Pythonで儲かるAIをつくる

著者名：赤石雅典【著】

日経BP（2020/08発売）

• ISBN：9784296106967

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。

見込み客、土日の需要、商品リコメンド…
営業、マーケティングが劇的に変わる
業務に本当に役立つ“儲かるAI”を自分で作る！

業務に本当に役立つ“儲かるAI”を作るには、「業務目線」と「技術目線」の両方が必要です。業務の課題を認識し、どう改善するかという「業務目線」が必要なのは従来システムと同じですが、AIの構築ではさらに業務の課題が本当に AIで解決できるのか、AIのどの処理方式なら適用できそうかという「技術目線」が不可欠なのです。
本書のPython実習で学ぶことで、「AIの目利きができる技術目線」を獲得し、自分でもAIを作れるようになります。

◆数学なしでアルゴリズム選びもチューニングもわかる
◆現場目線でAIの最適化までできる
◆ブラウザだけで試せるPython実習（Google Colab）
◆XGBoost、Prophetなど話題のAI技術を活用
◆全PythonコードをGoogle Colab用のNotebook形式で用意
＜機械学習のための　Python入門講座＞つき！

1章　業務と機械学習プロジェクト
2章　機械学習モデルの処理パターン
3章　機械学習モデルの開発手順
4章　機械学習モデル開発の重要ポイント
5章　業務要件と処理パターン
6章　AIプロジェクトを成功させる上流工程のツボ

目次

1章　業務と機械学習プロジェクト
本書の目的
必要な専門性と本書の対象読者
機械学習の開発プロセス
これからの業務専門家に望ましいスキル
本書の構成
2章　機械学習モデルの処理パターン
AI と機械学習の関係
機械学習の三つの学習方式
教師あり学習の処理パターン
教師なし学習の処理パターン
処理パターンの選択フロー
ディープラーニングと構造化・非構造化データ
3章　機械学習モデルの開発手順
モデルの開発フロー
例題データ・目的の説明
モデルの実装
4章　機械学習モデル開発の重要ポイント
データ確認
データ前処理
アルゴリズム選択
評価
チューニング
5章　業務要件と処理パターン
営業成約予測（分類）
天候による売り上げ予測（回帰）
季節などの周期性で売り上げ予測（時系列分析）
お薦め商品の提案（アソシエーション分析）
顧客層に応じた販売戦略（クラスタリング、次元圧縮）
6章　AI プロジェクトを成功させる上流工程のツボ1
機械学習の適用領域の選択
業務データの入手・確認
講座1 Google Colaboratory 基本操作
講座2 機械学習のためのPython 入門

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。

[JNTEST23]

業務の現場で使えそうな例題を初心者でも分かりやすく実践できるのでとても良かった。コードも親切に提供されているのでGoogle Colaboratory や Jupyter Notebook でサクッと動かせて百聞は一見に如かずを体感できる。 https://qiita.com/makaishi2/items/25529634aac508dcd6b0　自分の業務関連データに置き換えて何度も読み直した。これは楽しい。

2021/04/30

[rubidus]

「Pythonによるあたらしいデータ分析の教科書」の後に、機械学習を理解したくて手に取った。タイトルの印象から取り敢えず読んでみようというレベルだったが、読み進めると思った以上に希望に沿ったものだった。機械学習を具体的に行うときには、再読すると思う。

2022/08/31

[くま]

時間がなくて実践したわけではないが、それでもAIがどういうロジックの組み合わせで動く仕組みなのかは把握できた。データの確認、整形、モデル選択、評価、チューニングと、すべての箇所で人の判断が入らなければうまく働かなくなってしまうので、実践時には要点を外さないよう注意したい。

2022/03/21

[ysj]

タイトルで釣ってる気がする 中身はちゃんとしたものなのだからこんなことしなければいいのに

2021/07/18

[Kotaro Yamazaki]

途中まで 全部終わったら書き直します ビジネス要素が色濃く混じっていて参考になります。 ただ多くのグラフの横軸縦軸にラベルがないのは良くないです。理科のテストだと減点です。

2020/10/11