図解即戦力シリーズ図解即戦力
AIのしくみと活用がこれ1冊でしっかりわかる教科書

[表紙]図解即戦力 AIのしくみと活用がこれ1冊でしっかりわかる教科書

紙版発売
電子版発売

A5判/256ページ

定価2,200円(本体2,000円+税10%)

ISBN 978-4-297-13218-7

電子版

→学校・法人一括購入ご検討の皆様へ

書籍の概要

この本の概要

これからAIを学ぶエンジニアやAI関連業種に携わるビジネスマン向けに,「AIとは何か」から始まり,しくみや手法,利用例など技術的な側面を分かりやすく説明します。

こんな方におすすめ

  • AIの技術と活用例を知りたいエンジニア,ビジネスパーソン,学生
著者プロフィール

高橋海渡(たかはしかいと)

1章,2章担当。AIベンダーでの新規事業開発や研究機関向けのAIハンズオンの講師を経験。現在は開発者として機械学習モデルの作成やWeb開発に関わっている。

立川裕之(たちかわひろゆき)

6章担当。フリーランスのデータ分析コンサルタント。

事業会社の法人セールス,SaaSビジネス主幹を務めたのち,株式会社データミックスに参画。データ分析コンサルタントおよび研修講師としてさまざまなプロジェクトを経験したのち独立。現在はデータ分析コンサルティング,アルゴリズム開発,データ整備支援などに従事している。

小西功記(こにしこうき)

4章,5章担当。株式会社ニコン 先進技術開発本部 数理技術研究所 所属。

和歌山県生まれ。米ローレンス・バークレー国立研究所などで観測的宇宙論の研究に従事し,データサイエンティストとしての経験を積む。東京大学理学系研究科物理学専攻にて博士号取得。株式会社ニコン入社,2015年よりAI(機械学習)エンジニア。最先端の画像解析技術動向を注視しながら,AI技術の社会実装に取り組んでいる。特許および国内外での学会発表多数。

小林寛子(こばやしひろこ)

3章担当。株式会社ニコン 先進技術開発本部 数理技術研究所 所属。

東京都生まれ。株式会社ニコン入社当時は経理部門に所属していたが,開発業務に携わるため異動を希望し,現在は自然言語処理を用いたマーケティング分析や画像認識などの研究開発業務に取り組む。JDLA G検定 2020 #2 合格者,2020年度経済産業省AI Quest修了。

石井大輔(いしいだいすけ)

4章担当,本書企画統括。株式会社キアラ 代表取締役。

岡山県生まれ。京都大学で数学を専攻後,伊藤忠商事欧州で新規事業開発。2016年,AI・機械学習に特化した研究会コミュニティ「TeamAI」を立ち上げる。1,000回の勉強会を通じ,会員1万人を形成。2019年,100ヶ国語同時翻訳Chatbotアプリ「Kiara」を海外向けにローンチ。500 Startups Singapore(経済産業省JETRO後援)を卒業。著書には『機械学習エンジニアになりたい人のための本-AIを天職にする』(翔泳社)など。

Twitter@ishiid
HP:kiara.team,ishiid.com

執筆協力

澤井悠

3章。

齋藤豪

3章。

信田萌伽

4章,5章。

本書のサンプル

本書の一部ページを,PDFで確認することができます。

目次

第1章 AIとは

  • 01 AIの定義
  • 02 AIの得意な分野と苦手な分野
  • 03 AIの発展過程
  • 04 機械学習とは
  • 05 ディープラーニングとは
  • 06 機械学習とディープラーニングの違い

第2章 AIの基礎知識

  • 07 機械学習と統計学
  • 08 相関関係と因果関係
  • 09 機械学習とデータマイニング
  • 10 教師あり学習とは
  • 11 教師なし学習とは
  • 12 強化学習とは
  • 13 AIとビッグデータ
  • 14 データ別に見るAIの特徴
  • 15 AIシステムの開発フロー

第3章 自然言語処理の手法とモデル

  • 16 自然言語処理(NLP)とは
  • 17 NLPにおける曖昧性と困難性
  • 18 NLPの前処理
  • 19 言語モデルと分散表現
  • 20 注釈付きコーパスと対訳コーパス
  • 21 再帰型ニューラルネットワーク(RNN)
  • 22 Transformer
  • 23 BERT
  • 24 GPT-3

第4章 GANを中心とした生成モデル

  • 25 クリエイティブに進出するAI
  • 26 生成モデルの基礎的なアルゴリズム
  • 27 GANを用いた画像生成
  • 28 敵対的攻撃と防御
  • 29 GANのこれからの広がり

第5章 画像認識の手法とモデル

  • 30 画像認識のタスク
  • 31 畳み込みニューラルネットワーク(CNN)
  • 32 画像認識の発展のきっかけとなったCNN
  • 33 CNNの精度とサイズのバランス
  • 34 学習の工夫1
  • 35 学習の工夫2
  • 36 ディープラーニングの説明可能性
  • 37 画像認識の評価指標

第6章 テーブルデータの機械学習アルゴリズム

  • 38 テーブルデータの前処理
  • 39 精度の評価指標と汎化性能
  • 40 教師あり学習1:線形回帰モデル
  • 41 教師あり学習2:決定木
  • 42 教師あり学習3:ランダムフォレスト
  • 43 教師あり学習4:XGBoost
  • 44 教師あり学習5:ロジスティック回帰モデル
  • 45 教師あり学習6:ニューラルネットワーク
  • 46 教師あり学習7:k-NN(k-Nearest Neighbor)
  • 47 教師なし学習1[クラスタリング]:k-means法
  • 48 教師なし学習2[クラスタリング]:階層的クラスタリング
  • 49 教師なし学習3[クラスタリング]:スペクトラルクラスタリング
  • 50 教師なし学習4[次元削減]:主成分分析
  • 51 教師なし学習5[次元削減]:UMAP
  • 52 教師なし学習6[次元削減]:行列分解
  • 53 教師なし学習7[次元削減]:オートエンコーダ