「教養としてのコンピューターサイエンス講義 第2版 今こそ知っておくべき「デジタル世界」の基礎知識」（日経BP）の評判・価格・レビュー
機械学習を学ぶための教材の基本情報・価格・レビュー。
PR・広告を含みます
機械学習をスクールで学ぶなら、教育訓練給付で最大80%OFF。
対象講座なら受講料の最大80%（給付区分・上限・要件あり）が後日戻り、実質負担を抑えられます。独学の本＋スクールの併用も。
▶ あなたの講座でいくら戻るか試算（無料・30秒）
無料相談で適用条件を確認できます
無料相談で適用条件を確認できます
はじめての方へ：教育訓練給付のしくみと損しない選び方 ／ 申請手順5ステップ
学んだ後に「作って公開する」ための環境例です。サーバー・ツールは教育訓練給付／補助の対象外です。
※給付率・実質額は区分（一般20%／特定一般40%／専門実践 最大80%）と要件で変わり、即時値引きでなく後日支給です。最終可否はハローワーク・厚労省でご確認ください。掲載はPR（送客手数料を受領）。
この本について
デジタル時代に活躍するための「教養」をこの1冊で身につけよう! プリンストン大学の一般人向け「コンピューターサイエンス」の講義が1冊に。 デジタル社会をよりよく生きるための知識を伝説の計算機科学者がやさしくお伝えします。
好評をいただいた第1版から2年、早くも第2版が登場です。 第1版の「ハードウェア」「ソフトウェア」「コミュニケーション」の3部構成から、第2版では「データ」を新設、4部構成となりました。 第4部「データ」では、第1版では「コミュニケーション」に含まれていた「データと情報」「プライバシーとセキュリティ」が移設・補強されるとともに、「人工知能と機械学習」が加わりました。 第2部「ソフトウェア」の「プログラミングを学ぶ」では、第1版でのJavaScriptでの説明に加えて、Pythonを用いた説明も加わりました。 また、コロナ禍によるデジタル環境の加速について追記されるなど、全面的に内容が見直されています(末尾の目次をご覧ください)。
私たちの身の回りには、情報機器があふれています。そうした機器を使いこなしてデジタル社会をよりよく生きるためには、コンピューターやソフトウェア、インターネット、さらにはデータに関する知識が欠かせません。本書は、パソコンやスマホをはじめとするコンピューターや、ネット、ウェブサイトがなぜ動くのか、データの扱いを含めどう安全に使いこなせばいいのかを、理系・文系を問わない「一般の人」を対象に、イチからやさしくお伝えします。
著者は、伝説的な計算機科学者であるブライアン・カーニハン先生。プログラミング言語の歴史的名著『プログラミング言語C』(通称: K&R本)を書いた人でもあります。そう聞くと「本書は難しいかも」と思われるかもしれませんが、心配はいりません。カーニハン先生がプリンストン大学で一般人向けに行っている講義に基づいているので、理系ではない人にとっても分かりやすく平易に書いてあります。 グーグル元CEO(エリック・シュミット氏)が「地球上の誰もが読むべきだ」と激賞する1冊で、コンピューターとネットの仕組みをさっくり学び、デジタル社会をもっともっと楽しみましょう。
本書は、私たちの世界(デジタル社会)が、どのように動いているのか、なぜそのしくみになっているのかをもっとも明快かつ簡潔に説明しています。地球上の誰もが読むべきです。 エリック・シュミット、グーグル元CEO、アルファベットテクニカルアドバイザー
コンピューターのハードウェアの基礎からソフトウェア、インターネットからIoT、さらは著作権やプライバシー問題まで、抑えておくべき「デジタル時代の教養」はすべて網羅され、しかもその「広さ」と内容の「深さ」のバランスが良い。 坂村健、INIAD(東洋大学情報連携学部)学部長、東京大学名誉教授
判型：単行本
機械学習とは
機械学習は、データから規則性を学び、新しい入力に対して予測や分類を行う技術です。人が作る固定ルールとは異なり、モデルがデータの傾向をもとに判断基準を最適化します。実務ではデータ活用の共通基盤として、画像・文章・音声など多様な分野につながる入口です。
こんな人向け：想定読者は、プログラミングの基本操作ができるか、あるいはこれから始める読者です。統計や数学を完璧にしなくても進められますが、何を学んだかを言葉で説明しながら進める姿勢が有効です。
独学ロードマップでの位置
学習は、前提理解→実装→評価・改善の順に重ねるのが自然です。最初から難易度の高いテーマを扱うより、土台を分割して積む構成の方が長く読み続けやすいです。
- Pythonの基本とデータの読み書き、可視化までを最初に反復する
- 確率・統計の基本概念を、式だけでなく用途と一緒に理解する
- 回帰や分類などの基礎手法を小規模データで手を動かして実装する
- 評価指標と検証設計を学び、結果の意味を読み解く練習をする
- 前処理・学習・評価の流れを回して、再現できる学習ノートを残す
独学で足りる？体系的に学ぶ選択肢
独学の肝は、教材選びより先に学習目的を言語化することです。理論説明、実装例、検証手順の三層が揃っている教材を選ぶと、知識が分断されにくくなります。公式や定理は最小単位で理解し、難所は図表や簡単なデータで自分の言葉に言い換えると定着が早まります。
独学が不安、または期限付きで進めたい場合は、学習計画が明文化されている体系的なコース形式を検討すると、継続の見通しが立てやすくなります。特に、進捗のチェック項目が明確で、誤りの原因を段階的に切り分ける設計は、独学の空白部分を埋めるのに向きます。 ▶ 給付でいくら戻るか試算
よくある質問
Q. 数学が苦手でも始められますか？
始めること自体は可能です。難しい式を最初に詰め込むより、なぜその手法が必要かを実データで確認しながら進める方が、理解の負担が下がります。必要な数学は、学習を進めるに連れて少しずつ補っていく順が現実的です。
Q. 読むだけで実務に役立つレベルになりますか？
読了だけでは知識は増えますが、実務で再現する力は別です。各章で実際にデータを処理し、結果を可視化・解釈するまで行うと移行しやすくなります。運用では、モデルの前提条件と限界を説明できることが重要です。
Q. 最初に避けるべき勉強の失敗は何ですか？
概念よりも用語やアルゴリズム名を先に覚えすぎると、全体像を失いやすくなります。データ前処理や評価を飛ばすと、後で調整しても原因が分からなくなります。小さな題材で一連の流れを回し、意図と結果をセットで確認する習慣を先に作るのが安全です。
次の一冊：次に読む方向としては、データ基盤の整備や可視化の理解を深める本が有効です。あわせて、深層学習の導入とモデルの説明性・運用管理へ進むと、機械学習の理解領域が実務寄りに広がります。
