実務のための「機械学習」と「AI」 和田 尚之(著/文) - 工学社 【利用不可】
書店員向け情報 HELP
実務のための「機械学習」と「AI」
- 初版年月日
- 2021年5月30日
- 書店発売日
- 2021年5月27日
- 登録日
- 2021年5月13日
- 最終更新日
- 2021年5月19日
紹介
現在では、「医療分野」「事前予測システム」「猛暑予測システム」「気象災害予測システム」など、「機械学習」や「AI」は、当たり前のように実社会に溶け込んできています。
そして、AIの専門家でなくとも「自前のパソコンで、できれば無償でAIを実務で応用したい」と思っている方は少なくありません。
ですが、「難しそう」と、まだまだ「機械学習」「AI」のハードルは高く感じられています。
＊
本書は、こうした現状を踏まえ、「AIが専門でない技術者や研究者」など、さまざまな分野の人が、実際に「機械学習」「AI」を使って、実務に活用できることを目的にしています。
目次
第1章 データの構造
1-1 Big Data
1-2 Small Data
1-3 One Data
第２章 データのスケール（情報量・感覚量）
2-1 情報量
2-2 感覚量
第３章 「Fractal次元」を利用した中小河川の流域治水への応用
3-1 あいまいな次元
3-2 「Fractal次元」を利用した 中小河川の流域治水への応用
3-3 1次元から0次元の「はざま」の視点で捉える過疎化の「カントール集合化」のモデル
第４章 数値データの解析
4-1 #7119救急車を呼ぶ前に （Projection Plot：影響の大きい要因探査）
4-2キュウリの病害の画像解析
4-3 季節変動を受けるバラつきのある時系列データ
第5章 「文字データ」の解析
5-1 文字データの処理（文字データの数値化）
5-2 不確実な尺度をもつデータの解析
5-3 野菜の成長評価の分析 欠測値の多いデータ
第6章 数値と文字データの混在型データの解析
6-1 米国での輸入自動車の価格評価と予測
6-2 ワインの選好―「学習データ」と「テストデータ」を使う方法（深層学習：Deep Learning）
6-3 「アンケート・データ」の解析
上記内容は本書刊行時のものです。
