超簡單的機器學習：人氣講師為你講解AI在工作中的應用

定　價：￥79.80

作　者：	（日）韮原祐介
出版社：	中國青年出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787515366272	出版時間：	2022-06-01	包裝：
開本：	32開	頁數(shù)：	191	字數(shù)：

內(nèi)容簡介

　　這是一本面向對AI和機器學習的活用感興趣的經(jīng)營層、企劃部門、事業(yè)部門和IT部門等從業(yè)人員的書籍。從打消“為什么現(xiàn)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(chuàng)造出成果”的方法論。本書旨在作為咨詢公司和系統(tǒng)開發(fā)公司等尋求外部AI支援的參考書。

作者簡介

　　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(shù)據(jù)科學和數(shù)字技術改善經(jīng)營的咨詢服務，包括需求預測、圖像分析、復制引擎、搜索等機器學習系統(tǒng)服務，為商業(yè)成果的經(jīng)營創(chuàng)造優(yōu)勢。在包括咨詢商會在內(nèi)的國內(nèi)外企業(yè)中，從事了10 年以上有關經(jīng)營改革支援的工作。

圖書目錄

第1章開拓今后業(yè)務的機器學習
［人工智能現(xiàn)狀與本書概要］
1 什么是機器學習項目
［AI優(yōu)先］
2 了解AI優(yōu)先的時代背景
［GAFA Microsoft的對策］
3 從企業(yè)來看機器學習的策略
［技術進化的意義］
4 機器學習帶來的沖擊
［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(yè)革命］
6 作為國家成長戰(zhàn)略的機器學習
［日本企業(yè)的對策］
7 日本企業(yè)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(chǎn)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 什么是機器學習
［基于規(guī)則］
11 基于規(guī)則和機器學習的區(qū)別
［機器學習的優(yōu)點］
12 從機器學習中能得到什么
［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(shù)據(jù)的類型和預處理］
15 理解數(shù)據(jù)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(xiàn)在的AI和過去的AI有什么不同
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的特征
［庫］
23 了解機器學習的庫
［統(tǒng)計分析軟件］
24 幫助機器學習的軟件
［利用云的硬件資源］
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(qū)分方式
［構思階段］
27 抓住構思階段的全貌
［課題的設定］
28 什么是機器學習項目的“課題”
［課題的設定］
29 理解什么樣的課題可以通過機器學習解決
［用于機器學習的數(shù)據(jù)種類］
30 理解對課題可用的數(shù)據(jù)
［機器學習系統(tǒng)］
31 理解機器學習“系統(tǒng)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(shù)據(jù)利用的可能性縮小范圍
［設計業(yè)務和系統(tǒng)］
34 設計能夠應用機器學習的業(yè)務和系統(tǒng)
［日程的研究與制定］
35 制定機器學習項目的日程
［執(zhí)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·回答什么問題，解決什么課題
第5章確立項目的體制
［利用外部的合作伙伴］
39 探討向外部合作伙伴企業(yè)的支援請求
［合作伙伴的選擇標準］
40 確定選擇合作伙伴的標準
［利用分析服務公司］
41 向分析服務公司請求幫助
［利用咨詢公司］
42 向咨詢公司請求幫助
［活用公司內(nèi)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 了解合同形式的特征和注意事項
［費用／成本］
45 什么是機器學習系統(tǒng)的費用預算
專欄·10年后工作真的會被AI奪走嗎
第6章驗證項目
46 實現(xiàn)的可能性
［PoC階段的全貌］
47 了解構成PoC階段的任務
［數(shù)據(jù)評估］
48 如何評價用于機器學習的數(shù)據(jù)
［實體模型的構建］
49 構建用于驗證可行性的模型
［使用已訓練好的模型］
50 利用云服務訓練好的模型
［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(shù)據(jù)
專欄·黃瓜農(nóng)戶與深度學習
第7章實裝機器
53 學習系統(tǒng)
［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(tǒng)與一般系統(tǒng)開發(fā)的區(qū)別
［需求定義的推進方法］
56 機器學習系統(tǒng)的需求定義
［設計與開發(fā)的推進方法］
57 機器學習系統(tǒng)的設計與開發(fā)
［測試的推進方法］
58 機器學習系統(tǒng)的測試
專欄·創(chuàng)造超人般的AI
第8章掌握機器學習系統(tǒng)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(jiān)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(tǒng)的應用］
62 應用機器學習系統(tǒng)的課題
專欄·想制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(jù)顧客的行為作出反饋的推薦系統(tǒng)
［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(jù)語音請求作出行動
專欄·AI創(chuàng)造的新工作
結束語