ディープラーニングの本格的な入門書。外部のライブラリに頼らずPython 3によってゼロからディープラーニングを作成できる。 実際にシステムを作りながらディープラーニングを学ぶ！ ディープラーニングの本格的な入門書。外部のライブラリに頼らずに、Python 3によってゼロからディープラーニングを作ることで、ディープラーニングの原理を楽しく学びます。ディープラーニングやニューラルネットワークの基礎だけでなく、誤差逆伝播法や畳み込みニューラルネットワークなども実装レベルで理解できます。ハイパーパラメータの決め方や重みの初期値といった実践的なテクニック、Batch NormalizationやDropout、Adamといった最近のトレンド、自動運転や画像生成、強化学習などの応用例、さらには、なぜディープラーニングは優れているのか？ なぜ層を深くすると認識精度がよくなるのか？ といった“Why”に関する問題も取り上げます。

人工知能は人間を超えるのか、その日は、いつやってくるのか？ グーグルやフェイスブックが開発にしのぎを削る人工知能。日本トップクラスの研究者の一人である著者が、最新技術「ディープラーニング」とこれまでの知的格闘を解きほぐし、知能とは何か、人間とは何かを問い直す。 グーグルやフェイスブックが開発にしのぎを削る人工知能。日本トップクラスの研究者の一人である著者が、最新技術「ディープラーニング」とこれまでの知的格闘を解きほぐし、知能とは何か、人間とは何かを問い直す。

大ベストセラーの続編。さらに作る、さらに深くDeep Learningに迫る！ 大ベストセラーの続編。さらに作る、さらに深くDeep Learningに迫る！ コンピュータの専門書としては異例の大ヒットを記録した『ゼロから作るDeep Learning』の続編。第二弾の本書では、自然言語処理や時系列データ処理に焦点を当て、ディープラーニングを使ってさまざまな問題に挑みます。word2vecやRNN（リカレントニューラルネットワーク）、LSTMやGRU、seq2seqやAttention……ディープラーニングを支えるこれら最先端の技術を実装レベルでマスターできます。前作同様、平坦な言葉で分かりやすくをモットーに、高度に見える技術の裏側をじっくり説明し、実際に作ることで理解を深めます。最後までコンセプトは変わらない。ゼロから作る！

本書は「Pythonだけ」を学ぶ本ではありません。Pythonを使ってプログラミングを紹介していますが、伝えたい内容はPythonに限らない「プログラミング全般」の知識です。 本書の著者、コーリー・アルソフ（Cory Althoff）は、「独学プログラマー」です。本書は、彼が独学で、ゼロからプログラミングを学んだ体験に基づいて書かれました。 プログラミングを独学で身に付けるために、著者がPythonを通して学んだエッセンスが書かれています。彼の独学プログラマーとしての学び方は、Amazon.comでの本書の評価を見るとわかるように、多くの人に支持されています。 ――訳者あとがきより 第1部（Part1） 第1章　イントロダクション 第2章　さあ、はじめよう！ 第3章　プログラミング入門 第4章　関数 第5章　コンテナ 第6章　文字列操作 第7章　ループ 第8章　モジュール 第9章　ファイル 第10章　知識を1つにまとめる 第11章　ハマったときの助け 第2部（Part2） 第12章　プログラミングパラダイム 第13章　オブジェクト指向プログラミングの４大要素 第14章　もっとオブジェクト指向プログラミング 第15章　知識を1つにまとめる 第3部（Part3） 第16章　Bash 第17章　正規表現 第18章　パッケージ管理 第19章　バージョン管理 第20章　知識を1つにまとめる 第4部（Part4） 第21章　データ構造 第22章　アルゴリズム 第5部（Part5）　 第23章　プログラミングのベストプラクティス 第24章　プログラマーとしての最初の仕事 第25章　チームで働く 第26章　さらに学ぼう 第27章　次のステップ 第6部（Part6） 補章　より良いコードにするために 補章　継続して学ぶために 謝辞 訳者あとがき 索引 第1部（Part1） 第1章　イントロダクション 第2章　さあ、はじめよう！ 第3章　プログラミング入門 第4章　関数 第5章　コンテナ 第6章　文字列操作 第7章　ループ 第8章　モジュール 第9章　ファイル 第10章　知識を1つにまとめる 第11章　ハマったときの助け 第2部（Part2） 第12章　プログラミングパラダイム 第13章　オブジェクト指向プログラミングの４大要素 第14章　もっとオブジェクト指向プログラミング 第15章　知識を1つにまとめる 第3部（Part3） 第16章　Bash 第17章　正規表現 第18章　パッケージ管理 第19章　バージョン管理 第20章　知識を1つにまとめる 第4部（Part4） 第21章　データ構造 第22章　アルゴリズム 第5部（Part5）　 第23章　プログラミングのベストプラクティス 第24章　プログラマーとしての最初の仕事 第25章　チームで働く 第26章　さらに学ぼう 第27章　次のステップ 第6部（Part6） 補章　より良いコードにするために 補章　継続して学ぶために 謝辞 訳者あとがき 索引

最先端のAI研究者が文系の人のために書いた、AIの今と未来がわかる本。一問一答方式で効率よくAIの真実を知ることができます。 人工知能（ＡＩ）にまつわる素朴な疑問や知っておくべきことを、第一線で活躍するＡＩの研究者が、最先端の研究を踏まえながら、ていねいに解説する一冊。 「ＡＩで人の仕事がなくなる」「ＡＩにいま投資しないと生き残れない」など、ＡＩの進化や普及にともなう不安を刺激する情報があふれているいま、ＡＩの仕組みや、強み・弱みを正しく知ることが求められています。 本書では、読者の疑問や知りたいことに応えるために、専門用語はもちろん、数学も、プログラミングの知識も必要としないように、一問一答方式で説明します。「効率よくＡＩの今と近未来を知ることができる本」です。 【本書でわかることの一部】 ・ＡＩの正体とは? ・なぜ人はＡＩに不思議なもの（神秘性）を感じるのか? ・何ができたらＡＩと呼べるのか? ・ＡＩはどうやって学ぶ? ・ＡＩは人の気持ちを理解できる? ・ＡＩが出した答えは信用してよい? ・どんなときにＡＩは間違う? ・ＡＩはどのように予測や決定の根拠を説明してくれる? ・ＡＩが感情を持つようになるって本当? ・ＡＩが人を差別するって本当? ・ＡＩの内部に潜む悪意とは? ・ＡＩがＡＩを作るってどういうこと? ・囲碁ＡＩどうしが対局したらどうなる? ・悪意のあるＡＩとそれを取り締まるＡＩを競わせるとは? ・世界でＡＩ研究をリードしているのは誰? ・ＡＩ研究の最前線。いまの課題は? ・ＡＩを使いこなすには? ・ＡＩにできること、できないことは? ・ＡＩに投資するには? そのタイミングは? ・近未来のＡＩはどうなる?　ほか 本書を読むことで、ＡＩの仕組みや得意・不得意などを正しく理解できるようになります。 また、ＡＩの研究者が何を考えているのか、これから先のＡＩとそれを取り巻く環境が、 どのように変わっていくかを知ることができます。 教養として、そしてビジネスで正しくAIを語れるようになるための必読書です。 最先端のAI研究者が文系の人のために書いた「AIの今と未来」がわかる本。数学やプログラミングの知識は不要。一問一答方式で効率よくAIの真実を知ることができます。 はじめに 第1章　「AIってスゴイ！」と思ってしまう理由 　1-1　なぜ人は「AIってスゴイ！」と思ってしまうのですか？ 第2章　AIの正体 　2-1　何ができたらAIと呼べるのですか？ 　2-2　AIが考える合理的とはどういうことですか？ 　2-3　AIはどうやって最高の一手を選ぶのですか？ 　2-4　AIはどうやって失敗から学ぶのですか？ 　2-5　どうしてAIには大量のデータが必要なのですか？ 第3章　AIはどのように進化してきたのか？ 　3-1　なぜ、いまAIが注目されているのですか？ 　3-2　AI研究が急拡大しているという根拠はなんですか？ 　3-3　昔のAIってどんなものだったのですか？ 　3-4　昔のAIと今のAIのちがいは何ですか？ 　3-5　機械学習って何ですか？ 第4章　AIはどこまで人に近づけるのか？ 　4-1　AIは人の気持ちを理解できますか？ 　4-2　AIが書いた文章に知性を感じるのはなぜですか？ 　4-3　AIが賢くなるのに人の知識は役立ちますか？ 第5章　AIは間違える 　5-1　どんなときにAIは間違うのですか？（その1） 　5-2　どんなときにAIは間違うのですか？（その2） 　5-3　どんなときにAIは間違うのですか？（その3） 　5-4　どんなときにAIは間違うのですか？（その4） 　5-5　AIが出した答えは信用してよいのでしょうか？ 第6章　AIの内部に潜む悪意とは？ 　6-1　AIを騙せるって本当ですか？ 　6-2　AIが人を差別するって本当ですか？ 　6-3　AIの予測や決定を信じてもらうには何が必要ですか？ 　6-4　AIはどのように予測や決定の根拠を説明してくれるのですか？ 　6-5　AIの予測や決定を信じてもらうために説明以外の方法はありますか？ 第7章　これからのAIはどうなる？ 　7-1　AIが感情を持つようになるって本当ですか？ 　7-2　AIがAIを作るってどういうことですか？ 　7-3　囲碁AI同士が対局したらどうなるのですか？ 　7-4　AIはどのようにリアルなフェイク画像を作るのですか？ 　7-5　AIはどのように不良品を見つけるのですか？ 第8章　AI研究の最前線 　8-1　AIの研究が急速に進んでいる理由を教えてください 　8-2　世界でAI研究をリードしているのはどこの国ですか？ 　8-3　最先端のAI研究に触れるにはどうすれば良いですか？ 　8-4　AI研究の成果はどのように評価されているのですか？ 　8-5　AI研究のいまの課題はなんですか？ 第9章　AIを使いこなすには？ 　9-1　AIプロジェクトに取り組むときの注意事項を教えてください 　9-2　AIプロジェクトで差をつけやすいポイントを教えてください 第10章　AI投資を成功させるには？ 　10-1　どんな領域のAIに投資すれば良いですか？ 　10-2　AIビジネスにチャレンジする際の注意事項を教えてください 第11章　近未来のAIはどうなるか？ おわりに 図版出典 参考文献

数学がニガテでも大丈夫！ 機械学習をやさしく学ぼう 「機械学習に興味があるけど、どの資料を見ても数式が出てきて、分からない･･･」 本書は、そんな方にぴったりの本です。 機械学習を勉強中のプログラマ「アヤノ」と、友達の「ミオ」の会話を通じて、楽しく学んでいきます。本書では、 ・そもそも機械学習がどうして注目を集めているのか？ ・機械学習でできることにはどんなことがあるのか？ ・どんな時に、回帰や分類、クラスタリングをすると有効なのか？ といった基本的なところから、 ・ある問題に対して、どのように解決方法を考えればいいのか ・その解決方法を数式にするとどんな形になるのか ・実際にプログラムの形にするとどうなるのか まで、丁寧に、じっくりと説明していきます。 とくに、数式については、高校で習った数学を忘れている方でも分かるように、つまづきやすいところや理解しにくいところを重点的に解説します。 ※プログラムはPython 3で実装します Chapter1　ふたりの旅の始まり Chapter2　回帰について学ぼう　～広告費からクリック数を予測する Chapter3　分類について学ぼう　～画像サイズに基づいて分類する Chapter4　評価してみよう　～作ったモデルを評価する Chapter5　実装してみよう　～Pythonでプログラミングする

【東京大学特任准教授 松尾 豊氏 推薦】 大人気「10秒で始める人工知能プログラミング学習サービス」の代表者がおくる、 人工知能プログラミングに必要な数学を、やさしく学ぶ参考書が登場！ キホンのキホンからおさらいするから、ニガテな人でも大丈夫！ 後半では、Pythonのコードを動かしてさらに理解を深められます！ ■本書の目的 ・人工知能関連の書籍に現れる数式への抵抗感をなくし、専門書を読むための数学基礎力をつけます。 ・いくつかの人工知能のアルゴリズムを理解し、数式の意味を理解できるようにします。 ■本書の特長 ・ゼロからおさらいするので、誰でも読めます。 ・人工知能プログラミングに必要な分野に特化しています。 ・演習問題や例題で、理解を深められます。 ■本書の対象読者 ・人工知能アルゴリズムを用いてモデリングをしているが、その根底のアルゴリズムはブラックボックスであり、数学を復習したい方。 ・人工知能アルゴリズムを体系的に学びたいが、数学を忘れており、専門書に現れる数式が理解できない方。 ・人工知能アルゴリズムに興味があるが、ハードルが高いと感じている方。 ■目次 CHAPTER 1　数学基礎 中学1 年から高校の数学を復習し、機械学習で使う数学の「入門レベル」を固めます。 CHAPTER 2　微分 微分の概念や表現方法を学びます。機械学習では「ディープラーニング（深層学習）」「ニューラルネットワーク」「最小2 乗法」「勾配降下法」「誤差逆伝播法」などで微分を活用します。 CHAPTER 3　線形代数 高校の範囲に大学1 年で学ぶ線形代数を加え、ベクトル・行列・線形変換を学びます。線形代数は膨大なデータや複雑なシステムを扱うのに役立ちます。 CHAPTER 4　確率・統計 確率・統計は「傾向を知り、限られたデータから全体像を予測する」ために、機械学習で活用されます。分散・尤度・正規分布などの難しい用語もやさしく学びます。 CHAPTER 5　実践編1 回帰モデルで住宅価格を推定してみよう 「データから住宅価格を推定する」ことを題材に、線形回帰モデルを理解します。 CHAPTER 6　実践編2 自然言語処理で文学作品の作者を当てよう 「文学作品を分析する」ことを題材に、自然言語を数学的に表現する方法などを学びます。 CHAPTER 7　実践編3 ディープラーニングで手書き数字認識をしてみよう 「手書きの数字を認識させる」ことを題材に、ディープラーニングの一種であるDNNを、画像認識から学びます。 東京大学特任准教授 松尾 豊氏 推薦！　人工知能プログラミングに必要な数学を、ゼロから抜け漏れなく、体系的に学ぶ！　数学を復習したいエンジニアに！ CHAPTER1　数学基礎 CHAPTER2　微分 CHAPTER3　線形代数 CHAPTER4　確率・統計 CHAPTER5　実践編1 回帰モデルで住宅価格を推定してみよう CHAPTER6　実践編2 自然言語処理で文学作品の作者を当てよう CHAPTER7　実践編3 ディープラーニングで手書き数字認識をしてみよう

AI解説本の決定版。「今知るべきAIのすべて」がわかります。 AI解説本の決定版。「今知るべきAIのすべて」がわかります。 大きな進歩を遂げて、活用が広がる人工知能(AI)。 AIの成果とその仕組みから、多くの未解決問題、 潜在的な利益とリスク、科学的・哲学的な問題まで、 身近になったAIの現況と見通しを深く掘り下げつつ、 わかりやすく説明した1冊です。 世界的名著『ゲーデル, エッシャー, バッハ あるいは不思議の環』著者の 愛弟子が人工知能の仕組みと実用性を徹底的にやさしく全部教えます! 人工知能に関する本は山のように出ているが、 本書の記述の正確さとわかりやすさは群を抜いている。 解説者が何百冊以上の本を読んで得た人工知能の知識を、 本書1冊を読むだけで得ることができる。 ……本書を読めば人工知能の凄さと脆さがわかる。 「私たちはまだ、はるか、はるか遠くにいる」のである。 松原仁 東京大学次世代知能科学研究センター(AIセンター)教授 本書「解説」から 【目次】 はじめに ― 恐怖にとらわれる AIと『GEB』 チェスと第一の疑いの種 音楽――人間性のとりで グーグルとシンギュラリティ ホフスタッターは、なぜ恐怖にとらわれているのか? 混乱する私 この本が目指すもの 第1部 予備知識 第1章 人工知能が辿ってきた道のり 第2章 ニューラルネットワークと、台頭する機械学習 第3章 AIの春 第2部 見ることと読み取ること 第4章 誰が、いつ、どこで、何を、なぜ 第5章 CNNとImageNet 第6章 学習する機械を詳しく見る 第7章 信頼できる倫理的なAIとは 第3部 遊びを学習する 第8章 ロボットへのご褒美 第9章 ゲームを止めるな 第10章 ゲームを超えて 第4部 人工知能が自然言語に立ち向かう 第11章 言葉とその周りのもの 第12章 エンコーディングとデコーディングによる翻訳 第13章 何でも聞いて 第5部 意味の壁 第14章 理解について 第15章 人工知能にとっての知識、抽象化、そしてアナロジー 第16章 質問、答え、それについての考察 質問-自動運転車が普及するまで、あとどれくらいかかるだろうか 質問-AIによって、大量の人間の失業者が出るのだろうか 質問-コンピューターは創造性豊かになれるのだろうか 質問-汎用的な人間レベルのAIの実現まで、あとどれくらいかかるのだろうか 質問-私たちはAIをどれくらい恐れる必要があるのだろうか 質問-AIについての既存の問題で、まだ解決されていないものは何か

大好評！デジタル時代の必携リテラシー、G検定の「公式テキスト」の改訂版！ 【本書の特徴】 ・大ベストセラー、ディープラーニング G検定 公式テキストの改訂版。 ・改訂された新シラバスに完全準拠。 ・試験運営団体である「日本ディープラーニング協会」が監修。 ・章末問題を大増量。分かりやすい解説付き。 ・ディープラーニングに関する入門書としても最適。 【対象読者】 ・ G検定を受験しようと思っている人 ・ディープラーニングについて概要を学びたい人 ・ディープラーニングを事業活用しようと思っている人・DX推進を検討している人 【G検定とは】 ・内容：ディープラーニングを事業に活かすための知識を有しているかを検定する ・試験方式：知識問題（多肢選択式）、オンライン実施（自宅受験） ・日程：年3回（詳細は公式サイトにて公表） 【目次】 試験の概要 第1章 人工知能（AI）とは 第2章 人工知能をめぐる動向 第3章 人工知能分野の問題 第4章 機械学習の具体的手法 第5章 ディープラーニングの概要 第6章 ディープラーニングの手法 第7章 ディープラーニングの社会実装に向けて Appendix　事例集 産業への応用 第1章　人工知能（AI）とは 1-1.人工知能（AI）とは 1-2.人工知能研究の歴史 第2章　人工知能をめぐる動向 2-1.探索・推論 2-2.知識表現 2-3.機械学習・深層学習 第3章　人工知能分野の問題 3-1.人工知能分野の問題 第4章　機械学習の具体的手法 4-1.代表的な手法 4-2.モデルの評価 第5章　ディープラーニングの概要 5-1.ニューラルネットワークとディープラーニング 5-2.ディープラーニングのアプローチ 5-3.ディープラーニングを実現するには 5-4.活性化関数 第6章　ディープラーニングの手法 6-1.畳み込みニューラルネットワーク 6-2.深層生成モデル 6-3.画像認識分野での応用 6-4.音声処理と自然言語処理分野 6-5.深層強化学習 6-6.モデルの解釈性の問題とその対応 第7章　ディープラーニングの社会実装に向けて 7-1.AIと社会 7-2.AIプロジェクトを計画する 7-3.データを集める 7-4.データを加工・分析・学習させる 7-5.実装・運用・評価する 7-6.クライシス・マネジメントをする Appendix　事例集 産業への応用 A-1.製造業領域における応用事例 A-2.モビリティ領域における応用事例 A-3.医療領域における応用事例 A-4.介護領域における応用事例 A-5.インフラ領域における応用事例 A-6.サービス・小売・物流領域における応用事例 A-7.農林水産業領域における応用事例 A-8.その他領域における応用事例

ディープラーニングの仕組み、言語や概念、映像を機械が理解する、ベイジアンネットと大脳皮質、なぜ人の常識は機械にとって難しい?汎用人工知能の実現への課題、どうすればうまく応用できるのか?応用が進む今の時代、改めて人工知能技術の全体像を見てみる。 第1章 人工知能はこうして生まれた 第2章 人工知能を体感してみよう 第3章 人工知能を支える基礎技術 第4章 人工知能はどう応用されているのか? 第5章 ディープラーニングは何がすごいのか? 第6章 人工知能の未解決問題と突破策 第7章 人工知能が溶け込んだ社会の将来像

ＡＩの誤解・限界を示す一方で、日本人の読解力の低さを指摘。ＡＩ化が進んだ未来の行き着く先は、教育の劣化を伴った最悪の恐慌だ。 東ロボくんは東大には入れなかった。ＡＩの限界ーー。しかし、”彼”はＭＡＲＣＨクラスには楽勝で合格していた！これが意味することとはなにか？　ＡＩは何を得意とし、何を苦手とするのか？　ＡＩ楽観論者は、人間とＡＩが補完し合い共存するシナリオを描く。しかし、東ロボくんの実験と同時に行なわれた全国２万５０００人を対象にした読解力調査では恐るべき実態が判明する。ＡＩの限界が示される一方で、これからの危機はむしろ人間側の教育にあることが示され、その行く着く先は最悪の恐慌だという。では、最悪のシナリオを避けるのはどうしたらいいのか？　最終章では教育に関する専門家でもある新井先生の提言が語られる。 はじめに 第１章　　ＭＡＲＣＨに合格――ＡＩはライバル ＡＩとシンギュラリティ 偏差値５７．１ ＡＩ進化の歴史 ＹＯＬＯの衝撃－－画像認識の最先端 ワトソンの活躍 東ロボくんの戦略 ＡＩが仕事を奪う 　　 第２章　桜散る――シンギュラリティはＳＦ 読解力と常識の壁――詰め込み教育の失敗 意味が理解しないＡＩ Ｓｉｒｉ（シリ）は賢者か？ 奇妙なピアノ曲 機械翻訳 シンギュラリティは到来しない 第３章　教科書が読めない――全国読解力調査 人間は「ＡＩにできない仕事」ができるか？ 数学ができないのか、問題文を理解していないのか？－－大学生数学基本調査 全国２万５０００人の基礎的読解力を調査 ３人に１人が、簡単な文章が読めない 偏差値と読解力 第４章　最悪のシナリオ ＡＩに分断されるホワイトカラー 企業が消えていく そして、ＡＩ世界恐慌がやってくる おわりに

急速に広がるディープラーニング活用の今と未来がわかる！国内の事例を体系的に取り上げ先駆者が解説 AIは研究から実用フェーズへ―― 急速に広がるディープラーニング活用の今と未来がわかる！ 国内35社の事例を体系的に取り上げ、先駆者が苦労したポイントを解説 ＜日本ディープラーニング協会監修＞ 活用を検討する企業でよく生じる疑問にも答えます。 次世代の新規事業や業務改善の企画に欠かせない1冊！ インターネットに遅れること20年、ディープラーニングは、 「汎用目的技術」の1つとして、あらゆる産業を変えていくとみられています。 汎用目的技術とは、古くは動物の家畜化、車輪、印刷の発明から、鉄道、電気、 自動車、インターネットまで「原理は単純で汎用的でさまざまなことに利用できる」 技術のことをいいます。 本書は、ディープラーニングが与えるインパクトを事例を基に解説します。 第1章では、東京大学大学院工学系研究科 特任准教授の松尾豊氏が描く「ディープラーニングをベースにしたAIの技術的発展」（ロードマップ）を解説。 第2～5章ではこのロードマップを基に国内の先進事例を分類して紹介していきます。 カツ丼の盛り付けを判定、泳ぐマグロの数を数える、クリーニング衣類を判別、文章の校閲、河川の護岸の傷判定、送電線の異常検知、道路下の空洞を探る、タクシーの乗客数予測、テレビCMの効果を予測、お弁当の盛り付け、重機で自動掘削、白黒映像の色付け、仮想アイドル画像の生成、プロ並みアナウンサー、人の話し方をまねる……続々登場する、こうしたディープラーニングの驚異の活用法が分かります。 第1章　ディープラーニングの発展予測 第2章　[Step1] 人の「眼」となり単純作業から解放する 第3章　[Step2] 「五感」を担い行動予測や異常検知を実現 第4章　[Step3] 現実社会に柔軟に対応 「ロボット」「自動運転」の時代 第5章　「創作」業務へも広がる活用範囲 第6章　ビジネス活用Ｑ＆Ａ 　　　　──向く分野/向かない分野、データ、人材、投資などの悩みに回答

二〇三〇年、人工知能は人間並みの能力を獲得する？ AI技術と資本主義の未来を緻密に分析し、失業者たちを救う社会保障を提言する 「人工知能によって経済は、社会は、政治はどこに向かうのか？ 未来を知るための必読書」――飯田泰之氏絶賛！人工知能（AI）が目覚しい発展を遂げています。小説を書いたり、囲碁をしたり、日々ニュースを賑わせています。また、AIを搭載したロボットも活躍しています。pepperは感情を読み取れますし、ダヴィンチは外科手術をこなしますし、iPhoneに搭載されているSiriは道案内もしてくれます。このまま技術開発が進んでいくとどうなるのか……？ 2045年に起こると噂される「シンギュラリティ」より前、2030年には、AIが人間の頭脳に追いついてしまう可能性があるのです。ホワイトカラー事務職は真っ先に職を奪われます。医者も弁護士も失業の危機に瀕しています。最大で人口の9割が失業する可能性もあると筆者は推計しています。一部の資本家以外の労働者は飢えて死ぬしかないのでしょうか？AIによって奪われた労働は、BIで補完しよう！ マクロ経済学者である筆者はそう訴えます。BIとはベーシックインカムのこと。社会保障をBIに一元化して、子供から大人まで一律の生活保障を支給するという仕組みです。AIの未来、資本主義の未来、労働の未来、社会保障の未来まで、気鋭の経済学者が語りつくします！

人工知能の最新動向を基礎から学ぶ。人工知能の常識。AIの主要プレイヤー(IBM、Google、Amazon、Facebook)と最新導入事例。最新用語とメカニズムがすぐわかる! 第1章 AI関連技術の最前線-過去から未来までの系譜(囲碁の勝負で人間を破った人工知能「アルファ碁」 予想以上に早く進化を遂げた囲碁用AI ほか) 第2章 AI技術のビジネス活用(人間と自然に会話するコンピュータ コールセンターのオペレータ支援 ほか) 第3章 超入門かんたん解説AI関連技術と専門用語(機械学習と特徴量 ニューラルネットワークと分類問題 ほか) 第4章 AIを牽引する主要プレイヤー(IBM Microsoft ほか)

ディープラーニング活用なくしてビジネスの飛躍的成長なし ◆日本ディープラーニング協会推薦図書◆ 日本ディープラーニング協会　監修 ディープラーニングをビジネスに生かす知識を問われる 同協会のG検定(ジェネラリスト)　推薦図書 松尾豊・同協会理事長による「ディープラーニング技術年表」収録 ディープラーニングは確かに実際のビジネスに溶け込み、商品やサービスでの活用が始まっています。 それによって業績を向上させた企業もあれば、社会課題の解決に結びつけている会社も実在します。 その最先端の実践的な事例を紹介しました。本書に「実践編」と付したのはこうした理由からです。 本書の最大の特徴の1つが、「ディープラーニングビジネス活用アワード」の受賞6プロジェクト全てを子細なケーススタディで紹介していることです。 日本ディープラーニング協会と一緒に、2019年春から準備を進めてきたものです。 エントリーはやや大手企業に偏重したきらいはありましたが、まさに腕自慢の実力派ぞろいでした。 大賞のキユーピーの食品加工で原料を検査する「AI食品原料検査装置」に始まって、楽天の自動翻訳プロジェクトである「Rakuten Translate」、 荏原環境プラントが進める「ごみ焼却プラント運転自動化プロジェクト」、水処理など流体向けAI分析のAnyTechの「水質判定AI『DeepLiquid』」、 保育園向けITサービスのユニファの「写真自動判定システムによる保育士の業務負荷軽減」、パッケージデザインのプラグの「パッケージデザインの好意度スコアを予測するAIサービス」の6事例を本書にまとめました。 できるだけ載せないようにしたケースもあります。 ディープラーニングといえば画像認識とばかりに、熟練工の目の代替として活用する事例は少なくない。 ただその点だけを極めても、効果の最大値は当該人件費の削減分にしかなりません。 結果として幼稚園児の笑顔が増える、あるいは静脈産業の支えになる、 といった大きな社会的意義をディープラーニングには持たせたい。そんな思いで作りました。 受賞6事例を含めた計26事例を、本書ではディープラーニング活用の効果で4つに分けました。 まず「商品開発・業界構造を変える」。 次が「消費者のデマンドに応える」。 そして「働き方を改革する」。 最後が「不正・異常を検知、社会課題を解決する」。 また資料的価値が高い、日本ディープラーニング協会理事長の松尾豊氏がまとめた「ディープラーニング技術年表」そして「インターネットでいうと1998年」も収録。 全編にわたって同協会の理事が一文字ずつ、とりわけ技術的な側面からアドバイスしてくれた貴重な書である。ぜひご覧になっていただきたい。 ディープラーニング活用なくしてビジネスの飛躍的成長なし ◆日本ディープラーニング協会推薦図書◆ はじめに 【第1章】　ディープラーニングで付加価値高め　こうして稼ぐ 　　　　　 ―日本ディープラーニング協会 松尾豊理事長に聞く― 【第2章】　商品開発・業界構造を変える 　●キューピー 　　食品原料の異物を画像認識で検査　食の安全守るため装置は同業に外販も 　●プラグ 　　パッケージデザインの消費者調査をAIで代替　商品開発のやり方 ガラリ変わる可能性 　●AnyTech 　　水処理施設からチョコレートまで　「流体」の品質・状態を簡単チェック 　●NTTドコモ 　　店頭の商品を自動で認識　来店客の属性把握しPOSデータと連動で棚割り提案へ 　●フジクラ 　　半導体部品をディープラーニングで検査　AIプラットフォーム構築し全社のIoT基盤に 　●日本たばこ産業 　　コンビニのたばこ陳列を精度99％で認識　1013人超参加のコンテストで実現 　●トレタ 　　飲食店で売れ筋メニューが分析可能に　ディープラーニングによるラベリング技術とは 　●Sports Technology Lab 　　スポーツ選手の動きをディープラーニングで分析　チーム強化から選手移籍まで 　●ソフトバンク 　　5G×ディープラーニング　高品質画像でもリアルタイムぼかし加工 【第3章】　消費者のデマンドに応える 　●楽天 　　ストレスなく外国語を話したい　海外動画配信サービスで培った翻訳技術を活用 　●ヤフー 　　安いガソリン、空いてる駐車場を近くで探したい　ディープラーニングとドラレコで 　●SMBC日興証券 　　株式ポートフォリオの組み替え方を知りたい　資産総額13倍になるカラクリ 【第4章】　働き方を改革する 　●荏原環境プラント 　　ごみ焼却施設で「熟練運転員の目」を代替　5倍の効率化を実現 静脈産業を途絶えさせない 　●ユニファ 　　子供の「NG写真」をディープラーニングで自動排除　保育園の課題解決を支援 　●NTTデータジェトロニクス 　　社食食堂のレジで自動精算　人件費の削減、そして社員の満足度を高めて社内活性化へ 　●モノフル 　　トラックの人手不足問題に一石　ナンバーをAIで読み取り効率化 　●三菱総合研究所 　　財務諸表の数字を読み取り自動でリポート作成　シンクタンクの“夢”に一歩近づく 　●ディー・エヌ・エー（DeNA） 　　交通事故の削減支援をサービス化　AIとデータサイエンスのタッグで 　●イシダ 　　ディープラーニングでパスタをつかむ　AIと機械の“せめぎ合い”から生まれた新技術 　●AVILEN 　　鉄加工の図面を自動で読み解く　各種フォーマットの図面に対応 【第5章】　不正・異常を検知、社会課題を解決する 　●リコー 　　カメラ＋AIで路面の老朽化診断　事務機器からの多角化で数千万円の受注 　●日本気象協会 　　降雨予測のメッシュと時間を詳細化　スパコンを使わず実現、ダム管理などに活用 　●日本取引所自主規制法人 　　株の不正取引“見せ玉”に待った　証券取引所の不正検知にAI導入世界初 　●misosil 　　SNS広告でインフルエンサーの不正を暴く　フォロワー水増しをAIで発見 　●トプコン 　　眼底画像から健康状態を読み解く　デバイスのデータを加工する「センシングAI」とは？ 　●Ollo 　　月額3万円で顔認証システムが導入可能　エッジデバイスでの高速・高精度化を実現 【第6章】　先端技術の動向を知る おわりに

グーグルエンジニアらへの取材に基づきその技術をやさしく解説 最新の事例から、将来のビジネスの変化を探る１冊 ディープラーニングは、人工知能や機械学習と何が違う？ この技術によって将来、ビジネスはどう変化する？ グーグルのエンジニアらへの取材に基づき、 その技術をやさしく解説するとともに 最新の事例から、将来のビジネスの変化を探る１冊。 　囲碁のプロ棋士に勝つ、クイズのチャンピオンに勝つ──、人工知能（ＡＩ）はこうした特定分野で象徴的な成果を上げてきました。しかし、最近ではＡＩが人々の生活や経済活動を改善して、世の中を変えていく可能性を示す実例が次々と出てきました。 　例えば、米グーグルは、ＡＩを使った「Google翻訳」の精度を大きく改善し、長年「実用的ではない」と言われてきた機械翻訳を日常生活では十分実用的なレベルへと引き上げました。また、同社はデータセンターにおけるサーバーなどの冷却電力を40％も削減しました。これもＡＩを活用して空調や窓の調節・開閉など約120の要素を制御し最適化した成果です。大手ＩＴ企業は次々と、画像認識、音声認識、翻訳といったＡＩ機能を安価に提供し始めており、いわば「蛇口をひねればＡＩがすぐ使える」時代が間もなく到来します。 　このＡＩの進化をけん引するのが、脳の神経回路が仕組みの原点にある「ディープラーニング」という技術です。本書では、グーグルのエンジニアらへの取材に基づき、このディープラーニング技術をやさしく解説。また、将来のビジネスがどう変わるのか、グーグルのサービスや日本企業の取り組み事例から探るとともに、その未来の姿に迫ります。 序 章 ディープラーニングがすべてのビジネスを変える 第1章 人工知能と機械学習とディープラーニングはどう違う? 第2章 ディープラーニングの仕組み 第3章 グーグルのディープラーニング活用事例 第4章 ディープラーニングで業務効率化、国内で続々始まる 第5章 データ×目的で整理し、活用の展開図を描こう 第6章 ディープラーニングが課題を解決する未来へ グーグルクラウド・マシンラーニング・グループ研究責任者のジア・リーさんに聞く 序章 ディープラーニングがすべてのビジネスを変える 　ビッグデータでディープラーニングが実力発揮 　トヨタは日米の全乗用車を通信対応に 　人工知能でイノベーションを生む時代に 　中小企業にも人工知能の恩恵 １章　超入門 人工知能と機械学習とディープラーニングはどう違う？ 　ディープラーニングは機械学習の一部 　機械学習は人間がプログラムを作らない 　コンピューターの発達がディープラーニングを可能に 「リサーチの洪水」のごとき人工知能の広がり 「モバイルファースト」から「ＡＩファースト」へ ２章　入門 ディープラーニングの仕組み 　機械学習「以外」の人工知能とは 　機械学習の基本 　機械学習といってもいろいろな手法がある 　ニューラルネットワークは脳の神経構造 　分類の仕方はコンピューターが自分で学んでいく 　ネット上の「遊び場」でニューラルネットを理解 　教師あり学習と強化学習 「アルファ碁」は強化学習をフル活用 ３章　グーグル事例編 グーグルのディープラーニング活用事例 ■未来へ向けて、広がるディープラーニングの活用 　話しかけて使う家庭のＡＩコンシェルジュ 　人間相手のように話が通じる？！ ■自動運転を支えるディープラーニング 　ディープラーニングでデータセンターを劇的に省エネ化 ■人間の目を超える、ものを見分ける画像認識 　写真を自動で分類する「Ｇｏｏｇｌｅフォト」 　お絵描きを人工知能が評価する「Ｑｕｉｃｋ，Ｄｒａｗ！」 　コンピューターも夢を見られるか？「ディープドリーム」の実験 　優れたアートや音楽を生み出す「マジェンタ」 　動画像の認識も！　「読唇術で人間の専門家に勝つ」 ■文章を理解するテキスト分析 　自動で返信メールの候補文を作る「Ｉｎｂｏｘ」 　迷惑メールフィルタの精度も格段に向上 　企業の情報検索をスムーズにする「グーグルスプリングボード」 ■話しかけるだけでコンピューターと意思疎通をする「音声認識」 　会話しながら人間をサポートする「Ｇｏｏｇｌｅ アシスタント」 　合成音声もピアノの曲も作成できる「ＷａｖｅＮｅｔ」 ■言語の壁を越える可能性が見えてきた「機械翻訳」 　ニューラルネットでＧｏｏｇｌｅ翻訳が進化 ■ディープラーニングの成果を手軽に使える「機械学習ＡＰＩ」 　カスタマイズしたディープラーニングを活用できる「テンソルフロー」 　ディープラーニングが向く領域、向かない領域 ４章　企業事例編 ディープラーニングで業務効率化、国内で続々始まる ■安藤ハザマ、トンネル工事の岩盤の堅さを判定 　掘削工事の自動的な最適化まで視野に ■クルマの写真から型式まで特定、オークネットＩＢＳ 　年間約５００万台の中古車データを活用 　クルマの向きが識別できず悩む 　中古車取引の活性化に貢献 ■エアロセンス、ドローン空撮データへ活用 　少ない教師データで自動車の台数検出システムを構築 　測量の効率を高めるマーカーを開発 ■Ｐｅａｃｈ、音声認識ＡＩで運航案内を24時間化 　人と人工知能の役割分担 ■三井住友ＦＧ、カード不正検知精度が劇的に向上 　コールセンターへは全席に導入 　データから答えは出てこない ５章　活用フレームワーク編 データ×目的で整理し、活用の展開図を描こう ■データ×目的による整理法 　先行する画像データの活用 　音声データはコールセンター中心 　まずはコスト削減から入るのが現実的 ■成功に必要な常識と人材の転換 　活用の展開図を描けるか 　必要な人材像は？ 　機械学習はコモディティー化、次の特別な存在は ６章　将来展望編 ディープラーニングが課題を解決する未来へ グーグルクラウド・マシンラーニング・グループ研究責任者のジア・リーさんに聞く 　技術革新の牽引役はディープラーニング 　人間は優秀、アルゴリズムの研究はまだまだ途上 　ディープラーニングは「データハングリー」 　現実世界の課題を解決することがＡＩ研究の目標 おわりに

産業構造や企業戦略にインパクトを与える人工知能（ＡＩ）。米国における先端企業の実例や日本企業の取り組みを中心取材・紹介する。 ビジネスパーソンに役立つＡＩ解説書の決定版！ なぜ、これからの企業経営にＡＩ戦略が必要なのか？ ＡＩを導入しないままだと、どうなってしまうのか？ 実際にＡＩをビジネスへ生かすために必要なこととは何か？ 海外、国内企業の先進事例をケーススタディで解説しつつ、 ＡＩの可能性を探る、知的興奮に満ちた一冊。 ■天才棋士・羽生善治氏vs.ＡＩ研究の第一人者・松尾豊氏がスペシャル対談 「ディープラーニングの先の未来で起きること」 まさに“最高頭脳”同士の対談！松尾氏には、最新のＡＩで何ができるか、そしてこれから何が起こるかなどの疑問を直撃。羽生氏にはコンピュータ将棋と戦う、トーナメント戦への参戦を決めた決意などを訊きながら、わかりやすく“ＡＩ革命”を解きほぐしてもらいます。 ■海外企業の戦略はこれだ ・グーグルの現地取材、ＧＥ、マイクロソフト、シーメンス、ボッシュの戦略検証によって、世界先進企業が経営戦略へ、ＡＩをどう取り入れようとしているのかを浮き彫りにします。 ・オープン戦略、ＩｏＴ、インダストリー4.0など、“今”を理解するために必要なキーワードを完全網羅。 ・フィンテック革命とは何か？－欧米ではベンチャー企業がＡＩを使うことで、新たな金融サービスを生み出しています。日本にも影響を広げつつある、その変化について解説します。 ■日本企業最前線 ・トヨタ自動車、ＮＥＣ、富士通、日立製作所、ＮＴＴグループ、ソフトバンクグループ、コマツ、ヤフーなど、ＡＩを経営戦略に活用する企業を、東洋経済記者が徹底取材します。あなたの会社の参考になるケーススタディがあるかもしれません。 ・プリファードネットワークスなど、世界が注目する日本発ベンチャーが登場。 ・アルファ碁“圧勝”の理由とは？　ＡＩは作家になれるか？　などコラムも充実。 ・山田誠二・人工知能学会会長　などインタビューも読み応えがあります。 ■機械と共存するために ・ＡＩによる金融支配、人間の雇用代替の脅威が指摘される中、人間がＡＩと共存するためには何が必要か、分析します。 ■これで完璧！ＡＩブックガイド ・本書執筆陣の推薦などをもとに編集部が選んだ必読の14冊を紹介します。

プログラミング初心者を対象としたPythonの入門書。プログラミングおよびPythonの基礎から応用まで丁寧に説明。 実践を見据えた本格的な「Python入門書」！ Pythonが誕生して四半世紀。データサイエンスやウェブ開発、セキュリティなどさまざまな分野でPythonの人気が急上昇中です。プログラミング教育の現場でもCに代わってPythonの採用が増えてきています。本書は、プログラミングが初めてという人を対象に書かれた、Pythonの入門書です。前提とする知識は特にありません。プログラミングおよびPythonの基礎からウェブ、データベース、ネットワーク、並列処理といった応用まで、Pythonプログラミングをわかりやすく丁寧に説明します。

機械学習やデータ分析の道具をどのようにビジネスに生かしていけば良いのか、「仕事で使う」という観点から整理。 機械学習を実際の業務で利用する時に知っておくべき全体像が分かる！ 機械学習やデータ分析の道具をどのようにビジネスに生かしていけば良いのか、不確実性の高い機械学習プロジェクトの進め方などを「仕事で使う」という観点から整理します。 プロジェクトのはじめ方や、システム構成、学習のためのリソースの収集方法など、読者が「実際どうするの？」と気になるであろう点を中心にまとめています。「人工知能でいい感じの成果を出してくれ」とあいまいな指示をされたとき、本書で学んだことが活きてくるに違いありません。

人工知能と人間が共存する社会において、知性をどう認識し、人間はどのように生きればよいのか。3名の著者がこの問題を論じる。 人工知能と人間が共存する社会において、知性をどう認識し、人間はどのように生きればよいのか。3名の著者がこの問題を論じる。 第1部　人工知能とは 　1章　人工知能のこれまで 　2章　ディープラーニングとは何か 　3章　ディープラーニングによる今後の技術進化 　4章　消費インテリジェンス 　5章　人間を超える人工知能 第2部　人工知能と世界の見方 　1章　人工知能が「世界の見方」を変える 　2章　認知構造はどう変わろうとしているのか 　3章　強い同型論 　4章　強い同型論で知能を説明する 　5章　我々の「世界の見方」はどこからきてどこに向かうのか 第3部　人工知能と人間社会 　1章　人工知能と人間社会 　2章　自由主義の政治哲学が直面する課題 　3章　人工知能とイノベーションの正義論 　4章　世代間資産としての正義システム 　5章　自由の根拠としての可謬性

機械学習のしくみを学ぶデータサイエンスの本質を理解する。 第1章 データサイエンスと機械学習 第2章 最小二乗法:機械学習理論の第一歩 第3章 最尤推定法:確率を用いた推定理論 第4章 パーセプトロン:分類アルゴリズムの基礎 第5章 ロジスティック回帰とROC曲線:学習モデルの評価方法 第6章 k平均法:教師なし学習モデルの基礎 第7章 EMアルゴリズム:最尤推定法による教師なし学習 第8章 ベイズ推定:データを元に「確信」を高める手法

現在のAI技術では何ができて何ができないのか、その実態を技術者が平易に語る。実際にAIをビジネスで活用している事例も紹介。 “ＡＩ、そこが知りたかった！ 　これだけ読めばモヤモヤが消える。しかも面白い。 　もっとも早くからＡＩに携わってきた「稼げる研究者集団」が 　これまでになかった「4つの力」という分かりやすいアプローチで解説。 　「稼げるＡＩ」を操る人間になりたいビジネスパーソン必読の書だ。” 　　　　　　　　　　　　　　　幸田真音（作家）　『人工知能』著者 --------------------------------------------------------- ○　ＡＩの本質を捉えて、ＡＩにできること、できないことの違いがつかめる！ ○　ＡＩの実態を踏まえて、ビジネスへと活かすための要点が分かる！ ○　ＡＩに仕事を奪われないために、人は何を身につけるべきかが分かる！ ＡＩを活かすために、ＡＩにできること、できないことを知ろう！ 古くからAI研究に携わり、数多くの有名大企業でのＡＩ導入実績を持つ テンソル・コンサルティング株式会社の社員が 現在のＡＩに何ができて何ができないのかを、分かりやすく、かつ面白く解説している。 仕事でＡＩに直接関わっているビジネスパーソンはもちろん、 ＡＩの今後がなんとなく気になっている社会人から、 子供の将来に不安を感じている保護者の方にいたるまで、 幅広い層に読みやすくてすっきり分かる、目からウロコの指南書である。 1章　そもそもAIとはなにか 　　　　世間で言われるAIとは？ 　　　　AIの歴史 　　　　活躍するAI　 2章　AIの実態 　　　AIに知性はあるのか？ 　　　今のAIの作り方 　　　AIにできること、できないこと 　　　AIは理解しているのか？ 　　　コラム：新しい概念の獲得 3章　AIの中身 　　　ディープラーニングの中身 　　　活躍するAIの中身 　　　AIに対する疑問 　　　コラム：重なった画像の理解 4章　AIのビジネスでの活用 　　　役立つAIの設計指針 　　　ビジネス活用に必要な要素 　　　AIと人間の間違え方の違い 　　　データサイエンティストの重要性 　　　ビジネスでの活用事例 　　　コラム：人間の優れた技能 5章　未来 　　　AI分野以外の動向 　　　AIに仕事を奪われないためには? 　　　AIが人間を超えるまでには？ 　　　AIが人間に置き換わった未来

ＡＩに仕事を奪われる前に、ＡＩを使って自分の仕事をつくるための一冊。文系ビジネスマンに生き抜く自信をつけさせる一冊。 AI社会になって、ボクは職を失わないだろうか？ 文系のワタシが、AIでキャリアアップするには？ そんな不安や疑問を解消するのが本書です。 英数国理社×ＡＩ時代に対応した、ＡＩ活用の現場から生まれた実践トレーニング本。 ・専門用語は必要最低限に ・豊富な業種別事例は「自社での活用」を考えるヒントに。 ・ＡＩとの「共働きスキル」を身につける。 ＡＩを活用したビジネスプランを豊富に紹介。本書は、AIを、機能別に４分類、役割別に２分類し、合計４×２＝８分類にわけている。その分類を用いて、事例を解説しているので、非常に理解しやすく、自分の仕事への適用・応用を検討しやすい。AIとお共働きスキルを身につけよう。 はじめに　文系ＡＩ人材になろう！ 第１章　ＡＩ社会で職を失わないために 「ＡＩ失職」を恐れず「ＡＩ職」に就く準備を　 「ＡＩとの共働き」スキルを身につけよう　 ５つの「共働きスタイル」 第２章　文系のための　ＡＩキャリア　 ＡＩは「作る」から「使う」へ 上手に活用する「文系　ＡＩ人材」が重要に 「文系ＡＩ人材」の仕事内容とは？　 「文系ＡＩ人材」になるための４つのステップ 第３章　ＡＩのキホンは丸暗記で済ます　 ＡＩ／機械学習／ディープラーニングの違い 学習方式の３分類－－教師あり／教師なし／強化学習 活用タイプ別ＡＩは４×２＝８分類 「識別系ＡＩ」はこう使う 「予測系ＡＩ」はこう使う 「会話系ＡＩ」はこう使う 「実行系ＡＩ」はこう使う 出る順でＡＩ基礎用語を丸暗記する 第４章　ＡＩの作り方をザックリ理解する　 ＡＩは特徴づかみの名人 「予測系ＡＩ」の作り方を理解する　 「識別系ＡＩ」の作り方を理解する 「会話系ＡＩ」の作り方を理解する　 「実行系ＡＩ」の作り方を理解する 第５章　ＡＩ企画力を磨く　 ＡＩ企画の「１００本ノック」 「変化量と実現性」を担保する　 ＡＩ企画の「解像度を上げる５Ｗ１Ｈ」　 第６章　ＡＩ事例をトコトン知る――業種別×活用タイプ別の４５事例集　 第７章　文系ＡＩ人材が社会を変える　 ＡＩによる「消費者、会社、働き手」への変化 ＡＩ社会を牽引するアマゾン ＡＩ×各業界で変革を作るソフトバンク 日本の銀行で起きているＡＩによる変化 文系ＡＩ人材が社会をリードする おわりに

バックグラウンドに数学的な知識がなくても理解できるように書かれた、Pythonを使った機械学習の入門書。 数学の知識がなくても読み進められる、理論だけでなく実践面も重視した機械学習の入門書！ バックグラウンドに数学的な知識がなくても理解できるように書かれた、Pythonを使った機械学習の入門書。Pythonの機械学習用ライブラリの大定番、scikit-learnの開発に関わる著者が、scikit-learnを使った機械学習の方法を、ステップバイステップで解説します。最初に実践について述べて後から理論を補強するスタイルで、理解しやすいように工夫されています。理論面と実践面のバランスが良く、モデルの評価と改善について多くの紙面を割くなど、類書にはない特徴を備えています。

本書では、機械学習の各コンセプトについて、理論的背景とPythonコーディングの実際を解説。初期の機械学習アルゴリズムから、ニューラルネットワーク(CNN/RNN)までの手法を取り上げます。Python関連ライブラリとしてはscikit‐learnやTensorFlowなどを使用。第2版では、第1版への読者のフィードバックを随所に反映し、ライブラリの更新に対応しました。13章以降はほとんど新規の書き下ろしです。本書は、機械学習を本格的に理解・実践するのに不可欠な一冊となっています。 「データから学習する能力」をコンピュータに与える 分類問題-単純な機械学習アルゴリズムのトレーニング 分類問題-機械学習ライブラリscikit‐learnの活用 データ前処理-よりよいトレーニングセットの構築 次元削減でデータを圧縮する モデルの評価とハイパーパラメータのチューニングのベストプラクティス アンサンブル学習-異なるモデルの組み合わせ 機械学習の適用1-感情分析 機械学習の適用2-Webアプリケーション 回帰分析-連続値をとる目的変数の予測〔ほか〕

機械学習・ディープラーニングについて学ぶための、図解形式の解説書です。エンジニア1年生、機械学習関連企業への就職・転職を考えている人が、機械学習・ディープラーニングの基本と関連する技術、しくみ、開発の基礎知識などを一通り学ぶことができます。 1章　人工知能の基礎知識 人工知能とは 機械学習（ML）とは ディープラーニング（DL）とは 人工知能と機械学習が普及するまで 2章　機械学習の基礎知識 教師あり学習のしくみ 教師なし学習のしくみ 強化学習のしくみ 統計と機械学習の違い 機械学習と特徴量 得意な分野、苦手な分野 機械学習の活用事例 3章　機械学習のプロセスとコア技術 機械学習の基本ワークフロー データの収集 データの整形 モデルの作成と学習 バッチ学習とオンライン学習 テストデータによる予測結果の検証 学習結果に対する評価基準 ハイパーパラメータとモデルのチューニング 能動学習 相関と因果 フィードバックループ 4章　機械学習のアルゴリズム 回帰分析 サポートベクターマシン 決定木 アンサンブル学習 アンサンブル学習の応用 ロジスティック回帰 ベイジアンモデル 時系列分析と状態空間モデル k近傍(k-NN) 法とk平均(k-means)法 次元削減と主成分分析 最適化と遺伝的アルゴリズム 5章　ディープラーニングの基礎知識 ニューラルネットワークとその歴史 ディープラーニングと画像認識 ディープラーニングと自然言語処理 6章　ディープラーニングのプロセスとコア技術 誤差逆伝播法によるニューラルネットワークの学習 ニューラルネットワークの最適化 勾配消失問題 転移学習 7章　ディープラーニングのアルゴリズム 畳み込みニューラルネットワーク（CNN） 再帰型ニューラルネットワーク（RNN） 強化学習とディープラーニング オートエンコーダ GAN（敵対的生成ネットワーク） 物体検出 8章　システム開発と開発環境 人工知能プログラミングにおける主要言語 機械学習用ライブラリとフレームワーク ディープラーニングのフレームワーク GPUプログラミングと高速化 機械学習サービス

知識ゼロからはじめるディープラーニング EラーニングサイトUdemyの人気講師が教えるディープラーニングの基礎。ディープラーニングの本命であるニューラルネットワークと、ニューラルネットワークを学習させる際に用いられるアルゴリズムであるバックプロパゲーション（誤差逆伝播法）を初学者にもわかりやすく解説。また画像認識や自然言語処理の分野で高い効率性を発揮する畳み込みニューラルネットワークについてもコード付きで解説することにより、入門書であるにもかかわらず本格的AI開発の入り口まで学ぶことができます。 ［本書の特徴］ ・はじめてPythonに触れる方のために、Python本体と数値演算ライブラリNumPyによるプログラミングの基礎を解説しています。 ・文系エンジニアのために、微分や線形代数など、ニューラルネットワークの理解に必要な数学の知識を解説しています。 ・サンプルプログラムはフレームワークを使わずにPythonのみで記述しています。このため数式をコード化する際の原理が初心者にもわかりやすくなっています。 ・サンプルプログラムはSBクリエイティブ株式会社のサイトからダウンロード可能です。 ・Python3、Jupyter Notebook対応 第01章 ディープラーニングとは 第02章 Pythonの概要 第03章 ディープラーニングに必要な数学 第04章 ニューラルネットワーク 第05章 バックプロパゲーション 第06章 最小限の実装によるディープラーニング 第07章 畳み込みニューラルネットワーク（CNN） 第08章 ディープラーニングの応用

Python初心者でも安心して学べる超入門書の登場！ 【本書の概要】 Web開発やデータ分析などの分野で近年、ユーザー数が増えてきているPython。 最近では、Pythonに触れる方も多くなってきています。 本書はそうしたPython初心者の方に向けて、 簡単なサンプルを作りながら、対話形式でプログラミングのしくみを学ぶ書籍です。 【対象読者】 Pythonのついて、何も知らない超初心者 【1年生シリーズ・3つのポイント】 ・対話形式で解説し、イラストを交えながら、基礎知識を解説します。 ・初めての方でも安心して学習できるよう基本文法もしっかり解説します。 ・平易でサンプルを用意していますので、安心してプログラムを体験できます。 【本書のポイント】 ヤギ博士とフタバちゃんと一緒に 基本的なプログラムから、面白い人工知能アプリの作成まで 体験して、プログラミングのしくみを学ぶことができます。 【著者】 森 巧尚(もり よしなお) iPhoneアプリやWebコンテンツの制作、執筆活動、関西学院大学非常勤講師など、 プログラミングにまつわる幅広い活動を行っている。 近著に『やさしくはじめるiPhoneアプリ作りの教科書』（マイナビ出版）、 『楽しく学ぶ アルゴリズムとプログラミングの図鑑』(マイナビ出版) 、 『なるほど！プログラミング』（SBクリエイティブ）などがある。 第1章　Python で何ができるの？ 第2章　Python を触ってみよう 第3章　プログラムの基本を知ろう 第4章　アプリを作ってみよう 第5章　人工知能（チノ）くんと遊んでみよう

AIの大衆化―多くの人々がディープラーニングを利用できるよう実践解説！ AIの大衆化―多くの人々がディープラーニングを利用できるよう実践解説！ PythonベースのディープラーニングフレームワークKerasの開発者である筆者が、1人でも多くの人々がディープラーニングを利用できるよう実践解説します。 本書はディープラーニングを一から学習したいと考えている人のために書かれています。数学的な表記を避け、代わりにコードを使って定量的な概念を説明することで、機械学習とディープラーニングの基本的な考えについて実践的な知識を養っていきます。 サンプルコードはPythonベースのディープラーニングフレームワークであるKerasに基づいており、バックエンドエンジンとしてTensorFlowを使用しています。 Part 1では、ディープラーニングを大まかに紹介。機械学習とニューラルネットワークを囲む状況といくつかの定義を示し、取り組みを開始するために必要な概念を説明します。 第1章：人工知能（AI）、機械学習、ディープラーニングの基本的なコンテキストと予備知識を提供。 第2章：ディープラーニングに取り組むために必要な基本概念（テンソル、テンソル演算、勾配降下法、バックプロパゲーション）を紹介。 第3章：ディープラーニングフレームワークであるKerasの紹介。分類タスクと回帰タスクを処理する単純なニューラルネットワークの訓練と内部で何が起きているのかが理解できる。 第4章：機械学習の一般的なワークフローとよくある落とし穴・解決法を詳解。 Part 2では、ディープラーニングの実践的な応用例としてコンピュータビジョンと自然言語処理を詳しく見ていきます。サンプルの多くは、ディープラーニングを実務で使用するときに遭遇する問題を解決するためのテンプレートとして利用できます。 第5章：画像分類に焦点を合わせ、コンピュータビジョンの実践的な例を幅広く取り上げる。 第6章：テキストや時系列といったシーケンスデータを処理するための手法を実際に試してみる。 第7章：最先端のディープラーニングモデルを構築するための高度な手法を紹介。 第8章：画像やテキストを作成する能力を持つディープラーニングモデルであり、驚くほど芸術的な結果をもたらすことがあるジェネレーティブモデルの紹介。 第9章：本書の総括。ディープラーニングの限界とその未来を予測。 本書を最後まで読めば、ディープラーニングとは何か、適用できるのはどのような状況か、その制限についてしっかり理解できるはずです。コンピュータビジョンから自然言語処理、画像分類、時系列予測、感情分析、画像/ テキスト生成に至るまで、現実の幅広い問題にKerasを使用できるようになり、最高の短期集中コースとして活用できます。 まえがき 謝辞 監訳者より 本書について カバーについて Part 1　ディープラーニングの基礎 1章　ディープラーニングとは何か 1.1　AI、機械学習、ディープラーニング 1.2　ディープラーニングの前史：機械学習 1.3　なぜディープラーニングなのか、なぜ今なのか 2章　予習：ニューラルネットワークの数学的要素 2.1　初めてのニューラルネットワーク 2.2　ニューラルネットワークでのデータ表現 2.3　ニューラルネットワークの歯車：テンソル演算 2.4　ニューラルネットワークのエンジン：勾配ベースの最適化 2.5　最初の例を振り返る 3章　入門：ニューラルネットワーク 3.1　ニューラルネットワークの構造 3.2　Kerasの紹介 3.3　ディープラーニングマシンのセットアップ 3.4　二値分類の例：映画レビューの分類 3.5　多クラス分類の例：ニュース配信の分類 3.6　回帰の例：住宅価格の予測 4章　機械学習の基礎 4.1　機械学習の4 つの手法 4.2　機械学習モデルの評価 4.3　データ前処理、特徴エンジニアリング、表現学習 4.4　過学習と学習不足 4.5　機械学習の一般的なワークフロー Part 2　ディープラーニングの実践 5章　コンピュータビジョンのためのディープラーニング 5.1　畳み込みニューラルネットワークの紹介 5.2　小さなデータセットでCNNを一から訓練する 5.3　学習済みのCNNを使用する 5.4　CNNが学習した内容を可視化する 6章　テキストとシーケンスのためのディープラーニング 6.1　テキストデータの操作 6.2　リカレントニューラルネットワークを理解する 6.3　リカレントニューラルネットワークの高度な使い方 6.4　畳み込みニューラルネットワークでのシーケンス処理 7章　高度なディープラーニングのベストプラクティス 7.1　Sequential モデルを超えて：Keras Functional API 7.2　Keras のコールバックとTensorBoardを使ったディープラーニングモデルの調査 7.3　モデルを最大限に活用するために 8章　ジェネレーティブディープラーニング 8.1　LSTM によるテキスト生成 8.2　DeepDream 8.3　ニューラルネットワークによるスタイル変換 8.4　変分オートエンコーダによる画像の生成 8.5　速習：敵対的生成ネットワーク 9章　本書のまとめ 9.1　主な概念の復習 9.2　ディープラーニングの限界 9.3　ディープラーニングの未来 9.4　目まぐるしく変化する分野に後れずについていくには 9.5　最後に 付録A　Kerasとその依存ファイルをUbuntu にインストールする A.1　Pythonの科学ライブラリをインストールする A.2　GPUのサポートをセットアップする A.3　Theanoをインストールする（オプション） A.4　Kerasをインストールする 付録B　AWSのGPUインスタンスでJupyter Notebookを実行する B.1　Jupyter NotebookをAWSで実行する理由 B.2　Jupyter NotebookをAWSで実行しない理由 B.3　AWS GPUインスタンスのセットアップ B.4　Kerasをインストールする B.5　ローカルポートフォワーディングを設定する B.6　ローカルブラウザからJupyter Notebookを使用する

AIのブラックボックスを開けよう！ 「ディープラーニング」の動作原理を「本当に」理解できる本です。 AIのブラックボックスを開けよう！ ディープラーニングの本質を理解するために必要な「数学」を 「最短コース」で学べます！ 「ディープラーニング」の動作原理を「本当に」理解できる本です。 本書では、ディープラーニングの理解には欠かせない数学を 高校1年生レベルから、やさしく解説します。 （微分、ベクトル、行列、確率など） 最短コースで理解できるように、 解説する数学の分野は必要最低限のものだけに絞り、 その相関関係を★特製の綴込マップ★にまとめました。 また、数学を使ってイチから記述したコードを Jupyter Notebook形式で提供しますので 実際に動かしながら学ぶことができます。 「ディープラーニング」の動作原理を「本当に」理解できる本です。 AIのブラックボックスを開けよう！ 「ディープラーニング」の動作原理を「本当に」理解できる本です。 【導入編】 1章 機械学習入門 【理論編】 2章 微分・積分 3章 ベクトル・行列 4章 多変数関数の微分 5章 指数関数・対数関数 6章 確率・統計 【実践編】 7章 線形回帰モデル（回帰） 8章 ロジスティック回帰モデル（2値分類） 9章 ロジスティック回帰モデル（多値分類） 10章 ディープラーニングモデル 【発展編】 11章 実用的なディープラーニングを目指して ★巻頭綴じ込み★最短コースマップ

複雑な機械学習アルゴリズムの違いがオールカラーの図で見てわかる！ 機械学習アルゴリズムの違いが見てわかる！ 「機械学習アルゴリズムは種類が多く、複雑で何をしているのかわかりにくい」と思ったこと、ありませんか？本書は、そのような機械学習アルゴリズムをオールカラーの図を用いて解説した機械学習の入門書です。 いままで複雑でわかりにくかった機械学習アルゴリズムを図解し、わかりやすく解説しています。アルゴリズムごとに項目を立てているので、どのアルゴリズムがどのような仕組みで動いているのか比較をしやすくしています。 これから機械学習を勉強する方だけでなく、実際に機械学習を業務で使用している方にも新しい気付きを得られるのでお勧めの1冊です。 【本書の特徴】 ・複雑な機械学習アルゴリズムの仕組みを1冊で学べる ・オールカラーの図をたくさん掲載 ・各アルゴリズム毎にScikit-Learnを使用したコードを記載しているので、見るだけでなく試すこともできる ・仕組みだけでなく、実際の使い方や注意点もわかる 【本書で紹介するアルゴリズム】 01 線形回帰 02 正則化 03 ロジスティック回帰 04 サポートベクトルマシン 05 サポートベクトルマシン（カーネル法） 06 ナイーブベイズ 07 ランダムフォレスト 08 ニューラルネットワーク 09 kNN 10 PCA 11 LSA 12 NMF 13 LDA 14 k-means 15 混合ガウス 16 LLE 17 t-SNE 第1章　機械学習の基礎 　1.1　機械学習の概要 　1.2　機械学習に必要なステップ 第2章　教師あり学習 　01　線形回帰 　02　正則化 　03　ロジスティック回帰 　04　サポートベクトルマシン 　05　サポートベクトルマシン（カーネル法） 　06　ナイーブベイズ 　07　ランダムフォレスト 　08　ニューラルネットワーク 　09　kNN 第3章　教師なし学習 　10　PCA 　11　LSA 　12　NMF 　13　LDA 　14　k-means法 　15　混合ガウス分布 　16 LLE 　17　t-SNE 第4章　評価方法および各種データの扱い 　4.1　評価方法 　4.2　文書データの変換処理 　4.3　画像データの変換処理 第5章　環境構築 　5.1　Python3 のインストール 　5.2　仮想環境 　5.3　パッケージインストール

本書は、機械学習コンセプト全般をカバーし、理論的背景とPythonコーディングの実際を解説しています。初歩的な線形回帰から始め、ディープラーニング（CNN／RNN）、敵対的生成ネットワーク、強化学習などを取り上げ、scikit-learnやTensorFlowなどPythonライブラリの新版を使ってプログラミング。第3版では13～16章の内容をほとんど刷新したほか、敵対的生成ネットワークと強化学習の章を新たに追加。機械学習プログラミングの本格的な理解と実践に向けて大きく飛躍できる一冊です。

データ分析の現場にあって入門書にない「汚いデータ」（ダーティデータ）に対応する、プロのノウハウを解説します。 これがリアルなデータ分析だ！ 君は「汚いデータ」を処理できるか？ データ分析の現場にあって入門書にないもの――それは、「汚いデータ」（ダーティデータ）です。本書は、データ分析の現場では①どんなデータに出会い、②どのような問題が生じ、③どう対応すればよいのかというノウハウを解説。 事前の加工（視覚化）から機械学習、最適化問題まで、100本ノックをこなして、ビジネス現場で即戦力になれる「応用力」を身につけよう！ 練習するライブラリ ・Pandas ・Numpy ・Matplotlib ・scikit-learn ・Networkxs ・pulp ・ortoolpy ・opencv ・dlib ・MeCab 第1部 基礎編：データ加工 第1章　ウェブからの注文数を分析する10本ノック 第2章　小売店のデータでデータ加工を行う10本ノック 第2部 実践編①：機械学習 第3章　顧客の全体像を把握する10本ノック 第4章　顧客の行動を予測する10本ノック 第5章　顧客の退会を予測する10本ノック 第3部 実践編②：最適化問題 第6章　物流の最適ルートをコンサルティングする10本ノック 第7章　ロジスティクスネットワークの最適設計を行う10本ノック 第8章　数値シミュレーションで消費者行動を予測する10本ノック 第4部 発展編：画像処理/言語処理 第9章　潜在顧客を把握するための画像認識10本ノック 第10章　アンケート分析を行うための自然言語処理10本ノック

ＡＩが暴走して人類を滅亡させる？　グーグルの全産業征服計画の全貌と日本衰退の危機とは？　いまこそ人間の存在価値が問われている 脳科学とコンピュータの融合が私たちの常識を覆す！　自動運転車、ドローン、ロボット兵器、雇用・産業構造、医療・介護、芸術……。「自ら学んで成長する能力」を身につけた次世代ロボットは、人間社会をどのように変えるのか。はたして、ＡＩに脅かされる職種とは？　ＡＩが「人類を滅亡させる」のは本当か？　　いまそこにある「日本衰退」の危機とは？　人間の存在価値が問われる時代の必読書！　（講談社現代新書） 脳科学とコンピュータの融合が私たちの常識を覆す！ 自動運転車、ドローン、ロボット兵器、 雇用・産業構造、医療・介護、芸術…… 「自ら学んで成長する能力」を身につけた 次世代ロボットは、 人間社会をどのように変えるのか -------------------------------------------------- ＡＩが「人類を滅亡させる」のは本当か？ いまそこにある「日本衰退」の危機とは？ 「ルンバ」などのお掃除ロボット、 グーグルが先鞭をつけた自動運転車は、 掃除機や自動車などの姿を借りた次世代ロボットであり、 おそらく今後、あらゆる製品で同じようなことが起こる。 つまり、家電や自動車をはじめとする多くの既存製品が、 一種の知性（ＡＩ）を帯びたロボット的な製品へと 生まれ変わるのだ。 ＡＩと次世代ロボット技術は、今後、 私たちを取り巻く全ての産業を塗り替えてしまう。 日本の産業界がそれに気づかず、 この分野でグーグルなどに後れを取ると、一体どうなるのか。 これを今こそ、日本の産業界はよく考えないといけない―。 -------------------------------------------------- 【本書のおもな内容】 第1章　最新ＡＩの驚異的実力と人類滅亡の危惧 ――機械学習の光と陰 第2章　脳科学とコンピュータの融合から何が生まれるのか ――ＡＩの技術と歴史 第3章　日本の全産業がグーグルに支配される日 ――2045年「日本衰退」の危機 第4章　人間の存在価値が問われる時代 ――将棋電王戦と「インダストリー4.0」 第1章　最新ＡＩの驚異的実力と人類滅亡の危惧 ――機械学習の光と陰 第2章　脳科学とコンピュータの融合から何が生まれるのか ――ＡＩの技術と歴史 第3章　日本の全産業がグーグルに支配される日 ――2045年「日本衰退」の危機 第4章　人間の存在価値が問われる時代 ――将棋電王戦と「インダストリー4.0」

AIの最先端で活躍する23人へのインタビュー集。AIの過去、現在、社会への影響について議論する。 AIの最先端を知るための23人のインタビュー集！ 本書は、AIの最先端で活躍する23人の開発者、起業家、政策立案者へのインタビュー集です。『テクノロジーが雇用の75%を奪う』などで知られるMartin Fordがインタビュアーを担当。AlphaGoを開発したDemis Hassabis、シンギュラリティを提唱したRay Kurzweil、『スーパーインテリジェンス』の著者Nick Bostromなどが、AIの過去、現在、そしてAIが社会に及ぼす影響について多様な視点から議論を行います。 AIの最先端で活躍する23人へのインタビュー集。AIの過去、現在、社会への影響について議論する。

AIは人類を駆逐するのか？　自律世界の到来

これからの時代を生きるすべての人、必読！ ■■同僚に、上司に、取引先に、面接官に、 子供に、親に、知人に、 【AI（人工知能）ってなんですか？】と 聞かれたら、あなたは答えられますか？■■ 今や新聞やテレビで「AI（エーアイ）」（人工知能）という言葉を 見聞きしない日はありません。 「AIに仕事を奪われる」というフレーズもよく聞きます。 ですが、いざAIって何？と聞かれても、 「人工の知能って…？　何でもできるロボットみたいなもの…？」と しどろもどろになってしまう人が多いでしょう。 本書は、やさしい文章とイラストで、AIってなあに？というところから AIの歴史、機械学習、ディープラーニングなど、AIのキホンを最初から解説します。 数式なし、専門用語なし！　【誰でも・ゼッタイ】わかります。 それでいて、「機械学習」や「ディープラーニング」といった一歩踏み込んだ部分も説明し、 さらに実際にAIを仕事で活かすヒントになるような具体的なことも紹介します。 また、PART2では「AIとシゴト」と題して、 AIでこれからの仕事はどう変わるかを説明します。 そして実際にAIの導入で変わった・変わっていく仕事の一部 （コールセンター、教師、医師、農家、秘書…等々）を、 実例を挙げて解説しています。 人工知能を知りたいけれど、IT系ではない人、普通の入門書でも挫折してしまった人、 かたい文章を読み慣れない人、就職活動中の学生さん、転職を考えている社会人の方、 子供の将来の職業を憂う親御さんなど、とにかく【普通の人向けのAI入門書】です。 これからの時代を生きるすべての人、必読です！ ※本書はIT Search+で好評連載中の「教えてカナコさん！ これならわかるAI入門」 をもとに大幅加筆し（PART2はすべて書きおろし）、書籍化したものです。 https://news.mynavi.jp/itsearch/series/solution/_ai.html PART1　AIのキホン 　CHAPTER 01　AIってなあに？ 　CHAPTER 02　身近に存在するAI 　CHAPTER 03　AIが得意なこと・苦手なこと 　CHAPTER 04　AIの歴史 　CHAPTER 05　AIはなにをやってるの？ 　CHAPTER 06　機械学習ってなあに？ 　CHAPTER 07　ディープラーニングってなあに？ 　CHAPTER 08　AIが学習するってどういうこと？ 　CHAPTER 09　AIを使ってみよう！ PART2　AIとシゴト 　CHAPTER 01　AIで仕事はどう変わる？ 　CHAPTER 02　問い合わせ窓口／コールセンター 　CHAPTER 03　料理研究家 　CHAPTER 04　アナウンサー／声優 　CHAPTER 05　保育士／教師／塾講師 　CHAPTER 06　小説家 　CHAPTER 07　アニメーター 　CHAPTER 08　医師 　CHAPTER 09　農家 　CHAPTER 10　秘書 　CHAPTER 11　翻訳家 　CHAPTER 12　これからのAIと仕事

機械学習エンジニアを志望する人に、仕事の内容や必要な知識、なるための勉強法、採用されるための履歴書の書き方などを解説。 機械学習エンジニアになりたい人に 機械学習エンジニアを志望する人が増えています。 採用数も増えており、さまざまな就職・転職サイトで「機械学習エンジニア」の募集がされており、この数は今後さらに増えることが予想できます。 しかし、採用側の話を聞くと、志望する人の大半は求める能力に達していないというミスマッチが発生しています。 これは、「機械学習エンジニア」という仕事が誕生して間もないため、 どのような能力を必要とするのかをエンジニア側が理解していないことに原因があります。 【本書の構成】 本書は「仕事編」と「実務編」の２部構成です。 「仕事編」では、機械学習エンジニアになりたい人向けに、 その仕事内容や必要な知識レベル、なるための勉強法、採用されるための履歴書の書き方などを解説します。 「実務編」では、身の周りのAI技術や実務ノウハウ、各国の機械学習エンジニア事情について解説します。 また、実際に機械学習エンジニアとして働く人やゼロから機械学習の知識を身につけた方々のインタビューも掲載しています。 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040AIエンジニアの仕事 　―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

人工知能の全体像がわかる入門書。数式はほとんど用いずに平易に概念が理解できる構成。各章にPythonを使った演習問題を掲載。 人工知能を基礎から網羅的に学ぶ、やさしい教科書 本書は、人工知能とはなにか、また人工知能はどこまでが学習範囲なのか、という定義を含め、理論を一から丁寧に解説する入門書です。 深層学習が火付け役となった人工知能ブームによって、人工知能は多くの方にとって馴染みのある存在になってきました。しかし、「機械学習」「ニューラルネットワーク」「進化的計算」「自然言語処理」「画像認識」などの個別のトピックのみが取り上げられることも多く、人工知能全体の体系はよくわからない、という方も多いのではないでしょうか。 本書は、上述したようなトピックを網羅的に扱い、人工知能の全体像を解説する入門書です。数式はほとんど用いずに、できるだけ平易に概念が理解できる構成になっています。また、仕事で人工知能に関する知識が必要な方向けに、Pythonを使った演習問題を各章に用意しています。

初学者向けの名著を大改訂！　ホイールダック２号は深層学習を手に入れた。ニューラルネットワーク・確率的生成モデルの章を新設！ ★初学者向けの名著を100ページ増の大改訂！　ホイールダック２号は深層学習を手に入れた！★ ・全面的に記述を見直すも、第1版との連続性を最大限保ち、ますますパワーアップ！ ・「ニューラルネットワーク」の章を新設し、深層学習の歴史的位置づけ、CNN、RNNをわかりやすく解説した！ ・「確率的生成モデル」の章を新設し、強化学習・状態推定・教師なし学習などに関わる解説に芯を通すことができた！ まずは、この１冊から始めよう！ 【主な内容】 第1章 人工知能をつくり出そう　 第2章 探索(1)：状態空間と基本的な探索 第3章 探索(2)：最適経路の探索 第4章 探索(3)：ゲームの理論 第5章 計画と決定(1)：動的計画法 第6章 確率モデル(1)：確率とベイズ理論の基礎　 第7章 確率モデル(2)：確率的生成モデルとナイーブベイズ 第8章 計画と決定(2)：強化学習 第9章 状態推定(1)：ベイズフィルタ 第10章 状態推定(2)：粒子フィルタ 第11章 学習と認識(1)：クラスタリングと教師なし学習　 第12章 学習と認識(2)：パターン認識と教師あり学習　 第13章 学習と認識(3)：ニューラルネットワーク　 第14章 言語と論理(1)：自然言語処理　 第15章 言語と論理(2)：記号論理　 第16章 言語と論理(3)：証明と質問応答　 第17章 まとめ：知能を「つくる」ということ 1章 人工知能をつくり出そう 人工知能とは何か?／人工知能の歴史／人工知能を学ぶということ／ブックガイド1 2章 状態空間と基本的な探索 状態空間表現／迷路からの状態空間構成／基本的な探索／ホイールダック2 号の迷路探索／コラム1 3章 最適経路の探索 最適経路の探索とヒューリスティックな知識／最適探索／最良優先探索／A*アルゴリズム／迷路を最適経路で抜けるホイールダック2号／コラム2 4章 ゲームの理論 利得と回避行動／標準型ゲーム／展開型ゲーム／ゲームAIの実践的開発に向けて／コラム3 5章 動的計画法 多段決定問題／動的計画法／ホイールダック2号「宝箱を拾ってゴール」／編集距離の計算／ブックガイド2 6章 確率とベイズ理論の基礎 環境の不確実性／確率の基礎／ベイズの定理／期待値と意思決定／確率分布のパラメータ推定 7章 確率的生成モデルとナイーブベイズ 確率的生成モデルとグラフィカルモデル／マルコフ決定過程／ナイーブベイズモデルによるスパムメールフィルタ／ブックガイド3 8章 強化学習 強化学習とは何か？／強化学習の理論／価値関数／Q学習／強化学習の分類とその発展／コラム4 9章 ベイズフィルタ 状態推定の問題／ベイズフィルタ／位置推定（ベイズフィルタ編）／部分観測マルコフ決定過程と状態推定の展開／コラム5 10章 粒子フィルタ ベイズフィルタの問題点／モンテカルロ近似／粒子フィルタ／位置推定（粒子フィルタ編）／SLAM／ブックガイド4 11章 クラスタリングと教師なし学習 クラスタリング／k-means法／混合分布モデルによるアプローチ／表現学習／コラム6／コラム7 12章 パターン認識と教師あり学習 機械学習とは／機械学習の共通問題／パターン認識／教師あり学習の基礎／コラム8／ブックガイド5 13章 ニューラルネットワーク ニューラルネットワークとパターン認識／ニューラルネットワークの基礎／畳み込みニューラルネットワーク／リカレントニューラルネットワーク／コラム9／ブックガイド6 14章 自然言語処理 自然言語処理／形態素解析／構文解析／意味解析／単語と文章のベクトル表現／コラム10 15章 記号論理 記号論理／述語論理／節形式／コラム11 16章 証明と質問応答 導出原理／述語論理による質問応答／スフィンクスの謎かけ／コラム12／ブックガイド7 17章 知能を「つくる」ということ ホイールダック2号の冒険：総集編／実世界知能と行動の創発／言葉の意味理解する発達知能／人工知能とこれからの未来／ブックガイド8

二〇一六年三月、人工知能の囲碁プログラム「アルファ碁」が世界ランクの棋士を破った。羽生善治は、その勝利の要因を、「人工知能が、人間と同じ"引き算"の思考を始めた」とする。もはや人間は人工知能に勝てないのか。しかし、そもそも勝たなくてはいけないのか-。天才棋士が人工知能と真正面から向き合い、その核心に迫る、"人工知能本"の決定版。 第1章 人工知能が人間に追いついた-「引き算」の思考(アルファ碁の衝撃 デミス・ハサビスとの対話 ほか) 第2章 人間にあって、人工知能にないもの-「美意識」(ロボットは、見知らぬ家でコーヒーを淹れられるか 棋士は何手先まで読めるのか ほか) 第3章 人に寄り添う人工知能-感情、倫理、創造性(人工知能は「接待」できるのか 孫正義が掲げるヴィジョン ほか) 第4章 「なんでもできる」人工知能は作れるか-汎用性と言語(人工知能は三つに分かれる 「フレーム問題」を考える ほか) 第5章 人工知能といかにつき合えばいいのか(二〇〇七年の発言 一〇〇億の人間と一〇〇億のロボットが共存する社会 ほか)

さまざまな業界で導入が進められているAIについて、どのような分野で活用されているのかが鳥瞰図で一目でわかる AIの導入事例が一目でわかる！ 金融、流通、製造、インフラなど全8業界36業種のAIの導入について、どのような分野で活用されているのか、 どのような事項との親和性が高いかといったことについて鳥瞰図で解説。豊富な実例も掲載しており、ビジネスのアイデア創出にも応用できます。 また、「こんな応用可能性があります」にとどめず、実際に実装したりトライアルをするときのノウハウも掲載しています。 本書掲載の鳥瞰図はご購入者特典としてDLして活用できます。 【本書に掲載されている業種】 〈流通〉 コンビニ・スーパーマーケット 百貨店業 郵便・運送業 〈製造〉 自動車製造業 食品・飲料製造業 化粧品・日用品製造業 金属製造業・化学工業 重工業 建設業 繊維工業（アパレル） 電機製造業 〈金融〉 銀行業 保険業 証券業 〈サービス〉 ホテル業 旅行代理業 外食業 テーマパーク 放送局 〈インフラ〉 通信業 鉄道業 航空業 空港 道路・交通インフラ管理業 エネルギー業（ガス・電気） 石油および天然ガス生産・販売業 〈公共〉 学校・学習塾 警察・警備 消防・防災 〈ヘルスケア〉 病院 介護サービス業 製薬業 〈その他〉 農業 水産業 スタジアム・（プロ／アマ）スポーツ ゲーム業 Chapter 1　流通 　コンビニ・スーパーマーケット 　百貨店業 　郵便・運送業 　詳細解説：商品需要予測に基づく在庫管理 Chapter 2　製造 　自動車製造業 　食品・飲料製造業 　化粧品・日用品製造業 　金属製造業・化学工業 　重工業 　建設業 　繊維工業（アパレル） 　電機製造業 　詳細解説：査定自動化・見積り自動化 Chapter 3　金融 　銀行業 　保険業 　証券業 　詳細解説：不正検知 Chapter 4　サービス 　ホテル業 　旅行代理業 　外食業 　テーマパーク 　放送局 　詳細解説：キャンペーン企画・価格設定 Chapter 5　インフラ 　通信業 　鉄道業 　航空業 　空港 　道路・交通インフラ管理業 　エネルギー業（ガス・電気） 　石油および天然ガス生産・販売業 　詳細解説：劣化予測・メンテナンス計画作成 Chapter 6　公共 　学校・学習塾 　警察・警備 　消防・防災 　詳細解説：画像データによる異常検知・品質評価 Chapter 7　ヘルスケア 　病院 　介護サービス業 　製薬業 　詳細解説：センサーデータによる異常検知 Chapter 8　その他 　農業 　水産業 　スタジアム・（プロ／アマ）スポーツ 　ゲーム業 　詳細解説：見込み顧客分析・離反分析

人工知能が雇用を奪うといった「AI脅威論」が叫ばれているが、真の脅威は人の命を奪うことにある。これはSFの世界ではなく、「自動車」「医療」「兵器」の分野ですでに現実になりつつある。衝撃の一冊!

人類の未来に挑む、最後の書き下ろし！ 天才理論物理学者ホーキング博士が生涯追い求めていたもの、それは誰にも解き明かされていない究極の問の答え（ビッグ・クエスチョン）だった。「人類は地球に住み続けるべきか？」「AIは人間を超えるか？」など10の難問への見解に加え、死の直前まで書き続けた未来を生きる人々への熱いメッセージ。累計100万部突破、世界40か国で刊行決定の話題作！ 〈10のビッグ・クエスチョン〉 １　神は存在するのか？ ２　宇宙はどのように始まったのか？ ３　宇宙には人間のほかにも知的生命が存在するのか？ ４　未来を予言することはできるのか？ ５　ブラックホールの内部には何があるのか？ ６　タイムトラベルは可能なのか？ ７　人間は地球で生きていくべきなのか？ ８　宇宙に植民地を建設するべきなのか？ ９　人工知能は人間より賢くなるのか？ 10 より良い未来のために何ができるのか？

これからAIを学ぶ人に向けた入門書。ビジネスへの活用法から最新技術までをカバーした、「最初に手にすべきAI本」 本書は、これから人工知能（AI）を学びたいと考える人に向けたAIの入門書です。エンジニアではない人、すなわち中高生や文系学部の大学生、文系出身のビジネスパーソンや経営者などでも理解できるように、分かりやすくAIの本質や基礎知識を解説しました。AIのビジネスへの活用法からAIの最新技術までをカバーした、「最初に手にすべきAI本」です。 著者は、日本経済新聞社や日経BPのセミナーでAIやIoTの講座を教える人気講師。フジテレビの「ホンマでっか！？TV」に評論家として出演もしています。語り口が初心者にも分かりやすいと定評のある著者が、必要最低限のポイントに絞り、できる限り専門用語を使わないように配慮しながら書き上げました。 初心者でも人工知能の本質を短時間で理解できるようにするために、それぞれの状況や理解度に応じて学習できるように3部に分けて構成しています。 第1部（第1章）は「基礎編」です。ここでは、今後、人工知能が中心となる社会で生きていくために必要最低限の知識についてまとめました。人工知能は何が得意で、何が不得意なのか、そして社会をどう変えていくのかについて解説しています。 第2部（第2～4章）は「ビジネス編」です。ここでは、ビジネスに人工知能を活用するに当たり、各業界の活用事例や今後どのような使われ方をするのかについて書いています。 また、人工知能を活用する際の注意事項を中心に、プロジェクト推進方法や国などの支援状況についても解説しています。 第3部は「技術編」です。ここでは、人工知能の仕組みについて解説しています。今後、データサイエンスや人工知能に関する知識は、エンジニアや人工知能のプロジェクトに関わる人にとっては必須の知識です。 本書を読めば、AIに関する一般向けの本にありがちな曖昧すぎてよく分からない、なぜそこにAIを使う必要があるのか理解できないといった疑問を解消できると思います。 第1章【基礎編】人工知能(AI)の世界 第2章【ビジネス編】産業別に見た人工知能事例と未来予想図 第3章【ビジネス編】人工知能活用に関する国の施策 第4章【ビジネス編】人工知能プロジェクトの進め方と注意点 第5章【技術編】機械学習 ～これまでの人工知能と歴史～ 第6章【技術編】ディープラーニング ～現在の人工知能～ 第7章【技術編】人工知能開発と運用管理 第8章【技術編】人工知能の最新技術 ～これからの人工知能～ 第9章　人工知能開発に関するいろいろなFAQ

簡単なExcel操作で、様々な人工知能技術を「体感」できます。機械学習のシミュレーションを追加した、待望の増補改訂版。 さまざまなAI技術を1冊に網羅 動かしながら学ぶ、本格入門書！ 本書は、人工知能の技術をはじめて学ぶための本です。 近年は機械学習・深層学習が注目を集めていますが 人工知能は各技術が相互に進化を促したり いろいろな技術を組み合わせたりして発展しています。 そこで本書では、下記のような 幅広い技術の基礎知識を網羅しています。 【本書で解説している技術】 ・機械学習／深層学習（概論） ・ニューラルネットワーク ・遺伝的アルゴリズム ・エキスパートシステム ・知識表現 ・ゲーム戦略など 独特の技術が多く使われている分野ですが、 Excelのサンプルプログラムを体験することで、 その技術を実感できるようになっています。 操作を繰り返すことでプログラムが 賢くなっていく様子は、人工知能技術への 大きな期待も感じさせます。 特に、人工知能分野で活躍したい学生や、 将来仕事で人工知能にかかわるかもしれない 理系職種の方におすすめの本です。 【Excelサンプルプログラム（一部）】 ・正解がわからなくても人工知能が自力で認識してくれる ・宣教師が「人食い人」に食われずに川を渡れるか？ ・簡単なカードゲームでコンピュータに挑戦！ ・人工知能にことばの意味を教えよう ・病院に行く前に人工知能に聞いてみよう ・犯人を捕まえろ！ 【目次】 第1章　人工知能は夢いっぱい 第2章　人間の脳を機械で真似る＝ニューラルネットワーク 第3章　人間のあいまい性を機械で扱う＝ファジィ 第4章　よいものが残る進化の法則をうまく使う＝遺伝的アルゴリズム 第5章　身の回りの問題をうまく解決するには＝問題解決 第6章　最も効率的な道筋をどう選ぶか＝探索法 第7章　相手がいるときの対処法＝ゲーム戦略 第8章　人間が学習する過程を機械で真似る＝機械学習 第9章　人間の知識を機械上で表現すれば人間の代わりになる＝知識表現とエキスパートシステム 第10章　人間の自律性を機械にもたせる＝エージェント 第11章　人工知能の草分け的コンピュータ言語＝Lisp 第12章　ものごとの関係を記述するコンピュータ言語＝Prolog 第1章　人工知能は夢いっぱい 　1.1　人工知能が人間を超える？ 　1.2　人工知能の研究テーマ 　1.3　人工知能技術の初歩的な考察 第2章　人間の脳を機械で真似る＝ニューラルネットワーク 　［体験してみよう］多少ゆがんだ文字でも人工知能なら正しく認識できる 　［体験してみよう］もっとゆがんだ文字でも人工知能なら正しく認識できる 　［体験してみよう］正解がわからなくても人工知能が自力で認識してくれる 　2.1　脳のモデルとニューラルネットワークの考え方 　2.2　パーセプトロン（Perceptron） 　2.3　ホップフィールドネットワーク（Hopfield Network） 　2.4　自己符号化器（Autoencoder） 　2.5　その他のニューラルネットワーク 第3章　人間のあいまい性を機械で扱う＝ファジィ 　［体験してみよう］「ちょっと高め／ちょっと低め」の感覚で空調を制御する 　［体験してみよう］あいまいな条件で目標値を維持する 　3.1　ファジィの考え方 　3.2　ファジィ推論 　3.3　ファジィ制御 　3.4　ファジィ関係 第4章　よいものが残る進化の法則をうまく使う＝遺伝的アルゴリズム 　［体験してみよう］遺産の適正な分配を要領よく行う 　4.1　遺伝的アルゴリズムの考え方 　4.2　遺伝的アルゴリズムの具体的考察 　4.3　遺伝的アルゴリズムの応用 第5章　身の回りの問題をうまく解決するには＝問題解決 　［体験してみよう］宣教師が「人食い人」に食われずに川を渡れるか？ 　5.1　問題解決法 　5.2　問題解決の具体的考察 第6章　最も効率的な道筋をどう選ぶか＝探索法 　［体験してみよう］最小コストで山の頂上まで登るときの経路を探せ 　6.1　探索法の分類 　6.2　系統的探索（Systematic Search） 　6.3　ヒューリスティック探索（Heuristic Search） 　6.4　探索法まとめ 第7章　相手がいるときの対処法＝ゲーム戦略 　［体験してみよう］簡単なカードゲームでコンピュータに挑戦！ 　7.1　Min-Max戦略 　7.2　αβ枝刈り 第8章　人間が学習する過程を機械で真似る＝機械学習 　［体験してみよう］人工知能にことばの意味を教えよう 　8.1　機械学習の基本的な考え方 　8.2　バージョン空間法（Version Space Method） 　8.3　深層学習（Deep Learning） 第9章　人間の知識を機械上で表現すれば人間の代わりになる＝知識表現とエキスパートシステム 　［体験してみよう］病院に行く前に人工知能に聞いてみよう 　9.1　知識表現（Knowledge Representation） 　9.2　エキスパートシステム（Expert System） 第10章　人間の自律性を機械にもたせる＝エージェント 　［体験してみよう］犯人を捕まえろ！ 　10.1　エージェントの古典的な問題 　10.2　エージェントの考え方 　10.3　マルチエージェント（Multi-Agent） 第11章　人工知能の草分け的コンピュータ言語＝Lisp 　11.1　リスト処理（List Processing） 　11.2　ラムダ計算（Lambda Calculus） 　11.3　Lisp言語 　11.4　Lisp処理系 第12章　ものごとの関係を記述するコンピュータ言語＝Prolog 　12.1　命題論理（Propositional Logic） 　12.2　述語論理（Predicate Logic） 　12.3　Prolog言語への発展 　12.4　Prolog言語 　12.5　Prolog処理系

世界中のディープテックのケーススタディを多数収録。 世界中の課題を見つける旅に出よう！ ★★★★★★★★★★★★★★★★★★★★★★★★ 「めちゃ面白い！読むべし！」 ―――慶応義塾大学環境情報学部教授、ヤフーCSO 安宅和人氏 推薦！ 「この本で、日本は夢を取り戻せる」 ―――オリエンタルラジオ 中田敦彦氏 絶賛！ ★★★★★★★★★★★★★★★★★★★★★★★★ 新興国に眠る課題、湧き起こる情熱 日本企業に生まれる新たな活躍の舞台 世界中の課題を見つける旅に出よう！ この30年、日本企業はグローバルでの存在感を徐々に失っていきました。 「GAFA」に代表される米国企業、「BAT」に代表される中国企業。 後塵を拝している日本企業ですが、今、新たに活躍の場が生まれています。 それが、「DeepTech（ディープテック）」です。 東南アジアをはじめとする新興国は、成長の過程で生まれる多くの課題を抱えています。そして、その課題から目を背けることなく、対峙する起業家たちが次々と生まれています。先端技術だけでなく、枯れた技術も応用しながら、直面する課題に対し、中長期的な視点に立って解決を目指していく。Deep Issue（ディープイシュー）をテクノロジーで解決していこうという取り組みを「ディープテック」と呼びます。 日本は戦後、製造業を中心に技術を磨き、世界でも有数の経済大国へと成長しました。磨いてきた多くの技術はテクノロジーの進化の過程で、過去のものになりつつあります。しかし、それらの「枯れた技術」が、もし新興国の課題解決につながるとしたら？新たな市場創造につながるとしたら？ ディープテックの領域では、必然的に投資期間は長くなるものの、解決したときの社会的インパクトはとてつもなく大きいものになります。しかも、日本企業が本来、得意としてきたすべてが活きてくる世界でもあります。 本書は、世界中のディープテックのケーススタディを多数収録しています。また、日本企業のビジネス開発部門、技術部門の方々にとって、有用となるフレームワークを紹介しています。大学生や研究者、起業を目指す人たちなど、幅広い方に読んでほしい1冊です。 日本のディープテックの始祖ともいえるリバネス代表取締役グループCEOの丸幸弘氏、『ITビジネスの原理』や『アフターデジタル』などのベストセラー本を通じて日本が進むべき道を照らし続けるフューチャリストの尾原和啓氏が、ディープテックの世界を描きます。 新興国に眠る課題、湧き起こる情熱 日本企業に生まれる新たな活躍の舞台 世界中の課題を見つける旅に出よう！ 第1章 ディープテックとは何か？ 第2章 ディープテックの系譜を知ろう 第3章 海外で沸き起こるディープテック旋風 第4章 日本の潜在力はディープテックで開花する

今知っておきたい AIおよびAIビジネスの最新動向が この一冊に！ ビジネスパーソンにとって「AI（人工知能）」は必須のキーワードになっていますが、様々なことが同時並行で動いており、トレンドを押さえるのでさえ一苦労です。本書にはAIに関わる最近の主要な動きをすべてまとめています。 最近では、日本企業がAIに取り組んで本業を強化し、自動対話AIを取り込んだチャットボットを開発、ガイドラインの策定や「倫理」面の検討が進んでいます。“AIセカンドステージ”と呼べる状況です。 本書にはAIセカンドステージのトレンドを掲載しているほか、「AIブーム」のウソとホントについて詳しく説明しています。 【第1章　AI世界の全貌】 ●人工知能100 　 総論　ブームから実用へ勝負の年 　 事例　あらゆる現場で活用進む 　 技術　深層学習基盤が高度化 　 社会　労働や法律が変わる 【第2章　ケーススタディ AI利活用】 かんぽ生命のWatson、1年半かけて学ぶ キユーピー、グーグルの深層学習による原料検査で生産性2倍に トライアルカンパニー、AIカメラとエッジ技術で来店客を分析 リクルート、IT人材採用にAI リクルート、AIが配送計画を立案 IBUKI、ベテランの代わりにAIが見積り手順を教える 損保ジャパン日本興亜、電話の保留をAIで削減 プラント異常を予知、日揮がIoTとAIで新事業 ディープラーニングで資産運用、三菱UFJ信託が新たな金融商品 横浜銀、営業担当者の面談記録をチェックする人工知能導入 歩留まり改善、配達先判別、顧客満足度の精度アップ AI活用、グローバル企業で急加速 【第3章　開発ガイドラインと倫理】 総務省がAI開発ガイドライン作成へ、透明性や制御可能性など求める AIベンチャーの雄が総務省の開発指針に反対する理由 無知で未成熟な「AI脅威論」 3つの誤解と本当の課題 AIと倫理、燃え上がる議論 ●AIと倫理 AIに製造物責任は問えない、だから議論が必要だ 　 総務省・開発指針への批判に会議メンバーが答える AIを「汎用AI」と「専用AI」に分けるのは間違いだ 　 日立製作所の研究開発リーダーが語る脱・AI脅威論 AI開発に法規制は不要、「ソフトロー」で統制すべきだ 　 法哲学の研究者に聞く、社会が技術をコントロールする方法 脳から学べば汎用AIは近い、開発を萎縮させない議論を 　 日本の第一人者が語る汎用AI研究の最前線 ネットで集めたデータはAI学習に使えるか？ 日本ではタブーな話題？AIの軍事利用 【第4章　日の丸AIの挑戦】 加熱するAIチップ開発、王者エヌビディアに日本勢が挑む 東芝の「脳を模倣した」AIチップ、フラッシュ派生技術で省電力化 「日本には肝心なAI研究インフラがない」、一人1ペタFLOPSの環境を提供する理由 キーワード「機械学習」 【第5章　自動対話AI】 何でも答える「自動対話AI」　―人手不足、解消の切り札― ●音声チャットボットの世界 Amazon Echoが成功した理由 シャープ「ロボホン」の秘密、ここまできた音声AI 大手に先駆け日本進出、米音声AIベンチャーの正体 ●AIスピーカー競争 Amazon Echoはスピーカーにあらず、汎用コンピュータだ 体験レポ、Amazon Echoで買い物をしてみた キーワード「ディープラーニング」 【第6章　AIリーダーのオピニオン】 深層学習の価値は「目」の獲得、産業応用で日本は勝てる 　 東京大学　松尾豊氏 訴訟支援で培ったデータ解析、独自AIを活用して医療も効率化 　 FRONTEO　守本正宏氏 「業務分野でのAI活用には三つの要件が必要」 　 セールスフォースのソーチャー氏 「AI駆動型科学で人間の限界を超える」 　 PEZY Computing齊藤社長 Googleクラウドの切り札は機械学習、「専門家の才能も提供」と責任者 　 米Google Jia Li氏 「AIは既に人間の脳の限界を超えている」 　 茂木健一郎氏 シリコンバレー新興企業が語るSaaS・AI・IoT 　「 Draper Nexus B2B Summit in Tokyo 2017」 大企業の関心はAIやビッグデータ活用に集中 　「 Draper Nexus B2B Summit in Tokyo 2017」 データサイエンティスト・オブ・ザ・イヤー受賞者4人の座談会 AIで分析官の仕事はどう変わる？ 【第7章　AIブームのウソ・ホント】 日本を席巻するAI詐欺～人工知能は一体何をしてくれるのか？ 最も普及したAIは炊飯器～そもそも人工知能とは何者なのか？ 金食い虫の「機械学習」と実用に堪えない「ディープラーニング」 グーグルにも分からないディープラーニングの使い道 AIとIoTの“分離”で料金を二重取りするITベンダー 「自動運転車の実用化が間近に」の大いなる錯覚 「AI弁護士」のホントの勤務実態、実は単純作業の日々 AI活用で人事部が不要という「HRテック」のワナ 「ロボットアドバイザー」の人工知能は炊飯器レベル AI詐欺に騙されるな、経営者も技術を理解すべし

広がるAI化格差と5年先を見据えた企業戦略 ▼技術から利用動向、制度政策に至るまで、国内と海外の人工知能の最新動向がすべてわかるAI白書の2020年版 DX（デジタルトランスフォーメーション）のための重要な技術であるＡＩの社会実装が進む一方、そのAI化で格差が広がっています。また、5Ｇのサービス開始、EU一般データ保護規則、米中間の対立など、ＡＩを取り巻く環境は目まぐるしく変化しています。 第1章では、石角友愛氏（パロアルトインサイトCEO）と中島秀之 AI白書編集委員長（札幌市立大学理事長・学長）の対談、北野宏明 AI白書編集委員(ソニーコンピュータサイエンス研究所代表取締役社長・所長)と片岡 晃 IPA社会基盤センター長の対談を通じて、ＡＩをめぐる日本の課題とビジネス戦略について解説。第2章「技術動向」では、ＡＩに関する技術の概要と最新動向を整理し、第3章「利用動向」では国内外でのＡＩ活用事例を紹介。さらに、AIの社会実装を支える環境として、第4章で「制度政策」、第5章で社会実装に係る課題解決の方向性（AI人材育成及びスタートアップエコシステム）について記載しています。 『ＡＩ白書2019』に最新情報を加え、大幅にアップデートしています。AIの基礎的な技術解説から、国内外の多様な導入事例、制度・政策面での取り組み、中国のAI動向データ、企業経営者の意識調査結果まで、AIにまつわる幅広い話題を網羅して収録。AIを実装し、DXを推進するにあたってのひとつの指針として、本書をご活用いただけます。 DX（デジタルトランスフォーメーション）のための重要な技術であるAIの社会実装。そのAI化で格差が広がっている。AIの技術や利用動向、制度政策、スタートアップエコシステムに至るまで、AIのすべてを解説 □第1章「2020年のＡＩとビジネス」　生産性やDXといった日本の課題、AI時代のビジネス戦略をテーマにした対談、など □第2章「技術動向」　ＡＩを支える技術と最新動向、ディープラーニング、開発基盤、標準化・オープンプラットフォーム・信頼性、各国の研究開発の現状、など □第3章「利用動向」　日本と世界の分野別の利用動向、ＡＩ利用動向アンケート調査、AI導入予算・AI市場規模、中国のＡＩ最新動向、など □第4章「制度政策動向」　ＡＩに関する原則・ガイドライン、制度改革（モビリティ、データ流通、知的財産）、各国の政策動向、など □第5章「AI実装を推進するAI人材育成と地域スタートアップエコシステム」　スタートアップエコシステム、ＡＩ人材の育成、社会実装の課題と現状、など

人工知能開発に必要な深層学習・機械学習・強化学習の基礎技術を一気通貫に学べる！ 最新のAI開発プラットフォームで 機械学習・深層学習・強化学習の 基礎技術を学ぼう！ 【本書の概要】 本書はUdemyで大人気の講座 『AIパーフェクトマスター講座 -Google Colaboratoryで隅々まで学ぶ実用的な人工知能/機械学習-』をもとにした書籍です。 ・機械学習（回帰、k平均法、サポートベクターマシン） ・深層学習（画像識別や画像生成、RNN） ・強化学習（Cart Pole問題、深層強化学習） といった、AI開発でニーズの高い人工知能技術を、深層学習を中心に解説しています。 また本書ではサンプルを用意していますので、サンプルを動かしながら、AI技術の仕組みを理解できます。 開発環境にはGoogle Colaboratoryを使用します。 【Google Colaboratoryとは】 ブラウザ上で利用できる機械学習や深層学習向けの開発環境です。 GPUを無料で利用できるので、コードの実行時間を大幅に短縮できます。 【本書ポイント】 ・機械学習・深層学習・強化学習の基礎知識を一気に学べる ・Pythonでコードを動かしながら機械学習・深層学習・強化学習の理論を学べる 【対象読者】 ・何らかのプログラミング経験のある方 ・機械学習・深層学習・強化学習を学ぶ意欲のある方 ・高校数学以上の数学知識のある方 【著者プロフィール】 我妻幸長(あづま・ゆきなが) SAI-Lab株式会社を起業。「ヒトとAIの共生」がミッション。 人工知能（AI）関連の研究開発、教育、アプリ開発が主な事業。 著者のYouTubeチャンネルでは、無料の講座が多数公開されている。 Chapter 0　イントロダクション Chapter 1　人工知能、ディープラーニングの概要 Chapter 2　開発環境 Chapter 3　Pythonの基礎 Chapter 4　簡単なディープラーニング Chapter 5　ディープラーニングの理論 Chapter 6　様々な機械学習の手法 Chapter 7　畳み込みニューラルネットワーク（CNN） Chapter 8　再帰型ニューラルネットワーク（RNN） Chapter 9　変分オートエンコーダ（VAE） Chapter10　敵対的生成ネットワーク（GAN） Chapter11　強化学習 Chapter12　転移学習 Appendix　さらに学びたい方のために

人工知能による世の中の変化を、身近なところから解説しました。機械、コンピュータが苦手でもわかる入門書！ 本書は、「難しいことはわからないけど、人工知能が世の中をどう変えるのか知りたい」という人のために、人工知能を丁寧に解説した本です。ディープラーニング、機械学習、シンギュラリティなどよく聞くけど意味がわからない言葉の解説はもちろん、「人工知能って、結局何ができるの？」「人間を超えるとか、仕事が奪われるって聞くけど、大丈夫？」という素朴な疑問と、漠然とした不安にマンガで解説していきます。 ★マンガ＋イラスト図解で、難しいテーマをわかりやすく解説！ ★人工知能によって、世の中がどう変わるかがわかる！ ★ビジネスパーソン、経営者はもちろん、 学生さん、親御さんや先生にもオススメ！ 【あらすじ】 とある商社に務める誠司はある日、上司から「人工知能ロボットチョッパーを運用した新プロジェクトを立案せよ」との命令を受ける。「そもそも人工知能って何？」と頭を抱えた誠司は、甥である裕太の紹介で人工知能研究者だという京子と出会う。誠司はただチョッパーくんの使い方を聞きたかっただけなのだが、超がつく「人工知能オタク」である京子に人工知能のイロハのイから教わることに……。はたして誠司は無事に上司命令をクリアし、未来を変えることができるのか!? 序章 人工知能って何だろう？ ・私たちはゲームを通じて人工知能と触れ合ってきた！ ・そもそも「知能」ってなんだろう？ 第1章　人工知能はこうやって生まれた？ ・人工知能を発想した２人の天才 ・「記号主義」で人間の思考をマニュアル化 ・脳のしくみを再現！「コネクショニズム」 ・「弱いAI」「強いAI」 第2章　どうすれば人工知能は成長するの？ ・「機械学習」で成長させる ・専門家と同じ知識を与える ・能力の幅を広げる「複数の脳」 ・「使えそう」レベルではＮＧ！ 第3章　人工知能は人間を超え始めた！ ・ディープラーニングが感覚を与えた ・「見分ける」「聞き分ける」ことが可能に！ ・人工知能が人間を感動させる日 ・変わった言葉の学び方 第4章　人工知能は社会をどう変えていくの？ ・ＩｏＴとクラウドでさらに進化する ・未来の「よい事」と「心配事」 ・シンギュラリティとはいったい何だろう？ 第5章 私たちと人工知能の 未来を見つめる ・人間との違いを改めて考える ・誤解を生まない人工知能との付き合い方 ・代理エージェントとして欠かせないパートナー

現象を数理モデルで表現・説明するのに慣れていない人のために、章ごとに異なる例題を解決していく過程を通して、統計モデルの基本となる考えかたを紹介する。前半では、応用範囲のひろい統計モデルのひとつである一般化線形モデルの基礎を、後半では、実際のデータ解析に使えるように、階層ベイズモデル化する方法を、RとWinBUGSの具体例を用いて説明する。 第1章 データを理解するために統計モデルを作る 第2章 確率分布と統計モデルの最尤推定 第3章 一般化線形モデル(GLM)-ポアソン回帰 第4章 GLMのモデル選択-AICとモデルの予測の良さ 第5章 GLMの尤度比検定と検定の非対称性 第6章 GLMの応用範囲をひろげる-ロジスティック回帰など 第7章 一般化線形混合モデル(GLMM)-個体差のモデリング 第8章 マルコフ連鎖モンテカルロ(MCMC)法とベイズ統計モデル 第9章 GLMのベイズモデル化と事後分布の推定 第10章 階層ベイズモデル-GLMMのベイズモデル化 第11章 空間構造のある階層ベイズモデル

田坂氏が書き下ろす、AI革命に対して個人がすべき3つの能力を伸ばす具体的な方法

AI裁判、AI人事、AI政治家、そして、「人類代表」佐藤天彦名人が挑んだ電王戦-。膨大な計算力を背景に導き出される「最適解」に私たちはどう向き合えばいいのか。国内外の現場取材を基に、山積みの課題からルールづくりまで人工知能と社会のかかわりを展望する一冊。『人工知能の核心』に続く、NHKスペシャル「人工知能天使か悪魔か」シリーズ出版化第二弾! 第1章 「最適解」と神の一手-電王戦第一局(名人、人工知能と対峙する プロ棋士は人工知能とどう戦ってきたのか ほか) 第2章 研究室からリアルワールドへ-広がるビジネス利用(AIタクシーが街を走る日 「移動革命を起こしたい」 ほか) 第3章 管理される人間たち-「最適解」といかに向き合うか(人工知能にテロリストと言われたら 判事が語る、再犯リスク予測 ほか) 第4章 人工知能は世界を救うか-AI政治家の可能性(中国共産党を批判した人工知能 世論調査を一瞬で行うAI政治家 ほか) 第5章 盤上に現れた未来-電王戦第二局(名人に起きた変化 「最適解」の過程を探る名人 ほか)

AIは脅威か？　生命と機械の原理的な相違を考察しながら地球や宇宙の未来を語る。 超知能AIが出現したら何が起こるか――AI開発の指針「アシロマAI原則」の取りまとめに尽力し、AI安全性研究を牽引する著者が、来るべき世界の姿と生命の究極の未来を考察する。労働、法律、軍事、倫理から、生命と宇宙、機械の意識まで多岐にわたる問題を論じた全米ベストセラー。31か国で刊行。 「この時代の最も重要な議論に参加したければ、テグマークの示唆に富む本を読めばいい」 ──スティーヴン・ホーキング イーロン・マスク、エリック・ブリニョルフソン、レイ・カーツワイル、ニック・ボストロム、スチュワート・ラッセル、マーティン・リースら推薦！ NY Times Bestseller The Times Books of the Year 2017 Daily Telegraph Books of the Year 2017 バラク・オバマ Favorite Books of 2018 ビル・ゲイツ 10 Favorite Books about Technology ★NHK Eテレで今年放映された番組「超AI入門特別編（全5回）」の、第1回目（6/26）と5回目（7/31）に著者が出演しています。 【目次】 プロローグ オメガチームの物語 最初の数百万ドル/ 危険なゲーム/ 最初の数十億ドル/ 新たなテクノロジー/ 権力掌握/ 統合 第1章 いまもっとも重要な議論へのいざない 複雑さのおおまかな歴史/ 生命の3つの段階/ 論争/ 誤解/ この先の道筋 第2章 物質が知能を持つ 知能とは何か/ 記憶とは何か/ 計算とは何か/ 学習とは何か 第3章 近未来: ブレイクスルー、バグ、法律、兵器、仕事 ブレイクスルー/ バグ VS 堅牢なAI/ 法律/ 兵器/ 仕事と賃金/ 人間レベルの知能 第4章 知能爆発 全体主義/ プロメテウスが世界を支配する/ ゆっくりとした立ち上がりと多極的なシナリオ/ サイボーグとアップロード/ 実際には何が起こるのか 第5章 余波: 1万年先まで 自由論者のユートピア/ 善意の独裁者/ 平等主義者のユートピア/ 門番/ 保護者としての神/ 奴隷としての神/ 征服者/ 後継者/ 動物園の飼育係/ 1984/ 先祖返り/ 自滅 第6章 宇宙からの恵み: 今後10億年とさらにその先 資源を最大限に活用する/ 宇宙への入植によって資源を確保する/ 宇宙のヒエラルキー/ 展望 第7章 目標 物理学: 目標の起源/ 生物学: 目標の進化/ 心理学: 目標の追求とそれに対する反抗/ 工学: 目標を外部に委ねる/ 友好的なAI: 目標を合致させる/ 倫理: 目標を選ぶ/ 究極の目標 第8章 意識 どうでもいい問題なのでは/ 意識とは何か/ 何が問題か/ 意識は科学の範囲を超えているのか/ 意識に関する実験的な手掛かり/ 意識に関するいくつかの理論/ 意識をめぐる論争/ AIの意識は何を感じるか/ 意義 エピローグ FLIチームの物語 FLIの誕生/ プエルトリコでの冒険/ AI安全性研究を主流にする/ アシロマAI原則/ 留意を伴う楽観論

パターン認識にはじめて触れる読者に向け，基礎からわかりやすく解説した入門書です．パターン認識の概念がよく理解できるとともに，Rによる実行例など，実際に応用する際にも役立つ内容が盛り込まれています． 第1章 はじめに 第2章 識別規則と学習法の概要 第3章 ベイズの識別規則 第4章 確率モデルと識別関数 第5章 k最近傍法（kNN法） 第6章 線形識別関数 第7章 パーセプトロン型学習規則 第8章 サポートベクトルマシン 第9章 部分空間法 第10章 クラスタリング 第11章 識別器の組み合わせによる性能強化

◎読者が選ぶビジネス書グランプリ2021 総合グランプリ受賞!! ◎ビジネス書大賞2020 特別賞(ソーシャルデザイン部門)受賞!! ◎ITエンジニア本大賞2021 ビジネス書部門 ベスト10! ◎累計17万5千部突破! 30万部超の名著『イシューからはじめよ』から9年――。 渾身の力で投げ込む、ファクトベースの現状分析と新たなる時代の展望! AI×データの発展により、時代は多面的に「確変モード」に突入した。 目まぐるしく動く社会の中、本書は以下の問いをひとつなぎにして答える。 ・現在の世の中の変化をどう見たらいいのか ・日本の現状をどう考えるべきか ・企業はどうしたらいいのか ・すでに大人の人はこれからどうサバイバルしていけばいいのか ・この変化の時代、子どもにはどんな経験を与え、育てればいいのか ・若者は、このAIネイティブ時代をどう捉え、生きのびていけばいいのか ・国としてのAI戦略、知財戦略はどうあるべきか? ・AI時代の人材育成は何が課題で、どう考えたらいいのか ・日本の大学など高等教育機関、研究機関の現状をどう考えたらいいのか ビジネス・教育・政策…全領域にファクトベースで斬り込む、著者渾身の書き下ろし! 意志なき悲観論でも、現実を直視しない楽観論でもない、建設的(Constructive)な、「残すに値する未来のつくり方」。 読者コメント 「久々にすっごい面白い本に出会った。これからの時代の生き方の教養書として面白い」 「これからの日本が進むべき道を豊富なデータと精緻なロジックで導き出している」 「新人教育やマネジメント教育に必須の本だと思う。これから日本で生きる全てのビジネスパーソンが何を目指し、何をすべきかが詳細に書かれている」 「安宅さんの『日本を何とかしたい』という熱い思いが伝わってきて、ビジネス書なのに感動しました。個人的に今年のベスト本になる予感」 「一気に読んだ。『未来をつくる人』をどう育てるか、についても多くのページが割かれている。子育て中の方にもおすすめ」 ●目次 1章　データ×AIが人類を再び解き放つ -- 時代の全体観と変化の本質 2章　「第二の黒船」にどう挑むか -- 日本の現状と勝ち筋 3章　求められる人材とスキル 4章　「未来を創る人」をどう育てるか 5章　未来に賭けられる国に -- リソース配分を変える 6章　残すに値する未来

世界と日本の未来を、二人の最高の知性が語り合う。「ひらめき」の正体、世界で通用する人材をつくるには、人間は不老不死になれるか 10年後、100年後の世界と日本の未来を、ノーベル賞学者と国民栄誉賞棋士、最高の知性を持つ二人がとことん語り合う！iPS細胞、将棋界とＡＩといった二人の専門分野に加えて、「ひらめき」「勘」の正体、世界で通用する人材をつくるにはどうするか、人間は不老不死になれるかといった、人類の普遍的なテーマについても熱く討論する。 10年後、100年後の世界と日本の未来を、ノーベル賞学者と国民栄誉賞棋士、最高の知性を持つ二人がとことん語り合う！ iPS細胞、将棋界とＡＩといった二人の専門分野に加えて、「ひらめき」「勘」の正体、世界で通用する人材をつくるにはどうするか、人間は不老不死になれるかといった、人類の普遍的なテーマについても熱く討論する。 まえがきにかえて　羽生善治から山中伸弥さんへ 第1章　iPS細胞の最前線で何が起こっていますか？ 第2章　なぜ棋士は人工知能に負けたのでしょうか？ 第3章　人間は将来、AIに支配されるでしょうか？ 第4章　先端医療がすべての病気に勝つ日は来ますか？ 第5章　人間にできるけどAIにできないことは何ですか？ 第6章　新しいアイデアはどこから生まれるのでしょうか？ 第7章　どうすれば日本は人材大国になれるでしょうか？ 第8章　十年後、百年後、この世界はどうなっていると思いますか？ あとがきにかえて　山中伸弥から羽生善治さんへ

ＡＩはビジネスをどう変えるのか？４００ものプロジェクトに携わってきたスペシャリストが、ビジネスへの適用、インパクトを徹底解説 AIを制する者がビジネスを制する――。 金融、自動車、製造、医療、教育はどう変わるのか。 通算400以上のプロジェクトに携わってきたAIのスペシャリストが徹底解説。 AIを目的化してはいけない。ポイントはあくまでも「AIの技術で、こういうことができないか」という形で考えることにある。 「AIはビジネスのあらゆる場面に適用できる」とご理解いただけたのであれば、本書の目的をいくらかは達成できたといえる。 本書で紹介した幅広い情報は、筆者らが調査、議論、経験を通じて得たものである。（本文より） １章　ＡＩは社会とビジネスをどのように変えるのか ２章　ＡＩの基礎知識 ３章　ＡＩにより変わる産業 ４章　ＡＩにより変わる私たちの仕事 ５章　ビジネスを加速するためのＡＩ戦略 ６章　ＡＩの活用ポイントと法的課題 ７章　ＡＩブームはもう終わる １章　ＡＩは社会とビジネスをどのように変えるのか バーチャルからリアルに広がるＡＩの適用先 ４つのＡＩ活用――ＡＩがもたらす付加価値とは 知識の民主化――誰もが高度な知識にアクセスする時代 競争要因の変化――知識からスピードの時代へ ＡＩが創る未来の社会――自動運転が世界を変貌させる ２章　ＡＩの基礎知識 人により異なるＡＩのイメージ 現代の三大発明――ＡＩとＩｏＴ／ビッグデータの関係 ＡＩの歴史――探索、知識データベース、機械学習 日本を救う強化学習 ＡＩ進化の要因――ハードウエア、データ、アルゴリズム 人間を超え始めたディープラーニング ＡＩが得意な分野と苦手な分野 ５つに分類できるＡＩの適用領域 ３章　ＡＩにより変わる産業 金融業界――ＡＩ化が進む取引や審査 自動車業界――エコシステム化や異業種連携の加速 製造業――工場、倉庫、運用が変わる 農業――精密農業の実現に向けて 医療――診断、遺伝子解析、創薬の進化 セキュリティ業界――安心と権利侵害の矛盾 ４章　ＡＩにより変わる私たちの仕事 知的専門職の支援――法律相談、保険審査 事務や接客の高度化――デジタルロボット、コールセンター 対話型コマース――チャット接客、店舗のＡＩ化 教育――アダプティブ・ラーニング、ゲーミフィケーションＡＩ デジタル・マーケティング――広告入札、マーケティング自動化 バックオフィスの高度化――ＨＲテック、ロボット上司 コンテンツ作成――ＡＩクリエイター、コンテンツ生成サービス ＡＩに不向きな仕事――技術の壁と採算の壁 ５章　ビジネスを加速するためのＡＩ戦略 適切な目的がＡＩの価値を決める 人材獲得――ＡＩ人材の確保と育成 データ獲得――企業連携、買収、自社収集 エコシステムの構築――ネットワーク効果による成長加速 ６章　ＡＩの活用ポイントと法的課題 ＡＩ活用を成功に導く考え方 倫理的な問題――失業より怖いＡＩの活用先とは 法的問題――ＡＩが人の権利を再定義する 企業側の防衛策――フェールセーフ、承諾、ＰＤＳ ７章　ＡＩブームはもう終わる ブームは終わるがチャンスはこれから 本当に職の半分はなくなるのか ＡＩのコモディティ化とマインドシェア 日本企業が生き残るために

人工知能とは何か? 機械学習・ディープラーニングとは何かを、高クオリティなマンガとともに、くわしく・やさしく解説していきます。 人工知能がどのように発展してきたのか、私たちの未来をどのように変えていくのか、そして人工知能とどのように向き合っていくのかをテーマにストーリーを構成。人工知能という難しそうなテーマを、より身近に感じられるようになる一冊です。 Chapter1 人工知能の正体 ・「人間の脳」と「人工知能」 ・人工知能の定義 Chapter2 人工知能の歴史 ・人工知能の誕生-第1次AIブーム- ・コンピュータとの対話-第2次AIブーム- Chapter3 人工知能の新時代① ・第3次AIブームの始まり ・機械学習の広がりと課題 Chapter4 人工知能の新時代② ・ディープラーニングとは何か ・ディープラーニングによるブレイクするー Chapter5 人工知能と心 ・心と身体性 ・人工知能と創造性 Chapter6 人工知能が変えていく未来 ・AIを牽引する企業たち ・「眼を持つ機械」の活用 Chapter7 人工知能が人類にもたらすもの ・人工知能と倫理的課題 ・「シンギュラリティ」とその先の未来

人工知能が単純作業から高度な知的作業までこなせるようになり、これまでの人間の価値が見直しを迫られている。かといって、人間が直面するあらゆる繊細な問題を解決するうえで、人工知能が常に正しい判断と意思決定ができるとはかぎらない。正視眼で人工知能の可能性を見極めるにはどうすればいいか?人間の可能性を引き出すためには、何をすべきか? 第1章 人工知能は必ずしも万能ではない 第2章 人間の強みは「直観」にある 第3章 直観的思考とアルゴリズム的思考はどう違うのか 第4章 直観を高める6つの認知科学的トレーニング方法 第5章 直観を高める8つのコツ 第6章 人間だからこそできることとは 第7章 人工知能時代の教育と生き方を模索する 第8章 直観VS.人工知能の先にあるもの

個人の地域密着型アウトドアショップがデジタルマーケティングで業績を飛躍的にアップさせていくストーリーに乗せて、DMの基礎を… 個人の地域密着型アウトドアショップがデジタルマーケティングで業績を飛躍的にアップさせていくストーリーに乗せて、DMの基礎を学ぶ

シリーズ第4弾。テーマは強化学習。外部ライブラリに頼らず、強化学習を支える基本的な技術やアイデアをゼロから実装しながら学ぶ。 超人気シリーズの第4弾——今回のテーマは強化学習！ 人気シリーズの第4弾。今回のテーマは強化学習です。実際のコードを提示し動かしながら学ぶという本シリーズのスタイルを踏襲し、外部ライブラリに頼らず、強化学習を支える基本的な技術やアイデアをゼロから実装しながら学びます。本書では読者が強化学習独特の理論を確実にマスターできるように、強化学習という難解なテーマの構成要素の一つひとつを「理論」と「実践」の双方から丁寧に解説します。数式だけで説明する理論書とは異なり、読者はコードを通してハッとする気づきを数多く得られるでしょう。 シリーズ第4弾。テーマは強化学習。外部ライブラリに頼らず、強化学習を支える基本的な技術やアイデアをゼロから実装しながら学ぶ。

二〇一七年四月一日、現役タイトル保持者が、はじめてコンピュータ将棋ソフトに敗れた。AI(人工知能)が、ついに人間の王者を上回ったのだ。それは予想だにしない奇跡だったのか、それとも必然だったのか?コンピュータ将棋の開発が始まってから四十年あまり、当初、「人間に勝てるはずがない」ともいわれたコンピュータ将棋は、驚異的な進化を遂げて、いま、人間の前に立ちはだかる。この間、棋士は、そしてソフト開発者は何を考え、何をめざしてきたのか?そして、人間とAIは、どのような関係へと向かうのか?将棋界の最前線を十数年取材してきた将棋記者の、渾身のルポルタージュ! 第1章 神が創りたもうたゲームの系譜(囲碁・将棋の歴史を振り返る 幕を開けた人間と機械の戦い) 第2章 電王戦前夜-人間vsコンピュータの始まり(コンピュータ将棋の黎明期 人間を凌駕するコンピュータ 人智を超えた"学習する"将棋ソフト) 第3章 AIが人間を超えた日(女流トッププロvsコンピュータ連合軍 第一回電王戦 第二回電王戦 第三回電王戦) 第4章 苦闘-棋士の葛藤と矜持(電王戦FINAL FINAL最終戦に見た両者の信念) 第5章 棋士とAIの未来(新たにスタートした第一期電王戦 第二期電王戦 AIとの苦闘が残すもの)

人工知能とロボット工学の俯瞰的な知識を、手を動かしながら学ぼう！ＡＩロボットの基礎理論とプログラミング技法をていねいに解説。 ★人工知能とロボット工学の俯瞰的な知識を、手を動かしながら学ぼう！★ ・音声認識・合成、ビジョン、ナビゲーション、マニピュレーション、プランニングといったＡＩロボットの基礎理論とプログラミング技法をていねいに解説！ ・開発環境をDocker、サンプルプログラムをサポートサイトから提供しているので、すぐに実践できる！ 【主な内容】 第1章　AIロボットをつくろう！ 第2章　はじめてのROS2 第3章　音声認識・合成 第4章　ナビゲーション 第5章　ビジョン 第6章　マニピュレーション 第7章　プランニング 付録A　ローンチファイルの書き方 付録B　アクション通信 付録C　ロボットアームの速度の運動学 付録D　座標系と姿勢の表現 付録E　tf：座標系の管理 第1章　AIロボットをつくろう！ 1.1　AIロボット 1.2　ハードウェア 1.3　ソフトウェア 第2章　はじめてのROS2 2.1　ROS2の基礎知識 2.2　ROS2のシミュレータ 2.3　ROS2を動かしてみよう！ 2.4　はじめてのROS2プログラミング 2.5　ROS2プログラムのつくり方 2.6　トピック通信プログラムのつくり方 2.7　サービス通信プログラムのつくり方 第3章　音声認識・合成 3.1　音声認識 3.2　音声合成 3.3　音声認識と音声合成の統合 第4章　ナビゲーション 4.1　ナビゲーションとは 4.2　差動駆動ロボットの運動学 4.3　自己位置推定と地図 4.4　ナビゲーション 4.5　制　御 4.6　障害物回避 4.7　経路探索 第5章　ビジョン 5.1　ビジョンとは 5.2　ビジョンシステム 5.3　OpenCVとROSによる画像処理 5.4　カメラモデルとキャリブレーション 5.5　特徴検出 5.6　マーカ検出 5.7　深層学習による物体検出 第6章　マニピュレーション 6.1　マニピュレーションとは 6.2　ロボットアームの運動学 6.3　位置の運動学 6.4　CRANE+ V2のモデル化 6.5　CRANE+ V2を動かす 6.6　ROS2の機能を利用したモデル化 6.7　Movelt 6.8　他のノードから指令を受けて動作するプログラム 第7章　プランニング 7.1　プラニングの基礎 7.2　ステートマシン 7.3　Smachによるステートマシンのつくり方 7.4　Smachによるタスクの実装 付録A　ローンチファイルの書き方 付録B　アクション通信 付録C　ロボットアームの速度の運動学 付録D　座標系と姿勢の表現 付録E　tf：座標系の管理

強化学習、転移学習の理論の初歩から丁寧に解説。Pythonでシミュレーションを実装しながら手法を体感できます。 Pythonによる実装で、強化学習×転移学習のパワフルさを体感しよう 《本書の特長》 ●強化学習の理論の初歩から丁寧に解説。Pythonによるシミュレーションを実装しながら手法を体感できるので、簡単なプログラミング経験があれば、つまずくことなく読み進めることができます。 ●後半では、学習した知識を再利用する技法である「転移学習」と強化学習とを組み合わせた「転移強化学習」について詳しく解説されています。強化学習と同様に、シミュレーションを通して、転移学習による学習の高速化、高精度化を試すことができます。 ●理論と実装だけでなく、学習の自動化・省力化のための一段高度なチューニング技法や、コーディングの際に気を付けなければいけない落とし穴ももれなく解説。この1冊で、転移強化学習の基礎から応用までをすみずみまで学べます。 本書で紹介したソースコードは、森北出版Webサイトで公開されています。 第1章　強化学習と転移学習 第2章　強化学習の理論 第3章　強化学習のシミュレーション 第4章　転移学習の理論 第5章　転移学習のシミュレーション 第6章　転移学習の実装上の注意点 第7章　転移強化学習の応用 第8章　完全な自立的転移強化学習に向けて

「実習」「講義」の形を取ることで、プログラムが動く仕組みを誰でも理解できるように解説した、初学者や非プログラマーのための入門書。 1 プログラミングの世界をのぞいてみよう-世の中にあふれるプログラム 2 コンピュータの仕組みと役割を理解しよう-プログラムが動く器 3 OSの仕組みと役割を理解しよう-プログラムを監督するプログラム 4 プログラミング言語の基礎知識-プログラミング言語の基本と分類 5 プログラミング言語を学ぼう1-JavaScript編 6 プログラミング言語を学ぼう2-C言語編 7 オブジェクトって何だろう-オブジェクト指向モデリング入門 Appendix 代表的なプログラミング言語とその特徴-補講

ビジネスに通じた専門家が、広く、深く社会を変える人工知能の可能性を描く。現在の最先端の技術をもとに、現実的な未来を見通す。 ■人工知能の開発はどこまで進んでいて、何ができるようになっているのか。そして何ができないのか。本書は、企業経営者として日夜、人工知能の応用開発の最前線に立ち、経営実務、ビッグデータの利用、マーケティングなど幅広いビジネス分野の事情にも詳しい専門家が、具体的に人工知能を利用したビジネス、仕事の変貌を解説します。 ■人間同士の相性判断といったマッチングの新たなサービスの開発から、モノ、カネのマッチング、監視、トラブル処理、医療・ヘルスケア、流通・小売り・営業、運輸(自動車)、製造業、広告・マーケティング、農林水産業、人事・労務など、広範なビジネスでの活用について、実際に開発されつつある技術の進歩の方向性にもとづいて展望します。 ■本書は3部構成。第1部でディープラーニングなど人工知能を支える技術やビッグデータ、IoTとの関わり、学習・対話能力の向上と社会生活の変化などについて解説します。第2部では、より具体的にさまざまなビジネス・産業分野における人工知能の応用について解説をします。第3部では、展望編として、世界と比較しての日本の人工知能開発の現状や望ましい利用法について語るとともに、シンギュラリティ論に代表される「人工知能が人類を駆逐する」といったダークイメージを非現実的として退け、人間が高い能力を持つ人工知能と共存するための考え方も述べます。 ■著者は、AI技術、ビジネス双方に通じるユニークなバックグラウンドを有する専門家。「人工知能の父」といわれるマービン・ミンスキーらとの研究経験を持ち、第五世代コンピューター、機械翻訳技術の開発に携わった経験、大企業のシステム開発などの実務経験も持ちます。現在、ビッグデータ解析はじめさまざまな先端的なサービスを提供する事業を行うとともに、大学で技術経営の講義を担当、ビッグデータ、人工知能に関する啓蒙的な活動も行っています。 　第Ⅰ部　人工知能が変える10年後の仕事と社会 第１章　ＡＩ（人工知能）は、どこまで進歩しているのか 第２章　ホワイトカラーの仕事はどう変わるのか 第３章　ＩｏＴと人工知能：広がる連携 第４章　データ解析がもたらす企業経営の変化：“アナリティクス”が支える“事実”に基づく経営 第５章　“認識・認知能力”の高まりがもたらす社会生活の変化 第６章　“学習・対話能力”の高まりがもたらす社会生活の変化 第７章　業界横断、様々な人工知能の開発と機械創作：メディアの将来を中心に 　第Ⅱ部　人工知能が支える10年後のビジネス 第８章　新サービスの開発が始まる 第９章　既存サービスの改善と効率化 第10章　ＩＴ化・高度化する製造業 第11章　広告･マーケティングも大きく変化 第12章　農林水産業にも広がる活用の場 第13章　間接業務にも変化の波 　第Ⅲ部　人工知能はどこに向かうのか 第14章　日本のＡＩ開発はどう進めるべきか 第15章　ＡＩと人間の未来：ディープラーニングが人類を駆逐する？

プログラミング初学者に向けた独習シリーズに『独習Python』が新登場。山田祥寛氏によるPython入門書の決定版。 手を動かしておぼえるPythonプログラミング ――独学に最適な“標準教科書” プログラミングの初学者に向けた独習シリーズに『独習Python』が新登場。 プログラミング言語入門書の執筆で定評のある山田祥寛氏による、 Python入門書の決定版です。 独習シリーズの強みである、手を動かしておぼえる（書いて実行して結果を確認する） 特長を生かし、Pythonの基本的な言語仕様から、標準ライブラリ、ユーザー定義関数、 オブジェクト指向構文、モジュールまで、サンプルプログラムを例示しながら 詳細かつ丁寧に解説します。 プログラミングの基礎知識がない方でも、解説→例題（サンプル）→理解度チェック という3つのステップで、Pythonでプログラミングを行う際に必要な知識・概念・機能を 体系的に習得できます。 プログラミングの入門者、これからPythonで開発を始めたい初学者から、再入門者、 学生・ホビープログラマまで、「一からPython言語を学びたい」「Pythonプログラミング の基本をしっかり身につけたい」という方におすすめの一冊です。 第1章　イントロダクション 1.1　Pythonとは？ 1.2　Pythonの歴史と現状 1.3　Pythonアプリを開発／実行するための基本環境 1.4　Pythonプログラミングの基本 1.5　Pythonの基本ルール 1.6　開発／学習の前に押さえておきたいテーマ 第2章　Pythonの基本 2.1　変数 2.2　データ型 第3章　演算子 3.1　算術演算子 3.2　代入演算子 3.3　比較演算子 3.4　論理演算子 3.5　ビット演算子 3.6　演算子の優先順位と結合則 第4章　制御構文 4.1　条件分岐 4.2　繰り返し処理 4.3　ループの制御 4.4　例外処理 第5章　標準ライブラリ［基本］ 5.1　ライブラリの分類 5.2　文字列の操作 5.3　日付／時刻の操作 第6章　標準ライブラリ［コレクション］ 6.1　シーケンス型 6.2　セット（集合）型 6.3　辞書（dict）型 第7章　標準ライブラリ［その他］ 7.1　正規表現 7.2　ファイル操作 7.3　ファイルシステムの操作 7.4　HTTP経由でコンテンツを取得する 7.5　その他の機能 第8章　ユーザー定義関数 8.1　ユーザー定義関数の基本 8.2　変数の有効範囲（スコープ） 8.3　引数のさまざまな記法 8.4　関数呼び出しと戻り値 第9章　ユーザー定義関数［応用］ 9.1　デコレーター 9.2　ジェネレーター 9.3　関数のモジュール化 9.4　非同期処理 9.5　ドキュメンテーション 第10章　オブジェクト指向構文 10.1　クラスの定義 10.2　カプセル化 10.3　継承 10.4　ポリモーフィズム 第11章　オブジェクト指向構文［応用］ 11.1　例外処理 11.2　特殊メソッド 11.3　データクラス 11.4　イテレーター 11.5　メタクラス 付録A　「練習問題」「このの理解度チェック」解答

本書は、ゲームで使われる人工知能（AI）がどのようなしくみになっていて、どうやって作るのかを解説した書籍です。ゲームの内部に登場するキャラクターは、まるで意識を持っているかのように、こちらの隙をついて攻撃してきたり、また状況にあった動作をしてくれたりします。単純なものならif文の組み合わせでも実現できますが、より複雑で精緻な思考を実現するために、ゲームAIの分野で試行錯誤されてきた数々の手法があります。本書ではそれらを丁寧に解説することはもちろん、記憶、群衆、自動生成など、ゲームAIに関わる技術を網羅的に解説します。基本的なAIから最新のゲームに使われているAIまで、ゲームAIの今がわかります。 ・見出し記号の意味は以下の通りです # 節 ## 項 ### 目 #### [Column]コラム ---------------------------------------- はじめに 第1章：ゲームの中の人工知能──ゲームの中で生きているキャラクターを作る # 1.1　ゲームAIの全体像 ## キャラクターAI ## ナビゲーションAI ## メタAI # 1.2　ゲームAIの連携 ## フレームとは ## 3つの人工知能のフレームの違い ## ゲームAIのミッション ## ゲームデザインとAI # 1.3　ゲーム世界に溶け込むAI ## 合理的である ## 人間的である # 1.4　シミュレーション ## 物理シミュレーションと知能シミュレーション ## 知能をシミュレーションするには ### 知能そのものをシミュレーションする／知能が実現していることをシミュレーションする # 1.5　シンボルと数値ダイナミクス # 1.6　まとめ 第2章：知能のしくみ # 2.1　2つの世界──外部世界と内面世界 ## エージェントアーキテクチャ ## 知能の3分類 ### 知識生成（Knowledge Making）／意思決定（Decision Making）／行動生成（Action Making） # 2.2　内部循環インフォメーションフロー # 2.3　環境の中の知性 ## センサ ## エフェクタ ## 知識生成 ## 行動生成 ## 意思決定 ## 柔軟な知能の運動 ## 記憶 # 2.4　アーキテクチャ全体について # 2.5　C4アーキテクチャ # 2.6　意識の理論 # 2.7　まとめ 第3章：知識表現──世界を噛み砕く # 3.1　キャラクターの認識とは何か ## 人工知能における「表現」とは ## フレーム # 3.2　センサの設計方法 ## 視覚の実装 ## 視覚システムの応用「存在確率マップ」 ## 聴覚の実装 ### 音の伝搬シミュレーション／プレイヤーが聞く音 ## 身体の感覚 ### 外力、内力／姿勢 ## 感覚統合と事実表現 ## 事実からの推測 # 3.3　位置検索システム ## 戦術位置解析技術 ## 行動のための環境のヒントデータ ## 環境理解のための抽象的表現 ## 事実表現 ### 『Gunslinger』における事実表現 # 3.4　知識から感覚へ、感覚から知識へ ## 行為と認識 ## メタ知識 # 3.5　環世界へ ## 環世界の例 ## 環世界の構造 ## キャラクターの持つ環世界 ## アフォーダンス ## 人工知能の知識表現 # 3.6　エージェントアーキテクチャと環世界 # 3.7　まとめ 第4章：記憶──AIの内側の表現メモリ # 4.1　記憶って何だろう？ ## 身体の知識表現 ## 精神の知識表現 # 4.2　記憶の構造とダイナミクス ## 固定記憶 ## ワーキングメモリ ## 短期記憶 ## 長期記憶 # 4.3　記憶の形 ## 感覚記憶 ## エピソード記憶 ## 記憶の整理機能 ## エージェントセントリック # 4.4　記憶の論理階層構造 ## 世界をアクティブに知る ## 統合／形成／消滅 ## 記憶の管理 # 4.5　まとめ 第5章：古典的な意思決定 # 5.1　反射型と非反射型の意思決定アルゴリズム # 5.2　ルールベースの意思決定 ## ルールセレクタ ## ルールの連鎖 # 5.3　ステートベースの意思決定 ## ステートマシンの基本 ## 階層化ステートマシン ## 具体例 # 5.4　ユーティリティベースの意思決定 ## 効用の計算方法 ## ダイナミックなユーティリティ ## ムードとその変化（効用）の計算方法 ### 限界効用逓減の法則 # 5.5　まとめ 第6章：現代風の意思決定 # 6.1　ゴールベースの意思決定 ## ゴール指向型意思決定 ### 2つのゴール指向プランニング／ゴール指向は未来の観念を持つこと／フォワードプランニングとバックワードプランニング ## ゴール指向型アクションプランニング ### ?ゲーム状態のシンボル化／?シンボルによるアクション表現／?プランニング／複数のアクションプラン ## 階層型ゴール指向プランニング ### 階層型ゴール指向プランニングの考え方／階層型ゴール指向プランニングの設計指針／ゴールの列挙／ゴールの分解／小さいゴールを組み合わせて大きなゴールを達成する／ゴールを操作に還元する # 6.2　タスクベースの意思決定 ## 階層型タスクネットワーク ### 階層型タスクネットワークの例：回復薬を作る／階層型タスクネットワークの例：回復薬を届ける ## 階層型タスクネットワークの実例 ### 衛生兵のAI／部隊長のAI # 6.3　ビヘイビアベースの意思決定 ## アクションゲームにおけるビヘイビアツリー ## RPGにおけるビヘイビアツリー # 6.4　シミュレーションベースの意思決定 ## レーシングゲームの例 ## さまざまなゲームにおけるシミュレーションベースの考え方 ## キャラクターの運動への応用 # 6.5　まとめ 第7章：ナビゲーションAIと地形認識 # 7.1　生物と環境の関係 ## 空間と環境を認識すること ## 世界を表現する # 7.2　知識表現 ## 敵表現リスト ## 依存グラフ ## 意味ネットワーク ## 事実表現 ## ルールベース表現 ## 世界表現 # 7.3　さまざまな世界表現 ## ウェイポイント、ナビゲーションメッシュ表現と経路検索 ### ナビメッシュ-ウェイポイント階層表現／マップクラスタリング表現 ## テリトリー表現 ## 戦術ポイント表現 ## LOSマップ表現 ## 敵配位マップ # 7.4　パス検索 ## パス検索の黎明期 ## パス検索の本格的な導入事例 ## パス検索の広がり ## スマートテレイン ## 3次元のパス検索 ## ルックアップテーブル法 # 7.5　意思決定と世界表現 ## 地形の認識 ### 地形の接続情報／最適な戦術位置／状況判断 ## 戦術位置検索システム ## ゴールデンパス ## 影響マップ # 7.6　まとめ 第8章：群衆AI # 8.1　マルチエージェント ## コミュニケーション／メッセージング ## 階層型アーキテクチャ ## ファシリテーター型 ### ブラックボード／ベルギアンAI／トークンによるタイミング制御 # 8.2　群衆の作り方 ## 生物の群れ「ボイド」 ### 整列／集合／離散／回避 ## 場の力による群衆生成 ## ソーシャルな関係を入れた群衆 # 8.3　街の群衆の作り方の実例 ## 巡回するキャラクター ## 密度コントロール ## イベントと人だかり ## 交戦キャラクター ## 商店／働く人々／動物たち ## 応用：監視兵キャラクターの協調方法 # 8.4　まとめ 第9章：メタAI──ユーザーを楽しませるために # 9.1　古典的メタAI ## 難易度調整 # 9.2　現代のメタAI ## 敵の動的配置 ## プレイヤーの監視 ## プレイヤーの感情推定 ## メタAIとプロシージャル技術 ### 地形生成／物語生成 ## メタAIの内部構造 ## ユーザー解析技術 ## メタAIのほかの分野への応用 ### スマートシティ構想／複数台のロボットの協調 ## 現代的なメタAIのさらなる発展 # 9.3　まとめ 第10章：生態学的人工知能とキャラクターの身体性 # 10.1　エージェントアーキテクチャの発展 ## 生物学における環世界 ## 認知科学におけるアフォーダンス ## 環世界、知識表現、アフォーダンス ## 多層構造 ## 知能の多層構造 ## 主体と対象の階層化 # 10.2　キャラクターの身体システム ## 身体と知能をつなぐ ## 意識／無意識構造──身体からの認識 ## 人工身体モジュールと人工知能モジュールをつなぐ ## 身体レイヤ # 10.3　多層レイヤシステムの実例 # 10.4　キャラクターモーションシステムの発展 ## 身体からのフィードバック ## ベルンシュタインの身体運動論 ## 身体能力の認識 ## 運動感覚の形成 ## ニューラルネットワークによる身体運動 # 10.5　まとめ 第11章：学習、進化、プロシージャル技術 # 11.1　学習／進化アルゴリズムのゲームへの応用の歴史 ## 1980?1990年代中盤 ## 1990年代後半 ## 2000年代 ## 2010年代 # 11.2　学習／進化アルゴリズムの事例 ## 『Creatures』におけるニューラルネットワーク ## 1990年代の日本のゲームシーンにおける学習／進化アルゴリズム ### 『アストロノーカ』における遺伝的アルゴリズム／『シーマン』における自然言語会話 ## マイクロソフトリサーチにおける機械学習の研究 ## 『Forza Motorsport』シリーズにおける機械学習 ## 『Killer Instinct』におけるケースベーストリーゾニング ## 『Total War』におけるモンテカルロ木探索 ## 格闘ゲームにおけるニューラルネットワーク # 11.3　プロシージャル技術 ## プロシージャル技術の始まり ## ダンジョン自動生成 ## 自然地形の自動生成 ## 植物自動生成と植物自動配置 ## 街自動生成 ## ゲームエンジンにおける総合型ゲームレベル自動生成技術 # 11.4　まとめ──学習、進化、プロシージャル技術の展望 第12章：ゲーム開発の品質保証／デバッグにおける人工知能技術の応用 # 12.1　ゲーム開発環境／デバッグ／品質保証における人工知能技術 # 12.2　ゲーム開発工程（ゲーム開発者）を助けるAI ## パラメータ調整 ## ゲーム自動バランス／自動調整 # 12.3　ゲームサービスを支援するAI ## データビジュアリゼーション # 12.4　ゲーム品質保証のためのAI ## 人工知能による自動プレイ ## システムテスト ## ログデータの活用 ## 強化学習 ## 『Assassin's Creed Origins』における自動解析システム ## ディープラーニングのゲームへの応用 ### ディープラーニングの躍進と課題／品質保証とディープラーニング ## ボットを用いた品質保証 # 12.5　まとめ あとがきと謝辞 索引

必ず身につく世界最良の学習メソッド なぜ、世界中の成功者はプログラミングの基本を学んでいるのか。その答えと、具体的な学び方が一冊に！ 世界中で２億人以上が夢中になった学び方！ バラク・オバマ（アメリカ大統領）、ビル・ゲイツ（Microsoft創業者）、マーク・ザッカーバーグ（Facebook創業者）らも賛同した、 「世界最良の学習メソッド」を徹底紹介！ 抜群の面白さとわかりやすさで、小学生から大人まで全世代がハマる！ ★★こらからはじめる人にオススメの１冊です！★★ ・なぜ、世界中の成功者はプログラミングの基本を学んでいるのか？ ・プログラミングの基本を最少の時間で確実に習得できる学び方とは？ 世界最先端の学習研究が「学び方」を劇的に変えた。 この知識は決して無駄にはなりません。 プログラミングの基礎知識は、近い将来、必ず役立つスキルになります。 ◆◆本書の対象読者◆◆ ・ できるだけ効率よく、とプログラミングの基本を習得したい人 ・ プログラミングに興味はあるが、そもそもの「学び方」がよくわからない人 ・ 社会人の一般教養として「プログラミングの基本」を身につけておきたい人 ・ 子どものプログラミング教育に興味のある人 ぜひご一読ください。 本書掲載の「新しい学び方」は、あなたの「プログラミング」に対する見方を 完全に変えるかもしれません。 第１部 新しいスキルを獲得しよう！ 第１章 プログラミング・スキルの想像以上の価値 第２章 効率よく、確実にプログラミング・スキルを習得する方法 第２部 世界最高の学習メソッドで学ぶ、はじめてのプログラミング 第３章 主な学習サービスの概要と特徴 第４章 はじめてでも絶対につまずかない「Hour of Code」 第５章 最もシンプルかつ強力な学習ツール「Lightbot」 第６章 世界最高峰の叡智が作った「Scratch」 第７章 コード入力による制御・処理を学べる「CodeMonkey」 第３部 「プログラミング」の全体像を理解する 第８章 １つのプログラムを最初から最後まで作ってみよう！ 第９章 他者のプログラムを活用することの大切さ 第４部 入門者からの脱却 ～もう１つ上のステップへ～ 第１０章 どのプログラミング言語を学ぶべきか 第１１章 本格的にプログラミングを学ぶための手引き

Pythonプログラミングを全力で学ぶならこの1冊!Pythonをこれから学ぶビギナーから、基礎力を得て現場で実践したい方まで、確実なスキルアップをはかれます。 1 準備:Python3をはじめよう(Python3の準備 プログラムを試してみよう) 2 基礎:Pythonの基本構文を学ぶ(値と変数 標準ライブラリ 条件分岐、繰り返し、例外処理 リスト タプル セット(集合) 辞書 ユーザ定義関数 関数の高度な利用 クラス定義) 3 応用:科学から機械学習まで(テキストファイルの読み込みと書き出し グラフを描く NumPyの配列 機械学習を試そう)

稀代の中学生棋士はいかにして集中力、決断力を養ったのか。新聞、読書、詰将棋、勝負へのこだわりなど、その思考法に師匠が迫る。

『ファイナルファンタジー15』で培った人工知能、AI技術、キャラクターとゲームをインタラクティブに作る技術を余すことなく解説 『ファイナルファンタジー15』で培った人工知能、AI技術、キャラクターとゲームをインタラクティブに作る技術を余すことなく解説。そして、そこから見える未来のゲームの人工知能について、プログラマー、デザイナー、制作チームリーダーたちが語ります。 はじめに PART 1 基礎編 --------------------- 1. ゲームAI入門 2. 意思決定ツール 3. ナビゲーション システム 4. AI とアニメーション 5. 位置検索システム PART 2 コンテンツ編 --------------------- 6. 仲間AI 7. モンスターAI 8. 兵士AI 9. アンビエントAI 10. 写真AI PART 3 未来編 --------------------- 11. 会話AI 12. AIモード 13. ロギングと可視化 14. これからのゲームAI技術 --------------------- 対談1 プログラマー編：「FFXV」のゲームAIはどこまで進化したか？ 対談2 デザイナー編：キャラクターの格好よさは髪型と普通っぽさで決まる！ 対談3 チームリーダー編：「FFXV」の基礎AI作りクロニクル

三宅陽一郎氏書き下ろし！戦略ゲームAIのアルゴリズムの仕組みに迫る！ ゲーム開発者、AIエンジニア、 すべての意思決定に悩んでいる方に必見！ 戦略ゲームAIの仕組み、戦略的意思決定プロセスを紐解くバイブル書 【戦略ゲームAIについて】 戦略ゲームの元にとなるストラテジー＆シミュレーションゲームはボードゲームを発端として、発展してきました。 近年では、スマートフォン向けのソーシャルゲームを筆頭に、数多くのゲームでストラテジー＆シミュレーション要素が取り入れられており、 いまやゲーム開発において戦略ゲームAIは避けて通れない非常に重要な要素になっています。 またゲーム開発のみならず、一般の人工知能開発、複雑な意思決定のプロセス形成において、その技術は非常に注目されています。 【本書の特徴】 ストラテジー＆シミュレーションゲームに利用されている戦略ゲームAI技術について、 国内や海外の事例を交え、その仕組みを丁寧に解説した書籍です。 基本的な技術の概論の解説から始まり、 著者が注目するシミュレーション＆ストラテジーゲームAIのアルゴリズムについて、 ビジュアルを交えながら解説します。 【読者対象】 ・ゲーム開発者 ・AI開発者 ・意思決定に興味を持つ方 【本書のゴール】 戦略ゲームAIの仕組みを学ぶことができる 【プロフィール】 ゲームAI研究者・開発者。 京都大学で数学を専攻、大阪大学（物理学修士）、東京大学工学系研究科博士課程（単位取得満期退学）。 博士（工学、東京大学）。2004年よりデジタルゲームにおける人工知能の開発・研究に従事。 立教大学大学院人工知能科学研究科特任教授、九州大学客員教授、東京大学客員研究員。 国際ゲーム開発者協会日本ゲームAI専門部会設立（チェア）、日本デジタルゲーム学会理事、 芸術科学会理事、人工知能学会理事・シニア編集委員、情報処理学会ゲーム情報学研究会運営委員。 ■第1部　基本篇 第1章　ストラテジーゲームとは 1.1　ストラテジーゲームにおける人工知能技術 1.2　ターン制と想像力 第2章　ストラテジーゲームと人工知能 2.1　ストラテジーゲームの定義 2.2　ストラテジーゲームの3つの分類 2.3　ストラテジーゲームにおいて人工知能がなぜ必要か？ 2.4　ストラテジーゲームにおける時間と空間 2.5　ストラテジーゲームの人工知能の例題 2.6　「ストラテジーゲームと人工知能」まとめ 第3章　ゲームAIの基礎事項 3.1　ゲームAI小史 3.2　3つのAIの役割とスケールとプレイヤー体験 3.3　メタAI技術 3.4　キャラクターAI 3.5　スパーシャルAI 3.6　影響マップ 3.7　知能方程式 3.8　「ゲームAIの基礎事項」まとめ ■第2部　技術篇 第4章　指揮官としての人工知能―「メンバーやユニットを指揮するゲーム」 4.1　チーム・空間・時間の階層化 4.2　チームの階層化 4.3　空間の階層化 4.4　時間の階層化 4.5　コンストラクション 4.6　スカウティング 4.7　パス検索、群制御、ステアリング 4.8　時間あたりのコマンド数 4.9　グループ・マネージメント 4.10　ポートフォリオ 4.11　ニューラルネットワークによる学習 4.12　「指揮官としての人工知能」まとめ 第5章　プレイヤーと共創する人工知能―「世界シミュレーション」 5.1　マップの下の多層構造 5.2　エージェント・シミュレーション 5.3　スクリプティング 5.4　地形解析 5.5　地形解析の実例 5.6　地形生成 5.7　テクノロジーツリー 5.8　「プレイヤーと共創する人工知能」まとめ 第6章　学習し、成長する人工知能―「育成系ストラテジーゲーム」 6.1　複数の役割のエージェントを組み合わせる 6.2　遺伝的アルゴリズムによるバランス調整 6.3　遺伝的アルゴリズムによるユーザー・マッチング 6.4　ニューロエヴォリューション―キャラクターを進化させる― 6.5　ニューラルネットワーク―キャラクターを学習させる― 6.6　パーセプトロンと決定木 6.7　プランニング・アルゴリズム 6.8　「学習し、成長する人工知能」まとめ ■第3部　発展篇 第7章　ストラテジーゲームの学術的研究 7.1　ストラテジーゲームの人工知能研究の歴史 7.2　ストラテジーゲームの研究環境 7.3　アーキテクチャの研究～『スタークラフト』研究 7.4　ディープラーニングの応用1～『スタークラフト2』の研究 7.5　ディープラーニングの応用2～『Dota 2』のOpenAIFive 7.6　モンテカルロ木探索の応用 7.7　遺伝的プログラミングによるゲーム自動生成 7.8　『Capture the Flag』の戦術学習 7.9　「OpenAI」におけるマルチエージェント自動カリキュラム学習 7.10　「ストラテジーゲームの学術的研究」まとめ 第8章　ストラテジーゲームの人工知能の一般理論 8.1　ストラテジーゲームの再定義 8.2　時系列という考え方 8.3　時間階層化と空間階層化 8.4　アテンションとシミュレーション 8.5　アテンションの向け方とフレームの構成 8.6　上位の人工知能と下位の人工知能 8.7　時空間の把握 8.8　行動可能性、アフォーダンス 8.9　行動の効果 8.10　基本概念のまとめ 8.11　スマートシティへの応用 8.12　「ストラテジーゲームの人工知能の一般理論」まとめ

AWS（Amazon Web Services）を活用・構築する知識を持っていることを証明するのがAWS認定です。「AWS認定 クラウドプラクティショナー」は、エンジニアだけでなくマネージャーや営業職など、さまざまなポジションを対象とした新しい試験で、AWSクラウドの知識とスキルを身に付け、全体的な理解を効果的に説明できるようになることが求められます。 本書はその「AWS認定 クラウドプラクティショナー」向けの試験対策教科書です。AWSを利用していくのに必要となる「クラウドの概念」「セキュリティ」「テクノロジー」「請求と料金」といったカテゴリを、しっかり丁寧に解説しています。 実際に豊富な構築経験と深い知識を持った著者が、試験の合格のポイントになる知識と解答の考え方が理解できるように構成しています。さらに、練習問題で知識を解答につなげる力がしっかりと身につきます。 第1章 AWS認定資格 1-1 AWS認定資格とは 1-2 クラウドプラクティショナーについて 1-3 学習方法 第2章 AWSクラウドの概念 2-1 クラウドとは 2-2 AWSの長所と利点 2-3 クラウドアーキテクチャの設計原理 2-4 AWS Well-Architectedフレームワーク 第3章 AWSのセキュリティ 3-1 AWSの責任共有モデル 3-2 AWSクラウドのセキュリティ 3-3 IAM 3-4 セキュリティグループ 3-5 AWS ShieldとWAF 3-6 Inspector 第4章 AWSのテクノロジー 4-1 AWSのサービス 4-2 グローバルインフラストラクチャ 第5章 コンピューティングサービス 5-1 EC2 5-2 ELB 5-3 Auto Scaling 5-4 Lambda 5-5 その他のコンピューティングサービス 第6章 ストレージサービス 6-1 EBS 6-2 S3 6-3 その他のストレージサービス 第7章 ネットワークサービス 7-1 VPC 7-2 CloudFront 7-3 Route 53 第8章 データベースサービス 8-1 RDS 8-2 DynamoDB 8-3 その他のデータベースサービス 第9章 管理サービス 9-1 CloudWatch 9-2 Trusted Advisor 9-3 その他の管理ツール 第10章 請求と料金 10-1 AWS料金モデル 10-2 請求ダッシュボード 10-3 マルチアカウントの運用 10-4 AWSのサポートプラン 10-5 その他の請求サポートツール

流通・小売りの巨人と呼ばれるアマゾンは、ビッグデータ時代にどこへ向かうのか。ジェフ・ベゾスの類い稀なる戦術・思想を読み解く。

私たちの日常生活で、人工知能が普通に使われる時代になりました。スマートフォンの顔認証、自動運転技術、SiriやAlexaのようなAI音声アシスタントなど身近な技術ばかりです。これからは機械学習や深層学習はエンジニアの基本教養となるかもしれません。本書は、機械学習や深層学習の分野から画像認識に重点をおいて、難しい数式をつかわず、図や写真を多用して解説する入門書です。必要な概念、用語、キーワードも網羅的に説明します。 第1部 人工知能・機械学習・深層学習の基礎知識 第1章 人工知能・機械学習・深層学習の基本 　01-01 人工知能概要 　人工知能の歴史 　人工知能とは 　機械学習 　人工ニューラルネットワーク 　深層学習（ディープラーニング） 　今注目される理由 　01-02 機械学習とは 　機械学習とは 　機械学習のタイプ（分類） 　教師あり学習 　教師あり学習の用途 　教師あり学習の重要アルゴリズム 　教師なし学習 　教師なし学習の用途 　教師なし学習の重要アルゴリズム 　強化学習 　機械学習のためのデータ 　データの重要性 　学習用データと検証データ 　過学習（over fitting） 　次元の呪い（the curse of dimensionality） 　データの入手 　機械学習（教師あり）の流れ 　課題の定義 　データの準備 　学習フェーズ 　検証・評価フェーズ 　応用フェーズ 　01-03 深層学習とは 　視覚情報の重要性 　生物学ニューロンから人工ニューロンへ 　生物学ニューロンとは 　生物学ニューロンのモデル化 　パーセプトロン（perceptron） 　パーセプトロンの限界 　ニューラルネットワーク 　活性化関数 　ニューラルネットワークの学習 　深層学習（ディープラーニング）とは 　深層学習の応用 　3つの代表的な深層学習アルゴリズム 　畳み込みニューラルネットワーク詳説 　入力層(input layer) 　畳み込み層（convolutional layer） 　プーリング層（pooling layer） 　全結合層（fully connected layer） 　深層学習のフレームワーク 　機械学習、深層学習に必要な数学 第2章 Pythonと重要なツール・ライブラリ 　02-01 本書の実行環境の概要について 　Pythonの開発環境 　Pythonの環境を用意する 　PCにPythonをインストールする場合 　Anacondaのダウンロード 　Anacondaのインストール 　Anaconda Navigatorの起動 　Anacondaで環境の管理 　まずはChannelを追加しよう 　仮想環境にパッケージをインストールしよう 　Raspberry Piの場合 　pip3のインストール 　共通の必要なパッケージ等をインストールする 　Kerasが利用するパッケージのインストール 　本書のサンプルコードをダウンロードする 　02-02 Jupyter Notebookを使おう 　Jupyter Notebookの起動 　Jupyter Notebookの基本操作 　Notebookを作る 　新しいNotebookを作る 　メモを追加する 　Raspberry PiでJupyter Notebookを使う場合 　02-03 Colaboratoryノートブックを使おう 　動かそう！ 　GoogleアカウントにログインしてGoogleドライブを起動 　Colaboratoryノートブックを作成する 　Pythonのバージョンの設定 　Colaboratoryでの操作 　ハードディスクの容量の確認 　メモリ使用量の確認 　OS情報の出力 　CPU情報の出力 　ファイルのアップロード 　パッケージのインストール 　使用中のパッケージのバージョンの確認 　本書のNotebookをインポートする 　02-04 Pythonの基礎と文法 　Pythonの基本 　Pythonのバージョンを確認しよう 　インストールされているパッケージを確認しよう 　Hello Worldと表示してみよう 　日本語の出力 　コメントの書き方 　演算 　変数 　変数とは 　文字列の変数 　文字列の連結 　Pythonの型 　型の出力 　型の変換 　リストの作り方 　二次元配列 　三次元配列 　文字の多次元配列 　リストからの値の出し方 　リストのスライス 　リスト要素の更新 　リスト要素の追加 　リスト要素の削除 　リストの代入 　条件分岐 　if文と条件式 　else 　elif 　条件式の and、not、or 　for文 　range()による数値シーケンスの生成 　while文 　関数 　import 　ファイルをimportする 第3章 NumPyとMatplotlibの使い方 　03-01 NumPyの使い方 　NumPyの基本操作 　配列の作成 　掛け算 　足し算 　配列の要素同士の四則演算 　ベクトルの内積 　二次元ベクトルの内積 　ndarrayの形状変換 　要素がゼロの配列生成 　要素が1の配列を生成する 　未初期化の配列を生成する 　matrixで二次元配列の作成 　shapeで次元ごとの要素数を取得する 　ndimで次元構造を取得する 　配列要素のデータ型dtype 　1要素のバイト数itemsize 　配列の要素数size 　arangeで配列を生成する 　配列要素データ型の変換astype 　03-02 Matplotlibの使い方 　簡単なグラフを作ってみよう 　グラフの要素に名前を設定する 　グラフのグリッドを非表示にする 　グラフの目盛を設定する 　グラフのサイズ 　散布図 　複数グラフのグリッド表示 　三次元散布図 　色とマーカーを変える 第2部 今すぐ試してみたい16のレシピ！ 第4章 機械学習・深層学習のレシピ（初級・中級） 　04-01 OpenCVでの画像処理の基本 　OpenCVとは 　OpenCVのバージョン 　OpenCVのインストール 　バージョンの確認 　サンプル画像のダウンロード 　調理手順 　画像の取込み 　画像の保存 　トリミング 　リサイズ 　画像の回転 　色調変換 　2値化 　ぼかし 　ノイズの除去 　膨張・収縮 　輪郭抽出 　画像データの水増し 　まとめ 　04-02 Raspberry PiでOpenCVを利用した顔認識 　Raspberry PiでOpenCVを使えるようにする 　OpenCVのコンパイルとインストール 　Raspbianの用意 　Expand Filesystem 　システムを更新する 　swapfileサイズを大きくする 　必要なパッケージのインストール 　OpenCVのソースコードを用意する 　コンパイルの準備 　いざコンパイル 　インストール 　OpenCVのsoファイルを参照できるようにする 　最後にswapfileサイズを戻す 　インストール後の確認 　調理手順 　Raspberry Piカメラモジュールの用意 　PiCameraパッケージのインストール 　PiCameraを使えるようにRaspberry Piを設定する 　カメラの動作確認 　OpenCVのサンプルコードを実行しよう 　分類器のダウンロード 　実行と結果 　検出方法 　まとめ 　04-03 アヤメ分類チャレンジレシピ 　scikit-learnとは 　scikit-learnとはPython向けの機械学習フレームワーク 　scikit-learnの特徴 　scikit-learnの datasetsの種類 　scikit-learnのインストール 　scikit-learnのバージョンの確認 　課題を理解する 　データに慣れる 　表形式でデータを見る 　データ全件を見る 　1つの特徴量を見てみる 　1列目、2列目のデータを使う場合 　3列目、4列目のデータを使う場合 　調理手順 　必要なパッケージのインポート 　分類と回帰 　サポートベクターマシン（SVM : Support Vector Machine） 　回帰係数と誤差 　超平面（hyper-plane）とは？ 　交差検証 　最後に一番シンプルな学習と検証 　分類(predict)してもらう 　まとめ 　04-04 scikit-learnで機械学習手書き数字認識レシピ 　手書き数字の画像データの特徴量を調べる 　データセットモジュールのインポート 　データを表示する 　データを画像として描画する 　複数データを描画してみよう 　手書き数字データセットを三次元の空間で見る 　調理手順 　分類器をインポートする 　データを再構成 　分類器（SVC）の作成 　検証とグラフ 　一回整理しよう 　まとめ 　04-05 Chainer＋MNIST手書き数字分類レシピ 　Colaboratoryで学習、Raspberry Piで 　手書き認識ウェブアプリケーションを作成 　Chainerとは 　MNISTとは 　Chainer のインストール 　Chainerのバージョンの確認 　Chainer の基本部品のインポート 　MNISTのデータをロードする 　数字の画像を見る 　学習用データセットと検証用データセットの数 　調理手順 　必要なパッケージをインポートする 　ニューラルネットワークの定義 　iteratorsとは 　Optimizerの設定 　検証の処理ブロック 　学習と検証 　学習済モデルの保存 　学習済モデルのダウンロード 　学習済のモデルを使う 　Raspberry Pi側の作業 　手書き数字の認識 　画像データの送信 　画像データの受け取り 　まとめ 　04-06 Chainerで作る犬と猫認識ウェブアプリ 　データの準備 　ChainerとCuPyの用意 　データセットのダウンロード 　ダウンロードしたファイルを確認する 　データセットを解凍する 　調理手順 　学習データを確認する（任意画像） 　検証データを確認する（任意画像） 　学習データと検証データを分ける 　関数get_image_teacher_label_list()の定義 　学習データと検証データをリストにする 　画像データ形式の整備 　データ形状変換の結果確認 　画像の前処理関数 adapt_data_to_convolution2d_format() 　データセットの作成 　学習データと検証データを分ける 　CNNを設定する 　反復子 　Optimizerの設定 　updaterの設定 　trainerの設定 　extensionsの設定 　学習の実行 　学習結果の確認 　検証する（学習済モデルを使う） 　モデルを書き出す 　関数の定義 convert_test_data() 　検証用の写真を選ぶ 　画像サイズの設定 　Google Driveにドキュメントとして保存する 　ファイルの作成 　保存(Google Driveへのアップロード) 　手書き犬と猫の判別 　写真をアップロードして認識させる 　写真を判定する処理 　まとめ 　04-07 PyTorchでMNIST手書き数字学習レシピ 　PyTorchとは 　PyTorchのインストール 　調理手順 　必要なパッケージのインストール 　データセットのダウンロード 　データの中身を見てみる 　データを可視化してみる 　学習データと検証データを用意する 　ニューラルネットワークの定義 　モデル 　コスト関数と最適化手法を定義する 　学習 　検証 　個別データで検証 　まとめ 　04-08 PyTorchでCIFAR-10の画像学習レシピ 　CIFAR-10とは 　PyTorchのインストール 　必要なパッケージのインポート 　transformを定義する 　学習データと検証データの用意 　クラスの中身を設定する 　調理手順 　必要なパッケージのインポート 　画像を表示する関数 　CIFAR-10の中身を見る 　学習のニューラルネットワークの定義 　optimizerの設定 　学習 　個別データで検証 　テスト 　検証 　クラス毎の検証結果 　まとめ 第5章 機械学習・深層学習のレシピ（中級・上級） 　05-01 TensorFlow＋Keras＋MNIST 　手書き数字認識ウェブアプリ 　Kerasとは 　Kerasのバックエンドとは？ 　なぜKerasを使うのか 　TensorFlowとは 　Kerasを用いた処理フロー 　調理手順 　TensorFlowのインストール 　TensorFlowのバージョンの確認 　Kerasのインストール 　設定 　MNISTデータセットのローディング 　学習モデルに合わせたデータ配列の形状変換 　学習モデルに合わせてデータ調整 　教師ラベルデータの変換 　シーケンシャルモデル指定 　学習モデルの構築 　ニューラルネットワークの構築 　モデルのコンパイル 　学習 　学習プロセスのグラフ 　検証 　予測 　学習済モデルの保存 　保存後ファイルの確認 　学習済モデルのダウンロード 　Raspberry Piで手書き数字の認識、文字認識 　まとめ 　05-02 TensorFlow＋FashionMNISTでFashion認識 　Fashion MNISTとは 　TensorFlowのバージョン 　Fashion MNISTデータの取得 　データセットを見る 　検証データの確認 　データセットの一部を描画する 　調理手順 　設定 　学習モデルに合わせてデータ調整 　学習モデルの構築 　モデルのコンパイル 　学習 　学習プロセスのグラフ 　検証 　予測 　学習済モデルの保存 　まとめ 　05-03 TensorFlowで花認識ウェブアプリ 　retrain（転移学習）とは 　花のデータセットをダウンロードする 　花のデータセットを解凍する 　学習（retrain）プログラムを入手する 　フォルダの内容を確認する 　調理手順 　転移学習開始 　学習の結果を確認する 　予測用のプログラムをダウンロードする 　テストを実施する 　アップロードした花の写真でテストする 　学習済のファイルをダウンロードする 　Raspberry Piで手書き入力の部分を用意する 　まとめ 　05-04 TensorFlowでペットボトルと空き缶分別 　データの収集をする 　ペットボトルの画像を用意する 　空き缶の画像を用意する 　ペットボトル写真の処理 　ペットボトル画像を確認するために表示する 　意図しない写真ファイルを削除する（クレンジング処理） 　ペットボトル画像の水増し 　水増ししたペットボトルの画像を確認する 　調理手順 　学習プログラムをダウンロードする 　用意したデータをtarget_folderにコピーする 　ペットボトルのデータをコピーする 　空き缶のデータをコピーする 　転移学習開始 　予測するプログラムをダウンロードする 　学習済モデルを使う 　学習済のモデルファイルをダウンロードする 　まとめ 　05-05 YOLOで物体検出 　物体検出とは 　YOLOとは 　調理手順 　daskのインストール 　CPythonのインストール 　darknetのclone 　作業の場所を移動する 　YOLOをコンパイルする 　YOLO3のモデルをダウンロードする 　物体検出を試してみよう 　もう1枚テストする 　まとめ 　05-06 ハードウェアの拡張による人物検出 　Movidius NCSとは 　調理手順 　システムを最新の状態にする 　swapfileサイズを大きくする 　ncsdkのインストール 　TensorFlowのインストール 　OpenCVのインストール 　サンプルコードの実行 　まとめ 　05-07 Google AIY Vision Kitで笑顔認識 　Google AIY Vision Kitの組み立て 　まずGoogle AIY Vision Kitの中身を見てみよう 　Google AIY Vision Kitを組み立てる 　調理手順 　Google AIT Vision Kitの最初の起動 　まとめ 　05-08 人工知能Cloud APIを利用してキャプション作成 　クラウド上のAPIを利用して分類、検出 　Azureアカウントの取得 　Computer Visionプロジェクトの作成 　調理手順 　必要なパッケージをインポートする 　初期設定 　画像のキャプションを取得する関数 　写真の指定 　結果の表示 　画像を表示する 　まとめ 第3部 Pythonとオブジェクト指向・Pythonでできるウェブサーバ 第6章 Pythonとオブジェクト指向 　06-01 オブジェクト指向プログラミングとは 　なぜオブジェクト指向プログラミングなのか 　オブジェクトとは 　クラスとは 　06-02 クラスを実際に作ってみよう 　ロボットのクラスを作ってみよう 　クラスの定義 　コンストラクタ（constructor） 　メソッド（method） 　属性（property） 　インスタンス（instance） 　メソッドの呼び出し 　クラスの継承 　親クラス（parent class） 　拡張(メソッドの追加) 　メソッドのオーバーライド（method override） 　まとめ 第7章 Pythonでできるウェブサーバ 　07-01 Flaskアプリケーション開発の準備 　Flaskウェブアプリケーションフレームワーク 　Flaskのインストール 　07-02 アプリケーションの設置 　フォルダの作成とapp.pyの設置 　ウェブアプリケーションを立ち上げる 　まとめ

「なぜディープラーニングが形を区別できるのか」が見えてくる!Excelと対話しながらしくみを解き明かす画期的な超入門書!初めてのAI学習に最適!難しい数学計算はExcelに任せてディープラーニングのしくみを動かしながら理解できる! 1章 初めてのディープラーニング(畳み込みニューラルネットワークのしくみは簡単 AIとディープラーニング) 2章 Excelの確認とその応用(利用するExcel関数はたったの7個 Excelの参照形式 ほか) 3章 ニューロンモデル(神経細胞の働き 神経細胞の働きを数式表現 ほか) 4章 ニューラルネットワークのしくみ(読み物としてのニューラルネットワークのしくみ ニューラルネットワークが手書き文字を識別 ほか) 5章 畳み込みニューラルネットワークのしくみ(読み物としての畳み込み-ニューラルネットワークのしくみ 畳み込みニューラルネットワークが手書き数字を識別 ほか) 付録

クラウド技術者なら取得しておきたいAWS認定資格のうちでも、もっとも初級の資格である「クラウドプラクティショナー」の試験対策本が登場！ クラウド技術者を目指して、これからクラウドの勉強を始める人に最適の一冊です。 もっとも実際の試験内容に即した内容として好評を得た『一夜漬け AWS認定ソリューションアーキテクトアソシエイト 直前対策テキスト』の姉妹本。 第1章　AWS認定クラウドプラクティショナー試験資格の概要 ■1-1　AWSと試験の関係 ■1-2　試験で評価される能力 ■1-3　試験の概要 ■1-4　試験の回答タイプ ■1-5　試験の範囲 ■1-6　試験合格のメリット ■1-7　本書の構成 第2章　クラウドの概念 ■2-1　クラウドコンピューティング ■2-2　仮想化技術 ■2-3　インスタンス ■2-4　インターネットプロトコル ■2-5　IPアドレス ■2-6　グローバルアドレスとプライベートアドレス ■2-7　サブネットマスク ■2-8　トランスポート層のポート番号 ■2-9　ドメイン名とDNSによる名前解決 ■2-10　クラウドの種類（IaaS、PaaS、SaaS） ■2-11　ハイブリッドクラウド ■2-12　オンプレミス ■2-13　オンプレミスのキャパシティ設計 ■2-14　オンプレミスのメリット ■2-15　クラウドとITアウトソーシングの違い ■2-16　リージョン ■2-17　アベイラビリティゾーン（AZ） ■2-18　エッジロケーション ■2-19　弾力性（エラスティック） ■2-20　プロビジョニング ■2-21　ワークロード ■2-22　デプロイ ■2-23　グローバルリーチ ■2-24　ディザスタリカバリー（DR）対策 ■2-25　転送データの暗号化 ■2-26　デジタル証明書 ■2-27　アイデンティティの認証とアクセス管理 ■2-28　フェデレーション ■2-29　DDoS攻撃とファイアウォール 第3章　AWSクラウドの特長 ■3-1　AWSクラウドの6つの特長 ■3-2　固定費から変動費へ ■3-3　スケールメリット ■3-4　キャパシティの予測が不要 ■3-5　高い俊敏性 ■3-6　データセンターの運用保守が不要 ■3-7　世界中にすぐにデプロイ可能 ■3-8　主要なアーキテクチャ原則 ■3-9　Well Architectedフレームワーク 第4章　AWSの主要サービス ■4-1　AWSマネジメントコンソール ■4-2　コンピューティングサービス：EC2 ■4-3　主要コンピューティングサービス：ECS ■4-4　主要コンピューティングサービス：Lambda ■4-5　主要ストレージサービス：EBS ■4-6　主要ストレージサービス：S3 ■4-7　主要ストレージサービス：S3 Glacier ■4-8　主要ストレージサービス：Storage Gateway ■4-9　主要ストレージサービス：Snowファミリー ■4-10　主要データベースサービス：RDS ■4-11　主要データベースサービス：DynamoDB ■4-12　主要ネットワークサービス：VPC ■4-13　主要ネットワークサービス：ELB ■4-14　主要ネットワークサービス：CloudFront ■4-15　主要ネットワークサービス：Route53 ■4-16　主要セキュリティサービス：IAM ■4-17　主要セキュリティサービス：KMS ■4-18　主要セキュリティサービス：WAF ■4-19　主要マネジメントサービス：Auto Scaling ■4-20　主要マネジメントサービス：CloudFormation ■4-21　主要マネジメントサービス：CloudWatch ■4-22　その他主要サービス：AWSサポート ■4-23　その他主要サービス：AWS Marketplace／APNパートナー 第5章　Well Architectedフレームワーク：運用の優秀性 ■5-1　Amazonマシンイメージ（AMI） ■5-2　VPCフローログ ■5-3　AWS Elastic Beanstalk ■5-4　AWS Codeシリーズ ■5-5　AWS X-Ray 第6章　Well Architectedフレームワーク：セキュリティ ■6-1　責任共有モデル ■6-2　コンプライアンスプログラムとAWS Artifact ■6-3　AWSアカウント ■6-4　ルートユーザーの管理 ■6-5　IAMユーザー・グループ・ロール・ポリシー ■6-6　セキュリティグループとネットワークACL ■6-7　AWS CloudTrail ■6-8　AWS Config ■6-9　AWS Shield ■6-10　Amazon GuardDuty ■6-11　Amazon Inspector ■6-12　AWS Directory Service ■6-13　S3（Simple Storage Service）のアクセスコントロール ■6-14　AWS Service Catalog ■6-15　AWS Trusted Advisor 第7章　Well Architectedフレームワーク：信頼性 ■7-1　Amazon CloudWatch ■7-2　Auto Scaling ■7-3　AWS Virtual Private Network（VPN） ■7-4　AWS Direct Connect 第8章　Well Architectedフレームワーク：パフォーマンス効率 ■8-1　Amazon EC2の性能アップ ■8-2　Amazon RDS ■8-3　Amazon Redshift ■8-4　Amazon ElastiCache ■8-5　Amazon DynamoDB Accelerator（DAX） ■8-6　Amazon S3 Transfer Acceleration 第9章　Well Architectedフレームワーク：コスト最適化 ■9-1　Amazon EC2の購入オプション ■9-2　EC2の課金方法 ■9-3　AWS Organizations ■9-4　計画時のコスト関連ツール：AWS Total Cost of Ownership（TCO）Calculator ■9-5　計画時のコスト関連ツール：AWS Pricing Calculator ■9-6　運用時のコスト関連ツール：AWS Cost and Usage Report（CUR） ■9-7　運用時のコスト関連ツール：AWS Cost Explorer ■9-8　運用時のコスト関連ツール：AWS Budgets ■9-9　リソースへのタグ付け 第10章　AWS認定クラウドプラクティショナー練習問題 ■10-1　練習問題の使い方 ■10-2　練習問題 第11章　AWSアーキテクチャ原則とベストプラクティスのまとめ ■11-1　「運用の優秀性」の設計原則 ■11-2　「運用の優秀性」のベストプラクティス ■11-3　「セキュリティ」の設計原則 ■11-4　「セキュリティ」のベストプラクティス ■11-5　「信頼性」の設計原則 ■11-6　「信頼性」のベストプラクティス ■11-7　「パフォーマンス効率」の設計原則 ■11-8　「パフォーマンス効率」のベストプラクティス ■11-9　「コスト最適化」の設計原則 ■11-10　「コスト最適化」のベストプラクティス 第12章　AWSサービス用語集 ■12-1　コンピューティングサービス ■12-2　コンテナサービス ■12-3　ストレージサービス ■12-4　データベースサービス ■12-5　移行・転送サービス ■12-6　ネットワークサービス ■12-7　開発者用ツール・サービス ■12-8　マネジメント・ガバナンスサービス ■12-9　機械学習サービス ■12-10　分析サービス ■12-11　セキュリティ・アイデンティティ・コンプライアンスサービス ■12-12　アプリケーション統合サービス ■12-13　カスタマーエンゲージメントサービス ■12-14　ビジネスアプリケーションサービス ■12-15　コスト管理サービス ■12-16　その他サービス

ディープラーニングの動作する数学の仕組みを解説。どの分野が必要かを知り、基本を理解し、どのように効いているかを学びます。 本書は、ディープラーニングを支え、ベースとなっている数学に焦点をあて、どのような仕組みで、どのように効いて、なぜ機能するのかの解説をしていきます。「ブラックボックス」と思われがちなディープラーニングの中身を理解していきます。 高校数学の知識を前提としながらも、必要な数学を復習しつつ、高校で習わない偏微分に関しては基本から必要な部分を解説して、ディープラーニングを支える数学の知識を学んでいきます。 「ディープラーニングという言葉は聞くが、どんなものなのか分からないので理解したい」「ブラックボックスと言われるディープラーニングの仕組みを知りたい」「ディープラーニングを学びたいけれど、数学の勉強のどこから手を付けていいか分からない」といった読者の興味に応える一冊です。 数学を学びながら、それがディープラーニングにどのように効いているのか分かることが重要です。その点を実感として理解することができれば、ディープラーニングの仕組みの本質が理解できたことにつながっていきます。そのためのディープラーニングの主要な概念の解説もしていきます。

二〇二〇年代、AI(人工知能)は人間の知性を超え、二〇四五年には、科学技術の進化の速度が無限大になる「シンギュラリティ」が到来-現在、あらゆる技術は未曽有のスピードで進化し、同時に、これまで富を生んできた多くの技術が「非収益化」し、人間もAIに仕事を奪われる危機に晒されている。そんな中で飛躍的成長を遂げるビジネスとは何か?企業はどう組織を変革し、人はどんな思考・発想で動くべきか?シンギュラリティに向かう時代のビジネスチャンスを読み解く、必読の一冊。 第1章 シンギュラリティとは何か 第2章 爆発的進化で起きる、六つのD 第3章 人間が死なない、働かなくてもいい社会 第4章 第四次産業革命が始まっている! 第5章 エクスポネンシャル思考でなければ生き残れない 第6章 これが世界最先端のシンギュラリティ大学だ! 第7章 シンギュラリティ後をどう生きるか 対談 AIと人間、これからどうなる?(中島秀之×齋藤和紀)