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

2019年1月22日

インプレス

梅田弘之

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）
ディープラーニングの歩み
［麻里ちゃんのAI奮闘記］AIやるのに、高等数学や統計学の勉強はMustか？

第2章 AIチップとライブラリ
ムーアの法則の終焉
AIチップ
エッジコンピューティング
機械学習ライブラリ
オープンソースライセンス（OSS）
主な機械学習ライブラリ
［麻里ちゃんのAI奮闘記］量子コンピュータってどんな状況なの？

第3章 AIプラットフォーム
AIプラットフォームとは
Google Cloud Machine LearningとMicrosoft Cognitive Services
［麻里ちゃんのAI奮闘記］りんな

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
ミニバッチ学習法
ホールドアウト法
正解率と再現率と精度
過学習と汎化誤差
バリアンスとバイアス
アクティブラーニング
機械学習とディープラーニングの違い
ニューラルネットワークとは
シグモイドニューロン
シグモイドニューロンの階層
誤差逆伝搬（Back propagation）
機械学習アルゴリズムとディープラーニングの違い
［麻里ちゃんのAI奮闘記］ニューラルネットワークは階層構造

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
データクレンジング
データクレンジングの自動化
学習データを用意する方法
ImageNetとILSVRC
学習済みモデル（Pre-trained models）
［麻里ちゃんのAI奮闘記］学習データの品質とは？

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）
水増しの注意点
転移学習（Transfer learning）
転移学習の方法
過学習を防ぐ技術
正則化（Regularization）
ドロップアウト（Drop out）
K分割交差検証
（K-fold cross-validation）
［麻里ちゃんのAI奮闘記］正則化と回帰の違い

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
回帰（Regression）
分類（Classification）
クラスタリング（Clustering）
強化学習
バンディットアルゴリズムとABテスト
Optimism in face of uncertainty
モンテカルロ法
［麻里ちゃんのAI奮闘記］分類とクラスター分析の違い

第8章 Q-Learning
Q-LearningのQとは
P値（P-Value）とは
多重検定とFWER
FDR
Benjamini-Hochberg（BH法）
Q値（Q-Value）とは
Q-Learningと海戦ゲーム
Q-Learningとは
Qボードへの情報書込みルール
エピソード1
エピソード2
エピソード2の続き
エピソードn
強化学習の構成
強化学習のアルゴリズム
状態行動空間の爆発
［麻里ちゃんのAI奮闘記］強化学習は試行錯誤

第9章教師あり学習（回帰と分類）
統計学とアルゴリズム
回帰（Regression）
分類（Classification）
［麻里ちゃんのAI奮闘記］尤度とシグモイド

第10章教師なし学習（クラスタリング）
クラスタリング（Clustering）
次元の呪い
次元削減
主成分分析（PCA:Principal Component Analysis）
［麻里ちゃんのAI奮闘記］次元の呪いと上野の麻辣大学のゴマ団子

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
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）
出力層（Output layer）
［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
リカレント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の展開図
リカレントニューラルネットワークが使われる技術分野
長・短期記憶ユニット（LSTM）
単純RNNの長期依存性問題
RNNの構造
LSTMの構造
［麻里ちゃんのAI奮闘記］人生はリカレントでない方がいい場合もある

第13章敵対的生成ネットワーク（GAN）
GANとは
GANの現在の実力
潜在変数とノイズ
DCGAN
GANの学習
アップサンプリング
GANの用途
［麻里ちゃんのAI奮闘記］GANの学習は切磋琢磨

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
半教師あり学習のモデル
分類器に基づく手法…ブートストラップ法（Bootstrapping）
データに基づく手法…グラフベースアルゴリズム
オートエンコーダー（Auto Encoder）
オートエンコーダーの利用例
VAE（Variational Autoencoder）
半教師ありVAE
Conditional GAN（条件付きGAN）
VAEGAN
［麻里ちゃんのAI奮闘記］生成モデルと識別モデルの違い

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
人工知能に何を期待するか
人工知能の得意なことと活用分野
ビジネスにAIを活用する分野と脅かされる職業
［麻里ちゃんのAI奮闘記］ERPを取り巻くAI活用

第16章 AIのビジネス活用を業界別に状況把握する
産業別の人工知能活用状況
慈善事業（For Good）
農業（Agriculture）
法曹界（Legal）
ガス・石油業界（Oil&Gas）
医療・ヘルスケア（Medical/Healthcare）
製造業（Manufacture）
EC・小売業（Retail/Commerce）
B to Bセールス&マーケティング（B2B Sales&Marketing）
［麻里ちゃんのAI奮闘記］スマホがビッグデータの鍵となる時代

第17章 RPA（Robotic Process Automation）
RPAの仕組み
RPAに必要な機能
RPAの利用用途
RPAの3つのクラス
RPAの弱点
RPA製品の違い
RPAの今後
［麻里ちゃんのAI奮闘記］RPA導入で失敗するケース

索引

書籍目次

Posted by shi-n