図解即戦力
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。
技術評論社より2023年1月発売
2,000円 + 税
AIの教科書
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。
(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
是非感想をお寄せください!
Team AI 5000人の知識と経験談を集めました
"はじめに"より
本書は、これからAIエンジニアを目指そうという方へのキャリアガイドです。
私たちTeam AIは、「100万人の機械学習コミュニティを東京に創る」を目標に、2016年7月に発足した機械学習研究会コミュニティです。本書執筆現在、東京を中心に5000名を超える機械学習エンジニアコミュニティを確立しています。曜日ごとに異なるテーマで研究会を実施し、その全てを無料で提供してきました。
また、研究会でスキルアップした後のキャリアアップ機会提供として、運営母体である株式会社Jenioにて機械学習・データ分析スキルに特化した人材エージェント(正社員・新卒・フリーランス)事業、機械学習・深層学習に特化したAI開発事業も展開してきました。
AIエンジニアを志望する人の数は年々増加の一途を辿っており、毎月私たちが開催しているキャリアセミナーは常に満席状態です。
コミュニティメンバーは初心者から研究者まで幅広く、年齢も高校生~シニアまでいらっしゃいます。また、国籍が多様なのも特徴で、アジアから欧米まで、日本で働く外国人エンジニアが多く集まっています。(全体の30%が外国籍のエンジニアです)。このように、幅広い人脈を通じて日本だけでなく世界中の情報が入ってくるのが私たちの強みです。
そんなTeam AIのメンバーをはじめとした、AIエンジニアおよびAIエンジニア志望者の方々との対話を通じて生まれたのが本書です。
本書には、5000人に及ぶTeam AIのコミュニティメンバーの知見と、人材エージェントとしてのノウハウをできるだけ出し惜しみせずに詰め込みました。
Java、RubyなどのアプリケーションエンジニアからAIエンジニアへのキャリアチェンジを考えている方をメインの想定読者として構成しましたが、AI業界に憧れている方、特に文系の方々にもわかりやすく読んで楽しんでもらえるように書きました。
また、将来AIの開発現場で働きたい高校生、大学生に向けたハンドブックとしても活用してもらえたらと考えています。
本書を読むことによって、読者の皆さんはAIエンジニアとして働くために何をすればいいか、概要を掴めると思います。また、目標までのプロセスが明確になることによって、きっと今すぐにでも勉強したくなるはずです。
転職活動の実践編に関しては、エンジニア目線はもちろんのこと、採用企業の目線でも書くことを心がけました。
また、人材エージェントとして見てきた転職成功例・失敗例を具体的に表したので、AI・機械学習について勉強を始めたばかりの人から、実際に転職活動を始めてみたいという人まで、幅広く実践的な知識を得ていただけると思います。
読者の皆さんに伝えたいことは、この本で効率的に情報取集したあとはひたすらハンズオンで手を動かして学習してほしいということです。
今、AIエンジニア養成スクールはどこも活況です。聞くところによると左官やウェイターなど、全く違う業種・業界からキャリアチェンジしてくる人もいるとか。
もちろんこうしたスクールに通うことも一つの選択肢ですが、今やAI関連の書籍やツールは日々更新され、良いものがどんどん増えています。
例えばアクティブラーニングツール一つ挙げるだけでも、Progate、Aidemy、Kaggle、Coursera、Udemyなど多様化していますから、自分に合うものを試していくことはいくらでも可能です。
自分の才能に限界を設けず、このようなツールを活用してスキルアップしてください。
AIエンジニアを目指す上では、大学1~2年レベルの数学の知識が必要となります。しかし、数学の体系的な知識をに身につけることはむしろ後からでよく、まずは機械学習の参考図書を用意して、そこにあるチュートリアルをコーディングするところから始めていくことをおすすめします。その中でわからない点が出てきたら、数学の本を逆引きすればいいのです。
まずはコーディングからスタートし、足りない部分を勉強しながら補完していく。この繰り返しで、実践の現場で使えるスキルを身につけていくといいと思います。
AIエンジニアを目指す方へのアドバイスとしては、「早めに仲間を見つける」ことです。未経験者がAIエンジニアとして働けるようになるまでには、平均1~2年の学習期間が必要だと言われています。ですから、モチベーション管理が非常に重要です。現在都内では、AI関連のイベントが月間100件~150件程度開催されています。本書の中でも紹介しますが、これらの勉強会・研究会・イベントに定期的に顔を出して仲間を作ることをおすすめします。ある程度長期戦になることを覚悟しつつ、離脱しないように、真面目に楽しく学ぶ。それが1番の近道だと思います。
私たちTeam AIが発足した2016年当時、東京のデータ分析業界で働く人はおよそ5000人程度しかいないと言われていました。それがこの2年間で1.5~2万人になり、2020年には6~8万人になることが予想されています。
このように裾野が広がっていくことによって、より多くの方に向けてAI関連のビジネスの扉が開かれるでしょう。
私たちは「100万人の機械学習コミュニティを目指す」ことをスローガンに掲げていますが、そのような未来はもうすぐそこまで見えているのです。
AIは、産業革命や車の発明に例えられる、人々の暮らしを大きく変える技術です。スタンフォード大学のAndrew Ng教授は電気の発明に例えています。現在も様々な議論を呼んでいますが、正しく使えば生活やビジネスの生産性を上げ、私たちの暮らしをより便利で、素晴らしいものにしてくれるでしょう。
その動きはすでに生活の中に入り込んできていて、本書に記載したように、ガンの診断や自動運転など、あらゆる分野で実用化のための実験が進んでいます。2020年頃を機に、これらの技術は一気に生活の中に浸透してくると考えられています。
このように、AIおよびデータ分析は、夢があって素晴らしい技術です。
本書を手にしたあなたにもぜひ、その技術の担い手として活躍していただけたら、著者としてこれほど嬉しいことはありません。
本書の執筆にあたって、技術指導などでご協力頂いたオング優也さん、Jaiyam Sharmaさん、小川雄太郎さん、伊藤博之さん、Team AIのコミュニティメンバー5000人の皆様全員、Team AI Careerのスタッフチーム、そして伴走して執筆をサポートしてくれた青柳まさみさんに感謝致します。
ご意見・ご感想に関してはお気軽にメール頂けますと嬉しいです。
2018年10月
Team AI 代表 & (株) ジェニオ 代表取締役 石井 大輔
Email: dai@jenio.co
目次
はじめに
第1部 仕事編
第1章 変化の激しいAI業界の全体像を知ろう
―従来のエンジニアとAIエンジニアの違い
―AIエンジニアの仕事
―AIエンジニアの将来性は? どんなキャリアプランを描ける?
―AI世界勢力図―各国のAI事情は?―
―大手IT企業、ベンチャー企業、大学の状況は?
―AI/IoTで産業課題を解決し、教育分野に還元したい 大杉慎平
第2章 AI業界最新職種ガイド
―AIエンジニア
―データサイエンティスト
―研究者
―データアナリスト
―セールスコンサルタント
―AIエンジニアとアプリケーションエンジニアの違い
―AI人材に必要なスキルリスト
第3章 AI人材になるための具体的行動計画
―ホップステップジャンプ! 段階別やることリスト
―キャリアゴールを決め、「習うより慣れろ」の精神で進もう
―就職・転職のために取得しておきたい資格試験
―女性エンジニアよ、もっとAI分野に入ってこよう! スザッナ・イリチ
第4章 勉強法Hack―Team AIが太鼓判を押すコンテンツリスト
―勉強会に参加して業界の全体像をつかみ、勉強仲間を見つけよう
―書籍やビデオコースで基礎理論を学習し、コーディングしてみよう
―英語を勉強すると有利―お薦めの勉強法は?―
―これだけは読んでおきたい! お薦め書籍9選
―お薦めのオンラインコース
―Kaggleでコンペティションに参加し、実践力を磨こう
―スクールやイベントを利用して集中的に学ぼう
―Twitterで最新情報をチェックしよう
―ブログ、Webサイト、その他
―ゲームAIに魅了され、エンジニアの道へ 大渡勝己
第5章 いよいよ転職活動!後悔しないために 押さえておくべきポイント
―AI関連企業について情報を収集しよう
―AI職種に応募するのに適したサイト・エージェントは?
―AI業界にアピールできる履歴書・職務経歴書の書き方
―面接・技術試験に向けて押さえておきたいポイントは?
column:AI業界でも女性が活躍する機会が広がる
第2部 実務編
第6章 私たちの身近にある、AI技術を用いたサービス・プロダクト
―機械学習を使ったビジネスアプリケーション
―画像データを用いた機械学習
―動画データを用いた機械学習
―テキストデータを用いた機械学習
―音声データを用いた機械学習
―時系列を使った機械学習
第7章 実務のためのノウハウ
―ヒアリング
―データドリブンレベルとサンプルデータのチェック
―数理モデル選定
―PoCで仮説検証
―データ取得とユーザー視点の重要性
―データ前処理
―パラメータチューニングと仮説再検証
第8章 海外移住も夢じゃない? 各国のAIエンジニア事情
―憧れの地、アメリカシリコンバレー
―意外と現実的? シリコンバレーで就職活動
―その他のアメリカの都市
―スピード感と規模が桁違い中国のAI企業
―その他の国々のAI企業事情
AI用語集
読者の声
思わず一日中読んでしまいました。
こんなにもコンパクトに色々な情報源をまとめているのに感心しました。
機械学習を実践して3年になりますが、情報源はエンジニアの成長の上で非常に大切です。
この本を是非友人に勧めたいと思います。
大学で多くの生徒がAIを学んでいますが、教材や学ぶ環境が整っておらず困っている生徒が多いです。
この本は初心者向けにオススメできます。
素晴らしい本の出版、おめでとうございます! (インド人 AIポスドク J.S.さん)
びっくりしたんですが、めちゃくちゃ面白い(笑)。
業界人だからこそって感じの内容で、メディアとかTwitterアカウントとかの紹介もある(笑)
さらにAI NOWまで大々的に紹介してくださっている...
嬉しみしかないです。 (メディア AI NOW編集部 小澤さん)
是非感想をお寄せください!
© 2017 DAISUKE ISHII
MADE IN OKAYAMA 🍑 WITH LOVE ❤️