増補改訂版 ベイズ最適化 ー適応的実験計画の基礎と実践ー

　本書ではベイズ最適化の理論・アルゴリズムを基礎から応用まで詳細に説明し、ブラックボックス最適化ソフトウェア「Optuna」の利用方法も紹介しています。増補改訂版では、Optunaのバージョンアップに合わせて第4章を全面的に修正・加筆。ベイズ最適化の実践・開発をサポートしています。また第5章では「リグレット解析」と呼ばれる理論を新たに取り上げました。ベイズ最適化を学ぶための基礎体力が身につけられるよう、理論と実践の両面を更に充実させています。

【著者紹介】
今村秀明 : ２０１８年東京大学理学部情報科学科卒。２０２０年東京大学大学院情報理工学系研究科コンピュータ科学専攻修士号。２０２０年４月から株式会社Ｐｒｅｆｅｒｒｅｄ　Ｎｅｔｗｏｒｋｓリサーチャー。学生時代はベイズ最適化の理論などを研究。現在は同ＡｕｔｏＭＬチームにてブラックボックス最適化ソフトウェアＯｐｔｕｎａの開発および汎用原子レベルシミュレータＭａｔｌａｎｔｉｓを利用したブラックボックス最適化の応用研究開発に従事

松井孝太 : ２０１４年名古屋大学大学院情報科学研究科計算機数理科学専攻博士課程後期課程　単位取得退学。２０１７年博士（情報科学）。２０２５年４月から京都大学大学院医学研究科社会健康医学系専攻医療統計学分野准教授。同５月から滋賀大学データサイエンス・ＡＩイノベーション研究推進センター特任准教授（兼任）。専門は統計的機械学習、生物統計学。特に医学や材料科学などのスモールデータな領域のための、転移学習や適応的実験計画の手法を用いたデータ解析手法の研究開発に従事（本データはこの書籍が刊行された当時に掲載されていたものです）