インプレス[コンピュータ・IT]ムック 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
インプレス / 2019年01月21日 / 全287ページ
本書は、Think IT連載「ビジネスに活用するためのAIを学ぶ」を加筆・修正したAI入門書。これからAIを学ぶエンジニア向けに「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。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、<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。●第3部「ビジネスに活用するための人工知能を学ぶ」では、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
- 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
- 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
※このデジタル雑誌には目次に記載されているコンテンツが含まれています。それ以外のコンテンツは、本誌のコンテンツであっても含まれていません のでご注意ください。
※電子版では、紙の雑誌と内容が一部異なる場合や、掲載されないページがある場合があります。