内容説明
※この商品は固定レイアウトで作成されており、タブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字列のハイライトや検索、辞書の参照、引用などの機能が使用できません。
本書は、Think IT連載「ビジネスに活用するためのAIを学ぶ」に、筆者の自社Webサイトで公開中のブログ「AI技術をぱっと理解する(基礎編)」
を加え、さらに加筆・修正したAI入門書。これからAIを学ぶエンジニアや過去にAIを学習したが挫折してしまったエンジニア向けに、AIの基礎と
全体像を解説し「AIとは何か」「AIで何ができるのか」をイメージできるようにした。
本書の特長は、古い歴史には触れず、(1)ディープラーニング登場以降の5年間の流れを知り(過去)、(2)今のAI技術の全体像を把握し(現在)、(3)5年後の
AI活用イメージを掴む(未来)、の3点。書き下ろしコラムによるていねいな補足もあり、広大で難解なAIの世界をやさしく学ぶことができる。
全3部構成。
●第1部「人工知能の基礎を理解する」では、AIの基礎と全体像をしっかり理解できるように解説。
●第2部「機械学習のアルゴリズムを学ぶ」では、AIの心臓部となる＜機械学習＞＜統計学＞＜アルゴリズム＞の3要素とその関係を解説。＜機械学習＞には
「教師あり学習」「教師なし学習」「強化学習」などが、その背後には「回帰」「分類」「クラスタリング」などの＜統計学＞があり、その解を求める
方法には「決定木」「サポートベクターマシーン」「ｋ平均法」など、多くの＜アルゴリズム＞がある。これらの三角関係をやさしく紐解く。
●第3部「ビジネスに活用するための人工知能を学ぶ」では、著者の調査による最新動向を踏まえ、AIビジネスの将来について業界別に考察。
RPA (Robotic Process Automation) の現状についても解説する。
目次
表紙
はじめに
目次
第1部：人工知能の基礎を理解する
第1章 人工知能の全体像/人工知能の全体像(Overview)
第2章 AIチップとライブラリ/ムーアの法則の終焉
第3章 AIプラットフォーム/AIプラットフォームとは
第4章 機械学習とディープラーニングの違い/機械学習とは
第5章 機械学習の学習データ/学習データはどれくらいの量が必要か
第6章 転移学習と過学習/少ないデータで学習する方法/水増し(Data Augmentation)
第2部：機械学習のアルゴリズムを学ぶ
第7章 機械学習のアルゴリズム/機械学習法と統計学/3つの学習方法
第8章 Q-Learning/Q-LearningのQとは/P値(P-Value)とは
第9章 教師あり学習(回帰と分類)/統計学とアルゴリズム
第10章 教師なし学習(クラスタリング)/クラスタリング(Clustering)
第11章 畳み込みニューラルネットワーク(CNN)/畳み込みニューラルネットワーク(CNN)とは/麻里ちゃんのAI奮闘記：畳み込みってなに？
第12章 リカレントニューラルネットワーク(RNNとLSTM)/畳み込みニューラルネットワークのおさらい
第13章 敵対的生成ネットワーク(GAN)/GANとは
第14章 半教師あり学習とオートエンコーダー/半教師あり学習とは
第3部：ビジネスに活用するための人工知能を学ぶ
第15章 AIをビジネスに活用する際に押えておくべきポイント/非構造化データ(Unstructured data)を処理する目的
第16章 AIのビジネス活用を業界別に状況把握する
第17章 RPA(Robotic Process Automation)/RPAの仕組み
索引
著者プロフィール/媒体紹介/STAFF
奥付
著者プロフィール/媒体紹介/STAFF
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
Kentaro
tieckP（ティークP）
わえ
chikarasox
