AIのしくみと活用がこれ1冊でしっかりわかる教科書

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。


（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