
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
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
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、学生さん向け概要
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!
© 2017 DAISUKE ISHII
MADE IN OKAYAMA 🍑 WITH LOVE ❤️