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(ズカイソクセンリョクエーアイノシクミトカツヨウガコレイッサツデシッカリワカルキョウカショ)

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。
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