あたらしい人工知能の教科書: プロダクト/サービス開発に必要な基礎知識

著者 :
  • 翔泳社
3.23
  • (2)
  • (8)
  • (10)
  • (6)
  • (0)
本棚登録 : 238
感想 : 12
本ページはアフィリエイトプログラムによる収益を得ています
  • Amazon.co.jp ・本 (351ページ)
  • / ISBN・EAN: 9784798145600

作品紹介・あらすじ

人工知能を利用した開発に必要な基礎知識がわかる!

【書籍概要】
「人工知能」に3度目の波が到来!
人工知能を利用した産業革命の波が日本にも押し寄せています。膨大なデータが様々なデバイス/サービスから集められ、それを分析・高速処理する環境が揃いつつあり、産学で研究開発が活発になっています。

本書は人工知能関連の開発に携わっているエンジニアに向けて、今後のコアとなる理論と技術を図解で解説した書籍です。

【対象読者】
人工知能を利用したプロダクトやサービス開発に携わるエンジニアの方(プログラマー、データベースエンジニア、組込みエンジニアなど)

【特徴】
話題の機械学習・深層学習、IoTやビッグデータとの連係についてもフォロー。理論の概念図や事例などを、わかりやすく解説しています。

【構成】
第1章では人工知能の過去と現在と未来について解説。第2章~第14章への伏線となるように解説しています。
第2章~第14章では、各トピックにおける理論と技術について解説しています。

【目次】
CHAPTER1 人工知能の過去と現在と未来
CHAPTER2 ルールベースとその発展型
CHAPTER3 オートマトンと人工生命プログラム
CHAPTER4 重み付けと最適解探索
CHAPTER5 重み付けと最適化プログラム
CHAPTER6 統計的機械学習(確率分布とモデリング)
CHAPTER7 統計的機械学習(教師なし学習と教師あり学習)
CHAPTER8 強化学習と分散人工知能
CHAPTER9 深層学習
CHAPTER10 画像や音声のパターン認識
CHAPTER11 自然言語処理と機械学習
CHAPTER12 知識表現とデータ構造
CHAPTER13 分散コンピューティング
CHAPTER14 大規模データ・IoTとのかかわり

【著者紹介】
多田智史(ただ・さとし)
1980年生まれ、兵庫県出身。大学は生物工学を専攻し、
現在バイオインフォマティクスの企業に勤務。データ解析プログラムや
Webベースのデータベースシステムの開発を業務で行う。

【監修者紹介】
石井一夫(いしい・かずお)
東京農工大学農学府農学部農学系ゲノム科学人材育成プログラム特任教授。
ゲノム研究者としての実務家の視点から、ビッグデータ活用のあるべき姿を
追求するために「ビッグデータ活用実務フォーラム」を2013年6月に設立。

感想・レビュー・書評

並び替え
表示形式
表示件数
絞り込み
  • 人工知能について本当に何も知らない人向けには,広く浅い知識の収集のための教科書として使えるかもしれない。ひどいネット記事よりはマシなくらい。

  • 参考URLがたくさんあるので消化していきたい

  • コンパクトにまとまっててよき

  • うん、全部ある。これを教科書として使って、足りない部分は専門書で補えばいい

  • 技術者向けであり、ほとんどついていかれなかった。
    人工知能のモデルが網羅的に紹介されているが、それぞれのモデルの紹介がだいぶ端折られていて一冊では理解不能。

  • 日本語がひどい。重要事項の項目集としての価値。

  • さらりと広く浅くって感じ?
    いろんな事が書いてあるのでとりあえず取っ掛かりにはなる。

  • だめ。今はちょっと無理。

  • 教員推薦

    ↓利用状況はこちらから↓
    https://mlib3.nit.ac.jp/webopac/BB00539295

  • ”人工知能の教科書”と書くだけあって、技術的ではあるが網羅性を求めるためそれぞれの説明はかなり端折られている。その内容は目次を眺めるとわかるのではないか。

    Chapter 1: 人工知能の過去と現在と未来
    Chapter 2: ルールベースとその発展型
    Chapter 3: オートマトンと人工生命プログラム
    Chapter 4: 重み付けと最適解探索
    Chapter 5: 重み付けと最適化プログラム
    Chapter 6: 統計的機械学習(確率分布とモデリング)
    Chapter 7: 統計的機械学習(教師なし学習と教師あり学習)
    Chapter 8: 強化学習と分散人工知能
    Chapter 9: 深層学習
    Chapter 10: 画像や音声のパターン認識
    Chapter 11: 自然言語処理と機械学習
    Chapter 12: 知識表現とデータ構造
    Chapter 13: 分散コンピューティング
    Chapter 14: 大規模データ・IoTとのかかわり

    どうだろうか。
    Q学習やDQNやCNNやRNNやら、TensorFlow、Chainer、Caffe、Theano、などここに書かれていることをコードをイメージしながらわかるようになりたいなとは思う。同時になれないなとも思う。

    GoogleのCloud Vision API、Speech API、Natural Language API、Cloud Translate APIといったPrediction APIや、Cloud Machine Learning Platformはわかるようになっておかないと。
    2015年にMicrosoftからAzure Machine Learning (Azure ML)、Amazon Machine Learning (Amazon ML)、IBM Bluemixなどが提供され、いよいよAIが産み出されるという雰囲気がここ数年熱くあったのだなと思う。世界屈指の棋士を圧倒したAlpha Goや現役名人である佐藤名人を破ったポナンザなどは、ひとつのその達成でもあった。

    もちろんボードゲームだけでなく今後、ここにも書かれているように、IoT (FireBase Cloud Messageなど)や画像認識(Google Cloud Visionなど)への適用領域も相当に広い。

    最後に脳の研究ともつなげられていて簡潔だが興味深い話が続く。脳の研究といっても、小脳の研究と大脳の研究は異なるというのは確かにその通りだと思う。「多くの脳機能が理解され計算機上で模倣されるようになれば、知能や意識と呼ばれるものが芽生える可能性も否定できません」と書くのは知識や意識の定義について統一的な見解がない中でいささかナイーブなのかもしれないが、..その通り否定できない。

    カバレッジとしては申し分ない。ただ全体として、研究者ではない素人にはさすがにレベルが高すぎた。そして、こういう話がわかるようになりたいのだということに気が付いて、少し寂しくなった。

全12件中 1 - 10件を表示

著者プロフィール



「2016年 『あたらしい人工知能の教科書 プロダクト/サービス開発に必要な基礎知識』 で使われていた紹介文から引用しています。」

多田智史の作品

  • 話題の本に出会えて、蔵書管理を手軽にできる!ブクログのアプリ AppStoreからダウンロード GooglePlayで手に入れよう
ツイートする
×