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
- 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