エンジニアなら知っておきたいAIのキホン : 機械学習・統計学・アルゴリズムをやさしく解説

• 資料種別: 図書
• ISBN: 978-4-295-00535-3
• タイトル: エンジニアなら知っておきたいAIのキホン : 機械学習・統計学・アルゴリズムをやさしく解説
• タイトルよみ: エンジニア ナラ シッテ オキタイ エーアイ ノ キホン : キカイ ガクシュウ トウケイガク アルゴリズム オ ヤサシク カイセツ
• 著者・編者: 梅田弘之 著
• 著者標目: 梅田, 弘之, 1957- ウメダ, ヒロユキ, 1957- ( 00528660 )典拠
• 出版事項: 東京 : インプレス
• 出版年月日等: 2019.1
• 出版年（W3CDTF）: 2019
• 数量: 278p
• 大きさ: 21cm
• 出版地（国名コード）: JP
• 本文の言語コード: jpn
• 件名標目: 人工知能 ジンコウチノウ ( 00574798 )典拠
• NDC10版: 007.13 : 情報学．情報科学
• NDLC: M121
• 対象利用者: 一般
• 書誌注記: 索引あり
• 入手条件・定価: 2200円
• 所蔵機関: 国立国会図書館
• 請求記号: M121-M7
• 連携機関・データベース: 国立国会図書館 : 国立国会図書館蔵書; https://ndlsearch.ndl.go.jp
• 書誌ID（NDLBibID）: 029421219; http://id.ndl.go.jp/bib/029421219
• 全国書誌番号: 23163220
• トーハンMARC番号: 33869886
• 目録規則: 日本目録規則1987年版改訂版
• 整理区分コード: 111

目次

表紙
はじめに
目次
第1部：人工知能の基礎を理解する
第1章 人工知能の全体像/人工知能の全体像(Overview)
第2章 AIチップとライブラリ/ムーアの法則の終焉
第3章 AIプラットフォーム/AIプラットフォームとは
第4章 機械学習とディープラーニングの違い/機械学習とは
第5章 機械学習の学習データ/学習データはどれくらいの量が必要か
第6章 転移学習と過学習/少ないデータで学習する方法/水増し(Data Augmentation)
第2部：機械学習のアルゴリズムを学ぶ
第7章 機械学習のアルゴリズム/機械学習法と統計学/3つの学習方法
第8章 Q-Learning/Q-LearningのQとは/P値(P-Value)とは
第9章 教師あり学習(回帰と分類)/統計学とアルゴリズム
第10章 教師なし学習(クラスタリング)/クラスタリング(Clustering)
第11章 畳み込みニューラルネットワーク(CNN)/畳み込みニューラルネットワーク(CNN)とは/麻里ちゃんのAI奮闘記：畳み込みってなに？
第12章 リカレントニューラルネットワーク(RNNとLSTM)/畳み込みニューラルネットワークのおさらい
第13章 敵対的生成ネットワーク(GAN)/GANとは
第14章 半教師あり学習とオートエンコーダー/半教師あり学習とは
第3部：ビジネスに活用するための人工知能を学ぶ
第15章 AIをビジネスに活用する際に押えておくべきポイント/非構造化データ(Unstructured data)を処理する目的
第16章 AIのビジネス活用を業界別に状況把握する
第17章 RPA(Robotic Process Automation)/RPAの仕組み
索引
著者プロフィール/媒体紹介/STAFF
奥付