試験公開中

このエントリーをはてなブックマークに追加

エンジニアのためのAI入門

インプレス

2,200円 1,100円+税 《特価》

本書は、Think ITの特集記事「ディープラーニング・人工知能最前線」の内容をまとめ、加筆して書籍化したものです。これから業務でディープラーニングやAIに携わる必要(可能性)がある技術者に向け、基礎知識から様々な業種の利用事例、ディープラーニング・人工知能の最前線で活躍する技術者の紹介など、1冊で幅広く網羅した書籍となっています。

関連サイト

本書の関連ページが用意されています。

内容紹介

本書は、Think ITの特集記事「ディープラーニング・人工知能最前線」の内容をまとめ、加筆して書籍化したものです。これから業務でディープラーニングやAIに携わる必要(可能性)がある技術者に向け、基礎知識から様々な業種の利用事例、ディープラーニング・人工知能の最前線で活躍する技術者の紹介など、1冊で幅広く網羅した書籍となっています。

第1部 概要編:技術者なら知っておきたいディープラーニング・AIの基礎知識
・AIの歴史と主要な要素技術がわかる!
第1~3次AIブーム、ニューラルネットワーク、シンギュラリティ、ディープラーニング、機械学習など
第2部 事例編:AI最前線の現場から ~業界別AIへの取り組み
・各業界のAI活用事例がわかる!
【サイバーエージェント】アドテクスタジオ「AI Lab」
【GMOペパボ】「なめらかなシステム」
【スクウェアエニックス】デジタルゲームのための人工知能入門
【学びing】ロボアドバイザー1号「巫(かんなぎ)
【ietty】「オンライン接客」実現のためのAI
【Stripe】機械学習を用いた不正使用検出の基礎
【エクサインテリジェンス】
心臓MRI検査の診断支援、「医療× AI」への取り組み
第3部 人材編:最前線で活躍する人たち
・現場で働く技術者からスタートアップ起業家まで―

書誌情報

  • 著者: Think IT編集部
  • 発行日: (紙書籍版発行日: 2017-07-07)
  • 最終更新日: 2017-07-07
  • バージョン: 1.0.0
  • ページ数: 208ページ(PDF版換算)
  • 対応フォーマット: PDF, EPUB
  • 出版社: インプレス

対象読者

これから業務としてディープラーニングやAIに携わる必要(可能性)がある技術者(初心者)

著者について

Think IT編集部

オープンソース技術の実践活用メディア” をスローガンに、インプレスグループが運営するエンジニアのための技術解説サイト。開発の現場で役立つノウハウ記事を毎日公開しています。

目次

はじめに

目次

第1部 概要編 技術者なら押さえておきたいAI・ディープラーニングの基礎知識

第1章 AI・ディープラーニングの基礎知識

  • 1.1 AIがついに人を超えた!?
  • 1.2 そもそも、「AI」って何?
  • 1.3 「ニューラルネットワーク」の始まり
  • 1.4 エキスパートシステムの登場とAIの冬
  • 1.5 強いAIと弱いAI
  • 1.6 シンギュラリティ:いつ人を超える人工汎用知能ができるのか?
  • 1.7 悪意を持って利用されたオンラインチャットボット「Tay」
  • 1.8 ボードゲームの世界はAIブームの最先端かもしれない
  • 1.9 ディープラーニングと第3次AIブーム
  • 1.10 AI・機械学習・ディープラーニングの関係
  • 1.11 注目された経緯
  • 1.12 急速な実用化の波
  • 1.13 ゲームチェンジャーになり得るディープラーニング
  • 1.14 機械学習の手法
  • 1.15 ニューラルネットワークが再び注目された理由
  • 1.16 何が「ディープ」なのか?
  • 1.17 ディープラーニングは、他の機械学習技術とどこが違う?
  • 1.18 学習の流れ
  • 1.19 新たなハードウェアの選択肢
  • 1.20 ニューラルネットワークの学習
  • 1.21 ニューラルネットワークの種類
  • 1.22 ディープラーニング学習ツールの紹介
  • 1.23 ディープラーニングを実用するポイント
  • 1.24 著作権表記

第2部 事例編 AI 最前線の現場から~業界別AI への取り組み

第2章 【サイバーエージェント】アドテクスタジオ「AI Lab」

  • 2.1 AI研究とは?
  • 2.2 AI Labの設立
  • 2.3 ネット広告をより良い体験へ
  • 2.4 AI Labにおける広告ビジネスの本質
  • 2.5 CTR予測はアドテクのコア技術
  • 2.6 予算のアロケーションとペーシング
  • 2.7 結局はクリエイティブが一番大事
  • 2.8 AIと人の協業

第3章 【GMOペパボ】「なめらかなシステム」

  • 3.1 ホスティングサーバ監視を自動化するAIアプローチ
  • 3.2 単純に数値を見るだけでは分からない領域
  • 3.3 一つのデータの変化では検知できない異常
  • 3.4 サーバの自己監視と自動リソース制御
  • 3.5 なめらかなシステム
  • 3.6 なめらかなシステムの設計と実装例

第4章 【スクウェア・エニックス】デジタルゲームのための人工知能入門

  • 4.1 デジタルゲームの人工知能とは
  • 4.2 デジタルゲームの人工知能の大きな仕組み
  • 4.3 キャラクターAIの作り方
  • 4.4 エージェント・アーキテクチャ
  • 4.5 「認識」モジュールの作り方.
  • 4.6 「意思決定」モジュールの作り方
  • 4.7 ビヘイビア・ベースの「ビヘイビア・ツリー」
  • 4.8 身体と知能の問題
  • 4.9 身体とアニメーション
  • 4.10 シミュレーションによる攻撃領域の学習
  • 4.11 シミュレーションによる移動の学習
  • 4.12 ゲームそのものを認識するメタAI
  • 4.13 ナビゲーションAIとは
  • 4.14 まとめ
  • 4.15 参考文献

第5章 【学びing】ロボアドバイザー1号「巫(かんなぎ)」

  • 5.1 Fintechとはどんな分野か
  • 5.2 ロボアドバイザー1号「巫」の特徴
  • 5.3 ロボアドバイザー1号「巫」システムの概要
  • 5.4 金融マーケットの未来をAIで予測する方法
  • 5.5 FX版「巫」の取り組みの経緯
  • 5.6 実際のマーケットにおける「巫」の振る舞い
  • 5.7 FX版「巫」の特性と課題
  • 5.8 人は裁量トレードでも自動売買でも、3勝7敗に耐えられるか
  • 5.9 FX版「巫」の無料観測情報を利用してトレードする人の声
  • 5.10 まとめ

第6章 【ietty】「オンライン接客」実現のためのAI

  • 6.1 不動産とEコマース
  • 6.2 AIレコメンデーション
  • 6.3 「接客」をAI化するチャットボット
  • 6.4 まとめ

第7章 【Stripe】機械学習を用いた不正使用検出の基礎

  • 7.1 はじめに
  • 7.2 クレジット決済と不正使用
  • 7.3 Stripe RadarとStripeネットワーク
  • 7.4 機械学習の基礎
  • 7.5 機械学習モデルの評価
  • 7.6 不正使用防止システムパフォーマンスの推論
  • 7.7 様々なルールと手動のレビューでパフォーマンスを改善
  • 7.8 おわりに

第8章 【エクサインテリジェンス】心臓MRI検査の診断支援、「医療×AI」への取り組み

  • 8.1 AIと医療を結ぶ
  • 8.2 AIマーケットの現状とエクサインテリジェンスの立ち位置
  • 8.3 AI研究の歴史と今後の発展
  • 8.4 医療分野におけるAI
  • 8.5 エクサインテリジェンスが目指すこと
  • 8.6 医療診断支援システムの課題と今後の展望
  • 8.7 医療診断支援システムの歴史
  • 8.8 人工知能を医療に応用するための課題と対応法
  • 8.9 エクサインテリジェンスの医療診断支援システム
  • 8.10 医療分野におけるAI普及の課題
  • 8.11 人工知能の普及を目指して
  • 8.12 誰でも人工知能を使う時代から作る時代へ
  • 8.13 「AI ×医療」とエクサエンテリジェンスの未来
  • 8.14 AI ×医療分野の特徴
  • 8.15 AIによる画像診断支援
  • 8.16 AIによる診療支援
  • 8.17 センサーとIoT機器の発達
  • 8.18 未来を占うその他のキーワード
  • 8.19 まとめ

第3部 人材編 AI の最前線で活躍する技術者たち

第9章 ディープラーニングの習得にはスクラッチでの実装が効果的

  • 9.1 ディープラーニングとの出会い~2012年、松尾豊研究室
  • 9.2 編集者はGitHubを見ていた
  • 9.3 "Java Deep Learning Essential"の上梓
  • 9.4 Pythonの強みはライブラリとツールの充実
  • 9.5 ディープラーニングの成果を役立てるために
  • 9.6 ディープラーニングの成果を役立てるために
  • 9.7 医療情報におけるディープラーニングの活用
  • 9.8 ディープラーニングはR&Dから製品化へ
  • 9.9 アプリ領域の可能性と新しいチャレンジ環境

第10章 急増するデータ分析ニーズに「1プロジェクト3か月」設定で解答を出す

  • 10.1 ネット系企業で培ったデータ分析の経験
  • 10.2 DATUM STUDIOにおける分析業務
  • 10.3 分析手順の詳細
  • 10.4 分析結果に対する顧客からの評価
  • 10.5 IoTビッグデータ時代にデータ分析が注目される背景
  • 10.6 コミュニティ活動も積極的に
  • 10.7 R言語の特徴とPythonとの違い
  • 10.8 技術者を育成するセミナー講師も務める

第11章 データ収集にはオープンソース化よりAPI提供が適している―リクルート「A3RT」無料公開の裏側

  • 11.1 テクノロジードリブンでグループのビジネスの質の向上を目指す
  • 11.2 競争力も考えて選ばれた6つの公開API
  • 11.3 API提供で見えてきたもの
  • 11.4 オープンソースとAPIの適材適所
  • 11.5 「A3RT」開発の舞台裏と今後の展望

著者紹介

執筆協力/編者・媒体紹介/スタッフ

Home 書籍一覧 エンジニアのためのAI入門 ▲ ページトップへ戻る