エンジニアなら知っておきたいＡＩのキホン―機械学習・統計学・アルゴリズムをやさしく解説

梅田 弘之【著】

インプレス（2019/01発売）

• サイズ A5判／ページ数 278p／高さ 21cm
• 商品コード 9784295005353
• NDC分類 007.1
• Cコード C3055

出版社内容情報

読者対象：・これから業務としてAIに携わる必要がある、また、過去にAIを学習したものの挫折したエンジニア ・AI関連エンジニア志望の学生(高校、専門学校、大学生)

内容説明

「何となく」がスッキリわかる！広大で難解なＡＩの全体像と、５年後の活用イメージがすぐに掴める！

目次

第１部　人工知能の基礎を理解する（人工知能の全体像；ＡＩチップとライブラリ；ＡＩプラットフォーム　ほか）
第２部　機械学習のアルゴリズムを学ぶ（機械学習のアルゴリズム；Ｑ‐Ｌｅａｒｎｉｎｇ；教師あり学習（回帰と分類）　ほか）
第３部　ビジネスに活用するための人工知能を学ぶ（ＡＩをビジネスに活用する際に押えておくべきポイント；ＡＩのビジネス活用を業界別に状況把握する；ＲＰＡ（Ｒｏｂｏｔｉｃ　Ｐｒｏｃｅｓｓ　Ａｕｔｏｍａｔｉｏｎ））

著者等紹介

梅田弘之［ウメダヒロユキ］
東芝、ＳＣＳＫを経て、１９９５年に株式会社システムインテグレータを設立し、現在、代表取締役社長。２００６年東証マザーズ、２０１４年東証第一部上場。前職で日本最初のＥＲＰ「ＰｒｏＡｃｔｉｖｅ」を作った後に独立し、日本初のＥＣパッケージ「ＳＩ　Ｗｅｂ　Ｓｈｏｐｐｉｎｇ」や開発支援ツール「ＳＩ　Ｏｂｊｅｃｔ　Ｂｒｏｗｓｅｒ」を開発・販売。日本初のＷｅｂベースのＥＲＰ「ＧＲＡＮＤＩＴ」をコンソーシアム方式で開発し、統合型プロジェクト管理システム「ＳＩ　Ｏｂｊｅｃｔ　Ｂｒｏｗｓｅｒ　ＰＭ」、アプリケーション設計のＣＡＤツール「ＳＩ　Ｏｂｊｅｃｔ　Ｂｒｏｗｓｅｒ　Ｄｅｓｉｇｎｅｒ」、プログラミングスキル判定サービス「ＴＯＰＳＩＣ」など、独創的なアイデアの製品を作り続けている。最近は、自社ＡＩ「ＡＩＳＩ∀（アイシア）」をベースとしたプロダクト・サービスに注力しており、デザインを認識するリバースエンジニアリングツール「ＡＩＳＩ∀　Ｄｅｓｉｇｎ　Ｒｅｃｏｇｎｉｔｉｏｎ」、ディープラーニングを使った異常検知システム「ＡＩＳＩ∀　Ａｎｏｍａｌｙ　Ｄｅｔｅｃｔｉｏｎ」、花の名前を教えてくれるＡＩ「ＡＩＳＩ∀　Ｆｌｏｗｅｒ　Ｎａｍｅ」などを次々リリースしている（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）
※書籍に掲載されている著者及び編者、訳者、監修者、イラストレーターなどの紹介情報です。

感想・レビュー

※以下の感想・レビューは、株式会社ブックウォーカーの提供する「読書メーター」によるものです。

[コットン]

AIの基本を数式などを使わず2019年当時のAIの流れと統計やアルゴリズムの説明とビジネス活用について述べられている。一般の人がざっと眺める用にはいいかも。

2024/01/13

[Kentaro]

自然界や人間のコミュニケーションから生まれるデータは、非構造化データである。それをコンピュータが処理しやすいように加工して、格納したものが構造化データ。このデータをもとにコンピュータが計算することで、素早く、正確な結果が求められます。 インターネット時代が到来し、構造化されていない情報もコンピュータが扱いやすいように、規則性を持ったHTMLやXMLが登場し、画像や文章を盛り込んだ処理ができるようになった。そして残った非構造化データである音声、画像、言語などの非構造データを扱えるようにしたものがAIである。

2020/01/09

[tieckP（ティークP）]

2018年の連載をまとめたもので、5年でここまで情報が古びるのだなと驚くくらい、機械学習で今当然にできることが予測のように述べられている。それでも文系の人にも伝わりやすいような比喩で説明されている部分が多く、正確ではないにせよイメージはつかめる、実装はライブラリに任せてまず動かす気になるのが良い。寸劇的に入る、著者が好きな後輩女子社員の質問に答えながら振り回される、という会話は、完全なフィクションなら良いけれども妙にリアルを交ぜるので不人気なのも仕方ない（ある種のメタフィクションとして楽しめる面もある）。

2023/08/26

[わえ]

２０１８年末から２０１９年の初め時点のAI関連の知見が広く紹介されている。機械学習やAIに関連する用語をたくさん知ることができた。/機械学習の応用をする際は、一から自作するか、学習させるところから始めるか、既存サービスを利用するか検討する。/グーグルやマイクロソフトなどでAIプラットフォームの提供がされている。/教師あり学習、教師なし学習、強化学習における様々なアルゴリズムを学んだ。/バリアンスが大きい＝過学習で汎化誤差（未知データに対する誤差）が大きい。バイアスが大きい＝学習不足で汎化誤差が大きい。

2020/02/11

[chikarasox]

こういう技術書も登録していこうかと思う。初歩的な用語解説メインかと思いきや統計学やアルゴリズムの解説もありそこそこ難しかった。統計学の箇所は初学者向けに省略しすぎで逆に難しいように思えたので他の本で補いたい。全体的にはビジネス向けの本より技術系の話が多く楽しんで読めた。

2020/01/20