Pythonではじめる数理最適化(第2版)ケーススタディでモデリングのスキルを身につけよう

Pythonで実務に使える数理最適化のスキルを身につけよう！

▼この本の特徴
　本書は、Pythonを用いた数理最適化の入門書です。Pythonを使ってさまざまな課題を実際に解いてみることで、数理モデルを実務で使いこなす力を身につけます。
　この本の特徴は、数理最適化のアルゴリズム自体ではなく、数理最適化を用いた課題解決に重きを置いている点です。ビジネスなどにおける課題を数理最適化で解く際に現場で発生しうる試行錯誤が多分に盛り込まれており、実務における手順や気をつけるべきポイントを学習することができます。

▼この本の構成
本書は二部構成です。
第I部はチュートリアルです。中学校で習う連立一次方程式や高校で習う線形計画法を題材として、数理最適化の基礎的な考え方とPythonによる初歩的な実装を学びます。シンプルな課題設定なので、数学的な難しさを感じることなくPythonに集中して基礎を学習することができます。

第II部はケーススタディです。
実際に社会で起こりうる、さまざまな課題を数理最適化によって解いていきます。
学校のクラス編成やサークル活動における学生の乗車グループ分けなどの学生にとっても身近な課題や、キャンペーンの効果最大化や効率のよい配送計画の立案などのビジネスにおいてたびたびぶつかる課題などを解いていくことで、手順や注意点、効率のよい方法などが学べます。

▼第1版からの変更箇所
・5章（車両の配送計画）
問題の理解を助けるために挿絵・最適化結果の可視化を増やし、実装プログラムの解説を充実させました。また、最適化に登場する部品の列挙アルゴリズムについては、計算速度よりも理解しやすさを優先したものに差し替えました。

・6章（数理最適化APIとWebアプリケーションの開発）にFastAPIやStreamlitの記述を追加
PythonのWebアプリケーション開発のフレームワークであるFlaskに加え、人気のFastAPIやデータサイエンティストでも簡単にWebアプリケーションが開発できるStreamlitについて追記しました。

・7章（商品推薦のための興味のスコアリング）行列表現に関する説明の調整
簡単な数理最適化問題の行列表現から解説を行い、段階を踏んで理解できるようにしました。さらに、ソースコードの解説を追記することで、プログラムにおける行列の扱い方を理解しやすくなりました。

【著者紹介】
岩永二郎 : 株式会社エルデシュ代表取締役、電気通信大学特任教授。２００１年北海道札幌北高等学校卒業。２００６年早稲田大学卒業。２００８年同大学大学院修士課程修了。２０２１年筑波大学大学院博士課程修了。博士（社会工学）。２００８年株式会社数理システム（現株式会社ＮＴＴデータ数理システム）、２０１６年Ｒｅｔｔｙ株式会社を経て２０１９年より株式会社エルデシュ代表取締役。２０２４年より電気通信大学特任教授。上智大学非常勤講師。筑波大学非常勤講師。日本オペレーションズ・リサーチ学会より２０１４年事例研究賞受賞、２０２４年普及賞受賞。専門は数理最適化、推薦システム、機械学習、自然言語処理。データサイエンス教育とデータサイエンスの社会実装に興味をもっている

石原響太 : ＡＬＧＯＲＩＴＨＭＩＣ　ＮＩＴＲＯＵＳ株式会社代表取締役。東京大学大学院情報理工学系研究科数理情報学専攻修了。ＮＴＴデータ数理システム、ＰＫＳＨＡ　Ｔｅｃｈｎｏｌｏｇｙでアルゴリズム開発・数理最適化技術を応用したビジネスソリューションの開発に従事。２０１８年ＡＬＧＯＲＩＴＨＭＩＣ　ＮＩＴＲＯＵＳ株式会社を設立。事業会社に対して数理最適化等の技術提供や技術コンサルティングを行っている

西村直樹 : 株式会社リクルートシニアデータサイエンティスト。２０１５年東京工業大学大学院社会理工学研究科修士課程修了。２０２０年筑波大学大学院システム情報工学研究科博士後期課程修了。博士（社会工学）。２０１５年株式会社リクルートホールディングス入社。２０２０年度より筑波大学理工情報生命学術院非常勤講師、東京工業大学情報理工学院非常勤講師。ウェブサービスでの推薦システム開発やマーケティング施策分析に従事

田中一樹 : 株式会社ディー・エヌ・エー（ＤｅＮＡ）ＡＩ技術開発部部長。２０１７年慶應義塾大学大学院修了。修士（工学）。ＤｅＮＡグループのＡＩ活用を横断的に管轄。ＡＩの事業適用戦略の策定と実行に取り組む。データサイエンス、動画像、音声、強化学習などの専門スキルをもつ多様なメンバーの組織マネジメントを楽しんでいる。国内外のデータ分析コンペティションで優勝・入賞の経験をもつ（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）