超簡單的機器學(xué)習(xí)：人氣講師為你講解AI在工作中的應(yīng)用

第1章 開拓今后業(yè)務(wù)的機器學(xué)習(xí)
［人工智能現(xiàn)狀與本書概要］
1 什么是機器學(xué)習(xí)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(xué)習(xí)的策略
［技術(shù)進(jìn)化的意義］
4 機器學(xué)習(xí)帶來的沖擊
［機器寒武紀(jì)到來的背景］
5 了解機器學(xué)習(xí)受到關(guān)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(xué)習(xí)
［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(xué)習(xí)所需人才狀況
［從事機器學(xué)習(xí)的意義］
9 從事機器學(xué)習(xí)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(xué)習(xí)的機制
［機器學(xué)習(xí)概要］
10 什么是機器學(xué)習(xí)
［基于規(guī)則］
11 基于規(guī)則和機器學(xué)習(xí)的區(qū)別
［機器學(xué)習(xí)的優(yōu)點］
12 從機器學(xué)習(xí)中能得到什么
［機器學(xué)習(xí)的全貌］
13 理解機器學(xué)習(xí)的分類
［模型構(gòu)建的流程］
14 了解機器學(xué)習(xí)的模型構(gòu)建
［數(shù)據(jù)的類型和預(yù)處理］
15 理解數(shù)據(jù)和預(yù)處理
［算法的選擇和調(diào)整］
16 了解算法的選擇
［深度學(xué)習(xí)］
17 深度學(xué)習(xí)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(xué)習(xí)所必需的資源
［必需的資源］
20 推進(jìn)機器學(xué)習(xí)項目所需資源
［物理資源概要］
21 機器學(xué)習(xí)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(xué)習(xí)的庫
［統(tǒng)計分析軟件］
24 幫助機器學(xué)習(xí)的軟件
［利用云的硬件資源］
25 機器學(xué)習(xí)所需的硬件資源
專欄·AI和中國
第4章 確定項目的目標(biāo)
［項目的全貌］
26 機器學(xué)習(xí)項目的階段區(qū)分方式
［構(gòu)思階段］
27 抓住構(gòu)思階段的全貌
［課題的設(shè)定］
28 什么是機器學(xué)習(xí)項目的“課題”
［課題的設(shè)定］
29 理解什么樣的課題可以通過機器學(xué)習(xí)解決
［用于機器學(xué)習(xí)的數(shù)據(jù)種類］
30 理解對課題可用的數(shù)據(jù)
［機器學(xué)習(xí)系統(tǒng)］
31 理解機器學(xué)習(xí)“系統(tǒng)化”的必要性
［課題方案的探討］
32 考慮機器學(xué)習(xí)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(shè)計業(yè)務(wù)和系統(tǒng)］
34 設(shè)計能夠應(yīng)用機器學(xué)習(xí)的業(yè)務(wù)和系統(tǒng)
［日程的研究與制定］
35 制定機器學(xué)習(xí)項目的日程
［ 執(zhí)行體制的探討］
36 構(gòu)建機器學(xué)習(xí)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(biāo)準(zhǔn)］
40 確定選擇合作伙伴的標(biāo)準(zhǔn)
［利用分析服務(wù)公司］
41 向分析服務(wù)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(xué)習(xí)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(xué)習(xí)系統(tǒng)的費用預(yù)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(gòu)成PoC階段的任務(wù)
［數(shù)據(jù)評估］
48 如何評價用于機器學(xué)習(xí)的數(shù)據(jù)
［實體模型的構(gòu)建］
49 構(gòu)建用于驗證可行性的模型
［使用已訓(xùn)練好的模型］
50 利用云服務(wù)訓(xùn)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(xué)習(xí)
第7章 實裝機器
53 學(xué)習(xí)系統(tǒng)
［實裝階段的全貌］
54 了解構(gòu)成實裝階段的任務(wù)
［實裝的特異性］
55 機器學(xué)習(xí)系統(tǒng)與一般系統(tǒng)開發(fā)的區(qū)別
［需求定義的推進(jìn)方法］
56 機器學(xué)習(xí)系統(tǒng)的需求定義
［設(shè)計與開發(fā)的推進(jìn)方法］
57 機器學(xué)習(xí)系統(tǒng)的設(shè)計與開發(fā)
［測試的推進(jìn)方法］
58 機器學(xué)習(xí)系統(tǒng)的測試
專欄·創(chuàng)造超人般的AI
第8章 掌握機器學(xué)習(xí)系統(tǒng)的使用要點
［應(yīng)用階段的全貌］
59 機器學(xué)習(xí)項目特有的應(yīng)用任務(wù)
［KPI的監(jiān)測］
60 應(yīng)該定義怎樣的KPI
［模型的微調(diào)］
61 修正機器學(xué)習(xí)模型
［系統(tǒng)的應(yīng)用］
62 應(yīng)用機器學(xué)習(xí)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(xué)習(xí)機器學(xué)習(xí)項目
［案例學(xué)習(xí)①］
63 根據(jù)顧客的行為作出反饋的推薦系統(tǒng)
［案例學(xué)習(xí)②］
64 從SNS的投稿圖像中分析商品的使用場景
［案例學(xué)習(xí)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(jié)束語