超簡單的機器學習:人氣講師為你講解AI在工作中的應用

[日]菲原祐介 譯 李遠超

  • 出版商: 中國青年
  • 出版日期: 2022-06-01
  • 定價: $479
  • 售價: 8.5$407
  • 語言: 簡體中文
  • 頁數: 208
  • 裝訂: 平裝
  • ISBN: 7515366273
  • ISBN-13: 9787515366272
  • 相關分類: Machine Learning
  • 立即出貨 (庫存 < 4)

買這商品的人也買了...

相關主題

商品描述

這是一本面向對AI和機器學習的活用感興趣的經營層、企劃部門、事業部門和IT部門等從業人員的書籍。
從打消“為什麼現在應該努力呢”這樣的疑問開始,
到即便對AI和機器學習的前提知識沒有了解,也能夠理解“如何建立項目,怎樣創造出成果”的方法論。
本書旨在作為諮詢公司和系統開發公司等尋求外部AI支援的參考書。

作者簡介

[ 日] 韮原祐介:
株式會社brainpad AI 商務本部副部長,提供有關機器學習技術等利用數據科學和數字技術改善經營的諮詢服務,
包括需求預測、圖像分析、複製引擎、搜索等機器學習系統服務,為商業成果的經營創造優勢。
在包括諮詢商會在內的國內外企業中,從事了10 年以上有關經營改革支援的工作。

目錄大綱

第1章 開拓今後業務的機器學習
[人工智能現狀與本書概要]
1 什麼是機器學習項目
[AI優先]
2 了解AI優先的時代背景
[GAFA Microsoft的對策]
3 從企業來看機器學習的策略
[技術進化的意義]
4 機器學習帶來的衝擊
[機器寒武紀到來的背景]
5 了解機器學習受到關注的原因
[第四次工業革命]
6 作為國家成長戰略的機器學習
[日本企業的對策]
7 日本企業AI對策實況
[所需的人才供求]
8 AI·機器學習所需人才狀況
[從事機器學習的意義]
9 從事機器學習產生新的價值
專欄·如何在信息爆炸中獲取正確的信息
第2章 理解機器學習的機制
[機器學習概要]
10 什麼是機器學習
[基於規則]
11 基於規則和機器學習的區別
[機器學習的優點]
12 從機器學習中能得到什麼
[機器學習的全貌]
13 理解機器學習的分類
[模型構建的流程]
14 了解機器學習的模型構建
[數據的類型和預處理]
15 理解數據和預處理
[算法的選擇和調整]
16 了解算法的選擇
[深度學習]
17 深度學習的基本機制
[模型驗證和過擬合]
18 評價模型的精度
[模型的改善]
19 怎樣改善模型
專欄·現在的AI和過去的AI有什麼不同
第3章 了解機器學習所必需的資源
[必需的資源]
20 推進機器學習項目所需資源
[物理資源概要]
21 機器學習所需的軟件和硬件
[編程語言]
22 了解Python的特徵
[庫]
23 了解機器學習的庫
[統計分析軟件]
24 幫助機器學習的軟件
[利用雲的硬件資源]
25 機器學習所需的硬件資源
專欄·AI和中國
第4章 確定項目的目標
[項目的全貌]
26 機器學習項目的階段區分方式
[構思階段]
27 抓住構思階段的全貌
[課題的設定]
28 什麼是機器學習項目的“課題”
[課題的設定]
29 理解什麼樣的課題可以通過機器學習解決
[用於機器學習的數據種類]
30 理解對課題可用的數據
[機器學習系統]
31 理解機器學習“系統化”的必要性
[課題方案的探討]
32 考慮機器學習項目的候選課題
[課題的篩選]
33 用期望成果和數據利用的可能性縮小範圍
[設計業務和系統]
34 設計能夠應用機器學習的業務和系統
[日程的研究與製定]
35 制定機器學習項目的日程
[ 執行體制的探討]
36 構建機器學習項目的體制
[ROI的估算]
37 估算ROI(投資回報率)
[方案書的寫法]
38 了解有效的方案書的寫法
專欄·回答什麼問題,解決什麼課題
第5章 確立項目的體制
[利用外部的合作夥伴]
39 探討向外部合作夥伴企業的支援請求
[合作夥伴的選擇標準]
40 確定選擇合作夥伴的標準
[利用分析服務公司]
41 向分析服務公司請求幫助
[利用諮詢公司]
42 向諮詢公司請求幫助
[活用公司內部人才]
43 確保機器學習項目所需的人才
[與其他公司簽約合作]
44 了解合同形式的特徵和注意事項
[費用/成本]
45 什麼是機器學習系統的費用預算
專欄·10年後工作真的會被AI奪走嗎
第6章 驗證項目
46 實現的可能性
[PoC階段的全貌]
47 了解構成PoC階段的任務
[數據評估]
48 如何評價用於機器學習的數據
[實體模型的構建]
49 構建用於驗證可行性的模型
[使用已訓練好的模型]
50 利用雲服務訓練好的模型
[驗證項目的評估]
51 評估PoC階段的驗證項目
[傳感器的驗證]
52 安裝的傳感器來獲取數據
專欄·黃瓜農戶與深度學習
第7章 實裝機器
53 學習系統
[實裝階段的全貌]
54 了解構成實裝階段的任務
[實裝的特異性]
55 機器學習系統與一般系統開發的區別
[需求定義的推進方法]
56 機器學習系統的需求定義
[設計與開發的推進方法]
57 機器學習系統的設計與開發
[測試的推進方法]
58 機器學習系統的測試
專欄·創造超人般的AI
第8章 掌握機器學習系統的使用要點
[應用階段的全貌]
59 機器學習項目特有的應用任務
[KPI的監測]
60 應該定義怎樣的KPI
[模型的微調]
61 修正機器學習模型
[系統的應用]
62 應用機器學習系統的課題
專欄·想製作一個打掃整理機器人
第9章 從成功事例中學習機器學習項目
[案例學習①]
63 根據顧客的行為作出反饋的推薦系統
[案例學習②]
64 從SNS的投稿圖像中分析商品的使用場景
[案例學習③]
65 機器人根據語音請求作出行動
專欄·AI創造的新工作
結束語