Ｐｙｔｈｏｎが動くＧｏｏｇｌｅ　ＣｏｌａｂでＡＩ自習ドリル

本書では，独学することを前提に，AIとしてよく知られている分類，予測，画像認識，物体検出，自然言語処理などを，プログラムとイメージ図で解説しています．
　難しい理論・数式の理解よりも，個々のAIの仕組みをイメージできるようなり，身の回りの問題を解決できるツールとしてAIを使えるようになることを目的としています．このため，AIに関する多くの技術を紹介しつつ，その仕組みをイメージ図を使って解説し，使い方はできるだけ省略しないように努めました．さらに，読者が自分の理解度を確認でき，スムーズにかつうまくAIを使いこなせるように，いくつかの基礎的な技術に関しては練習問題をつけてあります．

本書は月刊『Interface』誌2021年1月号〜2023年5月号に掲載された，連載「AI自習ドリル」の内容を再編集，加筆しまとめたものです．

目次

●イントロダクション　本書の読み方…AIアルコリズムを使いこなすために

☆第1部　押さえておきたい基本の「機械学習」

●第1章　多くのデータを指定した数のグループに分けてくれる「k平均法」
1　できること
2　イメージをつかむ
3　プログラムを動かしてみよう
4　結果の読み取り方
5　原理
6　発展的な内容…いろいろな表示方法でデータを読み解く
7　プログラムの説明
8　実践！データセットを自作してk平均法を適用してみる

●第2章　たくさんの項目からなるデータを人間に分かりやすい形で表示してくれる「主成分分析」
1　できること
2　イメージをつかむ
3　プログラムを動かしてみよう
4　結果の読み取り方
5　発展的な内容…商品開発に生かす
Appendix　主成分分析で画像分類

●第3章　分類の難しそうなデータを直線や曲線でグループ分けしてくれる「サポート・ベクタ・マシン」
1　できること
2　イメージをつかむ
3　プログラムを動かしてみよう
4　結果の読み取り方
5　原理
Appendix　サポート・ベクタ・マシンで画像分類

●第4章　次の状態を予測，その根拠を数学的に示す「時系列データ解析」
1　できること
2　イメージをつかむ
3　プログラムを動かしてみよう
4　結果の読み取り方
5　原理
6　実践！時系列データ解析に適したモデルを作る

●第5章　似た特徴を持つデータを近くに集めることを繰り返す「自己組織化マップ」
1　できること
2　イメージをつかむ
3　プログラムを動かしてみよう
4　結果の読み取り方
5　原理
6　プログラムの説明
7　実践！SOMでクラスタ分析を実行

☆第2部　これだけ知っていれば大丈夫「ディープ・ラーニング」

●第1章　心臓部「ニューラル・ネットワーク」を知る，動かす
1　できること
2　イメージをつかむ
3　プログラムを動かしてみよう
4　結果の読み取り方
5　原理
　ほか

本の帯に関して

帯つきでの出荷はお約束しておりません。
商品ページに、帯のみに付与される特典物等の表記がある場合でも、確実に帯つきでの出荷はお約束しておりません。
また、帯は商品の一部ではなく「広告扱い」のため、帯の有無・破損による交換や返品は承っておりません。

版・表紙について

版・表紙（カバー）のご指定は承っておりません。ご注文いただくタイミングによっては、お届けする商品の版や表紙が商品ページ上のものとは異なる場合がございます。
また、初版にのみにお付けしている特典（初回特典、初回仕様特典）がある商品は、商品ページに特典の表記がされている場合でも、無くなり次第終了となります。