データ分析の結果をビジネスに繋げるには意思決定が必要です。
そのための一つの方法が数理最適化です。
しかし、現実世界のデータには揺らぎがあり、それが壁として立ちはだかります。
そういった現実の揺らぎを考慮した上で意思決定するにはどうしたらいいのか？というのが本書のテーマです。
オススメしたい人
- データ分析の結果をビジネスに繋げたい
- 数理最適化で不確実性を扱う方法が知りたい
目次
1. データ分析はゴールじゃない
数理最適化による意思決定を紹介します。
2. 複数シナリオを考慮する
予測が複数パターンある場合を考えます。
3. 現実の値に対処する
予測が無数にある場合を考えます。
〜〜〜
いずれの章も、まず数式で問題を定式化します。
そして数式をPythonプログラムに落とし込んで問題を解決します。
数式が難しいと感じた場合、先にPythonプログラムを読むことをオススメします。
なお、以下を知っている前提とします：
数学：集合、線形代数、グラフ理論、統計学の基本的なこと
Python：文法、NumPy、Pandas、Jupyter Notebookの基本的なこと
キーワード
意思決定 / 数理最適化 / 線形計画問題 / 確率計画法 / SDDP法 / Python / PICOS
初出：技術書典9
「数理最適化は、工学と理学の世界を繋ぐっす！」
数理最適化と二人の少女の物語。
数理最適化とは、与えられた条件の中で一番いい答えを数学的に得るための理論です。
人工知能技術の背後でも利用されています。
しかし、数理最適化が使えるのは人工知能技術に限りません。
何か課題があり、限られた答えの中から最善のものを選ぼうとすると、それは数理最適化に繋がります。
本書では、数理最適化の概要と線形計画問題を説明しています。
モデリング、理論、アルゴリズム、そしてソルバーの利用と一通り説明します。
オススメしたい人
- 数理最適化で課題解決してみたい
- 線形計画問題の双対理論と単体法の関係を知りたい
- LPソルバー（GLPK）を使ってみたい
目次
1. 数理最適化
数理最適化の概要を紹介します。
2. モデリング
具体的な題材でモデリングを考えてみます。
そして課題を線形計画問題として定式化します。
3. 線形計画問題
線形計画問題の双対理論から単体法のアルゴリズムを導き出します。
4. GLPK
LPソルバーの1つであるGLPKの使い方を説明します。
そしてGLPKで実際に問題を解いてみます。
キーワード
小説 / 数学 / 数理最適化 / モデリング / 線形計画問題 / 単体法 / GLPK
初出：技術書典8
「我々は、人工知能に何を求めているのだろうか？」
『serial experiments lain』は1998年の7月から9月にかけて放映されたアニメである。
インターネットの普及もこれからという時代に、ネットワーク世界が現実世界に浸食してくるという衝撃的な内容を描き、20年以上経った今もその狂信的な人気は続いている。
本書では『lain』を通して人工知能の要件を考えていく。
我々は人工知能について、どう作るのか（How）の前に、何を作るのか（What）をまず知らなければならない。
初出：技書博2
「どうやったらポーカーで勝てる？」
テキサス・ホールデムのルールから始めて、その深淵に挑む数学物語。
ポーカーのルールの1つであるテキサス・ホールデムについて、数学を使って考察を進めていきます。
ルール説明から始めるので、ルールを知らなくても大丈夫です。
オススメしたい人
- ポーカーを始めてみたい
- ポーカーの数学に興味がある
- 数学でゲームを分析してみたい
目次
第1章「ポーカーのルール」
テキサス・ホールデムのルールを1から説明します。
第2章「オッズ計算」
ポーカーの基本となるオッズ計算について説明します。
さらに、ハンド全体を通した分析を行うことで、サンクコストとインプライドオッズの意味を数学的に導き出します。
第3章「ハンドレンジとポジション」
ハンド勝率とゲーム勝率という概念を導入し、ベット額とハンドレンジ、ポジションの関係を調べます。
キーワード
小説 / 数学 / ポーカー / テキサス・ホールデム / 確率論
初出：技術書典7
