いちばんやさしい機械学習プロジェクトの教本
いちばんやさしい機械学習プロジェクトの教本 人気講師が教える仕事に AI を導入する方法 (「いちばんやさしい教本」シリーズ)
インプレス
著者：韮原祐介
はじめに
Chapter1 これからのビジネスを切り拓く機械学習
01 ［現代の人口知能と本書の概要］機械学習プロジェクトとは何か？
02 ［AIファースト］AIファーストの時代背景を知る
03 ［GAFA+Microsoftの取り組み］トップ企業に見る機械学習の取り組み
04 ［技術進化の意味合い］機械学習がもたらすメリット
05 ［機械のカンブリア紀到来の背景］機械学習が注目される理由を知る
06 ［第4次産業革命］国の成長戦略としての機械学習
07 ［日本企業の取り組み］日本企業におけるAIの取り組みの実態
08 ［必要な人材の需給］AI・機械学習に必要な人材の状況
09 ［機械学習に取り組む意義］機械学習に取り組むことが新しい価値を生む出す
COLUMN 情報が氾濫する中、いかに正しい情報を得るか
Chapter2 機械学習の仕組みを理解しよう
10 ［機械学習の概要］機械学習とは？
11 ［ルールベース］ルールベースと機械学習の違い
12 ［機械学習のメリット］機械学習で得られるもの
13 ［機械学習の全体像］機械学習の分類を理解する
14 ［モデル構築のフロー］機械学習のモデル構築について知る
15 ［データの種類と前処理］データと前処理について理解しよう
16 ［アルゴリズム選択と調整］アルゴリズムの選択について知る
17 ［ディープラーニング］ディープラーニングの基本的な仕組み
18 ［モデル検証と過学習］モデルの精度を評価する
19 ［モデル改善］モデルを改善するには？
COLUMN 現在のAIは過去のAIとどこが違うのか？
Chapter3 機械学習に必要なリソースを理解しよう
20 ［必要なリソース］機械学習プロジェクトに必要なリソースを知ろう
21 ［物的リソースの概要］機械学習に必要なソフトウェアとハードウェア
22 ［プログラミング言語］Pythonの特徴を知ろう
23 ［ライブラリ］機械学習のライブラリについて知ろう
24 ［統計解析ソフトウェア］機械学習をサポートするソフトウェア
25 ［クラウドのハードウェアリソース利用］機械学習に必要なハードウェアリソース
COLUMN AIと中国
Chapter4 プロジェクトのゴールを定める
26 ［プロジェクトの全体像］機械学習プロジェクトにおけるフェーズの切り方
27 ［構想フェーズ］構想フェーズの全体像をつかむ
28 ［テーマの設定］機械学習プロジェクトの「テーマ」とは何か？
29 ［課題の設定］どんな課題が機械学習で解決出来るかを理解する
30 ［機械学習に用いるデータの種類］課題に対して利用可能なデータを理解する
31 ［機械学習システム］機械学習を「仕組み化」する必要性を理解する
32 ［テーマ案の検討］機械学習プロジェクトのテーマ候補を考える
33 ［テーマのスクリーニング］期待成果とデータ利用可能性の2軸で絞り込む
34 ［業務とシステムのデザイン］機械学習が組み込まれた業務とシステムデザインする
35 ［スケジュールの検討］機械学習プロジェクトのスケジュールを立てる
36 ［実行体制の検討］機械学習プロジェクトの体制を構築する
37 ［ROIの試算］ROI（投資対効果）を試算する
38 ［構想書の書き方］効果的な構想書の書き方を知る
CPLUMN 何の問いに答えるか、何の課題を解決するか？
Chapter5 プロジェクトの体制を整えよう
39 ［フェーズに応じた体制］フェーズごとに必要な人材を知ろう
40 ［専門家間でのチームワーク］ディレクションの要点を押さえよう
41 ［外部パートナー企業の利用］外部パートナー企業への支援依頼を検討する
42 ［パートナー企業の選定基準］どんな基準で外部パートナーを選定すべきか？
43 ［分析サービスの利用］分析サービス企業に支援を依頼する
44 ［経営コンサルティング会社の利用］コンサルティング会社に支援を依頼する
45 ［社内の人材活用］機械学習プロジェクトに必要な人材を確保する
46 ［外注時の契約］契約形態の特徴と注意点を理解しよう
47 ［費用／コスト］機械学習システムの費用目安とは？
COLUMN 10年後に仕事がAIに奪われるって本当？
Chapter6 プロジェクトの実現可能性を検証する
48 ［PoCフェーズの全体像］PoCフェーズを構成するタスクを知る
49 ［データのアセスメント］機械学習に用いるデータをどのように評価するか
50 ［モックアップモデルの構築］実現可能性を検証するためのモデルを構築する
51 ［学習済みモデルを用いる］クラウドサービスの学習済みモデルを利用する
52 ［検証項目の評価］PoCフェーズの検証項目を評価する
53 ［センサーの検証］新たにセンサーを設置してデータを取得する
COLUMN キュウリ農家とディープラーニング
Chapter7 機械学習システムを実装する
54 ［実装フェーズの全体像］実装フェーズを構成するタスクを知る
55 ［実装の特異性］通常システム開発との違いを知る
56 ［要件定義の進め方］機械学習システムの要件定義
57 ［設計・開発の進め方］機械学習システムの設計・甲斐春
58 ［テストの進め方］機械学習システムのテスト
COLUMN 超人的なAIを創る！？
Chapter8 機械学習システムの運用ポイントを学ぼう
59 ［運用フェーズの全体像］機械学習プロジェクトならではの運用タスク
60 ［KPIモニタリング］どのようなKPIを定義すればよいか
61 ［モデルのチューニング］機械学習モデルを修正する
62 ［システムの運用］機械学習システム運用の実務
COLUMN 片付けロボットを作りたい
Chapter9 成功事例に学ぶ機械学習プロジェクト
63 ［ケーススタディ①］顧客の行動に応じたレコメンドシステム
64 ［ケーススタディ②］SNSの投稿画像から商品利用シーンを解析する
65 ［ケーススタディ③］音声リクエストに応じてロボットが動作する
COLUMN AIが作る新しい仕事
おわりに
参考文献
索引