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。 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