この書籍は、ディープラーニングをゼロから実装することで学ぶ入門書です。Python 3を用いて、基礎から誤差逆伝播法や畳み込みニューラルネットワークなどの実装を通じて理解を深めます。また、ハイパーパラメータの設定やBatch Normalization、Dropout、Adamなどの最新技術、さらには自動運転や画像生成などの応用例についても触れています。著者は斎藤康毅氏で、コンピュータビジョンや機械学習の研究開発に従事しています。

この書籍は、数学の知識がなくても理解できる機械学習の入門書で、Pythonの機械学習ライブラリ「scikit-learn」を用いた実践的な解説が特徴です。著者はscikit-learnの開発に関わる専門家で、実践から理論へと学ぶスタイルを採用しています。特に「特徴量エンジニアリング」や「モデルの評価と改善」に焦点を当てており、従来の解説書にはない内容を提供しています。目次には教師あり学習、教師なし学習、データ処理などが含まれています。著者は機械学習の専門家で、産業界や学術界での経験があります。

『ゼロから作るDeep Learning』の続編である本書は、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の技術を実装レベルで学ぶことができます。具体的には、word2vec、RNN、LSTM、GRU、seq2seq、Attentionなどの最新技術を取り上げ、分かりやすく解説しています。著者は、人工知能の研究開発に従事する斎藤康毅氏です。

本書は、ディープラーニングを一から学びたい人向けに、数学的表現を避けて実践的なコードを用いて基本概念を解説します。著者はKerasの開発者で、TensorFlowをバックエンドに使用。内容は、ディープラーニングの基礎から始まり、コンピュータビジョンや自然言語処理の応用例まで幅広くカバー。最終的には、ディープラーニングの適用可能性や限界を理解できるようになります。

本書は、機械学習の有名なアルゴリズムをPythonを用いてゼロから実装することを目的としています。実用的なフレームワークを使用するのではなく、機械学習の仕組みを深く理解することで応用力や問題解決力を高めることを目指しています。内容は、Pythonの基本、機械学習に必要な数学、数値計算、そして具体的な機械学習アルゴリズムに関する解説を含んでおり、初心者や実務に携わるエンジニアに適しています。著者はシルバーエッグ・テクノロジーのチーフサイエンティストで、機械学習アルゴリズムの設計・実装に精通しています。

この書籍は、機械学習とディープラーニングの基本を図解形式で解説しており、エンジニア1年生や関連企業への就職・転職を目指す人に最適です。内容は、人工知能の基礎、機械学習とディープラーニングのプロセス、アルゴリズム、システム開発環境に関する知識を包括的に学べる構成になっています。著者は、実践的な機械学習システムの実装をサポートする専門家です。

著者松尾豊は、日本の人工知能研究の第一人者として、最新技術「ディープラーニング」の進展とその影響を探求し、知能や人間の本質について問い直します。本書では、人工知能の歴史やブームを振り返りながら、技術の進化が人類にもたらす可能性と危機について論じています。

この入門書は、パターン認識について基礎からわかりやすく解説しており、特にRを用いた実行例が含まれているため、実際の応用にも役立ちます。内容は識別規則や学習法、ベイズの識別規則、k最近傍法、サポートベクトルマシンなど多岐にわたり、最後には識別器の性能強化についても触れています。著者は筑波大学の名誉教授、平井有三氏です。

本書は、ディープラーニングの理解に必要な数学を高校1年生レベルからやさしく解説し、最短コースで学べる内容です。微分、ベクトル、行列、確率などの必要最低限の数学を特製のマップで整理し、実際に動かせるコードをJupyter Notebook形式で提供します。内容は機械学習入門から始まり、理論編、実践編、発展編に分かれており、ディープラーニングの動作原理を深く理解できることを目指しています。

本書は、機械学習や深層学習の予備知識がない読者を対象に、理論を明快に解説する入門書です。内容は、機械学習と深層学習の基本、ニューラルネットの仕組み、勾配降下法、誤差逆伝播法、自己符号化器、畳み込みニューラルネット、再帰型ニューラルネット、ボルツマンマシン、深層強化学習など多岐にわたります。著者は、理論的な基礎を重視し、学びやすい形式で解説しています。

ヨシュア・ベンジオ スチュアート・J・ラッセル ジェフリー・ヒントン ニック・ボストロム ヤン・ルカン フェイフェイ・リー デミス・ハサビス アンドリュー・エン ラナ・エル・カリウビ レイ・カーツワイル ダニエラ・ルス ジェイムズ・マニカ ゲアリー・マーカス バーバラ・J・グロース ジュディア・パール ジェフリー・ディーン ダフニー・コラー デイヴィッド・フェルッチ ロドニー・ブルックス シンシア・ブリジール ジョシュア・テネンバウム オーレン・エツィオーニ ブライアン・ジョンソン

本書は、プログラミング初心者向けにリニューアルされた「いちばんやさしいPythonの本」で、最新のPython 3に完全対応しています。イラストやサンプルが豊富で、オブジェクト指向やWebアプリ開発、データ処理の基本も学べます。新たに2章が追加され、プログラミングの楽しさと効率化の重要性を伝え、読者がスキルを身につける手助けをします。著者は東京大学の辻真吾氏で、Pythonの普及活動にも力を入れています。

本書は、機械学習アルゴリズムをオールカラーの図を用いてわかりやすく解説した入門書です。17種類のアルゴリズムを紹介し、各アルゴリズムの仕組みや使用方法、注意点を詳述しています。Pythonを用いたコードも掲載されており、実際に試しながら学ぶことができます。機械学習を学ぶ初心者や業務で利用している方にも役立つ内容となっています。

本書は、機械学習の基本から先進的な手法までを網羅したロングセラーのPyTorch版で、理論や数式も解説しています。前半ではscikit-learnを用いた基本的な手法やデータ前処理、後半ではPyTorchを使ったディープラーニング手法（CNN、RNN、Transformerなど）を詳述。新たにTransformerアーキテクチャやグラフニューラルネットワークに関する章も追加され、実践的な知見が得られる内容となっています。著者は機械学習の専門家で、実装を通じて理解を深めることを目的としています。

本書は人気シリーズの第3弾で、オリジナルのディープラーニングフレームワーク「DeZero」をゼロから作成する内容です。最小限のコードでモダンな機能を実現し、全60ステップでフレームワークを完成させます。これにより、PyTorchやTensorFlowなどの知識を深めることができます。著者は人工知能の研究開発に従事する斎藤康毅氏です。

本書は、データサイエンスにおけるコンペティション、特にKaggleに焦点を当て、実践的なデータ分析手法やテクニックを紹介しています。分析コンペに参加することで得られるスキルは、実務でも役立つため、特徴量の作成やモデルの評価、チューニングなどの具体的な内容が含まれています。著者たちは、データサイエンスの専門家であり、実績を持つKaggleの競技者です。この本は、コンペに挑戦したい人や実務でのモデル精度向上を目指す人にとって有益な情報源となるでしょう。

この書籍は、人工知能（AI）の全体像を理解し、5年後の活用イメージを掴むための内容です。3部構成で、第一部ではAIの基礎知識、第二部では機械学習のアルゴリズム、第三部ではビジネスにおけるAIの活用法を学びます。著者の梅田弘之は、システムインテグレータの代表であり、AIを活用した新しいプロダクトやサービスの開発に取り組んでいます。

本書は、数学が苦手な方でも機械学習を楽しく学べる入門書です。プログラマのアヤノと友達のミオの会話を通じて、機械学習の基本や実践方法を説明します。内容は、機械学習の重要性、回帰や分類の手法、モデルの評価、Pythonでの実装まで幅広くカバーし、数式も分かりやすく解説しています。特に、数式が苦手な方に配慮した内容になっています。著者はLINE Fukuokaのデータエンジニアで、実務経験を基にした知識を提供しています。

本書は、2018年に発行された機械学習に関する書籍の全面改訂版で、不確実性の高い機械学習プロジェクトを「仕事で使う」という視点から整理しています。新たに「ML Ops」や「機械学習モデルの検証」などの章が追加され、読者が直面する問題解決に役立つ内容となっています。著者は機械学習分野の専門家で、実践的な知識を提供しています。

本書は、ディープラーニングの実用化に向けた最新の動向と事例を紹介するもので、国内35社の具体例を通じてその活用方法や課題を解説しています。東京大学の松尾豊氏による技術的発展のロードマップを基に、業務効率化や新規事業創出に役立つ情報を提供。各章では、単純作業の自動化から異常検知、ロボットや自動運転技術、さらには創作業務への応用まで幅広くカバーしています。また、ビジネス活用に関するQ&Aも含まれ、企業の導入に役立つ内容となっています。

本書は最適化手法についての入門書であり、経営学やオペレーションズリサーチだけでなく、統計的最適化や機械学習の話題も扱っています。計算機技術の進歩により、複雑な最適化問題が解決可能になった背景を踏まえ、各手法の原理や数学的背景を詳しく解説しています。内容は例題を多く用いて分かりやすく、関連する話題や注意点も随所に挿入されています。目次には数学的準備、関数の極値、最適化手法、最小二乗法、統計的最適化、線形・非線形計画法、動的計画法が含まれています。著者は岡山大学の金谷健一教授です。

この書籍は、人工知能プログラミングに必要な数学を基礎から優しく学べる参考書です。著者は「10秒で始める人工知能プログラミング学習サービス」の代表者で、数学に苦手意識がある人でも理解できる内容になっています。基本的な数学から微分、線形代数、確率・統計を学び、実践編では住宅価格の推定や自然言語処理、手書き数字認識などの具体的な例を通じて理解を深めます。対象読者は、AIアルゴリズムを学びたいが数学に不安がある人々です。

本書は、数理モデルの多様な手法を解説し、データ分析における選択と理解を促進する入門書です。機械学習や統計モデルなど、自然科学と人文社会科学の手法を網羅し、初学者がデータ分析の全体像を把握できるように設計されています。特に、モデリング手法の選択や誤解しやすい点について丁寧に説明し、大学一年生でも理解できるレベルでありながら、より進んだ読者にも楽しめる内容となっています。著者は東京大学の特任講師で、幅広い分野での数理的解析に取り組んでいます。

この書籍は、AIを活用した様々な応用例を紹介しており、機械学習やディープラーニングの基礎、画像・動画処理、自然言語処理、業務効率化の方法などを学ぶことができます。また、マスク着用の判定など新しい生活様式に対応したサンプルも収録されています。著者はプログラミングや機械学習に関する多くの書籍を執筆しているクジラ飛行机氏をはじめ、専門家たちです。

この書籍は、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を活用して業績を向上させるストーリーを通じて、デジタルマーケティングの基礎を学ぶ内容です。デジタル化を成功させるための条件や、重要な要素（MEO・SEO、データ分析、ECサイト構築、SNS活用など）が解説されています。著者は上野佑馬で、データ分析やデジタルマーケティングの専門家です。

本書は、自然言語処理の応用（機械翻訳、文書要約、対話、質問応答）に焦点を当て、深層学習の活用方法を実践的に解説しています。各章では、自然言語処理のアプローチ、ニューラルネットの基礎、深層学習の発展、応用技術、汎化性能向上の手法、実装方法などが詳述されています。著者は、実務経験を持つ研究者であり、実装上の工夫に関する内容も充実しています。データサイエンス分野に興味のある学生や研究者に向けた参考書です。

本書は、AI・データ分析プロジェクトの成功には技術知識だけでなく「ビジネス力」が重要であることを強調しています。データサイエンティストのキャリアや業界の概要から始まり、プロジェクトの立ち上げ、実行、評価、収益化までのノウハウを網羅。具体的には、課題設定、案件獲得、データ分析手法の検討、レポーティングなどのプロセスを解説し、実務に役立つ情報を提供しています。著者は業界の専門家で、実践的な知識を基にした内容となっています。

本書は、数学が苦手な社会人や学生向けに、ディープラーニングの基本をExcelを使って学ぶ超入門書です。難しい数学を排除し、図示しやすいパターン認識を題材にすることで、簡単な操作と初歩的な数学知識だけでディープラーニングの動作原理を理解できる内容になっています。著者は涌井良幸と涌井貞美で、教育やライティングの経験を持つ専門家です。

この書籍は、深層学習に関するベストセラーの第2版で、リカレントニューラルネットワーク、GAN、深層強化学習の新章が追加され、最新のツール情報も反映されています。全体で50ページ以上増量され、物体検出やセグメンテーションの活用も強化されています。著者は山下隆義氏で、深層学習のセミナー講師としても活動しています。

本書は、AIとディープラーニングの実装が進む現代において、企業がどのようにこれらの技術をビジネスに活かしているかを解説します。著者は国内初のディープラーニング専門ベンチャーABEJAのCEO兼CTOであり、AI導入の具体的な方法や成功要件、最新事例を文系ビジネスマンにも理解できるように説明しています。目次には、AI導入の躊躇理由、ディープラーニングの原理、導入プロセス、企業の変化などが含まれています。

本書は、日本ディープラーニング協会の「ディープラーニングG検定ジェネラリスト」試験に向けたテキストと問題集で、合格に必要な知識と対策を提供します。数式を控え、わかりやすい説明で構成されており、ビジネスでのディープラーニング活用を目指す人を対象としています。内容は、AIの歴史、数学的基礎、機械学習の基礎と実装、ディープラーニングの基本と研究分野、産業展開、制度政策など多岐にわたります。著者はAIの専門家であり、実践的な学習が可能です。

本書は、プログラミング言語Python 3.6の入門書で、538本のサンプルコードと154本のPythonファイルを通じて基礎から機械学習まで学べる内容です。3つのパートに分かれており、Part 1ではPythonの環境設定、Part 2では基本的な構文やデータ構造、Part 3では科学計算や機械学習の応用を解説しています。初心者から実践者まで、確実なスキルアップを目指すことができます。著者はコンピュータ専門誌への寄稿や教材開発を行っている大重美幸氏です。

本書『Python Machine Learning: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow 2, 3rd Edition』は、機械学習の理論とPythonによる実践を解説するベストセラーの第3版です。分類、回帰、深層学習、強化学習など幅広いトピックをカバーし、最新のPythonライブラリに対応しています。特に、敵対的生成ネットワークと強化学習の新章を追加し、従来の内容を刷新しました。機械学習の理解を深めるための実用的な一冊です。

本書は、人工知能（AI）についての正しい理解を促し、ビジネス課題を機械学習や深層学習を用いて解決する方法を解説しています。AI技術をフレームワークとして活用し、実際のビジネスに役立てるための“AI的思考力”を高めることを目指しています。難しい数式やプログラミングは使わず、AIの活用方法や評価基準について具体的に説明しています。特に、AIの適用可能性を判断する力を養うことが重要とされています。著者は医療分野でのAI活用を目指す専門家です。

本書は、データサイエンスの基本概念から実際のビジネス活用事例までを豊富な図やイラストを用いて解説し、初心者でも理解しやすい内容になっています。データサイエンスの重要性が増す中、数学的な専門用語を避けながら、機械学習や先端テクノロジーとの関連も紹介。ビジネスパーソンや学生にとって、データサイエンスを学ぶための入門書として最適です。

本書は、機械学習入門の決定版であり、初学者が効率的にスキルを身に付けるための構成になっています。ゼロから学ぶ人に適した内容で、反復練習を通じて基本的なデータ分析が自分でできる力を養います。数式の羅列ではなく、データ分析のストーリーに沿って手法を紹介し、復習用の一覧も用意されています。また、初心者が直面しがちなエラーの解決策もまとめられており、独学でも安心して学べる工夫がされています。第2版では最新のpandasに対応し、新たに「Polars入門」も追加されています。

この書籍は、AIが人類にもたらす影響について探求し、脅威と福音の両面を考察しています。著者は、AIの自律的な動きや自動化の進展を解説し、AI教育の重要性や未来の共存の可能性についても論じています。内容は、自律世界の到来やAIの役割、そして人間との関係性に焦点を当てています。著者は、技術とビジネスの専門家であり、AIの進化がもたらす社会の変革に関する洞察を提供しています。

本書は、日本ディープラーニング協会が監修し、ディープラーニングをビジネスに活用するための実践的な知識と事例を紹介しています。特に「ディープラーニングビジネス活用アワード」の受賞プロジェクト6件を詳細にケーススタディとして取り上げています。事例には、キユーピーのAI食品原料検査装置や楽天の自動翻訳プロジェクトなどが含まれ、効果を4つのカテゴリ（商品開発、消費者対応、働き方改革、社会課題解決）に分けて説明しています。また、松尾豊理事長による「ディープラーニング技術年表」も収録されており、技術的なアドバイスが提供されています。

「データサイエンティスト養成読本」の改訂版で、データサイエンティストに必要なスキルセットを最新の内容で解説しています。ソフトウェアや分析ツールの進化に対し、基本的なスキルは変わらないことを強調。内容はデータ分析のプロセスやビジネス成果を意識した分析方法、実践的なデータ分析入門、マーケティング分析の手法、基礎知識の習得など多岐にわたります。著者は里 洋平、和田 計也、早川 敦士など。

この書籍は、データ分析における「分析モデル」をテーマにしたもので、回帰分析や深層学習、強化学習などの実践的な分析手法を網羅的に解説しています。著者は、データ分析者がモデルの本質を理解し、データを最大限に活用できるようにすることを目的としています。内容は定型データから非定型データの扱い、強化学習、データから知見を得る方法まで多岐にわたり、各章で具体的な手法や技術が詳しく説明されています。著者は東京大学の博士号を持つデータサイエンティストで、データ分析の啓蒙活動にも従事しています。

本書は、日本ディープラーニング協会が実施する「ディープラーニングG検定」の法律・倫理分野に特化したテキストで、AI関連の法律や倫理を平易に解説しています。演習問題には過去の検定問題が含まれており、AI開発者やビジネスでAIを活用する人々に役立つ内容です。目次は導入、AIに関する法律と契約、AI倫理とガバナンスの3章から構成され、各法律や倫理の重要事項が詳述されています。

本書は、自然言語処理を初歩から学べる入門書で、プログラミング経験のある開発者を対象としています。自然言語処理の基本概念や技術、タスク（自動翻訳、質問応答など）を基礎から解説し、Pythonを用いて実装を学ぶことができます。また、機械学習や深層学習の基礎もカバーしており、日本語のデータセットを使用して実践的な学習が可能です。自然言語処理をしっかり学びたい方に最適な一冊です。

本書は、金融、流通、製造、インフラなど8業界36業種におけるAI導入事例を解説し、活用分野や親和性について鳥瞰図で示しています。豊富な実例を通じてビジネスアイデアの創出を促し、実装やトライアルのノウハウも提供。各業種ごとに具体的な解説があり、AIの実用性や将来可能性を探る手助けとなります。購入者特典として鳥瞰図のダウンロードも可能です。著者はAIとデータ分析の専門家で、実績豊富です。

この文章は、奥村学と高村大也による書籍の目次と著者情報を紹介しています。目次には、必要な数学的知識、文書および単語の数学的表現、クラスタリング、分類、系列ラベリング、実験の仕方などが含まれています。著者は共に東京工業大学での学歴と職歴を持ち、情報工学や自然言語処理に関する専門知識を有しています。

機械学習のフレームワークChainerのバージョンアップ対応版。特に畳み込みニューラルネットトワークについても解説。 Chainerのバージョン2でディープラーニングのプログラムを作る 本書はChainer を使ってディープラーニングのプログラムの作り方を示すものです。ディープラーニングは複雑なネットワークで表現された関数の回帰の問題と見なせます。そしてこのような問題は勾配法で解きます。この観点から Chainer によるプログラムの作成法を示しました。Chainerが2にバージョンアップしたため、2に対応し発行するものです。畳み込みニューラルネットワークについても解説しています。 はじめに 第0章 Chainer とは 第1章 NumPy で最低限知っておくこと 第2章 ニューラルネットのおさらい 第3章　Chainer の使い方 第4章　Chainer の利用例 第5章　Trainer 第6章　Denoising AutoEncoder 第7章　Convolution Neural Network 第8章　word2vec 第9 章Recurrent Neural Network 第10章　翻訳モデル 第11章　Caffe のモデルの利用 第12章　GPU の利用 参考文献 ソースプログラム 第11章　Caffeのモデル利用 第12章　GPUの利用

本書『G検定 公式テキスト 第3版』は、AI時代に必携のディープラーニングに関する試験「G検定」の公式教材です。新シラバスに準拠し、日本ディープラーニング協会が監修しています。章末問題や解説が充実しており、ディープラーニングの入門書としても適しています。対象読者はG検定受験者やディープラーニングを学びたい人、事業活用を考えている人です。試験は知識問題形式で、年6回実施されます。内容はAIの基礎から応用、法律と倫理まで幅広くカバーしています。著者は中部大学の教授で、ディープラーニング分野での専門家です。

面白さを追求したPython自然言語処理の入門書が登場。コピー＆ペーストでサンプルを動かしながら、楽しく基本が学べます。 Python自然言語処理を、遊びながら学ぼう！ 「面白さ」と「学び」がひとつに詰まった入門書！ 本書は、プログラミング言語Pythonによる自然言語処理を、 「面白さ」「ユニークさ」を追求したサンプルプログラムで学べる入門書です。 ●「オレ ニク タベル ウマイ！」原始人語の翻訳機を作ろう ●メロスはいつまで激怒していた？原作から心情を分析！ ●あの文豪が新作を書いたら？架空の小説を執筆しよう ●コンピューターは「群馬」と「栃木」の違いを見分けられるのか？ ●「ナミ」と「フネ」から「サザエ」は生まれる？子どもの命名AIを作ろう ●AIが三国志を読んだら、武将たちのライバル関係を理解できるのか？ ●「赤の他人」の反対は「白い恋人」？あらゆる対義語を自動生成しよう プログラムは、すべて実行ボタンひとつで簡単に動くため、 プログラミングに慣れていなくても、すらすら読み進められます。 また本書では勉強にはつきものの、 難しい専門用語の解説や、複雑な数式の説明は登場しません。 まずは、奇想天外なサンプルを動かして、楽しく遊んでみてください。 勉強をしているつもりはなくても、いつの間にか、 基本的な知識や、分野の全体像が身についているはずです。 【こんな人におすすめ！】 ・Pythonによる自然言語処理を学びたい初心者 ・他の入門書を読んで、挫折してしまった人 ・プログラミングでとにかく面白いことがしてみたい人 第1章　1行で愛を作る 第2章　ハロー！ゲンシジン！ 第3章　メロスの激おこ具合を冷静に可視化する 第4章　江戸川＆コナンの小説を自動生成してみる 第5章　「？？」－「群馬」＝「宇都宮」－「栃木」を機械に求めさせる 第6章　両親の名前の漢字を足し算して、子供を命名するAIを作る 第7章　もしAIが三国志を読んだら。孔明や関羽のライバルは誰なのか？ 第8章　「赤の他人」の対義語は「白い恋人」、をAIで自動生成する 終章　天才的なアイデアを出して開発するための5つのコツ

AIで「ソニック」「レトロゲーム」「Unityゲーム」「マインクラフト」「スタークラフト2」「FX・株トレード」を攻略 AIで「ソニック」「レトロゲーム」「Unityゲーム」「マインクラフト」「スタークラフト2」「ロボット制御」「FX・株トレード」を攻略 人工知能によるゲームの攻略は、ゲーム開発者のみならず、機械学習を学びたい学生や研究者にとっても、最もホットな話題となっており、日々新たな攻略アルゴリズムが発表されています。そのなかでも、2015年12月に設立された非営利団体「OpenAI」は、その中心的な存在となっています。 「OpenAI」は、誰でも自由に使える強化学習ツールキット「OpenAI Gym」を公開しており、このなかにはAtraiのゲーム環境やロボット制御の環境などの学習用の環境が多数含まれています。本書では、この「OpenAI Gym」を使って、ゲームを攻略するAIを作るための手法を手順を追って解説しています。 「OpenAI Gym」では、さまざまな強化学習アルゴリズムがまとめられた「Stable Baselines」を組み合わせて学習を行うため、本書でも「Stable Baselines」の概要から各アルゴリズムの詳細、学習状況の監視の方法などをサンプルを作りながら紹介しています。 Atraiのゲーム環境には、AIで攻略するための無償のゲームが数多く含まれていますが、「OpenAI Gym」の「Gym Retro」環境は、より高度な市販ゲームを攻略するためのもので、本書では実際に有償の「ソニック・ザ・ヘッジホッグ」（セガ／メガドライブ版）のゲームを入手して攻略していきます。 「OpenAI Gym」は、レトロゲーム以外にも「マインクラフト」「スタークラフトII」といった最新ゲームを攻略するための環境、Unityゲームを攻略するためのGymラッパー、ロボット制御の強化学習、FX・株の値動きを予測する環境など、多数の環境が接続でき、本書の最後ではさまざまなバリエーションの学習の概要も取り上げます。 1章　深層学習と開発環境の概要 　1-1 人工知能と機械学習 　1-2 教師あり学習と教師なし学習と強化学習 　1-3 強化学習 　1-4 開発環境と開発フレームワーク 2章　Pythonの開発環境の準備 　2-1 Anacondaの準備 　2-2 Google Colabの準備 　2-3 Pythonの文法 3章　OpenAI Gymツールキットの概要と環境構築 　3-1 OpenAI Gymの概要 　3-2 OpenAI Gymのインストールと動作確認 　3-3 Gymインタフェース 　3-4 行動空間と状態空間 4章　強化学習アルゴリズムStable Baselinesの概要と環境構築 　4-1 Stable Baselinesの概要とインストール 　4-2 強化学習アルゴリズムの分類と特徴 　4-3 平均報酬と平均エピソード長の出力とMonitorの利用 　4-4 モデルの保存と読み込み 　4-5 TensorBoardとコールバックによる学習状況の監視 　4-6 マルチプロセッシングの概要と実装 　4-7 Stable Baselines Zooによる学習済みモデル実行 5章　Atari環境の攻略 　5-1 Atari環境の学習 　5-2 前処理 　5-3 ハイパーパラメータの調整 　5-4 クラウド学習 　5-5 模倣学習によるAtrai環境の学習 6章　Gym Retro環境の攻略 　6-1 Gym Retro環境の構築 　6-2 Gym Retroの学習 　6-3 ゲームインテグレーションの作成 7章　ソニック環境の攻略 　7-1 ソニック環境の準備 　7-2 強化学習によるソニック環境の攻略 　7-3 模倣学習によるソニック環境の攻略 　7-4 ソニックのAIをさらに強化する試み 8章　さまざまな強化学習環境 　8-1 OpenAIのMuJoCo環境とRobotics環境 　8-2 PyBullet 環境：オープンソースな3D物理シミュレーション環境 　8-3 AnyTrading：トレーディングの強化学習環境 　8-4 Unity ML-Agents：Unityの強化学習環境 　8-5 Gymラッパー：Unity ML-Agents環境をGym環境に変換 　8-6 MarLÖ：マインクラフトの模倣学習環境 　8-7 PySC2：StarCraft IIの強化学習環境 　8-8 そのほかの強化学習環境

本書は、人工知能（AI）を学びたい初心者向けの入門書であり、特にエンジニアでない中高生や文系の大学生、ビジネスパーソンに向けて分かりやすくAIの基礎知識とビジネス活用法を解説しています。著者は人気講師で、初心者にも理解しやすい内容に配慮しています。書籍は3部構成で、基礎編ではAIの基本を、ビジネス編では業界別の活用事例と注意点、技術編ではAIの仕組みと最新技術を紹介しています。これにより、AIの本質や活用方法についての理解を深めることができます。

「音声認識」とは音声信号から発話内容を認識することで、AIスピーカなどに利用されている技術です。本書は、音声認識技術の発展経緯を学びながら、深層学習を用いた最新の音声認識システムを実装できるまでを目的とし、手法の目的やアルゴリズムの概要を解説、続いて数式レベルでの詳説、最後にソースコード付きで実装という流れで解説しています。特に手法の概要については「その手法は何を目的として生み出されたのか」という経緯と「なぜその手法は前述の目的を達成できるのか」について直感的に理解できるよう工夫しています。

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

本書は、データサイエンティストの思考過程を紙と鉛筆を使って学ぶことを目的としています。PythonやRなどのプログラミング言語を使わず、40問のクイズを通じてデータの読み解き方や説明の仕方を体験できます。デジタル時代に必要なデータリテラシーを身につけたい人や、データを使って論理的に考えたい人におすすめです。各章では、データを読む、説明する、分類する、法則を見つける、予測する力を育む内容が展開されています。

この書籍は、ガウス過程に関する日本初の入門書であり、ベイズ的回帰モデルの柔軟性を解説しています。内容は線形回帰から始まり、ガウス過程の原理や教師なし学習、実応用に関する最新の話題も取り上げています。各章では、ガウス過程の基本概念、計算法、適用例などが詳しく説明されています。著者は統計や情報科学の専門家です。

本書は、自然言語処理モデルBERTの入門書で、BERTの特徴や応用方法を解説しています。内容は、自然言語処理や機械学習の基礎から始まり、文章分類、固有表現抽出、文章校正、類似文章検索などのタスクを具体的に扱います。使用するライブラリはTransformersとPyTorch Lightningで、Python環境での実践を重視しています。読者はデータ処理からファインチューニング、性能評価までを体験し、BERTを使いこなせるようになることを目指します。

Pythonを使った機械学習の入門に最適な1冊！ 近ごろ話題の機械学習、「気になるけどなんだか難しそう……」と思っていません か？　実は、機械学習の基本はとてもシンプルで、プログラミング初心者にも最 適なんです。本書は、プログラミングやPython、機械学習の初心者向けに、マン ガでPython機械学習を解説します。機械学習の代表的な手法である単回帰をはじ め、重回帰やk近傍法、k平均法などの考え方を、「ペットのウサギの理想体重 は？」「予算内の引っ越し先は？」といった身近な問題を通じて解説するので、 やさしく楽しく学べます。Pythonの開発環境もブラウザさえあれば無料で使える Google Colaboratoryを用いるので、面倒な環境構築は一切不要。インターネッ トに接続できるパソコンがあればすぐに学習を開始できます。ほかの機械学習の 書籍だと難しかったという方へも、オススメの一冊です。「そろそろ常識 知っ ておこう! 」シリーズは、会話形式の解説をマンガテイストに進化させ、マン ガ、会話、チュートリアルをシームレスに組み合わせたニュースタイルの解説 書。常識とされながらも覚えにくいテーマをピックアップし、要点をマンガでわ かりやすく解説します。 第1章　Pythonを触ってみよう 第2章　Pythonの基礎 第3章　機械学習を体験してみよう 第4章　機械学習を実践しよう 第5章　データを集めるには

このビジネス書は、機械学習やディープラーニングの基本概念からビジネスチャンスまでを図解でわかりやすく解説し、法律的なリスクについても弁護士が詳しく説明しています。内容は、人工知能と共創するビジネスの未来、自動運転技術、ドローンビジネス、画像認識、マッチングビジネス、フィンテックなど幅広いテーマをカバーしています。著者は法律とビジネスの専門家で、企業の戦略立案やM&Aに関する豊富な経験を持っています。

線形代数の意味と面白さをゼロから学ぶ一冊！　ゼロから学ぶためのアイディアを盛りだくさん入れわかり易くした。 はじめが、だいじ！　寝ころんで読める脳に心地よい線形代数入門。「行列の掛け算は、なぜあんな変な掛け方をするの？」といった誰もが抱く疑問を、ことごとく氷解させる超入門書！ はじめが、だいじ！ 寝ころんで読める脳に心地よい線形代数入門。 「行列の掛け算は、なぜあんな変な掛け方をするの？　」 といった誰もが抱く疑問を、ことごとく氷解させる超入門書！ 肩のこらない優しい説明 （1）具体的なイメージがつかめるようにした。 （2）算数から大学レベルの数学へすんなり移行できるようにした。 （3）ミステリー仕立ての会話で息抜きを。 （4）簡単な練習問題で知識の漏えいを防止。 （5）ストーリーマンガを読むような面白さ。 ●1章　行列式とは要するに面積のことなのだ 1．1．ベクトルってなんだろう 1．2．1次独立とはこんな意味 1．3．いよいよ行列式さっそうと登場 ●2章　3次元以上の行列式を征服する 2．1．3次元のベクトル 2．2．いよいよ神秘の4次元へ ●3章　直交する世界～内積と外積 3．1．まざまざと知る内積の威力と魅力 3．2．外積が面白いほどわかる！ 3．3．神さまの仕掛けを掘り起こす ●4章　線形変換のココロ 4．1．1次変換のこころを探る 4．2．行列の掛け算はなぜあんなふうなのか ●5章　逆行列のひみつ 5．1．単位行列はビップなのである 5．2．行列の1次方程式を解くには 5．3．逆行列に秘められた意味 5．4．行列式の乗法公式は美しい 5．5．転置の定理の証明を完成しよう ●6章　固有値を「体感」する 6．1．固有値はいろいろ大切なのである 6．2．対称行列のひみつ 6．3．固有値の応用でグランドフィナーレ

強化学習編

AIのベースの一つである機械学習とは、コンピュータに大量のデータや経験を与えることによって、事象のパターン・ルールを発見し、予測などまでをも実現する技術である。機械学習の基礎から筆者らの最先端の研究までを初めての人にもわかりやすく解説する一冊。 はじめに 1　機械学習とは何か――人工知能（AI）の基礎知識 1.1　人間の学習能力をコンピュータで再現する「機械学習」 1.2　AI研究、これまでとこれから 1.3　人工知能の／による／のための研究 2　人工知能と社会 2.1　研究者とともに、学生とともに、エンジニアとともに 2.2　さまざまな分野におけるAI技術の応用 2.3　AIと社会の関係 3　機械学習の基礎 3.1　AIの学習モデルと学習法 3.2　3種類の機械学習 3.3　教師付き学習とは 3.4　教師なし学習とは 3.5　強化学習とは 3.6　機械学習の原理：「学習する」とは 3.7 なぜ教師付き学習で予測が当たるのか？ 3.8 直線で分離できない問題への対応 4　高度化する教師付き学習 4.1　誤りを含む教師情報への対応 4.2　弱い教師情報の活用 4.3　限られた情報からロバストに：信頼できる機械学習に向けて 4.4　理研AIPに見る汎用基盤研究の現在地 5　今後の展望 5.1　モデルと学習法と、ある種の制約 5.2　機械学習の新技術：生成AI 5.3　AIと人間の未来

文科と理科両方の学生のために，統計的なものの考え方の基礎をやさしく解説するとともに，統計学の体系的な知識を与えるように，編集・執筆された．豊富な実際例を用いつつ，図表を多くとり入れ，視覚的にもわかりやすく親しみながら学べるよう配慮した． 第1章 統計学の基礎（中井検裕，縄田和満，松原 望） 第2章 1次元のデータ（中井検裕） 第3章 2次元のデータ（中井研裕，松原 望） 第4章 確率（縄田和満，松原 望） 第5章 確率変数（松原 望） 第6章 確率分布（松原 望） 第7章 多次元の確率分布（松原 望） 第8章 大数の法則と中心極限定理（中井検裕） 第9章 標本分布（縄田和満） 第10章 正規分布からの標本（縄田和満） 第11章 推定（縄田和満） 第12章 仮説検定（縄田和満，松原 望） 第13章 回帰分析（縄田和満） 統計数値表 練習問題の解答

本書は、機械学習の解釈性とその重要性に焦点を当て、特にブラックボックスモデルの理解を助ける手法を紹介しています。著者は、解釈性を高めるための4つの手法（PFI、PD、ICE、SHAP）を説明し、実務での適用方法や注意点を解説します。具体的には、線形回帰モデルを通じて解釈性を理解し、機械学習モデルの振る舞いを説明できるようになることを目指します。また、実データ分析を通じて手法を実装することが可能です。著者は、機械学習プロジェクトに従事する経験を持つ専門家です。

アルゴリズム取引にPythonを利用する方法を解説。自動取引戦略をシステマチックに構築、デプロイするための選択肢を学ぶ。 Pythonを使ってトレードを始めたい人に最適！ 『Pythonによるファイナンス 第2版』の著者が、アルゴリズムトレードにPythonを利用する方法を解説する書籍です。具体的には、アルゴリズムトレード用の適切なPython環境の設定、データの取得、NumPy/pandasを使ったデータ分析、取引戦略のバックテスト、市場予測、ストリーミングのリアルタイム処理等、アルゴリズム取引のさまざまな側面にPythonを適用するさまざまな手法を紹介することにより、自動取引戦略をシステマチックに構築、デプロイするために、どんな選択肢があるのかを学ぶことができます。 アルゴリズム取引にPythonを利用する方法を解説。自動取引戦略をシステマチックに構築、デプロイするための選択肢を学ぶ。

自社のシステムに人工知能の導入を検討している人が、人工知能システムの開発および運用・保守の一連のプロセスを把握できる。 自社システムに人工知能を導入したいときに読む本！ 機械学習をはじめとする人工知能への期待は増加していますが、 人工知能が搭載されたシステムを開発するプロジェクトマネージャの数は足りておらず、その数は今後さらに必要になっていきます。 また、大規模システムに人工知能が入るようになっていくと、それを運用・保守する仕事も必要となります。 大規模なシステムになるほど、「開発工程において何をするのか」を規定することが重要であり、 人工知能が搭載されたシステムの開発で行うことを体系的に理解しなければなりません。 本書では、人工知能システムを企画・開発し、運用・保守したい人向けに、 企画から運用までの一連のプロセスのノウハウを解説します。 【本書のポイント】 ・人工知能システムの開発を行うエンジニアやプロマネ向けのノウハウ集 ・人工知能システムの企画書や開発計画書が書けるようになる ・人工知能のトライアルを計画・実施できるようになる ・人工知能システムの開発および運用・保守の一連のプロセスを把握できる Chapter1 実用化されつつある人工知能 人工知能の定義 人工知能の歴史 人工知能の利用用途 認識の具体例 分析の具体例 対処の具体例 Chapter2 通常のシステムと人工知能システムの開発プロセスの違い 人工知能システムの開発プロセス 企画フェーズでの特徴 トライアルフェーズでの特徴 開発フェーズでの特徴 運用・保守フェーズでの特徴 Chapter3 人工知能システムの企画 目的の設定 システム構成の検討 業務フローの作成 データ選び スケジュール検討 運用・保守方針の検討 Chapter4 人工知能プロジェクトのトライアル トライアルのプロセス 分析内容定義 データ観察 モデル設計 データの加工 結果の評価（１）－評価指標の決定 結果の評価（２）－精度の評価 結果の評価（３）－解釈性の評価 結果の評価（４）－過学習度合いの評価 結果の評価（５）－CASE STYDYでの評価例 Chapter5 人工知能システムの開発 開発フェーズのプロセス要件定義工程（１）－計画作りー 要件定義工程（２）ー精度の確認ー 要件定義工程（３）ーデータ量の決定ー 要件定義工程（４）ー更新方法の決定ー 要件定義工程（５）ー学習データが少ないときの対応方法 要件定義工程（６）ー異常値処理方法の決定 設計工程 テスト工程 Chapter6 人工知能システムの運用・保守 人工知能を見守る 人工知能を育てる（１）－自動再学習ー 人工知能を育てる（２）－忘れさせるー 人工知能を育てる（３）－新しい知識を教えるー 人工知能と人の協調 付録 提案依頼書 開発提案書 トライアル分析提案書 トライアル分析報告書 WBS 機能要件定義書・非機能要件定義書 要件定義のためのデータ分析結果報告書

人工知能 人工知能と世界の見方 人工知能と社会

今の人工知能（AI）を正しく理解して活用し 導入効果を最大化するAIビジネス書の決定版 AIブームはとどまるところを知らず、企業や組織はAI活用の実践フェーズに突入しつつあります。 一方で、AIに関する様々な誤解がいまだに蔓延しており、深層学習（ディープラーニング）をはじめとする「今のAI」をどうすればビジネスに生かせるかの理解も進んでいません。 AIは非常に大きな可能性を秘めています。今のAIを効果的に活用すれば生産性やROI（投資対効果）の劇的な改善につながります。 一方でAIは癖のある道具であり、使いこなすには正しい理解と十分なノウハウが欠かせません。 本書は30年以上にわたりAIの開発や導入・活用を手掛けてきた筆者が、AIのビジネス活用に必要なすべてを具体的に解き明かす待望の一冊です。 今のAIで何がどこまでできるのかにはじまり、AI活用の進め方や評価方法、データを確保する手順、ハードやソフトの選び方、人材育成のやり方までを豊富な実例で具体的に説明します。 今がAI導入の絶好のチャンス。ここで決断しないと、国内外のライバルに後れを取ることになりかねません。 自社のAI活用に取り組むIT部門や経営企画部門、業務部門、顧客企業のAI活用を支援するベンダーやコンサルタントなど、AI活用に関わる人必携の一冊です。 ≪第1章　今のAIで何ができるか／できないのか≫ AIに関する「よくある誤解」 天文学的なデータ量・計算量を駆使する囲碁AI 「子供の知能」をいかに生かすか 画像監視が有用なビジネス領域を考える 深層学習は「生データコンピューティング」 AIを三つの軸で分類 深層学習はどのように特徴を抽出するのか 「パターン認識」はAIの目や耳 深層学習による機械翻訳が圧勝した理由 「強いAI」の誕生は早くて22世紀？ 指数関数の本当の怖さ 知識量は高々2次曲線的に増える 　【コラム】強いAI、汎用AI（AGI）の研究は科学か？ 今の深層学習を活用しない手はない 深層学習と他の方式の組み合わせも有用 ≪第2章　深層学習活用の基本的な流れ≫ AI活用に欠かせない目標設定 同じ評価データを利用可能にする 精度指標は「適合率」と「再現率」 前提となる正解が一つとは限らない 適合率と再現率、どちらを重視するか？ アマチュアとプロで求める精度は異なる 深層学習の精度評価実験は非常に簡単 共通の特徴と多彩な違いを反映した正解データを用意 開発環境を使ったデータ学習の流れ オーバーフィッティングに注意 ≪第3章　目標精度評価・活用の実際≫ ◆例1　車載カメラで危険映像候補を認識 危険運転の分類から自動運転の課題が分かる コスト削減効果は単純計算で7200倍 交通標識のAI対応やRFID化も必要に ◆例2　日本語OCR（文字認識） ◆例3　希少がんなどの病理診断を支援 精度目標の設定と予算見積もりは「鶏と卵」 自動運転は様々な観点での総合評価が必要 テスラ車の事故はなぜ起こったのか 事前の期待値を考慮したサービス評価が大切 実務フローの構想で有用な「取り違え行列」 確率値付きの判定結果で分岐条件を精密化 確信度に応じて処理を場合分け 検体や医療機関ごとに最適な精度を設定 AIの揚げ足取りをする意味 対話ボットの精度をどう評価するか 「対話成立度合い」で精度を定量評価 ITILを参考に業務フローを改善 例外的事態のデータを機械学習させて活用 ≪第4章　具体例で見るAI導入の実際≫ 企業はデジタル・エンタープライズに進化 AIを実装し、APIとして公開 AI導入の概略と社内体制 　【コラム】情シスはAIの担当になれるか 正解データをうまく作るための留意点 アノテーターによるラベル付けの実際 少しずつ異なる正解データを「水増し」する 深層学習の導入は辛抱強く 運用時のトータルシステム構成を描く GPUを選ぶ：現状はエヌビディア一択 ハードウエア機器を選ぶ：性能は10数年前の最先端スパコン以上 メインメモリーの容量にも注意 　【コラム】小型化の動きが加速 　～GPU内蔵ノートPCやUSBアクセラレータ GPUクラウドという選択 　【コラム】タダほど高いものはない？ 　無料のデータ学習サービスの実用性 深層学習の仕組みは多彩 主要な深層学習フレームワークの特徴と選び方 多種類のネットワーク構造の中でどれを選ぶか？ プログラム言語はほぼPython一択 既成のAIリソースの活用を意識する 完成したAIをアプリケーション化、API化する 作ったAPIを世界に公開する 様々なセキュリティ対策、プライバシーへの配慮 目には目を、AIにはAIを AI導入支援企業側を守る不正コピー対策 ソースコードをあえて一部開示する提供方法も ≪第5章　AI導入を支える人材が持つべきスキル≫ ユーザー企業はAI人材をどう確保するか ユーザー企業のマネジャーが心得るべきポイント AI時代に必要なのはシャーロック・ホームズのような思考力 AI要員に求められる資質と専門分野 旧来のIT知識が足を引っ張る恐れも 「正解データの整備」が開発作業の中心に APIエコノミーでマッシュアップの達人がより大切に AI要員に欠かせない高いコミュニケーション能力 知識は急速に陳腐化する 知識労働から知能労働へ 知識はタダ同然になっていく AIと人間の役割分担を考える 人間はビッグデータ無しにそこそこの確度で推論できる 異なる専門家のコラボを実現する「ペア要求開発」 AIプロジェクト推進の原動力となる人材 熟練職人芸をAIに移植した後の空洞化対策 ≪第6章　AIの産業応用で今後留意すべきこと≫ ビッグデータの役割はより重要に AIを利用して人々がデータに圧倒されないようにしたい 現在のAIにも存在する「知識獲得ボトルネック」 データの整備や付加価値化にこそAIを活用すべき 正解データの整備・収集時の留意点 日本はAI導入の「伸びしろ」が大きい 店員と同じように接客できるAIが登場する？ AI研究者にとって人文科学や哲学は重要 ベーシックインカムでは問題は解決しない AGI＝汎用AIを道具として扱う