これからAIを学ぶエンジニアやAI関連業種に携わるビジネスマン向けに、「AIとは何か」から始まり、しくみや手法、利用例など技術的な側面を分かりやすく説明します。 第1章　AIとは 01 AIの定義 02 AI の得意な分野と苦手な分野 03 AIの発展過程 04 機械学習とは 05 ディープラーニングとは 06 機械学習とディープラーニングの違い 第2章　AIの基礎知識 07 機械学習と統計学 08 相関関係と因果関係 09 機械学習とデータマイニング 10 教師あり学習とは 11 教師なし学習とは 12 強化学習とは 13 AIとビッグデータ 14 データ別に見るAIの特徴 15 AIシステムの開発フロー 第3章　自然言語処理の手法とモデル 16 自然言語処理（NLP）とは 17 NLPにおける曖昧性と困難性 18 NLPの前処理 19 言語モデルと分散表現 20 注釈付きコーパスと対訳コーパス 21 再帰型ニューラルネットワーク（RNN） 22 Transformer 23 BERT 24 GPT-3 第4章　GANを中心とした生成モデル 25 クリエイティブに進出するAI 26 生成モデルの基礎的なアルゴリズム 27 GAN を用いた画像生成 28 敵対的攻撃と防御 29 GANのこれからの広がり 第5章　画像認識の手法とモデル 30 画像認識のタスク 31 畳み込みニューラルネットワーク（CNN） 32 画像認識の発展のきっかけとなったCNN 33 CNN の精度とサイズのバランス 34 学習の工夫1 35 学習の工夫2 36 ディープラーニングの説明可能性 37 画像認識の評価指標 第6章　テーブルデータの機械学習アルゴリズム 38 テーブルデータの前処理 39 精度の評価指標と汎化性能 40 教師あり学習1：線形回帰モデル 41 教師あり学習2：決定木 42 教師あり学習3：ランダムフォレスト 43 教師あり学習4：XGBoost 44 教師あり学習5：ロジスティック回帰モデル 45 教師あり学習6：ニューラルネットワーク 46 教師あり学習7：k-NN（k-Nearest Neighbor） 47 教師なし学習1［クラスタリング］：k-means 法 48 教師なし学習2［クラスタリング］：階層的クラスタリング 49 教師なし学習3［クラスタリング］：スペクトラルクラスタリング 50 教師なし学習4［次元削減］：主成分分析 51 教師なし学習5［次元削減］：UMAP 52 教師なし学習6［次元削減］：行列分解 53 教師なし学習7［次元削減］：オートエンコーダ