読む価値がある人は 1)日本語しか読めない, 2)プログラミングの初心者である, の2つを満たす人かもしれない。
もし、英語が読める人ならば、"automate the boring stuff with python"でググって無料で読める公式サイトを読めばいいし、
プログラミングの初心者ではないならば目次を見てそれを実現するライブラリを探せば良い。
 
人気 47位
 
本書の内容
講義+実習のワークショップ形式で、
会話bot「pybot」を作りながら楽しく学べる
「はじめてでも挫折しない」Pythonの入門書を作りました。

なぜそうするのかを知りたい、
仕組みが知りたい、
応用できる基礎を身に付けたい、
そんな読者のさまざまな要望に応える新しい教本です。

講義パートの図解をまじえた解説で仕組みについて理解したあと、
実習パートで実際に手を動かしながらプログラムを書いていきます。

少しずつ新しいことを学びながら進み、プログラムに機能を追加していくので、
いま自分は何をやっているのかを、ちゃんと理解しながら進められます。

もし、つまずいても安心です。
短いレッスンを積み重ねた構成なので、
少し戻って再確認することもしやすくしています。

また、本書で学ぶサンプルプログラムのコードは、
サポートページからダウンロードできるので安心です。

ぜひ本書でPythonのプログラミングの楽しさを実感してください!
 
内容サンプル
 
User Voice
とてもシンプルな構成で、余計な説明をなるべく省略している。少しずつプログラムを完成させていく、その途中にもファイルの実行を繰り返すような進み方をするので、成果を実感しやすい。最後のほうに「参考になるwebサイト」の紹介もあって、pythonの入門には最適な内容。

一方で、本当に「はじめてプログラミングをします」という人には理解できない所も多い。AND・ORの理論や、変数、代入、ifなどの基礎を身につけていないと、この本の最期までは進めない。いちおう3章が基礎の部分だが、これでだけでは身につかないと思う。
python本としては相当な名著だと思います。
正直全くpythonの知識なしで読みましたが、説明に飽きることなく
簡単にアプリが作れました。
モチベーションをあげるためには最高の本だと思います。
クラスなど応用的な知識は含まれていないので、他の本で強化する必要があります。
プログラマーPython言語も、先に購入しましたが、いちばん、やさしいPythonも後で購入したら、インターネットより、わかりやすかったので、良かったです。 一時はPHPも買ったのですが、処分してしまったのは残念に思いましたね。
 
人気 48位
 
本書の内容
ミニゲームを作りながら、人工知能で話題のPython を楽しく覚えよう!! プログラミング言語Pythonは、最新コンピューター技術の研究室で使われていて人 気が高く、しかも覚えやすくて書きやすいと評判なので、「これからプログラミング言語 を1つ覚えるならコレでしょ! 」と大人気のプログラミング言語です。 この本では、簡単なミニゲームを作りながらPythonを楽しく勉強できます。
 
内容サンプル
 
User Voice
萌えキャラ満載なのでおじさんが読むには恥ずかしい。ただ萌えキャラといってもオタク向けというより
年少者にカワイイと思ってもらえるようにアレンジしている気はするのでまあいいでしょう。
中身はしっかりしている。他のPythonの入門書と比較しても充分優れているものと思う。
数字の並べ替え(SORTという)のアルゴリズムを解説することにかなりこだわっている。
まず変化の様子を数字表記、次はグラフでビジュアル化、さらに変化に合わせて色を変えてみる。
テーマをひとつにしぼってそれの表現にいろいろなテクニックを使ってみる手法は面白いと思った。
プログラミングのスキルを身に付けるのはもちろんだが、まず論理的にものを考える思考力を養ってもらおうという筆者の
考え方には好感が持てる。ゲームを作るのもあくまでもプログラミングを楽しく習得してもらうのが目的であることは中身を
みてよく解った。表紙を見て抵抗がある方も読んで損はありません。おじさんにもおすすめです。
12歳で最後まで読み進めるにはとてもハードルが高い 私はいい年したおじさん 最近プログラミングを趣味として始めた超初心者 いくつかのいわゆる入門と名の付くプログラミング言語の本を買って挑戦してみた結果、入門と名のつく本はけっして初心者を対象にしていないんだと感じた この本はその中では比較的わかりやすかったが、それでもいくつか説明不足かなといったところがある 一応最後まで読めたので(一部理解できないところがあるがそもそも入門書なのに最後まで読めず途中からチンプンカンプンとなる他の入門書パターンではなかったのでよしとする)わたしが著者なら、最後のシナリオゲームを最初に持ってきて、あとは2D迷路ゲームだけを取り上げてより詳しく解説する それ以外のやつは説明もわかりずらく初心者を混乱させるか読み進めるのにとてもストレスである このよみすすめるうえでどれだけストレスがかかているのかをプログラミング本の初心者向けを販売するものはもっと考えたほうが良い ただゲームを作るのにpygameではなくtkinterであるのは何故?
12歳のこどもが自分でゲームを作りたいということで、購入しました。
Pythonのインストールの仕方やプログラムの基礎用語の説明においても丁寧に表現されています。
アニメキャラクターをプログラムの挿絵として随所に使用していて
基礎を学びながらゲームを作っている雰囲気を味わうことができるので、こどものモチベーション維持にも一役かっています。
全体的に丁寧な記載なので、子供だけでもテキストにあるプログラムを書き写すことで作れるようになりますが、
イメージの保存場所を適切なディレクトリに保存しないといけないなど、
こどもが早く読み進めようとする中で見落とししてしまう箇所は大人がサポートしてあげる必要があります。
12歳のこどもだけでなく、8歳の下のこどももやれているので、かなりお勧めできる内容かと思います。
 
人気 49位
 
本書の内容
 
内容サンプル
 
User Voice
ある程度理解している人が読むにはいいと思うが
入門書かと言われればちょっと難易度が高い
とはいえ色んなことを伝えようとしているのは伝わった

星1つの理由はタイトルに入門と書いているが入門書にしては
とにかく分かりづらい事
色々なことが書かれているので、網羅性は良いと思います。
ただし、他の方が書いている通り、文章が読みづらいです。

文中に「リスト9.5❶❷のように」や「図9.5のように」などと書かれていて、視線の移動が必要になります。
「リストx.xx」と「図x.x」という文字を使いすぎなので、できれば日本語で説明してほしかったです。
例:リスト3.23とリスト3.24で...リスト3.23(parent.html)の中にリスト3.24...しています(図3.9)。

配色も、表が「緑・青・黄色」となっていたり、色を使いすぎていて見づらいです。
DjangoをつかってWeb開発をするために購入しました。初心者にも分かりやすい説明で書かれていました。しかし、開発するにあってもっといろんな知識が必要だと思いました。
少し勉強してから買うことをオススメします!
 
人気 50位
 
本書の内容

この商品は固定レイアウト作成されており、文字列のハイライトや検索、辞書の参照、引用などの機能はご利用いただけません。




iPhone、iPadでPythonを使いこなそう! iOSでPythonプログラミングができる人気アプリ「Pythonista3」を使い、Pythonの基礎からnumpy/scipyなど拡張モジュールによる数理計算、2Dグラフィックを使ったゲーム作成、そしてiOS機能を拡張するプログラミングまでを楽しくマスターしよう。



人気の高いプログラミング言語といえばPythonですが、Pythonを使うにはコンピュータが必要です。

しかし現在、コンピュータを持っていない人は若い人を中心に増えています。そんな時代にプログラミングをするにはどうすれば良いでしょうか?



答え「スマホでプログラミングすればいいのです!」



本書は、アプリ「Pythonista3」を使って、iPhone(iOS)でPythonプログラミングを学ぶための本です。

Pythonista3では、Pythonの基本的な機能は勿論、numpyやmatplotlibといったPythonで最も広く使われるモジュール、さらには「iPhoneのための機能」が充実していたり 2Dグラフィックに関する機能も強力で、すぐにでもリアルタイムゲームをプログラミングできます。

本書では、「標準モジュールを使った数理計算」「UI部品を使ったプログラミング」「2Dグラフィックを使ったゲームプログラミング」「iOSのさまざまな機能の利用」などについて 解説します。

また、Pythonがはじめて、という読者のために、巻末ではPythonの基礎文法なども解説してあります。

 
内容サンプル
 
User Voice
本のタイトル通り、はじめてPythonista3を使って使い方がわからない人にとってはわかりやすい内容だと思いました。ただPythonista3にはゲームチュートリアルがありますので、そっちを見て独学できるのであればこの本を買う必要はあまり無いように思います。
また本に載っていたコード通りにやっても上手くいかない部分があったり説明がもう少しほしいと思ったりと感じました。
まとめると、この本はPythonista初心者向けでPythonista3で遊ぶきっかけにはなる本だと思います。
雑誌の記事で取り上げられていて興味があったのですが、詳細な日本語書籍がありませんでした。
本屋で本書籍を見つけて、即購入し、移動中でも読めるようAmazonでもダウンロードしました。
いい本です。買う甲斐があります。
 
人気 51位
 
本書の内容
Python クローリング&スクレイピング決定版!

Pythonによるクローリング・スクレイピングの入門から実践までを解説した書籍です。2017年の初版から内容をアップデート、新ライブラリの解説などを追加した増補改訂版です。基本的なクローリングやAPIを活用したデータ収集、HTMLやXMLの解析から、データ取得後の分析や機械学習などの処理まで解説。データの収集・解析、活用がしっかりと基本から学べます。Webサービスの開発やデータサイエンスや機械学習分野で実用したい人はもちろん、基礎から解説しているのでPython初心者でもつまずかずに学習できます。多数のライブラリ、強力なフレームワークを活用して高効率に開発できます。
 
内容サンプル
 
User Voice
 比較的評価のよかった初版本に対して、Amazonでの増補版の評価は現時点でボロボロのようですが、WindowsならVirtualBox, Vagrantを用いてLinux環境を作らないといけないのは初版と同じ。ここは増補版のAppendix(付録)も大きく書き換えられていません。
 初版本に対し追加された内容は、例えば「&という文字列が含まれる場合の対応」「Pythonの実行速度」といったタイトルでcolumnとして追加されている場合が多いようです。
 データベースへの保存は、MySQLに加え、SQLite3への保存が追加されています。できればPostgreSQLについても触れてくれると嬉しかったかと思います。
 最後に、この本はLinux、Mac、最新のPythonのバージョン利用を前提として書かれています。「Python」「スクレイピング」という言葉を最近知ったような人や、Linux環境でファイルをどうやって操作したら良いのかの基本知識がない方、目次を見て内容に今一つピンとこない方は、買うべき書籍ではないことは間違いないと思います。
大学生です。
機械学習や深層学習のためのデータセットを用意する上で、スクレイピングして効率よくWeb上のデータを収集したいと考えこの本を購入しました。 
結論から述べますと、スクレイピングのみならずかなり多くのデータ収集のスキルを学べます。APIを駆使した方法や、pythonのフレームワークを使った方法まで詳細に綴ってあり、なおかつ膨大な情報量です。

本書はLinuxコマンドを頻繁に使いますが、一度でもコマンドに触れたことのある人はページ通りに学習していけば全然問題ないかと思います。私のOSはWindowsですが、おそらくこの参考書でWindowsユーザーが最も苦戦しやすいのが、一番初めの仮想マシンの環境構築です。本書はVagrantとVirtualBoxを用いた環境設定方法を説明していましたが、私はこのやり方ではUbuntu環境をビルドすることができませんでした。(実際エラーログをググってみても同じ症状に陥っている人が何人もいました...。)
なので私はVagrantではなくdockerを使って仮想マシンにUbuntu環境を構築しました。

本書でつまずくポイントがあるとすれば、ほとんどが色んなセクションで度々必要な環境設定でしょう。私も何度もこれに悩まされましたが、時間はかかったものの自分で調べてしっかり解決することができました。

Pythonの基本文法を理解している人じゃないと厳しいかもしれませんが、本書だけで十分スクレイピングやその他のデータ収集法を多岐に渡って学ぶことができます。もちろんエラーに対する問題解決力も、学習者の根性次第で飛躍的に向上させることが期待できます。
 
人気 52位
 
本書の内容
 
内容サンプル
 
User Voice
 
人気 53位
 
本書の内容
こちらの書籍は 2019/12/04 紙版の3刷に対応するため更新をおこないました。
(概要)
本書は野村総合研究所のシステムコンサルティング事業本部で実施している「アナリティクス研修」をベースにした書籍で、「統計的なモデリングとは何か?」「モデルに基づく要因の分析と予測の違いとは?」「具体的なモデルの作り方」「結果を解釈する際の落とし穴の見分け方」など、ビジネスの現場感を重視した構成です。実務で遭遇するデータ品質や加工のポイント、さらにRとPythonを利用し、データからモデルを作成して結果を得るという基本的な手順を体験できます。これからデータ分析や統計解析、機械学習を学び、現場でそれらを活用したい方に最短学習コースでお届けします。

(こんな方におすすめ)
・データ分析・統計解析や機械学習について知りたい方
・データサイエンティストになりたい方

(目次)
■第1章:データサイエンス入門
 1.1:データサイエンスの基本
  1.1.1:データサイエンスの重要性
  1.1.2:データサイエンスの定義とその歴史
  1.1.3:データサイエンスにおけるモデリング
  1.1.4:データサイエンスとその関連領域
 1.2:データサイエンスの実践
  1.2.1:データサイエンスのプロセスとタスク
  1.2.2:データサイエンスの実践に必要なツール
  1.2.3:データサイエンスの実践に必要なスキル
  1.2.4:データサイエンスの限界と課題
 コラム:ビジネス活用における留意点

■第2章:RとPython
 2.1:RとPython
  2.1.1:RとPythonの比較
 2.2:R入門
  2.2.1:Rの概要
  2.2.2:Rの文法
  2.2.3:データ構造と制御構造
 2.3:Python入門
  2.3.1:Pythonの概要
  2.3.2:Pythonの文法
  2.3.3:Pythonでのプログラミング
  2.3.4:NumPyとpandas
 2.4:RとPythonの実行例の比較
  2.4.1:簡単な分析の実行例

■第3章:データ分析と基本的なモデリング
 3.1:データの特徴を捉える
  3.1.1:分布の形を捉える ─ ビジュアルでの確認
  3.1.2:要約統計量を算出する ─ 代表値とばらつき
  3.1.3:関連性を把握する ─ 相関係数の使い方と意味
  3.1.4:Rを使った相関分析 ─ 自治体のデータを使った例
  3.1.5:さまざまな統計分析 ─ 理論と実際の考え方
 3.2:データからモデルを作る
  3.2.1:目的変数と説明変数 ─ 説明と予測の「向き」
  3.2.2:簡単な線形回帰モデル ─ Rによる実行と結果
  3.2.3:ダミー変数を使ったモデル ─ グループ間の差異を分析
  3.2.4:複雑な線形回帰モデル ─ 交互作用、モデル間の比較
  3.2.5:線形回帰の仕組みと最小二乗法
 3.3:モデルを評価する
  3.3.1:モデルを評価するための観点
  3.3.2:この結果は偶然ではないのか? ─ 有意確率と有意差検定
  3.3.3:モデルはデータに当てはまっているか? ─ フィッティングと決定係数
  3.3.4:モデルは複雑すぎないか? ─ オーバーフィッティングと予測精度
  3.3.5:残差の分布 ─ 線形回帰モデルと診断プロット
  3.3.6:説明変数同士の相関 ─ 多重共線性
  3.3.7:標準偏回帰係数

■第4章:実践的なモデリング
 4.1:モデリングの準備
  4.1.1:データの準備と加工
  4.1.2:分析とモデリングの手法
 4.2:データの加工
  4.2.1:データのクレンジング
  4.2.2:カテゴリ変数の加工
  4.2.3:数値変数の加工とスケーリング
  4.2.4:分布の形を変える ─ 対数変換とロジット変換
  4.2.5:欠損値の処理
  4.2.6:外れ値の処理
 4.3:モデリングの手法
  4.3.1:グループに分ける ─ クラスタリング
  4.3.2:指標を集約する ─ 因子分析と主成分分析
  4.3.3:一般化線形モデル
  4.3.4:2値データを目的変数とする分析 ─ ロジスティック回帰
  4.3.5:セグメントの抽出とその特徴の分析 ─ 決定木
 4.4:因果推論
  4.4.1:データから因果関係を明らかにする ─ 統計的因果推論
  4.4.2:因果関係に基づく変数選択

■第5章:機械学習とディープラーニング
 5.1:機械学習の目的と手順
  5.1.1:機械学習の基本
  5.1.2:機械学習の手順
  5.1.3:データの準備に関わる問題
  5.1.4:特徴抽出と特徴ベクトル
 コラム:機械学習と強化学習
 5.2:機械学習の実行
  5.2.1:機械学習ライブラリの活用 ─ scikit-learn
  5.2.2:機械学習アルゴリズムの例 ─ ランダムフォレスト
  5.2.3:機械学習アルゴリズムの例 ─ サポートベクターマシン
  5.2.4:機械学習の実行例
 5.3:ディープラーニング
  5.3.1:ニューラルネットワーク
  5.3.2:ディープラーニングを支える技術
  5.3.3:ディープラーニング・フレームワーク
  5.3.4:ディープラーニングの実行
  5.3.5:生成モデル
 
内容サンプル
 
User Voice
Rをメインに使用している技術者です。統計解析・機械学習を俯瞰的に学ぶために購入しました。
さすが野村総合研究所の研修がベースになっているだけあって、
本の内容は数式を可能な限り抑えて実務者にも分かりやすい内容となっていました。
「はじめに」に書かれている通り本書を通じて
・統計モデリングの概念、要因分析と予測の違い
・実際にモデルを作成したり、結果を解釈したりする際の注意点
といったほかの書籍にあまり書かれていない内容を学べ、大変参考となりました。
この内容が3000円で買えるのは破格じゃないでしょうか?
ただし、
 ①R・Pythonに関して全くの初心者
 ②統計学と機械学習を学んだことがない
①②の両方に当てはまる方が読み進めるのは難しいと思います。
自分のレベルに合致しているか確かめたうえで購入しましょう。
416ページと厚めの本で、機械学習やディープラーニングまで扱っていますが、数式はほとんど使われていません。せいぜい、y = ax+b のような線形モデルの式がアクセントに出てくる程度です。分析手法や、それを理解するための概念は、すべて言葉と図で説明されており、実装例としてPythonとRで書かれたコードが紹介されています。

本書は、NRI社内での研修資料をベースにしているそうですが、SIerの非理系エンジニアが「まずは動かして、大まかなイメージをつかむ」ためには最適な内容だと思います。エンジニアの中には、学生時代から理工系で、数学的素養があり、高度なアルゴリズムを自ら開発している人もいるとは思いますが、そうでない(文系採用)人もたくさんいて、その人達の底上げのための教材としてよくできた内容だと思います。

一方で、研修の目的が「分析人材育成のための入り口」だそうなので、ある程度理工系のキャリアがあって、数学的な概念の理解やアルゴリズムの詳細なチューニングをしたいという人のニーズは満たせないと思いますが、それは本書の企画意図どおりなのだろうと思います。
データ処理の実務上不要と思われる統計学の解説はともかくとして、勾配ブースティング決定木の解説が一切ないには今年の出版としては大問題ではないかと思う。

上のレビューは酔っ払った勢いでつい書いてしまったものなので、少しは反省して補足しようかとも思いますが、
データサイエンスと持て囃されても
(日本の大企業が)業務で使うのは結局は古典的な統計学だということがおぼろげながら分かってきたので本書の内容は仕方が無いもします。
しかしながら書名に大きく「機械学習」と銘打っている以上、GBDTが出てこないのは、現状では表形式データに真っ先に適用すべき機械学習モデルとされていることからすると容認し難いと思います(ちなみにランダムフォレストなら多少出て来ます)。

更に少し追加しますが生物系の統計の本を読んでいたところ
多重共線という言葉が出てきて全く意味不明だったのですが
この本に非常に分かりやすい図解があったのでそういう面では助かります。
とはいえ改めてページをめくると説明に使われている例に
日本の企業社会の情けなさが滲み出てるので評価を変える気には到底なれません。

更にちなみにですが、この本では「検定」はモデル評価の指標のあくまで一例として扱われています。
またそのせいかも知れませんが、上述の「多重共線」は出て来ても「多重検定」は出て来ません。なので上に書いたとおり機械学習の入門書としては疑問がありますが、データサイエンスの入門書としては間違いなく良識ある一冊だと思います。
でも評価点は変更なしです。
 
人気 54位
 
本書の内容
 
内容サンプル
 
User Voice
 
人気 55位
 
本書の内容
 
内容サンプル
 
User Voice
 
人気 56位
 
本書の内容
プログラミングの力を借りて統計を学ぶ

膨大なデータを扱うときに基本となる知識が統計解析です。
本書はこれから統計解析を学びたいと考える方に向けて、プログラミングの力を借りて実際にデータを確認することで、
直感的な理解を促します。
プログラミング言語にはPythonを利用します。
Pythonで統計解析を解説するメリットはいくつかあります。
Python自体がシンプルで可読性が高い上に逐次実行できるため初心者でも理解しやすいと言えます。
これ以外にも、Pythonは統計解析に関するライブラリが充実しており、
複雑な計算やグラフの描画がかんたんにできます。
また、Pythonは汎用的な言語ですので、システムの中にシームレスに組み込むことができます。
本書によって統計解析を学習することで、Pythonのデータ解析スキルもあわせて習得できるでしょう。
 
内容サンプル
 
User Voice
Pythonそのものついての説明は基本的に無かったと思います。
それについては『みんなのPython』などを事前に読む必要があると思います。

私の中でのニーズとしては、
・統計学を勉強したい
・数式も交えてちゃんとやりたい(数学はそれほど詳しくないけど)
・それをPythonでやりたい
・pandas、numpy、matplotlib、scipyなどのライブラリに慣れたい
というのがあったのですが、
この本はそれら全てを満たす内容で、
一石二鳥三鳥以上の実に効率が良い読書ができました。

当初、pandasやmatplotlibについては
別に本を読むことも考えていましたが、
とりあえず、この本だけでも、いいかな、ってなりました。
元々、統計解析をやるのに不自由しないように
pandasや、matplotlibに慣れようと思っていたので、
統計解析で必要な範囲での使い方なら、
もろに扱ってますからね。

扱っている数学については、
滅茶苦茶簡単なものしかない、とも思わなかったですが、
無理過ぎて全くわけが分からない、ということも無かったです。
がんばれば大体付いていける、という感じです。

ちなみに、私は文系で、高校では、数学ⅠA・ⅡBはやっています。
数学ⅢCはやってません。大学入試でも数学は使ってません。
ただ、『ディープラーニングの数学』って本を先に
7割くらい読んであって、それである程度ウォーミングアップに
なってた可能性はあります。

読むのにかけた時間は、土日メインに
平日もなるべく読んで、ちょうど3週間です。
割と、じっくり読みましたが、これくらいで、
統計学という武器が手に入るなら、
かなりコスパはいいですね。
データのサポートページからどのようにデータをPC内に準備するかという手順と、ディレクトリ構造の設計方法は、もう少し、詳しく書いてほしかった。データ準備以降は、スムーズに勉強できています。
理解簡単
 
人気 57位
 
本書の内容
Excelのルーチンを
Pythonで自動化しよう!


「PythonによるExcel操作の自動化」を集大成
ブックやシート、セルや行列を操作する
「表の見た目を整える」
「グラフを作成する」
「ブックの体裁を一度に整える」
「複数のシートから集計シートを作成する」
などなど、身近な業務を想定した用例を豊富に用意!
Pythonライブラリとの連携方法も詳しく解説します
どのサンプルも短くて簡単に書けるものが多数のため、
アレンジもしやすく、初心者にもやさしい内容です。

「コピペや手作業がめんどくさい……」
と日常業務で思ったことがあるのなら、
Pythonによる自動化に挑戦してみてください!
 
内容サンプル
 
User Voice
 
人気 58位
 
本書の内容
 
内容サンプル
 
User Voice
 
人気 59位
 
本書の内容
 
内容サンプル
 
User Voice
 
人気 60位
 
本書の内容
僕たちは、こんな本を待っていた。Sebastian Thrunらの名著『確率ロボティクス』(マイナビ)の翻訳者であり、同分野の第一人者でもある、上田隆一氏が書き下ろす至極の入門書! ・理論→実装という一貫した流れで、丁寧に解説。まさにバイブル!・Jupyter Notebook対応だから、すぐに実践できる!・コードはGitHubで全部公開!【第1章「はじめに」より抜粋】 本書は、確率をロボットの認識機能や制御に用いることを考える分野「確率ロボティクス」の入門書です。ロボットの開発者、研究者になるには機械、計算機、制御に関する勉強も必要なうえ、上記のような状況なので、確率論、統計学の理解も重要になってきています。たくさん勉強しなければならないので「手短に」といいたいところですが、確率というものに実感がもてるまでには頭の訓練が必要です。 筆者は学生のとき、確率に対する実感を養うために(実際は家賃込みの月6万円の仕送りを増やすために)、学生寮、後楽園、高田馬場あたりの「現場」でかなりの訓練をして仕送りを減らしていましたが、そちらをおすすめするわけにはいきません。そこでロボティクスでよく使われるアルゴリズムを書いて動かしてもらい、実感をもってもらおうと企画したのが本書です。【主な内容】第1部 準備/第1章 はじめに/第2章 確率・統計の基礎/第3章 自律ロボットのモデル化/第4章 不確かさのモデル化 第2部 自己位置推定とSLAM/第5章 パーティクルフィルタによる自己位置推定/第6章 カルマンフィルタによる自己位置推定/第7章 自己位置推定の諸問題/第8章 パーティクルフィルタによるSLAM/第9章 グラフ表現によるSLAM 第3部 行動決定第/10章 マルコフ決定過程と動的計画法/第11章 強化学習/第12章 部分観測マルコフ決定過程 付録A ベイズ推論によるセンサデータの解析 付録B 計算
 
内容サンプル
 
User Voice
当方、機械学習エンジニアですが、工業用機械の自動運転関連の案件を担当することになり、本書を手に取りました。

自動運転を全く知らないどころか、古典制御理論も勉強中というど素人の私にとって、自己位置推定やSLAMに独学でも入門できる本書は、めちゃくちゃ貴重でした。

理論を解説した後、コーディングしてシミュレータ上で実際に動かすという体験を通して、より理解を深めていく体裁になっています。(シミュレーターも本書内で自作します。)
理論は、丁寧で分かりやすい解説が成されており、行間を埋めまくらないと導出できないような式変形もありませんでした。
コードも、段階を追って解説とともに記載されているため、大量のコード丸投げで良く分からないといったこともありませんでした。

挑み甲斐のある良書でした。著者様に感謝します。

誤植?
4.2.4
記載された通りのuniform()の使い方だと、Python3だとエラー。tupleとintを比較できなくなったため。

4.3.2
relative_polar_pos は、それまでの命名に従えば、observation_function の誤り。

5.16式の分母のxの上付き添え字がjでなくk
確率ロボティクスついて詳しい千葉工大の上田先生の書籍です。ROSの本で有名な方で、シェル芸など笑いにも精通していらっしゃいます。twitter → @ryuichiueda
この本では自動運転やロボットに必要な自己位置推定や地図作成を実装するにあたって、エラーやバイアスを含むセンサ群のデータから価値のある値にどう料理するか、確率ロボティクスの理論とパイソンのコードが説明されています。
具体的には、カメラやライダー等のセンサを使った複数種のSLAMアルゴリズムの解説や、経路生成したのち補正していく強化学習についてQ学習等のアルゴリズムの解説があります。
理論部分はハードです。p(z|a,b,c)とかの統計の記法に慣れて、ベイズ理論の定理を使いこなす必要有りです。
Anacondaをいれて環境を作ればJupyter Notebook上でサンプルコードが動作し、段階的にコードが動く振る舞いを確認できます。
読み応えのある本ですが、サンプルコードもありますし、確率ロボティクスの最前線なのでおすすめです。
専門外の人間ですが、タイトルから受ける印象よりもずっと教科書に近い本です。
機械学習ブームのときにPRMLの実装コードが出回りましたが、確率ロボティクスでも(ROSの機能を使うためにも)原理が分かる実装コードがあると便利です。当初はその程度しか期待していませんでしたが、説明が系統的なので、むしろ数式の代わりにコードを使って書いた教科書というイメージです。
元ネタの確率ロボティクスは数式オンリーですが、この本は具体的なコードを使ってビジュアルに解説しているので、各種の工夫の目的と効果が非常によく分かります。制御の話はコードを見ないと本当には理解できないところがあるので、周辺にいる人にとっては貴重な本だと思います。また、元ネタの確率ロボティクスには強化学習関連の話がありませんでしたが、この本ではその辺りのことも一応書いてありました。
ただ、懇切丁寧に書いてあるものの、もとになる理論はそれなりに高度です。また話が具体的になると、元になっている理論とは違ったレベルの疑問も出て来ます。現時点では一通り流して読んだ程度ですが、もう少し時間をかけて読む必要があるのかなと思っています。
 
人気 61位
 
本書の内容

直感的かつ短いコードでアイデアを形にできるKerasはTensorFlowのラッパーとして大人気のライブラリです。
本書でもTensorFlowをバックエンドとして使用し、自然言語処理、画像識別、画像生成、音声合成、テキスト生成、強化学習、AIゲームプレイなどさまざまなモデルをPythonとKerasで実装します。
対象読者は、各種のディープラーニングを素早く実装したいプログラマー、データサイエンティスト。
ディープラーニングを支える技術の速習にも好適です。
数式はなるべく使わずにコードと図で説明します。
ニューラルネットワークおよびPython 3の基本を理解している人であれば誰でも始めることができます。

 
内容サンプル
 
User Voice
AIエンジニアとして学ぶべきテーマがほぼすべて網羅されている。サンプルコードが多すぎて,解説の多くが孫引きになっているのはやむを得ないと思う。サンプルコードは,原著向けと翻訳本向けの2種類ある。翻訳者らが新しくサンプルコードを作ったようなのだ。どちらもたいへん役に立っている。そしてとても実務的なものばかりである。
企業や大学の研究・開発では,TesorFlowやPyTorchが使われていると聞くが,モデルの構造を勉強する段階でそれらを使ってもまったく勉強が進まない。Kerasでモデルの構造をしっかり学んだあとにTesorFlowやPyTorchに進めた方がディープラーニングをマスターするのが速いと思う。
※Amazonでは8/17発売でしたが、オライリーのサイトでの電子書籍版は8/11発売だったので、先行して入手してたのでそのレビューです。双方内容に差はないと思います。

Kerasを使った文字認識学習、言語認識(単語分散表現)、文章生成、画像生成、音声生成、予測、コンピュータにテレビゲームを学習させ上達させる、などをPython実装を踏まえて実践体感できる。
内容は、ディープラーニングがある程度分かっていて、ライブラリを使って実践応用したい人向け。

本書でも、ディープラーニングのアーキテクチャであるニューラルネットワークの説明から解説してくれているが、初心者は「ゼロから作るDeep Learning」シリーズを事前に読むことをお勧めする。ニューラルネットワーク(RNN含む)や、その中で使用される誤差逆伝播法、言語認識における単語の分散表現(word2vec)なども、解説がやさしく詳しいのでステップアップに最適。

本書の見どころであるKerasによる様々なディープラーニングの実装レシピの数々だが、ソースはまるごとgitからクローン出来る。各章ごとに必要なライブラリが「requirements.txt」にまとめられているので、「pip install -r requirements.txt」により一発で各ライブライのバージョンを併せた環境構築ができる。
冒頭で述べた通り、様々なタイプのディープラーニングのサンプルコードが紹介され、ページの大半がソースコードとソースコードの解説、実行結果に費やされており、まさにレシビ集という感じだ。(比率 = [理論説明]1:[実装に関する解説]3 くらい)
個人的に気になったのは、
・Quiverの使用:ニューラルネットワークの可視化(画像を読み込んで、各層ごとにどのような画像を保持してるか視認できる)
・スタイルトランスファーによる特定の画風スタイルを適用させて画像を生成する。
・AIに実際のゲームを学習させ上達させる。
などです。

ちょっとしたWebサービスとして今現在(2018/08時点)運用されているバックエンドのディープラーニング基本実装レベルのサンプルと言っていいくらいの内容を知ることができて、非常に興味深く最後まで読むことができました。
視覚的に効果が分かる学習も含まれているので、ディープラーニングに興味があり、自分で応用して新しい何かを作りたい人は、良い足掛かりになるのではないでしょうか。お勧めです。

----

※実行環境メモ
[mac環境ではpythonのバージョン管理はpyenvがお勧め]
brew install pyenv
pyenv install 3.6.0
pynev global 3.6.0
pyenv rehash
pyenv versions

[隔離されたpython環境構築はvirtualenvがお勧め]
cd $WORK_DIR
virtualenv env

[macでのpython実行時エラーの対応]
このメッセージがもし出たら下記対応をする「Python is not installed as a framework...」
原因:matplotlib関連のエラー。以下のファイルを作る。
~/.matplotlib/matplotlibc
ファイルに下記を記述する。
backend : TkAgg
TkAggをバックエンドで使用するよう指定すればOK

----

概要、メモは以下の通り。

1.ニューラルネットワークの基礎
 パーセプトロンの解説
  シグモイド関数
   ニューロンは曖昧な答えが可能
   (0と1の判定だけでなく、小数点以下を含めた実数の出力値を出せるようになる)
  活性化関数
   シグモイド
   正規化線形関数(ReLU)
   ソフトマックス関数:シグモイド関数を一般化したもの
  [実装例]:手書き数字認識
   ・通常版
   ・隠れ層追加による精度向上版
   ・隠れ層にドロップアウトを使用し精度向上版
   ・勾配降下法を発展させたRMSprop,Adam使用版
  精度向上のための設定変更の検証
   ドロップ率
   学習エポック数
   学習率
   内部隠れ層追加
   バッチ計算サイズ変更
   過学習を避ける
  誤差逆伝播法の解説
  CNNは対象データの局所性を保持しつつ抽象的なレベルでの学習ができる

2.KerasのインストールとAPI
 インストール
 設定
 Docker上へのKerasのインストール
 API紹介
  事前定義済みのニューラルネットワーク用API(ニューラルネットワーク、各種関数)
  ユーティリティ(各種保存、コールバック、チェックポイント)
  TensorBoardの使用
  Quiverの使用:ニューラルネットワークの可視化
  [実装例]:quiverを使用した可視化のデモ
   ※注意:読み込む画像は縦横比が同じ正方形の画像である必要あり

3.畳み込みニューラルネットワーク
 空間的な特徴を捉えることができる、画像分類に適したネットワーク
 畳み込みを行う畳み込み層、サイズ圧縮を行うプーリング層が交互に重なり構成
 [実装例]:CNNの実装例(手書き数字認識)
  KerasによるLeNetの実装
   ※前章の実装例の精度が92%前後だったのが、99%台に上昇。
  学習量を徐々に落としていったときの検証
   常に全結合ネットワークより精度がいい
 [実装例]:CIFAR-10の画像認識
  ・畳み込み層を重ねたモデル
  ・Data Augmentationによる改善版
    認識画像の回転、拡大縮小、左右反転などをしてデータを拡張して学習
  ・画像分類
  ・組み込みのVGG-16モデルを使用したもの
  ・学習済みのモデルを特徴抽出器として活用したもの
  ・転移学習(学習されたモデルを他の新しいタスクに適用)を使用したもの
 
4.GANとWaveNet
 GAN:本物を見分けがつかないような画像生成のための学習(贋作の作成)
  贋作作成、贋作鑑定と敵対させて学習させる(=敵対的生成ネットワーク)
 [実装例]:畳み込み層GAN(DCGAN)の実装
 [実装例]:Kerasを利用したGANの実装
 [実装例]:CIFAR-10の画像を生成するGANの実装
 WaveNet:人間の声や楽器の音を高精度で再現する学習
  パラメトリック音声合成システム
   音声合成を行うための特徴量を保持したモデルを作成する手法
 [実装例]:KerasによるWaveNetの実装

5.単語分散表現
 分散表現
  単語の意味を、その単語の文脈中に出現する別の単語との関係によってとらえる
 word2vecアーキテクチャ
  CBOW:文脈からターゲットの単語を予測
  Skip-gram:ターゲットの単語から前後の単語を予測
 [実装例]:サードパーティライブラリgensimでword2vecモデルをより容易に実装
 GloVe:単語表現のグローバルベクトル=分散表現
 事前学習済みベクトルの使用
  [実装例]:CNNでゼロから分散表現を学習
  [実装例]:word2vecで学習した分散表現のファインチューニング
  [実装例]:Gloveで学習した分散表現のファインチューニング
  [実装例]:事前学習したネットワークから分散表現を検索する

6.リカレントニューラルネットワーク
 時系列データの学習を可能とする
  株価、天気などでも求められる長期的傾向と呼ばれる過去のデータを考慮
  [実装例]:RNNを用いたテキスト生成
  [実装例]:LSTMによる多対1のRNNを構築して学習
  [実装例]:GRU(LSTMの亜種)で品詞のタグ付け
  [実装例]:双方向RNNによる品詞のタグ付け
  [実装例]:ステートフルRNNで電力消費量の予測
   ・名の通りステートフルであり、学習中にバッチ間で状態を維持できる。

7.様々なディープラーニングのモデル
 [実装例]:Keras function APIの使い方
 [実装例]:回帰問題を扱うネットワークを構築する方法:回帰モデルで大気中ベンゼンの濃度の予測
 [実装例]:自己符号化器で教師なし学習を行う方法:文ベクトルの作成
 function APIを組み合わせてネットワークを構築する方法
 [実装例]:複合ネットワークを実装し、質疑応答を行うMemoruNetwork
 backend APIを利用したカスタムコンポーネントの作成方法
 [実装例]:層のカスタマイズ:
  ・Lambda層の使用
  ・カスタムの正規化層を作成する
 画像に対する生成モデルの適用
  学習データに近いデータを生成するように学習させたモデル
  [実装例]:生成モデルの実装:Deep Dream
  [実装例]:Deep Dreamの応用:スタイルトランスファー
   ・ターゲットの画像を、特定の画風スタイルを適用させて生成する。

8.AIによるゲームプレイ
 機会学習の強化学習の適用
 ボールキャッチゲームを学習させる
 「左へ移動」「留まる」「右へ移動」の分類問題
 マルコフ決定過程でアプローチ
  実際にキャッチボールゲームの実行環境構築
  ゲーム画面キャプチャソフト(FFmpeg)
 [実装例]:Deep Q-networkの実装
  ・エージェントにゲームをプレイさせる

9.総括

付録A GPUを考慮した開発環境の構築

以上。
概要)
Deep Learningを数式なしにコードベースで学ぶという趣旨の本書。数式ゴリゴリのプロフェッショナルシリーズとは対照的(相互補完)な位置づけである。最適化手法やネットワークアーキテクチャなどのことは一旦置いておいて動かしてみることに焦点を当てている。

良かった点)
・新しくて重要な論文を一式抑えている

悪かった点)
・詳細はこの論文を読んでください、が多い
・コードばかりなので読み物としては若干退屈
・数式を扱わないので精度向上や計算高速化のような一歩深いところは扱われていない
 
人気 62位
 
本書の内容
今、最も熱いプログラミング言語、それがPython

※この電子書籍は、「固定レイアウト型」で配信されております。説明文の最後の「固定レイアウト型に関する注意事項」を必ずお読みください。

Python入門書のデファクトスタンダードが4年ぶりに大改訂。
近年、Pythonの利用が、機械学習、AIなどの科学技術分野へ大きく広がっている現状を踏まえて、すべてのパートに手を入れいくつかの新章を追加しました。
次の10年を担うPythonプログラマを養成するための一冊。

●目次
Chapter01 プログラミング言語Python
Chapter02 Pythonでプログラミングをはじめよう
Chapter03 Pythonの基礎をマスターする
Chapter04 組み込み型を使いこなす
Chapter05 Pythonと関数型プログラミング
Chapter06 クラスとオブジェクト指向開発
Chapter07 クラスの継承と高度なオブジェクト指向機能
Chapter08 モジュール
Chapter09 スコープとオブジェクト
Chapter10 例外処理
Chapter11 標準ライブラリを使う
Chapter12 Pythonとデータサイエンス
Chapter13 Pythan2

固定レイアウト型に関する注意事項(必ずお読みください)
この電子書籍は、全ページ画像の「固定レイアウト型」で配信されております。以下の点にご注意し、購入前にプレビュー表示をご確認の上、ご購入ください。

■使用できない機能
・文字拡大(ピンチイン・ピンチアウトは可能ですが、画面におさまらない場合は画面をスワイプ)/文字のコピー/マーク/ハイライト/文字列検索/辞書の参照/Web検索/引用

■推奨環境
・タブレットなど大きいディスプレイを備えた端末
・Wi-Fiネットワーク経由でのダウンロード(Kindle端末の場合)
 
内容サンプル
 
User Voice
知人にPython入門本として2年ほど前にオススメされて買った本です。しかし当時の私の感想は散々で、あまりの退屈さに途中で挫折して結局オンラインの学習教材を使いました。そしてPythonの基本事項を一通り理解し、業務や競技プログラミングでもPythonを多用している今、改めてこの本を読み直してみたところ、扱っている事項の平易さの割に読み進めるのがしんどい本だと改めて感じました。

見落としがちな重要事項も意外に所々に載っており、知識の網羅率は高いと思います。しかし全体的に長文や不親切な記述が多く、良くまとまっているとも思えません。易しそうなタイトルで「入門書」と銘打ってますが、初学者には正直オススメできない本です。

以下、私が感じた難点を列挙します。

●Pythonを試しに動かす序盤の例が「turtleモジュールをimportして図形を描く」というもの
滅多に使わないモジュールを序盤の解説で使用します。しかも図形描画でfor文や関数の説明をしています。プログラミング自体が初心者の人がこの記述を理解するのはかなり難しいと思いますし、ループ処理や関数を知っていてもここは分かりにくい箇所です。

●「おまじない」でグラフを描く作業を何度も要求してくる
エディタの説明直後という超序盤から、matplotlibを使用してグラフを何度も描かせてきます。データサイエンスがテーマの本ならまだ分かりますが、この本は残念ながら「Python」の入門書なのです。しかもmatplotlibに関する説明は後半にあり、(その時点では)意味不明のコードを写すだけの作業になっています。

●具体例のコードに、長い割に実用性が低いものがある
for文を使って分散を計算するなど、回りくどくて長大な割にPythonに慣れた後は全く使わないような具体例が散見されます。また、その他の具体例にもimport somemodule as anothermoduleのような、記法のメリットを分かりづらくするようなものもあります。

●構成が非常に不親切な箇所がある
メソッドの解説箇所は、メソッドの記法を解説する→話題が変わり、一度解説したはずの組み込み型を再度解説する→シーケンスやイミュータブル、int型のビット演算や2進数変換など、メソッドと関係ないことについて長々と書く→いきなり文字列型のメソッドの解説をする→メソッドの話題から逸れてエスケープシーケンスやraw文字列の解説をする、というような大変不親切な構成をしています。

●意味が明らかでない表現がある
「例外を捕まえる」など、意味があまり明瞭でない文章が本文や見出しに出現します。

●説明なしに専門用語を使う
たとえばwith文の解説では「コンテキストマネージャ」という用語が何の説明も無しにいきなり出てきます。ちなみにこの用語は索引にもありません。

●Pythonから完全に脱線して人口減に関する持論を丸々1ページ書いている
人口推計や人口ピラミッドの描画の解説の後、筆者の人口減に関する持論が1ページ分続きます。脱線を全くするなとは言いませんが、流石に長すぎだと感じました。
普段はPHP、JavaScript使いですが、昨今の流れを汲んでPythonを勉強することになりました。
本書はその1冊目になります。
Pythonの基本的な部分は、他の言語を知っていればそれほど難しくないと思います。
前半~2/3位の所までは、サンプルコードをちょこちょこ変えてIDLEで動かしながら、ほぼ思ったとおりに動いてくれました。
最後のライブラリとデータサイエンスについては、「実践の時に使えればいいかな」ということで、特にプログラムは書かずに読み進めました。
それでもPythonで何ができるのか、Pythonはどういった所が得意なのかが、ぼんやりとではありますが理解できてきました。
別のPython本も参考にしつつ、実際に何か作りながらPythonの理解を深めていこうと思います。
プログラム初心者で『いちばんやさしい Pythonの入門教室』を終えて次の本として購入。

コードを写経しているのだが、ボリュームがあるのにサンプルコードのアウトプットが地味で飽きる。サンプルコードも省略があったりして、サンプルを載せているウェブページを見ないとわからない箇所が多い。

勉強する内容が普段やってるPCの作業と全然リンクしないので、初心者にはどう活かすのかよくわからない。

あまりに退屈なので本書は一旦中断して『退屈なことはPythonにやらせよう』に取り組むことにしました。
 
人気 63位
 
本書の内容
「Pythonで強化学習が実装できる!」と好評を得た入門書の改訂版。読者からの要望・指摘を反映させた。主に、Policy GradientとA2Cの記述・実装を見直した。・Pythonプログラミングとともに、ゼロからていねいに解説。・コードが公開されているから、すぐ実践できる。・実用でのネックとなる強化学習の弱点と、その克服方法まで紹介。【おもな内容】Day1 強化学習の位置づけを知る 強化学習とさまざまなキーワードの関係 強化学習のメリット・デメリット 強化学習における問題設定:Markov Decision Process Day2 強化学習の解法(1): 環境から計画を立てる 価値の定義と算出: Bellman Equation 動的計画法による状態評価の学習: Value Iteration 動的計画法による戦略の学習: Policy Iteration モデルベースとモデルフリーとの違いDay3 強化学習の解法(2): 経験から計画を立てる 経験の蓄積と活用のバランス: Epsilon-Greedy法 計画の修正を実績から行うか、予測で行うか: Monte Carlo vs Temporal Difference 経験を価値評価、戦略どちらの更新に利用するか:Valueベース vs PolicyベースDay4 強化学習に対するニューラルネットワークの適用 強化学習にニューラルネットワークを適用する 価値評価を、パラメーターを持った関数で実装する:Value Function Approximation 価値評価に深層学習を適用する:Deep Q-Network  戦略を、パラメーターを持った関数で実装する:Policy Gradient 戦略に深層学習を適用する:Advantage Actor Critic (A2C) 価値評価か、戦略かDay5 強化学習の弱点 サンプル効率が悪い 局所最適な行動に陥る、過学習をすることが多い 再現性が低い 弱点を前提とした対応策Day6 強化学習の弱点を克服するための手法 サンプル効率の悪さへの対応: モデルベースとの併用/表現学習 再現性の低さへの対応: 進化戦略 局所最適な行動/過学習への対応: 模倣学習/逆強化学習Day7 強化学習の活用領域 行動の最適化 学習の最適化
 
内容サンプル
 
User Voice
あまりちゃんと読んでいませんが、colabのアニメーション非対応のコードだったので、macでminiconda等の環境構築を試みましたが、動かず3日無駄にしました。

自前でGPU積んだPCを用意するかAWSで有料の環境構築が必要です。
後で買った他の書籍だとcolabやtry jupyterでできるように書かれていました(後半は少し改変する必要がありましたが)。導入のところは簡単にできる様にして欲しかったです。

また改訂版で誤植を無くしてるはずなのに誤植が多いです。P.7ですでにtensorflowのバージョンが0.12->0.14へあげたと書かれていますが1.12->1.14かなと思うし、なんか誤植が多いイメージでした。
自分にはコードも分かりづらかったです。

説明はそこそこ丁寧かも、でもそれはwebの情報でまかなえる。
コードを簡単に動かしたかったのですがその需要は満たされなかったです。
こちらの書籍で強化学習を勉強中ですが、図やソースコードがたくさんあり、数式が少なめでわかりやすいと思いました。普段からPython・機械学習に親しんでいる方は、よりすんなり入ってくると思います。

機械学習とは? 強化学習とは? ディープラーニングとは? といった基礎から、深層強化学習である A2C まで丁寧に書かれていて、初心者にもおすすめです!

本では Open AI Gym のゲームを例に実装が進められていますが、私は Kaggle の Connect X コンペで本に載っているいくつかの手法を試してみました。理論から実践まで記載されているので、いろんなゲームに応用することが可能だと思いました。
強化学習の何らかに行き詰まったときに解決の糸口を探すのによい本です。うまく整理されているので、すでに学んだつもりの概念の見直しにも有用です。
私はDDPGの学習が進まなくて途方に暮れてたのですが、この本の説明をもとにTD学習の実装を見直したところうまくいきました!
数式の導出や実装を勉強するのは他を当たるのがいいです。本書のDDPGの実装はkeras-rlからですし、本文にも『Policyベースの手法は学習が安定しないことが多いため、勉強以外の場合はこうしたすでにテストされた実装の使用をおすすめします』とあります。
 
人気 64位
 
本書の内容
 
内容サンプル
 
User Voice
 
人気 65位
 
本書の内容
実データに合わせて最適な予測モデルを作ることのできるPythonライブラリのscikit-learn解説書です。本書は他の実装本とは異なり、アルゴリズムの解説に敢えて数式を採用し、実装で指定するハイパーパラメータと数式の関係が分かるよう工夫しました。また、ハイパーパラメータの値を増減し、そのときの予測の変化も紙面が許す限り記載しました。本書は不動産価格の予測やワイン品種の分類で使用する典型的なデータセットだけでなく、より実践的なデータ分析が学べるよう、タイタニック、気温、MovieLensのデータセットを採用しています。これらのデータセットを用いて、前処理から予測モデル作成までの分析例を実例で紹介します。
 
内容サンプル
 
User Voice
初心者向け よくわからなかった所がわかりました。
 
人気 66位
 
本書の内容
AI開発に必要な数学の基礎知識がこれ1冊でわかる!

【本書の目的】
本書は以下のような対象読者に向けて、
線形代数、確率、統計/微分
といった数学の基礎知識をわかりやすく解説した書籍です。

【対象読者】
数学がAIや機械学習を勉強する際の障壁になっている方
AIをビジネスで扱う必要に迫られた方
数学を改めて学び直したい方
文系の方、非エンジニアの方で数学の知識に自信のない方
コードを書きながら数学を学びたい方

【目次】
序章 イントロダクション
第1章 学習の準備をしよう
第2章 Pythonの基礎
第3章 数学の基礎
第4章 線形代数
第5章 微分
第6章 確率・統計
第7章 数学を機械学習で実践
Appendix さらに学びたい方のために

 
内容サンプル
 
User Voice
60ページにpython環境の構築とpythonの基礎。
残り220ページに三角関数、 ベクトル、行列、微分、偏微分、最急降下法、確率、相関係数、ベイズの定理、ロジスティック回帰等必要な数学を詰め込んでいます。しっかり理解するためには当然これ一冊では足りませんが、概略を掴むにはまとまっていて良いと思います。Numpyのコードがほとんどの項目についているのでnumpyに習熟するための教材としても良いと思います。
 何か機械学習や深層学習の事例があるものと思ったら全くの的はずれになります。簡単な数式のpythonによるグラフ化の例が載っているだけで、それ以降は筆者の会社の紹介があり、実装や解析はこちらへどうぞと言うだけ。
 翔泳社もよくこんな本を出版するなぁ。何でもPythonとつければ売れる時代の駄本で、わざわざ買う価値はありません。こんなことをしているから日本は取り残され遅れてゆく。情けない。
「前提として、中学程度の数学の知識があれば大丈夫です」とあるがこれが大きな間違い。

微分で解説もないまま式をのせておいて文系を対象にしてるなど書いてはいけないだろう。

また、他の方も書いているがその数式が後に何に使われるのか伝えないまま具体的イメージなく永遠と進んでいく。

翔泳社の書物全般に言えることだが、誰も中身をチェックせずに発売しているのではないだろうか?
 
人気 67位
 
本書の内容
本書は、AWSが提供するAIのサービスについて、その全体像を
まるごと、ざっくりつかんで頂くことを目的としています。
Pythonを使って、まずは画像認識の「Rekognition」や音声認識の
「Transcribe」など、比較的身近なサービスを見てみます。
次に、トレーニングデータを準備して予測モデルを作成する
「Forecast」や、レコメンデーション(推薦)機能を提供する
「Personalize」を操作してみます。
AWS AIの世界はさらに広がります。本書の後半では、より一層高度な
サービス、すなわち完全マネージド型の機械学習サービス「SageMaker」、
深層学習フレームワーク「Deep LearningAMI」にチャレンジします。
それでは、早速はじめましょう!


◆本書の構成◆

第1章 人工知能とは何か
1.1 第3次人工知能ブーム
1.2 機械学習
1.3 機械学習の代表的な手法

第2章 AWSの機械学習サービス
2.1 機械学習をどう使うか
2.2 AWSで機械学習を使うには
2.3 機械学習をシステムで使うには
2.4 AWSで機械学習のワークフローを作る
2.5 AWSのアカウントを作る

第3章 AIサービス
3.1 AIサービスとは
3.2 SDKの使用準備
3.3 Amazon Rekognition
3.4 Amazon Comprehend
3.5 Amazon Textract
3.6 Amazon Translate
3.7 Amazon Transcribe
3.8 Amazon Polly
3.9 Amazon Lex
3.10 Amazon Forecast
3.11 Amazon Personalize

第4章 Amazon SageMaker
4.1 SageMakerとは何か
4.2 SageMakerのノートブックを使う
4.3 SageMakerの組み込みアルゴリズムでモデルを作る
4.4 SageMakerのさまざまな組み込みアルゴリズム
4.5 SageMaker StudioとSageMaker Autopilot

第5章 AWS DeepLearning AMI
5.1 EC2環境でのディープラーニング
5.2 DLAMIを使う
 
内容サンプル
 
User Voice
AWSでAIのプラットフォームがあることは初めて知りました。AWSの契約は持っているので、試してみようと思い、本書を購入しました。設定なども行いやすいように最新の画面が掲載されていたので迷わずできると思います。
Pythonも勉強しようとおもっていたので、本書で勉強を進めていけるのは嬉しいです。
 
人気 68位
 
本書の内容
Pythonデータ分析+機械学習への第一歩! 本格学習の前に、基礎を固め、全容を把握。― データの取り込み・整備・集約から、可視化、モデル化、正規化、高速化など、一連の基本作法を学べます。付録では、Python環境のインストール、Pythonの文法などを確認できます。使用するライブラリは、pandasを中心に、matplotlib、seaborn、numpy、statsmodels、sklearnなど。本書は『Pandas for Everyone: Python Data Analysis』の翻訳書です。

※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。
購入前にお使いの端末で無料サンプルをお試しください。
 
内容サンプル
 
User Voice
手取り足取り解説してくれるわけではないので初学者向けではないかもしれませんが、ある程度Pythonの知識があれば、スキルアップにとても役立つ本だと思います!色々なPython関連本を取り寄せて比較検討した結果、翻訳本特有の不自然さがなく、体系的に分かりやすく解説してあるところがとても気に入っており、今はこの本だけでスキルアップに励んでいます。
発売日に買って、コードを実際に打ち込みながら最後まで読みました。

この本ではpandasを使ってデータを取り込んでいろんな形で視覚化したり分析したりする手順を、基本的なところから始めて順番にやっています。
Jupyter Notebook で入力しながらやっていくと、内部形式の違いとか分析の比較とかいろいろ確認する手順も語られてて非常に勉強になりました。
全体の知識量が膨大なので、明日から自由自在に使いこなせるとは思いませんが、pandasなどを使ったデータ処理について何が出来るかの基本的なことはわかったと思います。
ちゃんと身につけるには継続的に使わないとなー。
巻末に付録があるのですが、これが凄く充実しているので、
他言語を習得している人ならこの本を読むだけでPythonの基礎がわかります。
自分がPythonで最初に混乱したのがExcel的な配列の使い方ですが、
これは本文で具体的に説明されていて非常にわかりやすく、簡単にデータの整理が出来る様になりました。

当たり前のことではありますが、機械学習では扱うデータを間違えないことが大前提なので、
「Pythonって便利だけどよくわからない(自分のパターン)」場合は、
この本で基礎をキッチリと固めておいた方が良いです。

本屋でタイトルを見た時は「ファイルを読むだけのライブラリだから不要かな」と思って買うつもりは無かったのですが、
中身を読んだ時に考えが変わって、購入してじっくり読んだらモヤモヤしていた物がスッキリしましたので、
意外な良書に巡り合えました。
 
人気 69位
 
本書の内容
 
内容サンプル
 
User Voice
 
人気 70位
 
本書の内容
 
内容サンプル
 
User Voice
 
人気 71位
 
本書の内容

時代が変わっても
変わらないアルゴリズムから考え方を学ぼう

本書は、初心者にも扱いやすいプログラミング言語「Python」を使用して、
アルゴリズムの基礎・考え方を学ぶ入門書です。特にPythonがはじめてという方の
ために、第1章ではPythonの基本とデータ構造について解説しています。

本書では、プログラミング入門者が最低限知っておきたいアルゴリズムの
基礎と考え方に加えて、アルゴリズムの定石とその計算量について、具体的
なサンプルコードと動作イメージを交えて丁寧に解説していきます。

【こんな方におすすめ】
・アルゴリズムをゼロから学びたい
・Pythonでプログラミングを学んでいるけれど何から手をつけていいのかわからない
・過去にアルゴリズムを学ぼうと思ったけれどPythonの資料が少なかった
・基本情報技術者試験でPythonが取り入れられるので勉強したい

【扱うアルゴリズム】
FizzBuzz|フィボナッチ数列|線形探索|二分探索|幅優先探索|
深さ優先探索|番兵|8クイーン問題|n-クイーン問題|ハノイの塔|
ミニマックス法|選択ソート|挿入ソート|バブルソート|ヒープソート|
マージソート|クイックソート|最短経路問題|ベルマン・フォード法|
ダイクストラ法|A*アルゴリズム|文字列探索の力任せ法|Boyer-Moore法|
逆ポーランド記法|ユークリッドの互除法

※本電子書籍は同名出版物を底本として作成しました。記載内容は印刷出版当時のものです。
※印刷出版再現のため電子書籍としては不要な情報を含んでいる場合があります。
※印刷出版とは異なる表記・表現の場合があります。予めご了承ください。
※プレビューにてお手持ちの電子端末での表示状態をご確認の上、商品をお買い求めください。

 
内容サンプル
 
User Voice
40代のプログラマーです。
ここ何年かはデータ分析のシステムの開発、運用に携わってきました。

本書は、初心者向けのプログラミング入門+アルゴリズム入門という内容の本です。

本書であつかっているのは、実際、
大学のコンピュータサイエンスのアルゴリズムの授業で
あつかうような内容なのですが、そこは、興味が持てるように、
重くなりすぎないように、入門を意識して書いてある印象です。

目次を見ると、以下のような内容になっています。

第1章 Pythonの基本とデータ構造を知る
第2章 基本的なプログラムを作ってみる
第3章 計算量について学ぶ
第4章 いろいろな探索方法を学ぶ
第5章 データの並べ替えにかかる時間を比べる
第6章 実務に役立つアルゴリズムを知る

1, 2章で、Pythonの文法と小さいプログラムのつくりかたを学びます。
これで、全体のページ数の1/3ぐらいあります。
内容的にも、Pythonやプログラミングの入門者向けです。

3,4,5,6章でいわゆるデータ構造とアルゴリズムについて学びます。
題材の選択や難易度が、浅すぎず、深すぎず、かんたんすぎず、むずかしすぎず、
バランスのとれた内容になっていると思います。
第6章 実務に役立つアルゴリズムを知る
あたりは、初心者には、むずかしいかもしれませんが、
文字列の検索は、プログラミング言語のAPIとして使ったことがある人も多いでしょうし、
最短経路問題は、こっち方面に興味をもてたひとには、おもしろいとおもいます。

全体的に、pythonのソースコードもあまり長くなく、
読むのもむずかしくはないと思います。

フローチャートがけっこうたくさん書かれています。
pythonのソースコードとくらべて、アルゴリズムが
わかりやすく記憶に残りやすいということはないでしょうし、
Web界隈の現場でしたら見ることはないだろうし、
Pythonのソースコードと2重に確認することが増えて負担かもしれません。

本書を読んでアルゴリズムに興味がでたら、
別の、より詳細な本、より本格的な本も見てみると良いと思います。
本書をひととおり読めば、本書でわからないところがあったとしても、
そういった本も読めるようになっていると思います。
競技プログラミングの入門書やさらに専門的なアルゴリズムの本なども
なんとか読めるのではないでしょうか。

補足
Webのプログラマーですと、
「こういう勉強は、ブラウザで画面が見られないからおもしろくない」
というひともいるかもしれませんが、ネットを探せば、
アルゴリズムの動きを視覚化してみせてくれるWebサイトとか見つかります。

一般に、入門者が困るのはプログラミングできる環境をつくることだとおもいます。
こちらは、本書で足りなければ、インターネットを検索するとたくさん記事が見つかります。
「Windows Python インストール」
「Windows Python データ分析 環境構築」
などの単語でググるといいと思います。
Google colaboratory(という単語でググってください)
などを使うと、ブラウザからPythonのソースコードを実行できます。
(ただ、まー、クラウドの場合、ブラウザとWebサーバの区別がつかないと
「ファイルはどこに保存された?」とか、混乱するかもです。)
まずPythonでの演算子の使い方や関数の作り方などについて説明があるのでPythonの事前知識がなくても学習を始められるようになっています。
その次の章ではお釣りを計算するとか素数を出力させるといったプログラムを作るのですが、そうした分かりやすい例を使って「同じ結果を得るにも複数の実装が可能で、どれを選ぶかでコードの長さも計算量も大いに違ってくる」ということが明快に示されています。それぞれの例にフローチャートがついているので理解の助けになりますし、それぞれの処理の手際のよさを比較できるようになっています。また不正な入力を想定してエラーを防ぐ対策もこの段階から扱っています。
とにかく初歩の段階から自然に「より良いアルゴリズムとは何か?」を考えるようになるのが素晴らしいと思います。
フローチャートがあるので理解できる,という立て付けになっていて,
アルゴリズム自体の説明がおろそかな印象を受けました(特にヒープ・最短経路).
フローチャートは理解を助けるのは事実だと思いますが,
フローチャートがあれば説明しなくても良い,ということにはならないと思います.
 
人気 72位
 
本書の内容
※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。
※本書内容は一部のページが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。



AIの大衆化―多くの人々がディープラーニングを利用できるよう実践解説!

PythonベースのディープラーニングフレームワークKerasの開発者である筆者が、1人でも多くの人々がディープラーニングを利用できるよう実践解説します。

本書はディープラーニングを一から学習したいと考えている人のために書かれています。数学的な表記を避け、代わりにコードを使って定量的な概念を説明することで、機械学習とディープラーニングの基本的な考えについて実践的な知識を養っていきます。
サンプルコードはPythonベースのディープラーニングフレームワークであるKerasに基づいており、バックエンドエンジンとしてTensorFlowを使用しています。
Part 1では、ディープラーニングを大まかに紹介。機械学習とニューラルネットワークを囲む状況といくつかの定義を示し、取り組みを開始するために必要な概念を説明します。

第1章:人工知能(AI)、機械学習、ディープラーニングの基本的なコンテキストと予備知識を提供。
第2章:ディープラーニングに取り組むために必要な基本概念(テンソル、テンソル演算、勾配降下法、バックプロパゲーション)を紹介。
第3章:ディープラーニングフレームワークであるKerasの紹介。分類タスクと回帰タスクを処理する単純なニューラルネットワークの訓練と内部で何が起きているのかが理解できる。
第4章:機械学習の一般的なワークフローとよくある落とし穴・解決法を詳解。

Part 2では、ディープラーニングの実践的な応用例としてコンピュータビジョンと自然言語処理を詳しく見ていきます。サンプルの多くは、ディープラーニングを実務で使用するときに遭遇する問題を解決するためのテンプレートとして利用できます。

第5章:画像分類に焦点を合わせ、コンピュータビジョンの実践的な例を幅広く取り上げる。
第6章:テキストや時系列といったシーケンスデータを処理するための手法を実際に試してみる。
第7章:最先端のディープラーニングモデルを構築するための高度な手法を紹介。
第8章:画像やテキストを作成する能力を持つディープラーニングモデルであり、驚くほど芸術的な結果をもたらすことがあるジェネレーティブモデルの紹介。
第9章:本書の総括。ディープラーニングの限界とその未来を予測。

本書を最後まで読めば、ディープラーニングとは何か、適用できるのはどのような状況か、その制限についてしっかり理解できるはずです。コンピュータビジョンから自然言語処理、画像分類、時系列予測、感情分析、画像/ テキスト生成に至るまで、現実の幅広い問題にKerasを使用できるようになり、最高の短期集中コースとして活用できます。
 
内容サンプル
 
User Voice
p196
#整数のリストを形状が(samples, max_len)の整数型2次元テンソルに変換
とあるが、このコメントだと訓練データ一式がただの整数のリストということになる。
原文だとlist of integersだった。つまり整数のリストのリストになる。

ちょっとページをめくれば意味が通じず、溜息をつき、机を蹴りながら読み進めることになる。
早く機械学習が発展して、粗悪な翻訳業者が滅んでくれればいいのにと思う。
内容は素晴らしいが、翻訳、校正がひどく誤字脱字が気になる。
本に記載されているコードも明らかに動かないであろう記述であった(Gitがあるのが救い)。
内容が素晴らしいだけになおさら残念であった。ただ残念…
私は「Pythonによるスクレイピング&機械学習 開発テクニック」を読んだあとにこちらの本を読みました。
上記の本が機械学習の初級だとするとこの本は中級の本だと思います。
機械学習を触ったことがある人はこの本を読むだけで、かなりのことができるようになるはずです。

「Pythonによるスクレイピング&機械学習 開発テクニック」を読んだあとに
学習用に使用するデータの作り方がいまいちよく分かりませんでした。
しかし、こちらのんでは1次元(テキスト)、2次元(画像)、3次元(動画)などに分けてそれぞれのデータセットをどの様に作っていくのかについて触れられています。

本書は既存のデータセットを使ってKerasで機械学習(ディープラーニング)を行っていきます。
その中で下記のようなことが学べます。

・前処理の方法
・学習モデルを作り方
・CNN, LSTM , Denseなどの特徴と使い所
・精度を上げるためのモデルの作り方
・学習用データの水増し
・画像認識の方法
・自然言語を扱う方法と前処理
・転移(移転)学習
・Keras APIを使った柔軟なモデルの作成

などです。挙げればがキリがないほどたくさんあるのでこの辺にしておきますが
機械学習を学びたいと考えている方にはおすすめの1冊です。

また、数式を使わずに説明されれいるところが
数学の苦手な方にすごくとっつきやすい内容になっています。

Kindle版は文字の拡大ができない使用なので
15インチ以上のモニターがオススメです。
それより小さい画面では文字が小さくてすごく疲れるので注意が必要です。
 
人気 73位
 
本書の内容
※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。
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。


Pythonゲーム開発入門の決定版!
人気ジャンルを題材にプログラミングの腕を磨こう!

大好評を博している『Pythonでつくる ゲーム開発 入門講座』に、第2弾『実践編』が登場!
前作同様、Pythonを用いたゲームプログラミングの基礎をまんべんなく解説しながら、今回は「アクション」「シューティング」「3Dカーレース」といった人気ジャンルの開発に挑戦します。

【本書の特長】
○複数の演習を通し、ゲーム開発の知識・技術を大幅UPできる
○三角関数、遠近法などの知識を開発に活かす方法を学べる
○マップエディタやランチャーなど関連ツールの開発も行う
○プログラム1行ごとに説明を付けており、理解しやすい
○豊富な図解とイラストを用い、イメージで理解できる
○開発に必要な素材はすべて無償ダウンロードできる

さらに、ゲーム開発でぶつかる"壁を乗り越えるためのヒント"も豊富に用意しました。

【開発のヒントが満載】
・マップやアイテムの配置はどうするのか
・自機と敵機のヒットチェックはどうするのか
・"弾幕"の軌道はどうやって計算するのか
・面白さにつながる難易度とはどの程度なのか
・エフェクトやサウンドはどうやって組み込むのか
・坂道のカーブ、奥行、起伏はどう表現するのか
・Pythonで3Dを表現するにはどうしたらよいのか
……こんな疑問に答えます!

ゲーム素材400本、プログラム80本、遊んで面白いゲーム5本を無償提供!

本書を読み終えた頃、ゲーム開発の知識はかなり高いレベルに到達できるでしょう。
また、各プログラム内にPythonのプログラミング技術を多くちりばめたので、Pythonを使う力もぐんと伸びているはずです。

ゲーム開発の基礎を盤石にしたい方、Pythonの技術に磨きをかけたい方にオススメの1冊です。
 
内容サンプル
 
User Voice
分かりやすい説明と例題が用意されており、プログラム初心者の方でも十分に理解できる。
Python入門、ゲームプログラミング入門という類の書籍は多くありますが、本書のターゲットは就職先としてゲーム業界に興味がある人です。
もちろん、ゲーム開発入門講座実践編とのタイトルなので、実際にゲーム開発を進めるためのプログラム例が提示されていて、単純にコピー(素材、プログラムがダウンロードで入手できる特典付きです)するだけでなく、自ら手を動かすことが推奨されています。
プログラムを見ただけでは、処理の流れが判り難い(或いはコマンドの意味が曖昧だったり)という初心者の方のために、プログラムの右側には英文読解問題の日本語訳?のように、解説が記されています。
ああなるほど、こうすればこう表現されるのかとか、こう動かせるのかとか、ゲームというよりは、ゲームを作るためのGUI操作の基礎が判るという内容です。
これだけであれば、よくある丁寧なプログラム教本ですが、冒頭ページにもあるように、ゲーム開発とはといったことや、著者がかかわったゲーム開発のこぼれ話のようなコラムが収載されていて、業界事情や業務の内容がなんとなく伝わってくるのが興味深いです。
ある程度のプログラム技術があるレベルであれば読む必要はありませんが、初心者にとっては良いテキストだと思います。
実践編を読み始めて改めて入門講座は、著者が手加減をしてくれていたんだと思いました。数学的な概念が全く出てこなかった前著と比べてソースコードに三角関数などが最初から出てくるので難易度は上がってると思います。入門講座では、if文のネストや二重のトリッキーなforループなどでゲームが作られていて、それはそれで歓心しましたが初心者向けでした。実践編はヒット判定などゲームを作る上で必須な知識が紹介されます。少しソースコードを前に考え込むようなケースがページを読み進めて増えてきました。Javaの頃にこういう本があったらなと(笑)。難しすぎる本か簡単な本しかない中で貴重だと思います。pythonを1から勉強する向けの本じゃないので気をつけてください。
 
人気 74位
 
本書の内容
◇-------------------------------------------◇
実践的な基礎が学習しやすい!!
◇-------------------------------------------◇

注目を集めるPython(パイソン)を使った機械学習の、
実践的な基礎が学べる解説書です。

小さいサンプルプログラム(bot)に機能を追加しながら
データ収集から前処理、学習、予測、評価まで
周辺技術も含めた機械学習の全体像が学べます。

本書のサンプルプログラムは、
すべて本書のサポートページからダウンロードできます。

■本書はこんな人におすすめ
・Pythonの入門書を読み終えた人
・Pythonを使った機械学習に触れてみたい人
・業務で役立つ実践的なノウハウが知りたい人
など

■本書の内容
Chapter 1 機械学習について知ろう
Chapter 2 環境を準備しよう
Chapter 3 スクレイピングでデータ収集をしよう
Chapter 4 日本語の文章生成をしよう
Chapter 5 手書き文字認識をしよう
Chapter 6 データの前処理を学ぼう
Chapter 7 回帰分析をしよう
Chapter 8 機械学習の次のステップ
 
内容サンプル
 
User Voice
人工知能のシステム開発に関する基本的な情報、知識の習得に大変役に立ちそうで満足しています。
 機械学習のための前処理(スクレイピング、Pandas等)を中心に、ポイントを絞って丁寧に説明されています。サンプルプログラムも短めにしてあり、読みやすい本だと思います。DeepLearningについては触れていませんが、日本語処理、Webアプリへの組み込みなどについて簡単な例を学ぶことができます。実践に結びつけるための最初のとっかかりとしてベストな本のひとつだと思います。
教師有りのサンプルしかない。教師無し、強化学習のサンプルがない。スクレイピングの説明のボリュームが多く、肝心の回帰分析や未来予測の説明がすくない、もしくはない。全体的にわかりやすいけど偏った内容
 
人気 75位
 
本書の内容
機械学習本ベストセラーの第2版!
著者陣の経験に基づく洞察とより専門的な知識を学べる


機械学習の各コンセプトについて、理論や数学的背景、Pythonコーディングの実際を解説。
初期の機械学習アルゴリズムから、ニューラルネットワーク(CNN/RNN)までの手法を取り上げます。

Python関連ライブラリとしてはscikit-learnやTensorFlowなどを使用。
本書は、機械学習を本格的に理解・実践するのに不可欠な一冊となっています。

第2版では、第1版への読者のフィードバックを随所に反映し、ライブラリの更新に対応。
13章以降はほとんど新規の書き下ろしです。

●原著の第1版はACM(米国計算機学会)の
「21st Annual list of Notable Books and Articles(2016)」にランクイン
●日本語版の第1版は「ITエンジニア本大賞2017」ベスト10にランクイン


第1章 「データから学習する能力」をコンピュータに与える
第2章 分類問題―単純な機械学習アルゴリズムのトレーニング
第3章 分類問題―機械学習ライブラリscikit-learnの活用
第4章 データ前処理―よりよいトレーニングセットの構築
第5章 次元削減でデータを圧縮する
第6章 モデルの評価とハイパーパラメータのチューニングのベストプラクティス
第7章 アンサンブル学習―異なるモデルの組み合わせ
第8章 機械学習の適用1―感情分析
第9章 機械学習の適用2―Webアプリケーション
第10章 回帰分析―連続値をとる目的変数の予測
第11章 クラスタ分析―ラベルなしデータの分析
第12章 多層人工ニューラルネットワークを一から実装
第13章 ニューラルネットワークのトレーニングをTensorFlowで並列化
第14章 TensorFlowのメカニズムと機能
第15章 画像の分類―ディープ畳み込みニューラルネットワーク
第16章 系列データのモデル化―リカレントニューラルネットワーク

◎本書は『Python Machine Learning: Machine Learning and Deep Learning
with Python, scikit-learn, and TensorFlow, 2nd Edition』の翻訳書です。

◎微積分/線形代数、Pythonの文法、データ分析用ライブラリについて
ある程度理解している必要があります。

■「はじめに」より抜粋
機械学習の実践的なサンプルコードを調べて試してみるのは、
この分野に飛び込むのにうってつけの方法である。幅広い概念が明確になるからだ。
本書では、Python言語と機械学習ライブラリを使って機械学習の実装を体験してみるほか、
アルゴリズムの背後にある数学的な概念を紹介する。それらの概念は、機械学習をうまく
利用するために欠かせないものである。したがって、本書は単なる実用書ではない。
本書では、機械学習の概念を必要に応じて詳しく説明する。そして、アルゴリズムの仕組み、
アルゴリズムの使用方法、さらに重要な、最も一般的な落とし穴を避ける方法を直観的に説明する。
 
内容サンプル
 
User Voice
数式とコードが程よい具合で書かれているこの本は2冊目として読む本としてはぴったりです。この本では matplotlib, numpy, pandas といったpythonのライブラリを多用するのでpython初心者にとっては始めびっくりするかもしれません。付録としてmatplotlibの使い方が後ろのページに書かれているのですが、ネットを調べながらやるといいと思います。

また、coursera の machine learning と合わせて読むといいと思います。courseraで扱っている内容のほとんどがこの本に収録されています。だからcourseraとこの本を読み比べてみるとより理解が進みます。courseraでは具体例が詳しいので、courseraで言っていたことをこの本に書き込むなどして機械学習のノートがわりに使うといいです。

====== 1版と2版の違い

2版では13章以降が全て新しく追加されています。(120ページくらいの追加分量!!)
今回は新たに tensorflow と Keras の実装のコードが追加されていて、CNN、RNNの実装例が示されています。
13章ではニューラルネットワーク をTensorflow で実装し、14章ではTensorflow について詳しく解説されています。15章では畳み込みニューラルネットワーク CNNを解説され、16章ではRNNが実装されていました。最後の2章はちょっと早く走りすぎな気持ちもしますが、これを足がかりに別の書籍に当たるのであればいいきっかけになるはずです。

あとデータセットも Github でダウンロードできるようになったのも小さな進歩(笑)

1版の方が安いから1版でいいかなあとケチな考えはやめて、絶対にこの2版の方をおすすめします!
PRMLほど理論寄りでもなく、リファレンス集に近い機械学習本のようにコードだけ羅列しているわけでもない。
基本は自力で実装し、納得感を持ってからscikit-learnやTensorFlowを使う点も好印象。
数式が度々出てくるが、大学入試を理系で受けた人は自力で読める程度の難易度でちょうど良い。人によっては高度であると感じるかもしれないが、実装が常に伴うので理解は追い付いていける感覚。
何よりこの本の良いところは機械学習の全貌が一冊に詰まっている点で、パーセプトロンからニューラルネットワークまでの実装を、感情分析、画像認識、言語解析などの様々分野で行っているため、現在実社会で利用されている機械学習の体系的な理解が得られる。
はじめての一冊には難しいかもしれないが、買って読む価値はある。
これまで購入した機械学習に関する本の中でもダントツで素晴らしい本です!
よくぞ1冊にこれだけの内容をまとめたという感じで、本当に内容盛り沢山。

とは言うものの、機械学習を一から学ぼうとされる人には少し難しいかもしれません。
CourseraのStanford大のMachineLearningコースなど、初学者むけ教材をこなしてから
この本を手に取ることをオススメします。

【よかった点】
・理論の説明→実装の流れになっており、より深く理解できる
・説明が簡潔かつ十分な内容でスッと頭に入ってくる
・コードの内容がシンプルで初学者でも理解しやすい
・監訳者の註釈が「かゆい所に手が届く」感じで、理解の手助けになる
・機械学習のトピックを広範囲に網羅しており、十分な内容

【悪かった点】
・たまに訳がこなれていない箇所がある(と言うものの気にならないレベルで理解の妨げにはならない)
 
人気 76位
 
本書の内容
 
内容サンプル
 
User Voice
 
人気 77位
 
本書の内容
 
内容サンプル
 
User Voice
 
人気 78位
 
本書の内容
 
内容サンプル
 
User Voice
 
人気 79位
 
本書の内容
さまざまな関係性の構造をPythonで分析する!
ネットワーク分析は、あらゆる「関係性」を分析する学問です。
構造をモデル化することで、ネットワークという言葉から想像しやすいWebやSNSの分析だけでなく、たとえば感染症の伝搬経路を見つけたり、未来の人間関係を予測したりすることが可能です。マーケティングなどの現場でも使用されています。

本書では、ネットワーク構造をもつデータをPythonで分析するための基礎知識を習得できます。
分析には、Google Colaboratory(クラウド上で使用できるJupyter Notebook環境。Colabとも呼ばれる)を用います。ブラウザ上で動くColabは環境構築が不要なため、すぐに実際にコードを試すことができます。また、可視化ツールとしてNetworkXを使用し、さまざまなネットワークをグラフとして視覚的に把握できます。
実際にColabで動かせるプログラムと、そのプログラムによって出力されたグラフが数多く例示しているため、実際にColabでコードを実行しながら理解を深めることができます。

データサイエンスを学ぶ学生はもちろん、企業の広報・企画・マーケティング担当者など、顧客の購買行動やソーシャルネットワークの分析などが必要になった社会人にも役立つ一冊です。
 
内容サンプル
 
User Voice
書名の副題のとおりPythonのグラフ分析用のパッケージのNetworkXを使ってグラフ理論の基本を学んで行く教科書です(最後の方になるとNetworkX以外も少し出て来ますが)。

多少難点も感じますので星4つにしましたが、全体に分かりやすく、Pythonの本なのでグラフのベクトル表現または畳み込みの解説があるかも知れないと思って買っただけで、グラフ理論やネットワーク分析自体には特段の関心がなかった自分でも概ねのところは理解できたので教科書として充分お薦めできるかと思います。

自分としては特には以下がこの本をお薦めしたい理由です。
・ネットワーク(グラフ)のベクトル表現について言及されている。特にp.153にベクトル表現のメリットについての簡潔で分かりやすい説明が素晴らしいので、場合によっては、そこを読むためだけにこの本を買っても惜しくはない気がします。
グラフのベクトル表現は、深層学習を含め機械学習をグラフの適用する場合の入り口になる非常に大事な部分だと思っていますが、この分野の教科書でベクトル表現について言及した日本語の本は当然これまでになく、また教科書以外でも日本語で書かれたものは無いのではないかと思います。
・練習問題に簡潔で分かりやすい解答がついている。
昔の大学の教科書には練習問題が載っていても解答がない本が平気であった気がしますが、今どきではレビューの星を減らすだけだと思います。

難点についてはいくつか感じるところもありますが、特には全体の構成で、第2章でレ・ミゼラブルのグラフを使って全体の触り的な解説がされていますが、結局、後の方でkarateグラフを使って同じことを繰り返すことになってしまっています。一方でPythonと線形代数の説明は一切ありません。

この本の「はじめに」にあるとおりPythonや線形代数(というか行列の計算)を知らなくても概ね理解できますが、とはいえ、きちんと理解しようとすると、やはりPythonと線形代数の知識は必要になってきます。

なのでそんなに厚い本ではないこともあるので、レ・ミゼラブルのグラフについての序章的な部分は削って、その分、この本を読むにあたって差し当たり必要になるPythonと線形代数の説明に宛てて欲しかったかと思います。
 
人気 80位
 
本書の内容
 
内容サンプル
 
User Voice
 
人気 81位
 
本書の内容
(概要)
本書(原題: Python Algorithms: Mastering Basic Algorithms in the Python Language)はアルゴリズムの分析と設計方法について、Pythonを使って説明します。古典的なアルゴリズムに焦点を絞って解説していますが、基本的なアルゴリズムによる問題解決の方法もしっかり理解できます。
本書はプログラミングとコンピュータサイエンスの最も重要で難しい分野を非常に読みやすい形で解説しています。アルゴリズムの理論とプログラミングの実践の両方をカバーし、理論が実際のPythonプログラムにどのように反映されているかを説明します。また、Pythonに組み込まれている有名なアルゴリズムとデータ構造について説明し、実装と評価について学ぶことができます。

(こんな方におすすめ)
・Pythonの入門を終えた方
・アルゴリズムを学習したい方
・コンピュータサイエンスを専攻する学生

(目次)
第1章 どんな本なのか?
1-1 本書の内容(つまり、何に関する本なのか? )
1-2 本書を読む理由(なぜ、あなたはここにたどり着いたのか? )
1-3 本書を読むにあたって(前提条件)
1-4 本書の構成
1-5 まとめ
1-6 興味のある方へ
1-7 演習問題
1-8 参考文献
第2章 アルゴリズム解析の基礎
2-1 計算機における重要な考え
2-2 漸近記法
2-3 グラフと木構造の実装
2-4 ブラックボックスにご注意を
2-5 まとめ
2-6 さらに興味のある方へ
2-7 演習問題
2-8 参考文献
第3章 数え上げ入門
3-1 総和をひとかじり
3-2 トーナメントに関する2 つの物語
3-3 部分集合と並べ替えと組み合わせ
3-4 再帰と漸化式
3-5 いったい何についての話だったのか?
3-6 まとめ
3-7 興味のある方へ
3-8 演習問題
3-9 参考文献
第4章 帰納と再帰と還元
4-1 なるほど、それなら簡単だよ!
4-2 いち、に、たくさーん
4-3 鏡よ、鏡
4-4 帰納法と再帰を使って設計する
4-5 強い仮定
4-6 不変式と正しさ
4-7 緩和とゆっくりとした改善
4-8 還元 + 対偶 = 困難さの証明
4-9 問題解決のアドバイス
4-10 まとめ
4-11 興味のある方へ
4-12 演習問題
4-13 参考文献
第5章 巡回:アルゴリズムのマスターキー
5-1 公園の中の散歩
5-2 深く行こう!
5-3 無限の迷路と(重みなし)最短経路
5-4 強連結成分
5-5 まとめ
5-6 興味のある方へ
5-7 演習問題
5-8 参考文献
第6章 分割・統合・統治
6-1 木構造型問題:バランスがすべて
6-2 標準的なD&C アルゴリズム
6-3 半分にしながら探索
6-4 半分にしながらソートする
6-5 大事な3 つの例
6-6 木のバランスと...バランスのとり方
6-7 まとめ
6-8 興味のある方へ
6-9 演習問題
6-10 参考文献
第7章 貪欲が善って、ほんとうですか? それなら証明してください
7-1 一歩ずつ安全に
7-2 ナップサック問題
7-3 Huffmanのアルゴリズム
7-4 最小全域木
7-5 貪欲法は機能するが、いつ?
7-6 まとめ
7-7 興味のある方へ
7-8 演習問題
7-9 参考文献
第8章 もつれた依存関係とメモ化
8-1 DRY(Don't Repeat Yourself)の原則
8-2 有向非巡回グラフにおける最短経路
8-3 最長増加部分列(LIS)
8-4 列の比較
8-5 ナップサック問題の反撃
8-6 二値列分割
8-7 まとめ
8-8 興味のある方へ
8-9 演習問題
8-10 参考文献
第9章 A地点からB地点へEdsger Dijkstraとその仲間たちとともに
9-1 知識の伝播
9-2 狂ったように緩和する
9-3 隠れたDAG を見つける
9-4 万人対万人
9-5 突拍子もない部分問題
9-6 中間で会う
9-7 どこに向かっているのかを知る
9-8 まとめ
9-9 興味のある方へ
9-10 演習問題
9-11 参考文献
第10章 マッチング・カット・フロー
10-1 二部マッチング
10-2 辺素な道
10-3 最大フロー
10-4 最小カット
10-5 最小コストフローと割り当て問題
10-6 応用例
10-7 まとめ
10-8 興味のある方へ
10-9 演習問題
10-10 参考文献
第11章 困難な問題と適度ないい加減さ
11-1 再び還元
11-2 カンザスはどこへ?
11-3 その頃、カンザスでは...
11-4 とはいえ、どこから始め、どこへ向かいましょうか?
11-5 怪獣動物園
11-6 困難な状況になると、賢いものはいい加減になる
11-7 必死に解を求めて
11-8 物語の教訓は何だったのか
11-9 まとめ
11-10 興味のある方へ
11-11 演習問題
11-12 参考文献
付録A 全力疾走 - Pythonを最大限加速させるには
付録B 問題とアルゴリズムの一覧
付録C グラフに関する用語と表記
付録D 演習のヒント
 
内容サンプル
 
User Voice
 
人気 82位
 
本書の内容
初めて「Python(パイソン)」というプログラミング言語を学ぶ人を対象に、簡単なプログラムから始めて、最後にはゲームを作りながら、楽しくプログラミングスキルを身に付けるための入門書です。

「手軽に始められて、あまりストレスを感じることなく勉強できて、将来的にも役立つ」(「はじめに」から抜粋)プログラミング言語であるPythonの基本が、この1冊で学べます。

本書の内容は、「なぜPythonの人気が高いのか」、「開発環境の整備」、「初めてのプログラム作成」、「文法の習得」、「重要な概念の理解」と続き、
最後に複数のゲームソフト(「スカッシュゲーム」「弾幕系シューティングゲーム」)を作るという、プログラミング学習の正攻法といえる構成です。

■「おわりに」から抜粋
Pythonは他のプログラミング言語に比べて、本当に読みやすく書きやすい言語なのです。そして、用途が広いので、いつかあなたの役に立つはずです。
 
内容サンプル
 
User Voice
python初心者にお勧めしたい。pythonは少し理解してるけど、ゲームプログラムを作ったことが無い(これから作りたい)という方にうってつけ。重要なことだけポイントを押さえて記述されており、分かりやすいのが特徴。ボリュームが少ない故に最後まで読破しやすい。繰り返しになるが、大事なことだけにポイントを置いて簡潔にまとめられており、解説も割と親切なので初心者に優しく勉強し易い書籍といえる。
Python初心者です。
インストール方法が画面付きで丁寧に解説されていて助かりました。
整数と浮動小数点の計算など、初心者がうっかりしがちなポイントもおさえてあります。
本を読んでいるうちに、いつの間にかゲームが作成できるようになっていました。
お勧めの1冊です。
 
人気 83位
 
本書の内容
 
内容サンプル
 
User Voice
 
人気 84位
 
本書の内容
※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。
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。
端末により、見開き表示で、左右が逆になる場合があります。


未来へのドアを開けよう!

本書は今もっとも注目されているプログラム言語Python 3.6の入門書です。プログラミングを学ぶベストプラクティスはコードを読み、コードを書くことに尽きます。538本のサンプルコードと154本のPythonファイルを使って、Pythonの基礎をしっかり学び、その応用として機械学習プログラミングの扉を叩きましょう。

本書は段階的に3つのパートに分かれています。

Part 1 準備:Python 3をはじめよう
まず最初にPython 3を実行する環境を整えます。NumPy、Matplotlib、Pandas、scikit-learnといった科学計算や機械学習に欠かせない外部ライブラリを同時にインストールすることができるAnacondaディストリビューションをインストールします。準備ができたならば、対話型インタプリタを使ってPythonを実行する方法を試し、ファイルに保存したPythonコードを実行します。

Part 2 基礎:基本構文を学ぶ
Pythonプログラミングの基礎となるシンタックスを丁寧に詳細に説明します。コードの書き方、値と変数、演算子、組み込み関数、モジュールの読み込み、メソッドの実行、制御構造、例外処理、リスト、タプル、セット、辞書、ユーザ定義関数、関数オブジェクトとクロージャ、イテレータとジェネレータ、クラス定義・・・と、後半の章では初心者には少し難しい内容まで到達します。わかりにくい概念は図解し、コードにはコメント文だけでなく下線やマーカーで細かく補足説明が書き加えてあります。随所に埋め込まれた関連ページへの参照と充実した索引もしっかりサポートします。

Part 3 応用:科学から機械学習まで
テキストファイルの読み出しと書き出し、Matplotlibを使ってのグラフ描画、NumPyの配列について詳しく解説します。これらはPythonを活用する場面で必ず求められる知識です。最終章では、集大成としていよいよ機械学習に取り組みます。機械学習プログラミングの基礎知識に続いて、代表的な3つの学習データセット(手書き数字、アヤメの計測データ、ボストン住宅価格)を使って、学習器のトレーニングや評価を行います。

Pythonは1991年に誕生し、Apple、マイクロソフト、Googleといった大企業を含めた欧米の企業や研究機関でよく使われているプログラム言語です。Pythonは機械学習プログラミングに使われることが多いことから、人工知能への期待を反映するように学ぼうという人が増えています。もうそれは遠いSFではなく、自分に起きる身近な出来事として胸騒ぎがするからでしょう。できれば、手にとって確かめたい。未来への扉をこじ開けて、未来の自分に会ってみたい。Pythonはそう思わせるプログラム言語です。
 
内容サンプル
 
User Voice
とてもわかりやすく、丁寧に説明してあります。著者の入門者レベルの読者に理解して頂こうとの気持ちが伝わる書籍です。私にとって最高にぴったりしたレベルでした。(40程年前にCOBOLで金融関係のアプリケーション・プログラム、ALGOL系の言語でOS、システム周りのプログラミングをして以来、プログラミングから離れていて現在のプログラミングの世界に首を突っ込んで、浦島太郎状態の私です。少し慣れは始めてはいますが)説明が丁寧ですし、図解も分かり易く、ここがしっかり知りたかったんだ!というところがしっかり、説明してあります。また後で説明する事項、概念を使って説明しなければならない時がこの手の本ではよくあります。そのときは、”何ページ参照の事”と参照ページを明示していてくれていて、とても読者の視点に立った書き方をして下さっていて、読者に解って頂きたいとの気持ちが伝わる書籍です。内容もバランスが取れていて。Python3の概要を知るには最適な書籍と他の人にお勧め出来ます。
大変に丁寧に書かれた本です。一応基礎的な部分が網羅されているので、端から端まで教科書的に読む本ではないように思えます。また、ときとして説明に字足らずのところがあり、初心者には理解に苦しむところもありますが、一冊あると大変に便利です。if __name__ == '__main__'について書いてあるとよかった。
Bill Lubanovicの名著「入門Python3」とは真逆に、延々と定義と文法が続く無味乾燥な教科書。
これを完読できるのは元々わかっていて、マニュアル的に確認する人か、余程の忍耐力の持ち主だけだろう。
別のレビュアーも記しているが、例題も全くつまらなくて興味を持って取り組むことができない。
人にものを教える人が書いた本ではない。
 
人気 85位
 
本書の内容
 
内容サンプル
 
User Voice
 
人気 86位
 
本書の内容

【本電子書籍は固定レイアウトのため7インチ以上の端末での利用を推奨しております。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。ご購入前に、無料サンプルにてお手持ちの電子端末での表示状態をご確認の上、商品をお買い求めください】

手軽に学びたい人の味方!人気の絵本シリーズにPython登場!

Pythonはコンパイラを使わずに実行できるインタープリタ型の言語でありながら、データ分析など最新のコンピューティングの現場でひろく活用されています。

本書では「プログラミングについて何も知らないこと」を前提に、基本からPythonを解説し、さらにリストや関数といった特徴ある機能を紹介していきます。また、章末でプログラミングサンプルを紹介するなど、実戦的な内容も含まれています。
本書には次のような特長があります。

・絵を多用し、短い解説で絵本のようにビジュアルに理解することができます
・2ページを単位とした説明、基礎に絞り込んだ内容でスピーディに学習できます
・予備知識は不要。「プログラミングとはなにか」から入門できます
・Pythonの特徴などや実行の仕組みなど、知識として知っておきたい事柄もフォロー
・クラス/オブジェクトの基本も解説。オブジェクト指向の基礎にも入門できます

【翔泳社の「絵本」シリーズのラインナップをアップデート】
翔泳社の「絵本シリーズ」は、豊富なイラストと簡潔な解説でコンピュータ技術に入門できる初心者向けのシリーズです。言語/技術の超初心者や手軽に習得したい方に最適な入門書です。

新しい「絵本シリーズ」では、旧来の分かりやすさ、親しみやすさ、基礎に徹した内容というコンセプトはそのままに、Web/ネットが全盛となった現在のコンピュータ技術の潮流に合わせた解説を心掛けます。『Cの絵本』『Javaの絵本』を皮切りにラインナップを順次刷新、さらに新しい仲間を増やしてラインナップを充実させていきます。


※本電子書籍は同名出版物を底本として作成しました。記載内容は印刷出版当時のものです。
※印刷出版再現のため電子書籍としては不要な情報を含んでいる場合があります。
※印刷出版とは異なる表記・表現の場合があります。予めご了承ください。
※プレビューにてお手持ちの電子端末での表示状態をご確認の上、商品をお買い求めください。

 
内容サンプル
 
User Voice
初心者向けで、java とかやってた人ならスラスラ読める。プログラミング初心者にもわかりやすいのでPGの概念が掴めるだろう。経験者は実装するときにpythonの細かい文法を見返すなどして使えば良いのだろうけど、それなら他の本の方がいいのがあるかな。
読みやすいので無理せず最期まで読み通せました。参考書もたくさん載っているので必要に応じてさらに勉強できるかなという本でした。
初心者が読む本としては適している。何度も読む本ではない。
 
人気 87位
 
本書の内容
 
内容サンプル
 
User Voice
 
人気 88位
 
本書の内容

基礎理論を飛ばさない!
推定・検定から統計モデル・機械学習へ!

本書は統計学の理論をゼロから学べる教科書です。
IoTやビッグデータの発展によりさまざまなデータが社会にあふれ、
全てのデータを確認するのは難しくなってきています。
多くのデータから価値があるデータを作成するには統計学の知識が必須です。

【本書のポイント】
本書は統計学をはじめて勉強するかたでも、
読み進めていけるように、以下の3点を重点的に解説しています。
・データをどのように分析するのか
・なぜそのように分析するのが良いことなのか
・Pythonを使ってどのように分析するのか

【統計学を勉強するためのツールについて】
この書籍では、学習していく際のツールに、プログラミング言語のPythonを使用します。
PythonはExcelやRより自由度が高く、機械学習に多く利用されているので幅広い層から注目集めています。
Pythonに馴染むことにより、機械学習を利用したデータ分析者になるための基礎的な技術も身に付けられます。

【本書の構成】
本書は全7部構成になっています。
それぞれの部で次のようなことを解説しています。
第1部では統計学の基本を解説しています。
第2部でPythonの基本やJupyter Notebookの使い方を説明します。
第3部でPythonを用いた統計分析の方法を学びます。
第4部からは統計モデルについて学んでいきます。
第5部では正規線形モデルを解説します。
第6部それを発展させた一般化線形モデルについて解説します。
第7部は、統計学から機械学習へのつながりを学びます。

統計学やPythonのことを何も知らない方にもオススメの一冊です。

※本電子書籍は同名出版物を底本として作成しました。記載内容は印刷出版当時のものです。
※印刷出版再現のため電子書籍としては不要な情報を含んでいる場合があります。
※印刷出版とは異なる表記・表現の場合があります。予めご了承ください。
※プレビューにてお手持ちの電子端末での表示状態をご確認の上、商品をお買い求めください。

 
内容サンプル
 
User Voice
もう忘れちゃっていても構わないけど、一度統計を基礎から勉強したことがあるか、正式な教科書を読もうとして挫けたなど、一定の素養がある人が、Pythonで統計をプログラムしようとするときに良い本です。基礎から端折らずに書かれてはいますが、全く統計を知らない人が読むには無理があります。統計の学習で「実際に計算できない」ことがネックであるならこの本はベストソリューションになるはずです。
内容は、統計学の紹介とpythonの実習である。
統計学の紹介の内容は、高校程度の数学を前提としているが。半端で誤解を生じやすい。
「統計学の教科書」というより、「統計計算の教科書」と云う内容である。
統計の教科書と云うなら、世間でよく目にするアンケート調査の仕方とその評価など、概略を紹介すべきであろう。
実験計画法の標本の決め方なども含めるべきだ。そうすれば、各種の計算法、用語の説明が生きてくる。
孤高程度の数学の説明何て省いてよい。
pythonのプログラムは、ダウンロードしたデータを使うが、一部のデータには誤りがあり期待する動作をしない。
jupyterNotebookを前提でプログラムをしているが、サンプルデータのカレントディレクトリへの移動法などきちんと説明しておくべきだ。
ファイルが存在しない、syutaxエラーなど。正誤表がサイトにないのか、出て来ない。
掲載の図面には、小さすぎて、判読できないものも有る。
先に深層学習から入った者としては、統計寄りの人と会話するのに最低限の知識を得られたと思うので良かったです。
記述統計 ⇒ 推測統計(仮説検定、統計モデル)⇒ 機械学習 の一連の流れが理解でき、深層学習前のエピソード ゼロ的な物語を読んでいるような感覚でした。
恥ずかしながら、標準偏差をExcelで使うときに、STDEV.PとSTDEV.S関数のどちらを使ったらいいとか、t検定って何?など、基礎から理解できました。
数式を並べて証明するより、pythonコードのシミュレーションで結果が出る方が納得感があるというか、自分には合っていたように思います。
 
人気 89位
 
本書の内容
自走できるプログラマーの必須スキルとは?

「初心者本はひととおり読んだけれど、次に何をしてよいかわからない」
「簡単なコードは書けるけれど、中規模システムは作れない」
本書は、そんなプログラミング迷子が設計からコードまで書けるスキルを身につけるための指南書です。
開発現場で起こった実際の問題とその解決法をもとに、文法以外に必要な「プロジェクトの各段階でプログラマーがやること」「その選択をどう判断するのか」「どうコードを実装して実現していくのか」を解説します。コードにはPythonを使用していますが、ほかのプログラム言語でも共通する知識が満載。より効率的かつ効果的にプログラムを書ける「自走できるプログラマー」へ導きます。
 
内容サンプル
 
User Voice
120個のベストプラクティスを通じて「良い開発とは?」の原理原則がギッシリ詰まっています。
現場でしか教えてもらえない「エンジニアの頭の中」を端的な説明で明瞭に説明されています。
「自走プログラマー」というタイトルから、エンジニア特有の勉強法が書かれているのかなと想像していたが、
本書は現場におけるチーム間でのベストプラクティスと最低限のマナーが書かれている。
私にとっては良い意味で期待を裏切られてワクワクしながら読み進め1か月程度で読了した。

しかし、近頃はオライリー本ばかり読んでいたからであろうか、この本には
各種エンジニアに対するある種の尊敬に欠けている節があるように感じる。
それらを逐一取り上げて批評するのは野暮だし、本題からズレてしまうので控えるが、
比較対象として挙げたオライリーの洋書版は、一部を除いてあらゆるエンジニア職に対する
リスペクトの節々が見受けられ、技術的学習をしながら、
あたかも著者独自の世界観に引きずりこまれるような読書体験を得られるものが多い。

翻ってこの本は、「ベストプラクティス」という絶対的な正解のない答えを提示する際に必要な
読者への配慮に欠けていて、若干押しつけがましい表現が散見される。誤字脱字以前に、
「おいおい、それは違うだろう(というかチームによって異なるだろう)」といった事例も
唯一の正解だと言わんばかりに断言している様が、少なからず不快に感じられた。
これはビープラウドの名を用いて出版されている著作に共通しているようで、私にはどうも合わない。

日本人のエンジニアが書いた本で最近読んで気に入ったのは「Python実践入門」や
「Visual Studio Code実践ガイド」で、これらは今後数年、良書として挙げられる技術本であろう。
本書は初級者向けの本ではない。
また、本書の各テーマの例としてDjangoやCeleryが結構出てくるので、これらを使ったことが無ければ著者が言いたいことの理解速度も違ってくるかと思う。
本書のベストプラクティスには他書で紹介されていたものもあり、<本当のベストプラクティスだったんだ>という確認にもなった。
なお、最初の評価として星1個を付けている人がいたが、この評価はあまりにも乱暴であると断言できる。
 
人気 90位
 
本書の内容

数学の基礎知識とPythonコードを紐づけて機械学習の基本を学べる!

【本書の目的】
現在、人工知能関連のプロダクト・サービスが数多く見受けられるようになりました。
人工知能関連の開発に機械学習の基礎知識は必須です。
本書はそうした機械学習の基礎知識を学びたいエンジニアに向けた書籍です。

【本書の特徴】
本書は機械学習の基本について、数学の知識をもとに、
実際にPythonでプログラムしながら学ぶことができる書籍です。
・最新のPython 3.7に対応
・学習内容を「要点整理」で復習
・数式とコードをつなげたわかりやすい解説

【読者が得られること】
本書を読み終えた後には、機械学習のしくみとプログラミング手法を理解できます。

【対象読者】
機械学習の基礎を学びたい理工学生・エンジニア

【目次】
第1章 機械学習の準備
第2章 Pythonの基本
第3章 グラフの描画
第4章 機械学習に必要な数学の基本
第5章 教師あり学習:回帰
第6章 教師あり学習:分類
第7章 ニューラルネットワーク・ディープラーニング
第8章 ニューラルネットワーク・ディープラーニングの応用(手書き数字の認識)
第9章 教師なし学習
第10章 要点のまとめ

※本電子書籍は同名出版物を底本として作成しました。記載内容は印刷出版当時のものです。
※印刷出版再現のため電子書籍としては不要な情報を含んでいる場合があります。
※印刷出版とは異なる表記・表現の場合があります。予めご了承ください。
※プレビューにてお手持ちの電子端末での表示状態をご確認の上、商品をお買い求めください。

 
内容サンプル
 
User Voice
コマンドが全部ファイルで見れるので、いちいち手入力する必要がなく、類書で見られがちな「プログラミングの練習をしているつもりがタイピングによる筆写の練習にしかなっていない」ということは避けられる。インストールでトラブルがあったものの(以下参照)、正しく書かれたスクリプトがあったおかげで「インストールのエラーなのかうち間違えなのか」を切り分ける必要がなく、とても助かりました。

しかし、本書に書かれている仕様を満たすPCであってもインストールできないPCが多々あります。特に、テンソルフローはバージョン1.5以降のものになるとAVXをサポートしないCPUには正常にインストールできません。最近だと省電力、小排熱が売りのAVXをサポートしないCPUも増えてきていますが、そのような環境ではTensorflow が正常にインストールされません。

その場合、以下のようにして、パイソン3.5、テンソルフロー1.5の環境をインストールするひつようがあります。この環境にすると、試した限り本書の付録のスクリプトは全部実行できます(いくつかのフューチャーエラーがでますが、今の所実害はないです)

<AVX未対応のCPUを持つPCへのインストール>
(0)Anacondaをアンインストールする。
(1)以下のバージョンのAnacondaを以下のURLからダウンロードする。(この操作により、パイソンのバージョンは3.5になります。)
バージョン:Anaconda3-4.2.0-Windows-x86_64.exe
URL:https://repo.anaconda.com /archive/
(2)上記”(1)”のアナコンダのアイコンをダブルクリックし、GUIの指示に従ってアナコンダをインストールさせる。
(3)Anaconda Promptを起動する
(4)Anaconda Promptに”pip install tensorflow==1.5”と入力し、リターンキーを押す。インストールが終わるまで待つ。
(5)Anaconda Promptに"pip install keras==2.2.4"と入力し、リターンキーを押す。インストールが終わるまで待つ。

因みに、この本の中にある一番計算時間のかかるプログラムは「# リスト 8-2-(6) 」で、その実行時間は以下の通りでした。(但し、上記のパイソン3.5、テンソルフロー1.5の条件で実施)
・レッツノート CF-SX2で 2679.809 sec(44.6分)
・サーフェースGO で、4096.683 sec (68.2分)

因みに、本書の付録のデータから見るに、著者の方の環境?では1931.330 sec (32.1分)だったようです。サーフェースGOでも著者の環境に比べて極端に遅いとは思えません。(また、CPUの温度もせいぜい65℃ぐらいでした)

注:レッツノート CF-SX2は、本書の通りの方法でも環境をインストールできるようです。サーフェースGoではプロンプト上では見かけ上インストールできていたように見えましたが、インポートが正常にできませんでした。(本記事の方法ではうまくいきました。)
機械学習についての入門書としてとても分かりやすい。
第4章までに、pythonの入門的な説明と機械学習を学ぶ
ために必要な数学を詳しく解説している。ここまでで200
ページ程使っていることからも分かるように、説明は丁寧で
数式はほとんど省略なしで導出過程が分かる。第5章はニュ
ーラルネットワークと回帰分析を比較しながら機械学習の肝
を説明している。6章で教師あり学習、7章ニューラルネットワーク
とディープラーニングを扱っている。この辺りから、少しページ数が
足らない感じだが、それでも分かりやすい説明。8章、9章はちょっと
急ぎ足で応用を見ていくといった具合。全体的に非常に良い入門書
だと思う。最後の方がもっとページ数を割いてじっくりと進んでくれる
となお分かりやすいという感想。
機械学習でも、特に教師あり学習を題材としています。具体的には、
・回帰
・分類
・ニューラル・ネットワーク

教師なし学習(クラスタリング、ガウス・モデル)は第9章で取り上げられますが、それは概要レベルです。

第1~3章がPythonの基礎、4章が高校レベルの数学(偏微分、行列、指数と対数)の復習です。本書で扱うPythonの基礎、機械学習に求められる数学的知識が適切に網羅されています。

タイトルに「教科書」とありますが、想像以上に教科書でした。概念や数式の説明に、ソース・コードを織り交ぜながら説明されます。ただ読み進めるのではなく、読みながらソース・コードをタイプし、都度、実行結果を確認しながら学習を進めることが想定されているのだと思います。
Jupyter Notebookを使用する前提です。使用されたことがある人は簡単に想像できると思います。説明に沿ってコードを追記する都度、出力を確認しながら進行します。

機械学習が実施しているのは、学部レベルの応用数学です。大学で応用数学を学ぶ際、あわせてExcelやRを教えるクラスがあります。そのためか数式とRを併記した教科書的な資料は、有料、無料を問わず、多数、存在するのですが、Pythonについては見かけたことがありませんでした。本書が、まさにそのPython版資料に該当します。
学部レベルの話題、特に統計処理への対応について、RはPythonに比して何かと便利すぎるため、Pythonを用いる機会は少なく、事実上Rだけで済ませてしまうのがほとんどです。必ずしもPythonで同等レベルのことに対応する必要はないのですが、それが求められる方にとっては有意義な資料になると思います。

特に応用数学を学んでいる学部生にもお勧めです。応用数学の話題に基づいて、コードを追いかけることができるので、本書を理解するに際し、R、Pythonに関わらず、プログラミング言語の知識はそれ程求められません。数式とコードを一緒に、体系的に学ぶことができます。
Rへの馴染みがあると、なお理解しやすいです。Rでは数行で対応できる処理も、Pythonでは何行もコードを記述しなければならず、調べる手間も合わせて面倒が多いです。
 
人気 91位
 
本書の内容

【本書の概要】
本書は株式会社アイデミーで大人気の講座『ディープラーニングで画像認識モデルを作ってみよう!』を書籍化したものです。
機械学習の基本からはじまり、Pythonの基礎、データの処理、深層学習の基本から応用ついて、
サンプルを元に実際に動かしながら、わかりやすく解説します。
各項には練習問題がありますので、学習効果を確かめながら読む進めることができます。
本書を読めば、機械学習から深層学習の基本を一気通貫で学習できます。
これから深層学習をはじめたい、初学者の方におすすめの1冊です。

【本書の対象】
人工知能関連の開発に携わる初学者(開発者、研究者、理工系学生)

【本書の構成】
第1章から第3章で機械学習の基本を、
第4章から第6章ではPythonの基礎知識を、
第7章から第9章ではNumPyやPandasの基礎知識を、
第10章から第13章では可視化の基礎知識を、
第14章から第15章ではデータの扱い方の基本を、
第16章から第18章では教師あり学習やハイパーパラメータとチューニングを、
第19章から第22章では深層学習について基本か応用まで、
丁寧に解説します。

【著者プロフィール】
石川 聡彦(いしかわ・あきひこ)
株式会社アイデミー 代表取締役社長 CEO。
東京大学工学部卒。株式会社アイデミーは2014年に創業されたベンチャー企業で、
10秒で始める先端テクノロジー特化型のプログラミング学習サービス「Aidemy」を提供。
様々な企業のアプリケーション制作・データ解析を行った。現在の主力サービス「Aidemy」は
AIやブロックチェーンなどの先端テクノロジーに特化したプログラミング学習サービスで、
リリース100日で会員数10,000名以上、演習回数100万回以上を記録。
早稲田大学主催のリーディング理工学博士プログラムでは、AIプログラミング実践授業の講師も担当した。
著書に『人工知能プログラミングのための数学がわかる本』(KADOKAWA/2018年)などがある。

※本電子書籍は同名出版物を底本として作成しました。記載内容は印刷出版当時のものです。
※印刷出版再現のため電子書籍としては不要な情報を含んでいる場合があります。
※印刷出版とは異なる表記・表現の場合があります。予めご了承ください。
※プレビューにてお手持ちの電子端末での表示状態をご確認の上、商品をお買い求めください。

 
内容サンプル
 
User Voice
この書籍だけでは、理解に苦しむ。
これでもプログラム歴は15年と長く、自信があったので、驚いた。
本だけで学習しようと思って買ったのですが、読んだだけでは難しく分からない。
AidemyのWebコースと併用することで理解が出来る。
誤字や不具合も少なく分かりやすく学びやすい。
Webコースは有料で、本だけで学びたかった最初の趣旨と違ったのでマイナス1。
興味を持ってる人にプレゼントしたら データーの処理などの学習に役に立ったと喜ばれた 
 
人気 92位
 
本書の内容
こちらの書籍は 2019/05/29 紙版の4刷に対応するため更新をおこないました。(概要)
データサイエンスの現場において,その業務は「前処理」と呼ばれるデータの整形に多くの時間を費やすと言われています。「前処理」を効率よくこなすことで,予測モデルの構築やデータモデリングといった本来のデータサイエンス業務に時間を割くことができるわけです。
本書はデータサイエンスに取り組む上で欠かせない「前処理スキル」の効率的な処理方法を網羅的に習得できる構成となっています。ほとんどの問題についてR,Python,SQLを用いた実装方法を紹介しますので,複数のプロジェクトに関わるようなデータサイエンスの現場で重宝するでしょう。

(こんな方におすすめ)
・データサイエンティスト
・データ分析に興味のあるエンジニア

(目次)
第1章 前処理とは

第2章 抽出

第3章 集約

第4章 結合

第5章 分割

第6章 生成

第7章 展開

第8章 数値型

第9章 カテゴリ型

第10章 日時型

第11章 文字型

第12章 位置情報型

第13章 演習問題
 
内容サンプル
 
User Voice
自身のような「(情報システムのプログラミング経験は豊富だが)分析のための前処理はうとい」人には非常に参考になると思います。
エッセンスを吸収したらすぐに手放すつもりでしたが手元においておくことにしました。(笑)

ただ、以下の様な点が気になったので次回作の期待を込めて☆1つ減らしました。

(1)レビューされていない
以下の様な単純なミスがあります。おそらく第三者のレビューはなかったのかと思います。そのせいか全体を通して表現の揺れやいいまわしが洗練されていない印象を受けました。(内容がよいだけに勿体無いなと)

『本書では次の4種類の補完方法について解説します。』→ 実際には6種類
『カテゴリ化に対応していないので、★カテゴリ化★の方法をしっかり身につけましょう』 ★部分は「ダミー変数化」 が正しい

(2)厳密でない
例えば「pythonでは、ブール型はbool、カテゴリ型はcategory型が提供されている」という記載がありますがpythonにはcategory型は存在せずライブラリ(pandas)が提供する型です。こういった混乱を招く雑な表現が少なくありません。

(3)コードの良し悪しの基準が恣意的
全体を通して「これは非AWESOME(もしくはAWESOME)なコード」という説明がなされていますが、判断基準が恣意的というか一貫性がないと感じました。
「計算量は多いけど簡潔で可読性が高いのでAWESOME」「簡潔でないが計算量が少ないのでAWESOME」という感じ。どっちやねん!と。笑

(4)Awesomeが微妙な場合がある
「改変が容易なのでAWESOME」と主張しているコードで何度も同じ列名をタイプしてたりします。この場合は、コードを関数化して列名を引数にして使い回すかつ汎用的(同じ処理を違う列でも適用できるようにする)にするのがAWESOMEですね。

(5)冗長
箇条書きや表形式にしたほうが簡潔に表現できることも文章で記述されているので無駄に長い。

本書の内容とは関係ありませんが、上述したような指摘はプログラマの世界では「曖昧・冗長・一貫性がない」と批判されても仕方がない恥ずかしい事ですが、データサイエンティストという職業では重視されない(=扱っているのが確率の世界なので厳密さを求められない=>曖昧さがむしろ「柔軟」として評価される)のかな?なんて思いました。

次回作に期待します。個人的には「外れ値の扱い方」が薄かったのでそのあたりの考え方や方法論・ノウハウを学びたいと思いました。
発売前に予約して購入しました。
購入目的は、python使いこなすためにヒントもらおうというざっくりしたものでした。
ざっくりしてたので、ちょっと読み進めるのも苦労しましたが、、、
python,R,SQLのいいところ、悪い所をプログラミング事例で学べて良かったです。
今後は最適解を出すためにも使い分けを含めた、考え方、視野を
取り入れて行く必要があるのだなと感じます。
レビューを見るとプログラマ視点のものが当然多いが、データの出し手である利用部門も読む価値があるのではないかと思う。AIを用いたシステムの開発側にデータを丸投げするのでなく、どう使われるか理解してデータを提供できれば開発側の作業負荷軽減の効果等があるはずだから。
そういう使い方の場合、この分厚い本の大半は読む必要がなくなるが、逆にカード部分を飛ばすならば、本書は非常に簡単に読めるので、ますます利用部門が読むハードルが下がるともいえる。
コードを除き、プログラムを知らない一般の人が見てもそれほど難しいことは書いていないので、本書は、利用部門の担当者が、コーディング例以外を読むことは容易で意義があると考えます。
ただし、プログラマ目線で見ると、本書に"大全"というタイトルにつけるのはちょっとという印象は否めない。ましてや"Law of Awesome Data Scientist "というのは、さすがにやりすぎである。
 
人気 93位
 
本書の内容
 
内容サンプル
 
User Voice
 
人気 94位
 
本書の内容
 
内容サンプル
 
User Voice
 
人気 95位
 
本書の内容

注目の最新AI技術!深層強化学習の開発手法がわかる!
第一線で活躍する著者陣の書下ろしによる待望の1冊!

【本書の目的】
AlphaGo(アルファ碁)でも利用されている深層強化学習。
AIサービスのみならずロボティクス分野でもその応用が期待されています。
本書は、AI開発に携わる第一線の著者陣が深層強化学習の開発手法について書き下ろした注目の1冊です。

【本書の特徴】
第1部では、まず、深層強化学習の概要について説明します。
次いで、強化学習の基礎(Q学習、方策勾配法、Actor-Critic法)と深層学習の基礎(CNN、RNN、LSTM)を解説します。
さらに、簡単な例題として倒立振子制御を取り上げ、DQNとActor-Critic法による実装例を紹介します。
第2部では、具体的な応用例として3つのアプローチを実装込みで解説します。
1つ目は、連続動作制御です。ヒューマノイドシミュレータの2足歩行制御を試みます。
2つ目は、パズル問題の解法です。巡回セールスマン問題(TSP)やルービックキューブの解探索について説明します。
3つ目は、系列データ生成です。文書生成(SeqGAN)やニューラルネットワークのアーキテクチャ探索(ENAS)を解説します。

全体を通して、行動の制御を担うエージェントのモデル化と、方策ベースの強化学習によるエージェントの学習法について学ぶことができます。

【読者が得られること】
深層強化学習による開発手法を学ぶことができます。

【対象読者】
深層強化学習を学びたい理工学生・エンジニア

※本電子書籍は同名出版物を底本として作成しました。記載内容は印刷出版当時のものです。
※印刷出版再現のため電子書籍としては不要な情報を含んでいる場合があります。
※印刷出版とは異なる表記・表現の場合があります。予めご了承ください。
※プレビューにてお手持ちの電子端末での表示状態をご確認の上、商品をお買い求めください。

 
内容サンプル
 
User Voice
私はITエンジニアで、ここ数年、人工知能関連のITを勉強し続けているが、将来有望な技術の一つが深層学習だろう。
方策関数と価値関数の2つのアプローチについての説明や、A2C(A3C)などの説明、またSeqGANの説明などがされていていて、動くプログラムもついている。たぶんプログラムは動くのだろうが、試してはいない。
昨今の人工知能の研究は日進月歩である。こないだ、深層学習でAlphaGoで囲碁チャンピオンを破ったかと思えば、数年もせずにAlphaZeroが囲碁やチェス、将棋を同じアルゴリズムでマスターするようになっている。
今やテンソルと数学を駆使して、柔軟性のある人間のような動き(試行錯誤するAI)ができるようになっている。
内容的に細かくは分からないが、眼を通して概要をつかむだけでも価値があるだろう。
この本には人生に対する様々な教訓が載っています。

中でも感銘を受けたのがε-greedy法です。
少し,ネタバレしますと,これは人生の様々な選択に対して合理的な選び方を提示してくれます。

具体的に言うと,εの確率でランダムに選択し,残りの1-εの確率で以てこれまでの経験から幸せを最大にする方法を選び抜くというものです。

つまり,毎回最善なものを選ぶのではなく,時には冒険的になれよということです。いつもいつも保守的な選択をし続けると全体を見たときに最善ではなくなってしまうというのです。時には冒険的にさいころを振って何するかを決めなければなりません。

というのは,冗談で,強化学習に関する実務に即した実践的な内容となっています。理論的説明もちゃんとなされているので,ただライブラリを使いまわす感じの本ではありません。参考までに。
 
人気 96位
 
本書の内容
 
内容サンプル
 
User Voice
 
人気 97位
 
本書の内容
 
内容サンプル
 
User Voice
データセットは自分で一つ一つ提供元のサイトからダウンロードしなくてはいけない。権利が取れなかった?模様。自分で本に載っているURLからダウンロードしてくれとのこと

ただデータ量が重い。スペックに依存するが、私のローカルPCだと扱いづらかった。なんで他の扱いやすいオープンソースのデータで説明しなかったのか疑問。そのため、githubで公開されているサンプルプログラムを実行しながら内容を理解する方法は一旦断念した。勿体無いので、時間があるときにデータをダウンロードしておいて、確認する。

内容は正直courseraの機械学習の授業(How to Win a Data Science Competition: Learn from Top Kagglers)や他の書籍で学んだ内容だったので、私が期待していた内容とは違った印象。再チャレしたらまたレビュー更新するが、プログラムが実行しにくい点で今の所は2点。
タイトルに特徴量エンジニアリングを謳った唯一の本のようですが、いわゆるデータサイエンスを生業にしている人向けの本で、word2vecでさえ省かれているので表形式以外のデータの入力の表現に関心がある人には物足りないかも知れません。

というか自分が関心があるのは、この本では省いた、として挙げられた中にも含まれていないグラフやゲノムの入力表現なので、自分の関心が偏っているだけだとは思いますが

ところで実際に「特徴量工学」(または「表現工学」)という用語があることを他の本で知りましたが、この本以外に情報が無いので現状どうなっているか分かりません。
出版前にネットで話題になっていたこともあったのでとりあえず購入。
私の率直な感想は、特に本書から新たに手に入った情報はなかったかなといったところ。
本書の想定読者がやや不明ですが、分量が少ないのでサクッと読めて、まあ、それなりに楽しめます。
 
人気 98位
 
本書の内容
 
内容サンプル
 
User Voice
 
人気 99位
 
本書の内容
 
内容サンプル
 
User Voice
 
人気 100位
 
本書の内容
 
内容サンプル
 
User Voice
 

Python 新書一覧

 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
まえがき

 デジタルトランスフォーメーション(Digital transformation; DX)とはテクノロジーによって人々の生活が豊かになっていくことです。特にICT技術を使って、デスクワークをオートメーション化する、RPA(Robotic Process Automation)が導入されつつあります。定型業務の中には80%の時間短縮効果があり、生産性向上のが期待できます。 本来ならばRPAを学習するのですが、Excelに標準に付属しているVBA(Visual Basic for Applications)は、Wordにも実は付属しています。

 VBAを使って定型業務を効率化すれば生産性の向上が可能となります。しかし、VBAでできることは多いのですが、最近注目されつつあるPythonを使って、データを扱うことができれば、通常のプログラムの一部として、Wordファイルを扱うことができます。簡単な作業はVBAにまかせて、少し複雑な箇所や複数のファイルに渡る作業などのプログラミングの得意なところをPythonにまかせてしまいましょう。

 PythonはディープラーニングなどのAIやデータサイエンティストの力がIT技術者やエクセルなどを扱う人には必須条件となるでしょう。

 Windows10 Python3.9.0 Word2016で動作確認しています。Pythonのライブラリはwin32comとpython-docxを用いています。VBAに慣れている人はwin32comが取っ付きが良いと思われます。

目次

まえがき ・・・・・4


1.PythonからWordを操作する・・・・・5
 1.1 Pythonのインストール
 1.2 Pythonのライブラリのインストール

2. プログラミング・・・・・12
 2.1 "Hello World"の表示
 2.2 改行と段落について
 2.3 文字を取り扱う-1
 2.4 文字を取り扱う-2
 2.5 文字を取り扱う-3
 2.6 文字を取り扱う-4
 2.7 文字を取り扱う-5
 2.8 文字を取り扱う-6
 2.9 文字を取り扱う-7
 2.10 文字を取り扱う-8

3. 段落・・・・・59
 3.1 段落-1(強調文字)
 3.2 段落-2(アンダーライン)
 3.3 段落-3(文字色)
 3.4 段落-4(文字色-2)
 3.5 段落-5(文字色-3)
 3.6 段落-6(フォント)
 3.7 段落-7(フォントサイズ)
 3.8 段落-8(フォントその他)
 3.9 段落-9

4.図の操作・・・・・96
 4.1 図の貼り付け-1
 4.2 図の貼り付け-2
 4.3 図の取り出しと保存

5.表の操作・・・・・108
 5.1 表の操作-1
 5.2 表の操作-2
 5.3 表の操作-3
 5.4 表の操作-4
 5.5 表の追加
 5.6 表のセンタリング、右寄せ、左寄せ(win32com)
 5.7 セル内の文字
 5.8 WordをPDFで出力したい(win32com)
 5.9 セルの背景色(win32com)

参考文献・・・・・140
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
(概要)
本書(原題: Python Algorithms: Mastering Basic Algorithms in the Python Language)はアルゴリズムの分析と設計方法について、Pythonを使って説明します。古典的なアルゴリズムに焦点を絞って解説していますが、基本的なアルゴリズムによる問題解決の方法もしっかり理解できます。
本書はプログラミングとコンピュータサイエンスの最も重要で難しい分野を非常に読みやすい形で解説しています。アルゴリズムの理論とプログラミングの実践の両方をカバーし、理論が実際のPythonプログラムにどのように反映されているかを説明します。また、Pythonに組み込まれている有名なアルゴリズムとデータ構造について説明し、実装と評価について学ぶことができます。

(こんな方におすすめ)
・Pythonの入門を終えた方
・アルゴリズムを学習したい方
・コンピュータサイエンスを専攻する学生

(目次)
第1章 どんな本なのか?
1-1 本書の内容(つまり、何に関する本なのか? )
1-2 本書を読む理由(なぜ、あなたはここにたどり着いたのか? )
1-3 本書を読むにあたって(前提条件)
1-4 本書の構成
1-5 まとめ
1-6 興味のある方へ
1-7 演習問題
1-8 参考文献
第2章 アルゴリズム解析の基礎
2-1 計算機における重要な考え
2-2 漸近記法
2-3 グラフと木構造の実装
2-4 ブラックボックスにご注意を
2-5 まとめ
2-6 さらに興味のある方へ
2-7 演習問題
2-8 参考文献
第3章 数え上げ入門
3-1 総和をひとかじり
3-2 トーナメントに関する2 つの物語
3-3 部分集合と並べ替えと組み合わせ
3-4 再帰と漸化式
3-5 いったい何についての話だったのか?
3-6 まとめ
3-7 興味のある方へ
3-8 演習問題
3-9 参考文献
第4章 帰納と再帰と還元
4-1 なるほど、それなら簡単だよ!
4-2 いち、に、たくさーん
4-3 鏡よ、鏡
4-4 帰納法と再帰を使って設計する
4-5 強い仮定
4-6 不変式と正しさ
4-7 緩和とゆっくりとした改善
4-8 還元 + 対偶 = 困難さの証明
4-9 問題解決のアドバイス
4-10 まとめ
4-11 興味のある方へ
4-12 演習問題
4-13 参考文献
第5章 巡回:アルゴリズムのマスターキー
5-1 公園の中の散歩
5-2 深く行こう!
5-3 無限の迷路と(重みなし)最短経路
5-4 強連結成分
5-5 まとめ
5-6 興味のある方へ
5-7 演習問題
5-8 参考文献
第6章 分割・統合・統治
6-1 木構造型問題:バランスがすべて
6-2 標準的なD&C アルゴリズム
6-3 半分にしながら探索
6-4 半分にしながらソートする
6-5 大事な3 つの例
6-6 木のバランスと...バランスのとり方
6-7 まとめ
6-8 興味のある方へ
6-9 演習問題
6-10 参考文献
第7章 貪欲が善って、ほんとうですか? それなら証明してください
7-1 一歩ずつ安全に
7-2 ナップサック問題
7-3 Huffmanのアルゴリズム
7-4 最小全域木
7-5 貪欲法は機能するが、いつ?
7-6 まとめ
7-7 興味のある方へ
7-8 演習問題
7-9 参考文献
第8章 もつれた依存関係とメモ化
8-1 DRY(Don't Repeat Yourself)の原則
8-2 有向非巡回グラフにおける最短経路
8-3 最長増加部分列(LIS)
8-4 列の比較
8-5 ナップサック問題の反撃
8-6 二値列分割
8-7 まとめ
8-8 興味のある方へ
8-9 演習問題
8-10 参考文献
第9章 A地点からB地点へEdsger Dijkstraとその仲間たちとともに
9-1 知識の伝播
9-2 狂ったように緩和する
9-3 隠れたDAG を見つける
9-4 万人対万人
9-5 突拍子もない部分問題
9-6 中間で会う
9-7 どこに向かっているのかを知る
9-8 まとめ
9-9 興味のある方へ
9-10 演習問題
9-11 参考文献
第10章 マッチング・カット・フロー
10-1 二部マッチング
10-2 辺素な道
10-3 最大フロー
10-4 最小カット
10-5 最小コストフローと割り当て問題
10-6 応用例
10-7 まとめ
10-8 興味のある方へ
10-9 演習問題
10-10 参考文献
第11章 困難な問題と適度ないい加減さ
11-1 再び還元
11-2 カンザスはどこへ?
11-3 その頃、カンザスでは...
11-4 とはいえ、どこから始め、どこへ向かいましょうか?
11-5 怪獣動物園
11-6 困難な状況になると、賢いものはいい加減になる
11-7 必死に解を求めて
11-8 物語の教訓は何だったのか
11-9 まとめ
11-10 興味のある方へ
11-11 演習問題
11-12 参考文献
付録A 全力疾走 - Pythonを最大限加速させるには
付録B 問題とアルゴリズムの一覧
付録C グラフに関する用語と表記
付録D 演習のヒント
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
Excelシート間のコピペをはじめ、単純なパソコン仕事は小さなプログラムを書くことで自動で行うことができます。
こうしたプログラムを書けるようになることが、自分の仕事を効率化したい社会人にとって大きな武器になることは間違いありません。

本書ではプログラミング言語Pythonを使って、パソコン仕事の中心であるExcel作業を自動化する方法を紹介します。

Excelの自動化といえば「マクロ・VBA」が定番ですが、Pythonの強みは
・Excelアプリを起動しなくてよい
・メールやWebブラウザなども簡単に自動化できる
という点にあります。

本書ではExcelとともにメール、Webの自動化もしっかり扱います。これにより、Webから抽出したデータをExcelファイルに保存してメールで送信、といった連携も行えるようになり、仕事での活用の幅が広がります。

プログラミング初心者である社会人が、実際に自分の仕事が自動化できるように、必要な情報をもれなく丁寧に解説することを心掛けました。本書を片手に「新しい仕事のやり方」を始めましょう!

<本書の方針>
・オブジェクトなどの難しいプログラム理論は一切使いません。
・一番単純な道具だけで、準備に時間をかけず、すぐ始められます。
・実践的な例題で、実務で本当に使えるプログラムを紹介します。

第1章 Pythonプログラミングの基本
1-1 プログラムを書いて実行する方法を覚える
1-2 変数を使ったコードを書いてみよう
1-3 複数のデータはリストに入れる
1-4 複数のデータをループで処理する
1-5 データの状態に応じて処理を分ける
1-6 IDLEを使いやすく設定する

第2章 PythonでExcelファイルを操作する
2-1 Excelファイルの基本構造を理解しよう
2-2 ブックの開き方・保存方法を覚えよう
2-3 プログラムでセルの値を読み書きしよう
2-4 セルを1行ずつ読み書きする
2-5 シートの操作方法を覚えよう
2-6 複数のシートをまとめる
2-7 絶対に覚えておきたいプログラミングのコツ

第3章 PythonでCSVファイルを操作する
3-1 CSVファイルを読み込んでみよう
3-2 CSVファイルにデータを書き込んでみよう
3-3 Excelブックと相互に変換する

第4章 Excelファイルの転記・集計をPythonでおこなう
4-1 転記・集計を実現するExcelの三大関数とは
4-2 Excelのマスタを取り込む
4-3 Excelのマスタからデータを検索する
4-4 表のデータを別のブックに転記する
4-5 条件を満たすデータの個数や合計を求める
4-6 Pythonで自動化するメリットとは

第5章 帳票作成をPythonでおこなう
5-1 請求書作成の手順を整理する
5-2 顧客ごとの売上データの絞り込み
5-3 顧客ごとの請求書を作成する
5-4 請求書を印刷してPDFとして保存しよう
5-5 業務全体ではExcelと良いとこ取りを目指す

第6章 Pythonでもっと作業を自動化するには
6-1 Pythonの強みは豊富なライブラリ
6-2 PythonならメールもWebも自動化できる

第7章 Pythonで複数の人にまとめてメール送信する
7-1 メールサーバーとの交信方法
7-2 メールで送るメッセージを作成する
7-3 メールを自動送信する

第8章 PythonでWebから情報を収集する
8-1 Seleniumのインストール
8-2 ブラウザを操作してみる
8-3 Selenium IDEでブラウザ操作を記録
8-4 Webページから情報を読み取る
8-5 実際のWebページから情報を読み取る
8-6 Webからの情報収集を自動化する
 
内容サンプル
 
User Voice
エクセルとメールの自動化を実現したかったのですが特化した資料を
見つけることができませんでした。
あっても余分な内容もあり価格が高い!
他の書籍は余分な内容が多かったり、超初心者向けで逆にわかりにくかったり
と「やりたいこと」にたどり着くのが大変でした。
この本、1冊でやりたいことが載ってます。そして価格も手ごろ。

インストールから使用方法まで簡潔に説明されいるので初めてPythonに触れる方もすぐに使えます。
(プログラム経験がある方が条件ですが。)

取り急ぎ「やりたかった」表データを別のBookに転記ができたのが嬉しかった。
なので☆5つです。
今やPythonは、AIのライブラリなどが豊富で非常に人気の高い言語です。それで、ExcelやメールやWebを操れるということで手に取りました。

まず、基本的にMacベースで説明しているところが気に入りました。OS X自体が基本UNIXなわけですから、Pythonをインストールし、サーバでのプログラムのようなものを書くことができるという利点がある訳で、それを見事に使っています。非常に面白いです。
文法書は読んだが、具体的に何か処理したいと自動化の本を探してたときに見つけました。
タイトルどおり Excel、メール、Webスクレイピングが題材になっています。要点押えてコンパクトにまとまっているので、読むのも楽でした。
Pythonで自動化処理を勉強したい人の1冊目としておすすめ
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
Excelのルーチンを
Pythonで自動化しよう!


「PythonによるExcel操作の自動化」を集大成
ブックやシート、セルや行列を操作する
「表の見た目を整える」
「グラフを作成する」
「ブックの体裁を一度に整える」
「複数のシートから集計シートを作成する」
などなど、身近な業務を想定した用例を豊富に用意!
Pythonライブラリとの連携方法も詳しく解説します
どのサンプルも短くて簡単に書けるものが多数のため、
アレンジもしやすく、初心者にもやさしい内容です。

「コピペや手作業がめんどくさい……」
と日常業務で思ったことがあるのなら、
Pythonによる自動化に挑戦してみてください!
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
 
内容サンプル
 
User Voice
 
 
本書の内容
見込み客、土日の需要、商品リコメンド…
営業、マーケティングが劇的に変わる
業務に本当に役立つ“儲かるAI"を自分で作る!


◆数学なしでアルゴリズム選びもチューニングもわかる
◆現場目線でAIの最適化までできる
◆ブラウザだけで試せるPython実習(Google Colab)
◆XGBoost、Prophetなど話題のAI技術を活用
◆全PythonコードをGoogle Colab用のNotebook形式で用意
☆機械学習のための Python入門講座つき!

業務に本当に役立つ“儲かるAI"を作るには
「業務目線」と「技術目線」の両方が必要です。

業務の課題を認識し、どう改善するかという「業務目線」が必要なのは
従来システムと同じですが、AIの構築ではさらに
業務の課題が本当に AIで解決できるのか、AIのどの処理方式なら適用できそうか
という「技術目線」が不可欠なのです。

本書のPython実習で学ぶことで、「AIの目利きができる技術目線」を獲得し
自分でもAIを作れるようになります。

1章 業務と機械学習プロジェクト
2章 機械学習モデルの処理パターン
3章 機械学習モデルの開発手順
4章 機械学習モデル開発の重要ポイント
5章 業務要件と処理パターン
・営業成約予測(分類)
・天候による売り上げ予測(回帰)
・季節などの周期性で売り上げ予測(時系列分析)
・お薦め商品の提案(アソシエーション分析)
・顧客層に応じた販売戦略(クラスタリング、次元圧縮)
6章 AIプロジェクトを成功させる上流工程のツボ
 
内容サンプル
 
User Voice
赤石氏の力作購入しました。初版の「ディープラーニングの数学」も素晴らしいですが、より実践的で活用に主眼を置いている点は、まさに私が今やろうとしている案件に役立ちそうな本の内容でした。(まだ途中ですが)