現場で活用するための機械学習エンジニアリング(ゲンバデカツヨウスルタメノキカイガクシュウエンジニアリング)

★★管理職も技術者も必読!「機械学習」のやさしい活用法★★

機械学習プロジェクトの上手な進め方、機械学習を活用するときに気をつけること、活用事例などをていねいに解説。
「機械学習を作る側」と「機械学習活用する側」との橋渡しとなる一冊!

[本書で学べること］
・そもそも機械学習で何ができるのか?
・現場への適切な組み込み方法は?
・どうやって精度を保証するのか?
・実運用を見すえたときに確認すべき部分は?

[主な内容]
第 1 章 本書の使い方

第 1 部 機械学習の基礎
第 2 章 機械学習とは何か
第 3 章 機械学習手法の種類と基礎
第 4 章 機械学習のタスク

第 2 部 機械学習の利活用
第 5 章 機械学習は一般企業でも活用できる
第 6 章 機械学習を現場で活用するには
第 7 章 機械学習の適用事例
第 8 章 実運用に耐えうる機械学習モデルの構築
第 9 章 機械学習モデルの説明性
第 1 章 本書の使い方

第 1 部 機械学習の基礎

第 2 章 機械学習とは何か
2.1 AI 、機械学習、深層学習の違いと機械学習の概念
2.2 機械学習は近似関数を推定する作業である
2.3 データについて

第 3 章 機械学習手法の種類と基礎
3.1 機械学習の種類
3.2 深層学習以外の機械学習手法の種類とその基礎
3.3 深層学習の主な種類とその基礎
3.4 過学習と正則化
3.5 転移学習

第 4 章 機械学習のタスク
4.1 動画像系のタスク
4.2 自然言語処理・音系のタスク
4.3 異常検知のタスク
4.4 テーブルデータ系のタスク
4.5 数値計算手法の近似

第 2 部 機械学習の利活用

第 5 章 機械学習は一般企業でも活用できる

第 6 章 機械学習を現場で活用するには
6.1 機械学習活用プロジェクトの流れ
6.2 機械学習活用プロジェクトでうまく問題設定する
6.3 ドメイン知識をモデルに組み込む
6.4 ウェブから利用可能な資源を活用する
6.5 機械学習手法の選択やデータの質・量
6.6 機械学習情報の収集方法
6.7 論文の効率的な読み方
6.8 機械学習が抱える問題点
6.9 機械学習を活用する前に「機械学習を活用しない解」を検討する

第 7 章 機械学習の適用事例
7.1 商品の外観検査
7.2 建設現場の進捗確認
7.3 街路樹の密度をチェックし、植林支援をする
7.4 秘密保持契約のチェック
7.5 数値シミュレーションの近似
7.6 銃声を検知して野生動物を保護する
7.7 長期間気球を滞空させて、過疎地の通信を助ける

第 8 章 実運用に耐えうる機械学習モデルの構築
8.1 評価データの情報漏洩を防いで実運用時と近い評価をする
8.2 データ拡張による実運用時のばらつきを加味した学習方法
8.3 機械学習モデルが出す想定外の予測結果 (短絡学習) を防ぐ対策
8.4 少ないデータで学習し、少ないデータで精度を担保する
8.5 ラベル間違いへの対応
8.6 その他利活用時に問題になりそうな事項とその対策

第 9 章 機械学習モデルの説明性
9.1 説明性のある機械学習モデルとは
9.2 判断根拠の説明性
9.3 偏見の可視化
9.4 不確実性の算出
9.5 説明性は役に立つのか
9.6 因果関係と相関関係