ゼロから学ぶＰｙｔｈｏｎプログラミング　Ｇｏｏｇｌｅ　Ｃｏｌａｂｏｒａｔｏｒｙでらくらく導入

【初学者納得、玄人脱帽！】
　SNSで大絶賛の名講義がついに書籍化！

・問題解決に必要な「プログラマ的感覚」が身につく！　
・基礎から解説し、プログラミングにはじめて触れる読者を、簡単な数値シミュレーションや機械学習まで導く。充実の目次！
・Google Colaboratoryで環境構築も簡単。教科書として最適！

【主な内容】
第1章　Pythonの概要とGoogle Colabの使い方
第2章　条件分岐と繰り返し処理
第3章　関数とスコープ
第4章　リストとタプル
第5章　文字列処理
第6章　ファイル操作
第7章　再帰呼び出し
第8章　クラスとオブジェクト指向
第9章　NumPyとSciPyの使い方
第10章　Pythonはどうやって動くのか
第11章　動的計画法
第12章　乱数を使ったプログラム
第13章　数値シミュレーション
第14章　簡単な機械学習
（詳細：https://www.kspub.co.jp/book/detail/5218839.html ）

【「はじめに」より抜粋】
　なぜプログラミングを覚えるべきか。それは今後プログラミングが就職活動の必須スキルになるからではなく、ましてAI がブームだからでもない。「プログラマ的感覚」を身につけるためだ。(…)エクセルを使っていても、面倒な処理を見た時に「これは一括でできるマクロがあるに違いない」と思って探すかどうか。毎日決まった時間に、あるウェブサイトにアクセスして、ある値を読み取らないといけないという「仕事」が与えられた時に、「ウェブサイトにアクセスして値を読み込めるツールがあるに違いない。毎日決まった時間に何かを自動的に実行する方法があるに違いない。それらを組み合わせれば良い」と思えるかどうか。これが「プログラマ的感覚」である。
　（…）細かい文法などは最初は気にせず、必要に応じて調べれば良い。「Python はこういうことができるんだな」「それはこれくらいの作業量でできるんだな」という「感覚」を頭の片隅に残すこと、それを目的として学習して欲しい。

【正誤表】
https://kaityo256.github.io/python_zero/errata/

目次

はじめに
　プログラマ的感覚
　謝辞
　本書の使い方

第1章　Pythonの概要とGoogle Colabの使い方
1-1　Pythonの特徴
1-2　Google Colabの使い方
1-3　課題

第2章　条件分岐と繰り返し処理
2-1　変数と型
2-2　条件分岐と繰り返し
2-3　ニュートン法
2-4　課題

第3章　関数とスコープ
3-1　While文
3-2　ループのスキップと脱出
3-3　関数
3-4　スコープ
3-5　課題

第4章　リストとタプル
4-1　リスト
4-2　タプル
4-3　enumerate
4-4　メモリ上でのリストの表現
4-5　参照の値渡し
4-6　リスト内包表記
4-7　コッホ曲線
4-8　課題

第5章　文字列処理
5-1　文字列と文字コード
5-2　辞書
5-3　正規表現
5-4　ワードクラウド
5-5　課題

第6章　ファイル操作
6-1　ファイルシステム
6-2　Pythonでのファイル操作
6-3　CSVファイルの扱い
6-4　課題

第7章　再帰呼び出し
7-1　再帰呼び出し
7-2　階段の登り方問題
7-3　迷路
7-4　課題

第8章　クラスとオブジェクト指向
8-1　オブジェクト指向
8-2　クラスとインスタンス
8-3　オブジェクト指向プログラミングの実例
8-4　割りばしゲーム
8-5　課題

第9章　NumPyとSciPyの使い方
9-1　ライブラリ
9-2　NumPyとSciPy
9-3　Numpyの使い方
9-4　SciPy
9-5　シュレーディンガー方程式
9-6　特異値分解による画像圧縮
9-7　課題

第10章　Pythonはどうやって動くのか
10-1　コンピュータはどうやって動くのか
10-2　機械語
10-3　プログラミング言語とコンパイラ
10-4　バイトコードとスタックマシン
10-5　逆ポーランド記法
10-6　課題

第11章　動的計画法
11-1　最適化問題
11-2　ナップサック問題
11-3　貪欲法
11-4　全探索
11-5　動的計画法
11-6　課題

第12章　乱数を使ったプログラム
12-1　モンテカルロ法
12-2　疑似乱数
12-3　モンテカルロ法による数値積分
12-4　モンティ・ホール問題
12-5　パーコレーション
12-6　課題

第13章　数値シミュレーション
13-1　数値シミュレーション
13-2　差分化
13-3　ニュートンの運動方程式
13-4　反応拡散方程式（グレイ・スコット模型）
13-5　課題

第14章　簡単な機械学習
14-1　機械学習の概要
14-2　重回帰分析
14-3　GAN
14-4　課題

付録　Pythonのインストール
参考文献

書誌情報

紙版

• 発売日: 2020年12月17日
• ISBN: 9784065218839
• 判型: B5変型
• 価格: 定価：2,640円（本体2,400円）
• ページ数: 256ページ

著者紹介

著： 渡辺　宙志（ワタナベ　ヒロシ）

慶應義塾大学理工学部物理情報工学科准教授。 2004年に東京大学工学系研究科物理工学専攻博士課程を修了。その後、名古屋大学大学院情報科学研究科助手に就任。同大学助教を務めたのち、2008年に東京大学情報基盤センター スーパーコンピューティング部門特任講師。2010年に東京大学物性研究所附属物質設計評価施設助教を経て、2019年より現職。