AI・データサイエンスの基礎

分かりやすいAI・データサイエンス

最初に知っておくべきAI、IoT、ビッグデータに関する基礎知識をまとめたテキスト!AI関連の知識として、過去からの経緯とおおまかな理論の理解ができ、今後の方向性についても学べる1冊!分かりやすい言葉とイラストで基礎を把握できます。

はじめに

ビッグデータとかいわれるけど、どんなものなんだろう。「データサイエンティスト」を目指せっていわれたけど、どんな仕事なんだろう。
AIや人工知能ってなんだろう。

AIに仕事を奪われるって聞いたけど、これからの時代になにが起きるんだろう。そんな疑問をもっている人はいないでしょうか。
みんな、「よく知らないこと」「分からないこと」に対しては不安になってしまうものです。

不安をなくすには、少しでもいいからデータサイエンスやAIについての知識をつけること。未知の存在でなくなれば、怖くありません。
これからの時代には、AIやデータ処理は特別なものではなくなります。その当たり前を身につけて、備えるようにしましょう。

この書籍は、主にITをこれから学ぼうとしている初学者の方、データサイエンスやAIに興味をもちはじめた方、本格的に学ぶ前の基礎の段階を作ることを目的にしています。データそのものからデータサイエンス,これから様々なデータを生み出す元になると思われているIoT,そしてAI。

ちょうどディズニーランドのアトラクション「イッツ・ア・スモールワールド」みたいにデータの世界を巡ってみましょう。

皆様のお役に、少しでも立ちますように。

2020年1月
吉原幸伸

吉原幸伸 (著)
出版社: アイテック (2020/2/3)、出典:出版社HP

Contents

はじめに
Chapter 1 データはどのように処理されてきたのか
1-1 データの種類
1 ITと情報
2 データとは
3 ITの基礎概念
4 データの種類
5 データセット
1-2 データの集計と加工
1 データの集計
2 その他の分析
1-3 データの読み方
1 データの落とし穴
2 データの統計学的解釈
1-4 データの可視化
1 可視化の種類
2 可視化ツール
Mini Discussion
章末問題
章末問題解答・解説

Chapter 2 ビッグデータも怖くない!データサイエンスの基礎
2-1 データ分析で最初にやること
1 データサイエンティストの仕事
2 データ分析のプロセス
3 ビジネスの理解
4 データの理解
5 データの準備(前処理)
6 データの処理とモデリング
7 評価
8 デプロイ データ分析の代表的な手法
1 説明変数と目的変数
2 初歩の分析方法
3 関係の強さを調べる:相関分析
4 予測を行う:回帰分析
5 数値の差の意味を見極める:検定
6 関わりのルールを求める:マーケットバスケット分析
2-3 Webサイトの改善から体験するデータ分析
1 KGIとKPIの設計
2 仮説を立てる
3 時系列分析とセグメント分割
4 分析と仮説検証
5 改善策の立案
2-4 データ分析基盤の構築
1 データ分析基盤を構成する要素
2 各種ログの取得
3 データレイク
4 データウェアハウス
5 データマート
6 クラウドの活用
Mini Discussion
章末問題
章末問題解答・解説

Chapter 3 IoTの基礎
3-1 新世代のIoT
1 IoTとは
2 H2H, H2M, M2M
3 クラウドコンピューティングとは
4 IoTとクラウドコンピューティング
3-2 IoTシステムの仕組みと構成
1 IoTの階層構造
2 デバイス
3 エッジコンピューティング層/フォグコンピューティング
4 クラウドコンピューティング
5 IoTで利用される通信規格
6 IoTの3層の役割分担
3-3 IoTとストリームデータ処理
1 データ処理の種類
3-4 IoTをビジネスにどうやって活かすか
1 IoTでビジネスは何が変わるのか
2 IoTのビジネス活用事例
Mini Discussion
章末問題
章末問題解答・解説

吉原幸伸 (著)
出版社: アイテック (2020/2/3)、出典:出版社HP

Chapter 4 AIの基礎
4-1 AIでできること・できないこと
1 知能とは
2 人工知能とは
3 AIにできること
4 AIにできないこと
5 AIと知識
6 AIと推論
4-2 AIの基礎技術
1 AIと機械学習/ディープラーニング
2 AIのプラットフォーム
3 エッジコンピューティング
4 機械学習/AIライブラリ
4-3 AIに学習させる方法
1 学習するとは、
2 教師あり学習」
3 教師なし学習
4 強化学習」
5 機械学習の手順
6 AlphaGoはどのように学習したのか
4-4代表的なアルゴリズム
1 回帰に使用するアルゴリズム
2 分類(識別)に使用するアルゴリズム
3 クラスタリングに使用するアルゴリズム
4 次元削減(圧縮)に使用するアルゴリズム 画像認識をしてみる
1 トイ・データセット
2 訓練データとテストデータの準備
3 モデルに学習を行わせる
4 モデルの学習結果をテストデータを用いて評価する
Mini Discussion
章末問題
章末問題解答・解説

Chapter 5 AIをビジネスにどう活かすか
5-1 AIで予測を行う
1 予測のための技術
2 AIと気象情報による需要予測
3 モバイル空間統計によるタクシーの需要予測
5-2 AIで認識する
1 人やモノを認識する技術
2 パターン認識と物体検出
5-3 AIでカスタマサポートをする
1 自然言語処理の技術
2 チャットボットをビジネスに活かす
5-4 スマートマシン
1 スマートマシンの概念とエージェントの考え方
2 スマートマシンとRPA
5-5 AIのこれから
1 AIの課題とこれから
2 AIを活用できる人材
Mini Discussion
章末問題
章末問題解答・解説
索引
参考文献
卷末付錄ワークブック
商標表示
各社の登録商標及び商標,製品名に対しては、特に注記のない場合でも、これを 十分に尊重いたします。

 

吉原幸伸 (著)
出版社: アイテック (2020/2/3)、出典:出版社HP