完全圖解人工智慧：零基礎也OK！從NLP、圖像辨識到生成模型，現代人必修的53堂AI課 図解即戦力　AIのしくみと活用がこれ1冊でしっかりわかる教科書

　　★用「關鍵字」掌握重點！

　　從AI工程師到相關行業的營業員

　　以及商務人士都能高效理解！

 

　　監督式學習

　　非監督式學習

　　強化學習

　　CNN

　　RNN

　　BERT

　　NLP

　　語料庫

　　Transformer

　　GPT-3

　　VAE

　　GAN

　　通用性能

　　圖像分割

　　線性迴歸模型

　　決策樹

　　隨機森林

　　XGBoost

　　邏輯迴歸模型

　　k-NN

　　k-means演算法

 

　　★最完整的AI通識入門寶典！
 

　　除了上述的AI關鍵字之外，還搭配大量圖表、範例深入淺出解說。

　　只要讀完這本書，就能全方位掌握AI的原理與應用方式!!

 

　　★和日本多位人工智慧專家

　　一起學習、認識AI！

 

　　從AlphaGo、Deepfake到ChatGPT，

　　AI與其相關技術已是現代人日漸仰賴的存在。

　　透過本書，我們便可高效習得和AI有關的知識，

　　並對未來的趨勢有更清晰的洞見。

 

本書特色

 

　　由多位日本AI專家共同執筆

　　一本就能掌握最完整的AI原理與應用

　　列表資料、圖像辨識、機器學習演算法X完整圖解介紹

　　豐富的圖表解析X專題實作

作者簡介

 

高橋海渡（Takahashi Kaito）

 

　　第1、2章的主筆。曾在AI供應商從事新事業開發和研究機構的AI體驗講師。現為開發者，從事機器學習模型的製作和Web開發工作。

 

立川裕之（Tachikawa Hiroyuki）

 

　　第6章的主筆。獨立資料分析顧問。

　

　　曾任事業公司的法人銷售員和SaaS的商務主任，後參與籌劃了株式會社DataMix。以資料分析顧問和研修講師等身份參與過各種項目後獨立。現從事資料分析顧問、演算法開發、資料整備支援等工作。

 

小西功記（Konishi Kohki）

 

　　第4、5章的主筆。任職於株式會社Nikon先進技術開發本部數理技術研究所。

 

　　生於和歌山縣。曾在美國勞倫斯柏克萊國家實驗室等機構研究觀測宇宙學，並擔任過資料科學家。於東京大學理學系研究科專攻物理學，取得博士學位。後進入株式會社Nikon，自2015年起任AI（機器學習）工程師。主要研究最尖端的圖像分析技術發展，以及AI技術的社會應用。在國內外學會發表過多項專利。

 

小林寬子（Kobayashi Hiroko）

 

　　第3章主筆。任職於株式會社Nikon先進技術開發本部數理技術研究所。

 

　　生於東京都。進入株式會社Nikon時任職於經理部門，後為參與開發業務主動申請調職，現從事應用自然語言處理的市場分析和圖像辨識等技術的研究開發工作。JDLA G檢定2020年第二名，2020年度日本經濟產業省AI Quest修畢。

 

石井大輔（Ishii Daisuke）

 

　　第4章主筆。本書的企劃統籌者。株式會社Kiara代表取締役。

 

　　生於岡山縣。在京都大學主修數學，後進入伊藤忠商事，在歐洲開發新事業。2016年成立專攻AI和機器學習的研究社群「TeamAI」。通過1000次的讀書會聚集了1萬名會員。2019年針對外國市場推出可即時翻譯100國語言的Chatbot App「Kiara」。500 Startups Singapore（受日本經濟產業省JETRO補助）畢業生。著有《寫給想成為機器學習工程師的人——以AI為天職》（翔泳社）等書。

 

　　■執筆協助

　　澤井 悠（第3章）／齋藤 豪（第3章）／信田 萌伽（第4、5章）

第1章

什麼是AI

01AI的定義──12

02AI擅長與不擅長的領域──14

03AI的發展歷程──18

04什麼是機器學習──22

05什麼是深度學習──26

06機器學習與深度學習的差異──30

 

第2章

AI的基礎知識

07機器學習與統計學──36

08相關性與因果關係──40

09機器學習與資料探勘──44

10什麼是監督式學習──48

11什麼是非監督式學習──52

12什麼是強化學習──56

13AI與大數據──60

14從資料種類看AI的特徵──64

15AI系統的開發流──68

 

第3章

自然語言處理的方法和模型

16什麼是自然語言處理（NLP）──74

17NLP的模糊性與困難──80

18NLP的預處理──84

19語言模型與分散式表徵──90

20標注語料庫與雙語語料庫──98

21遞歸神經網路（RNN）──104

22Transformer──110

23BERT──116

24GPT-3──122

 

第4章

以GAN為基礎的生成模型

25進軍創作領域的AI──130

26以生成模型為基礎的演算法──132

27用GAN生成圖像──138

28敵對攻擊與防禦──144

29GAN的未來發展──148

 

第5章

圖像辨識的方法和模型

30圖像辨識的任務──156

31卷積神經網路（CNN）──160

32引爆圖像辨識發展的CNN──164

33CNN的精度與大小平衡──168

34訓練的技巧1──172

35訓練的技巧2──176

36深度學習的可解釋性──180

37圖像辨識的評價指標──184

38精度的評價指標與通用性能──188

 

第6章

列表資料的機器學習演算法

39列表資料的預處理──194

40監督式學習1：線性迴歸模型──196

41監督式學習2：決策樹──200

42監督式學習3：隨機森林──204

43監督式學習4：XGBoost──208

44監督式學習5：邏輯迴歸模型──212

45監督式學習6：神經網路──216

46監督式學習7：k-NN（k-Nearest Neighbor）──220

47非監督式學習1［分群］：k-means法──222

48非監督式學習2［分群］：階層式分群──226

49非監督式學習3［分群］：譜分群──228

50非監督式學習4［降維］：PCA（主成分分析）──232

51非監督式學習5［降維］：UMAP──236

52非監督式學習6［降維］：矩陣分解──240

53非監督式學習7［降維］：自編碼機──244

 

結語──248

索引──249

作者介紹──254