機械学習は現代の魔法

お妃様と魔法の鏡シリーズ

機械学習入門


 

-ボルツマン機械学習から深層学習まで-

ITエンジニア本大賞 2018 技術書部門大賞受賞!
お妃様と鏡の問答だけで機械学習を学べる画期的書籍!

現在扱われている各種機械学習の根幹とされる「ボルツマン機械学習」を中心に、機械学習を基礎から専門外の人でも普通に理解できるように解説し、最終的には深層学習の実装ができるようになるまでを目指しました。
さらに機械学習の本では、当たり前になってしまっている表現や言葉、それが意味していることを、この本ではさらにときほぐして解説しています。

第1章 何も知らない鏡
第2章 美しさの秘訣
第3章 最適化問題に挑戦
第4章 深層学習に挑戦
第5章 未来を予測する
第6章 美しく見せる鏡
第7章 顔だけで美しさを
 
詳しくはこちら

ベイズ推定入門


 

-モデル選択からベイズ的最適化まで-

『機械学習入門―ボルツマン機械学習から深層学習まで―』の第2弾、ストーリーで難解なベイズ理論が理解できる!!

ベイズ推定の理解にはかなり高度な数学的知識が必要で、数学が得意でない人は、条件付き確率あたりでくじけてしまいます。そこで本書は、解説を会話調にし、イラストを中心とした親しみやすいストーリー仕立て(童話のような欧風ファンタジー)とすることで、小説を読むようにベイズ推定で大事な「もしも」に備えた事前分布について始まり、結局どんな推定が良いのかを探す「モデル選択」、最新の技術であるベイズ的最適化まで読み通せる書籍とします。さらに、併せて機械学習との関連や最新の技術との関連についても解説します。
 
詳しくはこちら

Pythonで機械学習入門


 

-深層学習から敵対的生成ネットワークまで-

魔法の鏡を取り戻せ!
ストーリーを楽しみながらPythonで機械学習のプログラミングがわかる!

童話のような欧風ファンタジー仕立てのストーリーを追いながら、Pythonで機械学習のプログラミングがわかる入門書です。登場人物のPython勉強ノートに書かれているサンプルコードや解説を読むことで、楽しみながらプログラミングができるようになります。分離しても組み合わせても使用できるよう、タスクごとに工程と必要なライブラリをまとめ、プログラムをモジュール化しています。実際に手を動かしながら理解を深められる構成です。
第1章 魔法の鏡との出会い
第2章 機械学習の発見
第3章 思い出のアヤメ
第4章 画像データを学んでみよう
第5章 未来を予測する
第6章 深層学習の秘密
第7章 敵対的生成ネットワーク


 
詳しくはこちら

量子コンピュータ時代到来

量子コンピュータ関連書籍

量子コンピュータが変える未来


 

量子コンピュータで変わる世界はもう目の前に!

「量子コンピュータのもたらす未来を見たい方へ」
メルカリ代表取締役会長兼CEO 山田進太郎

量子コンピュータと聞くと、なんとなく専門的な知識が必要なこと、まだまだ先のことと身構えてしまいます。
ですが、実は現在さまざまな企業が身を乗り出して新しく研究開発を進めています。
皆さんにも馴染み深いところ、意外なところが名乗りを上げ、実業に結びついた新しい試みが始まっています。
本書では大学で基礎研究を進める視点と、企業で量子コンピュータを導入・利用することについて考える視点の両者から、量子コンピュータで見ることができる人類共通の夢を語ります。 量子コンピュータの時代はもう目の前。この本で、今日からあなたの行動が変わるかもしれません!

Part 1 量子コンピュータとは
Chapter 1 量子コンピュータはもう目の前に!?
Chapter 2 量子コンピュータは難しい?

Part 2 量子コンピュータで世界が変わる
Chapter 3 量子コンピュータで変わる車と工場の未来
Chapter 4 量子コンピュータで世界を変える企業が描く未来
Chapter 5 量子コンピュータと社会のこれから ―リーンスタートアップと共創が世界を変える―

寺部雅能氏と共著

 
詳しくはこちら

量子コンピュータが人工知能を加速する


 

「これは日本人研究者によるノーベル賞級の発見だ!」
元グーグル日本法人社長 村上憲郎

実現は早くても21世紀後半と言われていた「量子コンピュータ」が
突然、商用マシンとして販売が開始された。
作ったのはカナダのメーカーだが、その原理を考え出したのは日本人研究者。
しかも、人工知能に応用でき、グーグルやアメリカ政府も開発競争に参戦、
NASAやロッキード・マーティンも活用を開始した。

どのようにして量子力学で計算するのか。
どのようにして人工知能、特に機械学習やディープラーニングに応用できるのか。
そして、どうすれば日本の研究が世界をリードできるか。
画期的な量子コンピュータの計算原理、「量子アニーリング」を発案した本人が語る。

西森秀稔氏と共著
 
詳しくはこちら

先生、それって「量子」の仕業ですか?


 

文系でもわかる世界一やさしい「量子力学」

 「スマホ」「レーザー」「リニアモーターカー」「MRI」「「光合成」・・・すべてが「量子」の仕業、です! 
 目の前にある紙も、私たちの体もその動きも、実はこの宇宙のすべてが「量子」の世界に操られていることを知っていますか?
 人工知能や機械学習など、人類の未来に関わる科学技術の大元にあるのが、「量子力学」。複雑な数式や専門用語が溢れるこの分野を、新進気鋭の科学者がその一切を省いて解説します。
 私たちの常識とはかけ離れたふるまいを見せる、小さな小さな「量子」の世界。まずはその不条理な世界を、楽しい例えを使って紹介します。
 そして、宇宙の誕生から生命の不思議、ドラえもんのひみつ道具や「マトリックス」まで、「量子」の仕業を知ることで目からウロコの理解に導きます。
 かつてSF小説に夢中になった文系の大人も、これから科学の世界を目指す子どもたちにもぜひ楽しんでほしい、これまでなかった科学読み物です!

目次
第1章 量子の素顔
第2章 量子で考える、宇宙と生命の謎
第3章 藤子・F・不二雄と量子の世界
第4章 未来への挑戦

 
〈 編集者からのおすすめ情報 〉
量子力学は、日本が世界をリードしている分野のひとつです。特に最近よく使われる「最適化問題」をより迅速に解く「量子アニーリング」という計算方法を提案したのは日本人で、近い将来このことでノーベル賞受賞者が出るのでは、とも言われています。
量子の仕業で飛躍的に進化する科学技術の世界。その新たな舳先に立つのは、この本を読んだあなた、もしくはあなたの子どもたちかも知れません。

 
詳しくはこちら

もっと深く知りたい方に

数式ありの専門書はこちら

量子アニーリングの基礎


 
カナダのベンチャー企業,D-Wave Systems によって「量子コンピュータ」が開発・発売され,反響を呼んでいる。
 量子コンピュータは,1994年に因数分解を高速で行う量子アルゴリズムが発見されたことを契機に,研究が一気に加速した。当初提案されたのは「量子ゲート方式」と呼ばれるタイプであった。この方式の強みは,量子力学系のシミュレーションなどのいくつかの計算が,通常のコンピュータより大幅に効率よく実行できることにある。しかし,大規模な回路を構成して安定的に演算を実行する技術の開発は途上である。
 一方,これとはまったく異なるアプローチとして「量子アニーリング」が着目され,D-Wave 社がハードウェアの動作原理として実装して世に出すに至った。量子アニーリングは,当初は磁性体のイジング模型の基底状態を,量子力学的なゆらぎを利用して探索する方法として考案された。基本素子として量子ビットを使うという点では量子ゲート方式と同じだが,当面の目的やその実現方法は異なっている。量子アニーリングは,巡回セールスマン問題などの「組み合わせ最適化問題」に特化したアルゴリズムなのである。
 本書は,量子アニーリングの計算原理の発案者による,日本語で書かれた唯一の解説書である。量子アニーリングの基本的な定式化や動作原理の説明だけでなく,機械学習への応用やベンチマークテストの例,さらにはD-Waveマシンのユーザーインターフェイスの解説まで幅広く取り上げている。
 
詳しくはこちら

画像処理の統計モデリング


 

―確率的グラフィカルモデルとスパースモデリングからのアプローチ―

本書では,確率的グラフィカルモデルの統計的機械学習理論について,画像処理とパターン認識に応用例を絞りつつ概説することから始める。特にパターン認識では,クラス分類問題という視点において,多値ロジスティック回帰モデルと制約ボルツマンマシンという2つの確率的グラフィカルモデルを通し,深層学習の基礎となる数理を紹介する。その上で,グラフ構造の疎(Sparse)性という深層学習とは真逆の性質を元に急速に展開しつつあるスパースモデリングという新しい研究領域の最近の理論的基盤の深化の様子を,連続最適化問題という視点から解説する。

 
詳しくはこちら

物理学者、機械学習を使う


 

―機械学習・深層学習の物理学への応用―

機械学習を使って物理学で何ができるのか。物性,統計物理,量子情報,素粒子・宇宙の4部構成。〔内容〕機械学習,深層学習が物理に何を起こそうとしているか/波動関数の解析/量子アニーリング/中性子星と核物質/超弦理論/他

 
詳しくはこちら

スパースモデリング 理論、アルゴリズム、応用


 
スパースモデリングは、現代統計学、機械学習、信号処理の分野で活用されています。測定費用やその他の制限によって、比較的少ない数しか得られていない測定値から、観測されていない高次元の信号を正確に復元する手法です。画像復元、データからのモデル・パラメータ学習、システム障害や人間の病気の診断は、取り組みが期待される例です。

『Sparse Modeling: Theory, Algorithms, and Applications』(Irina Rish, Genady Grabarnik 著)を翻訳した本書は、さまざまな問題をスパースモデリングへ簡潔に導入する試みを行っています。スパース復元に関する最近の理論的な結果だけではなく、応用例、スパース解をもたらす問題設定、スパース解を見つけるためのアルゴリズムも含みます。

本書は、スパースモデリングの重要な発展の俯瞰的な概要、最適化問題の定式化、理論的結果の提示、幾つかのアルゴリズム、様々なスパース復元問題、スパースなグラフィカル・モデルにおける一類型、辞書学習とスパース行列分解などの内容を扱っています。スパースモデリングという刺激に満ちた新しい分野への導入として役立つ一冊です。

■主要目次
第1章導入
第2章スパース復元:問題の定式化
第3章理論的な結果(決定論的なもの)
第4章理論的結果(確率論的部分)
第5章スパース復元問題のためのアルゴリズム
第6章LASSO とその拡張:構造化されたスパース性
第7章LASSO を超えて:他の損失関数
第8章スパースグラフィカルモデル
第9章スパース行列因子分解: 辞書学習とその先
エピローグ
付録A 数学的準備
 
詳しくはこちら