目次
-
表紙
著者プロフィール
はじめに
目次
Chapter1 これからのビジネスを切り拓く機械学習
Lesson01 機械学習プロジェクトとは何か?
Lesson02 AIファーストの時代背景を知る
Lesson03 トップ企業にみる機械学習の取り組み
Lesson04 機械学習がもたらすインパクト
Lesson05 機械学習が注目される理由を知る
Lesson06 国の成長戦略としての機械学習
Lesson07 日本企業におけるAIの取り組みの実態
Lesson08 AI・機械学習に必要な人材の状況
Lesson09 機械学習に取り組むことが新しい価値を生み出す
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
Lesson10 機械学習とは何か?
Lesson11 ルールベースと機械学習の違い
Lesson12 機械学習で得られるもの
Lesson13 機械学習の分類を理解する
Lesson14 機械学習のモデル構築について知る
Lesson15 データと前処理について理解しよう
Lesson16 アルゴリズムの選択について知る
Lesson17 ディープラーニングの基本的な仕組み
Lesson18 モデルの精度を評価する
Lesson19 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
Lesson20 機械学習プロジェクトに必要なリソースを知ろう
Lesson21 機械学習に必要なソフトウェアとハードウェア
Lesson22 Pythonの特徴を知ろう
Lesson23 機械学習のライブラリについて知ろう
Lesson24 機械学習をサポートするソフトウェア
Lesson25 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
Lesson26 機械学習プロジェクトにおけるフェーズの切り方
Lesson27 構想フェーズの全体像をつかむ
Lesson28 機械学習プロジェクトの「テーマ」とは何か?
Lesson29 どんな課題が機械学習で解決できるかを理解する
Lesson30 課題に対して利用可能なデータを理解する
Lesson31 機械学習を「仕組み化」する必要性を理解する
Lesson32 機械学習プロジェクトのテーマ候補を考える
Lesson33 期待成果とデータ利用可能性の2軸で絞り込む
Lesson34 機械学習が組み込まれた業務とシステムをデザインする
Lesson35 機械学習プロジェクトのスケジュールを立てる
Lesson36 機械学習プロジェクトの体制を構築する
Lesson37 ROI(投資対効果)を試算する
Lesson38 効果的な構想書の書き方を知る
COLUMN 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
Lesson39 フェーズごとに必要な人材を知ろう
Lesson40 ディレクションの要点を押さえよう
Lesson41 外部パートナー企業への支援依頼を検討する
Lesson42 どんな基準で外部パートナーを選定すべきか?
Lesson43 分析サービス企業に支援を依頼する
Lesson44 コンサルティング会社に支援を依頼する
Lesson45 機械学習プロジェクトに必要な人材を確保する
Lesson46 契約形態の特徴と注意点を理解しよう
Lesson47 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討する
Lesson48 PoCフェーズを構成するタスクを知る
Lesson49 機械学習に用いるデータをどのように評価するか
Lesson50 実現可能性を検証するためのモデルを構築する
Lesson51 クラウドサービスの学習済みモデルを利用する
Lesson52 PoCフェーズの検証項目を評価する
ほか
情報理論・情報科学 ランキング
前へ戻る
-
1位
-
2位
-
3位
-
4位
-
5位
-
6位
-
7位
-
8位
-
9位
-
10位
次に進む