【文系学生もサクっと読める!】非技術者向けの人工知能入門書

普段、非エンジニアの方々とも会話などをする中で、

「人工知能って実際なにやってるの?」、「人工知能技術に興味があるけども数式が苦手だから心折れたー」、といった声がちらちら聞こえてきたので、どうせなる軽くまとめるかということで、チョコチョコまとめてたことをどうせなら!と思ってkindleに出版してみました。

こちら↓

対象としては、人工知能・機械学習技術に興味がある非エンジニア・学生(文系・理系とわず)・ビジネスマンなどにむけて、なるべく数式を使わずに解説をしているイメージです。

執筆しながら改めて数式の偉大さを感じました。テキストでの表現だと、あやまって理解されそうだなーと所々思いながらも、教科書で言えば「数学の教科書」ではなく「算数の教科書」をつくれればいいなと思って、最終的な落とし所を考えて筆をとりました。

とはいっても、内容構成はしっかりと意識して、人工知能研究の歴史的哲学から、ニューラルネットワークや最近注目をあつめるディープラーニング技術とその応用について解説し、最後の方では人工知能技術の一方向性の可能性である進化計算にも触れてみました。(今度は強化学習関連もまとめておきたいところ)

今のところ思った以上に売れていて、おおっーとい感じです。
何事もやってみることが大事ですね!

目次としては、こんな感じです。

はじめに
第1章 人工知能とはなにか
1.1 人工知能AIと汎用人工知能AGI
1.2 どうやって人工知能をつくるか
1.2.1 トップダウンのアプローチ
1.2.2 ボトムアップのアプローチ
1.3 そもそも知能の獲得とはなにか?
1.3.1 チューリングテスト
1.3.2 中国語の部屋
1.3.3 フレーム問題
1.4 脳とニューラルネットワーク
1.4.1 ニューロン
1.4.2 ニューロン間の情報伝達
1.4.3 情報とニューロン
1.4.4 おばあちゃん細胞
まとめ
第2章 機械学習
2.1 機械学習をはじめる前に知っておきたいこと
2.1.1 特徴量・ベクトルを知ろう
2.1.2 次元を増やして考える
2.1.3 最適解と局所解
2.2 機械学習の種類
2.2.1 教師あり学習
2.2.2 教師なし学習
2.2.3 強化学習
2.4 ニューラルネットワーク
2.4.1 形式ニューロン
2.4.2 パーセプトロン
2.4.3 バックプロパゲーション(Backpropagation)
2.4.4 計算処理とデータセットによる復活
2.5 ディープラーニングとは
2.6 ディープラーニングにおける課題
2.6.1 現状のディープラーニングの手法に関する課題
2.6.2 学習させるデータの課題
2.6.3 ディープラーニングの計算・実装における課題
2.6.4 根本的なディ−プラ−ニングの手法の見直し
まとめ
第3章 ディープラーニングと画像認識
3.1 CNN:畳込みニューラルネットワークとは
3.2 CNNの構成
3.2.1 畳込み層
3.2.2 全結合層
3.2.3 最終層
3.3 画像が認識されるまで
3.3.1 学習データの用意
3.3.2 学習
3.3.3 重みの更新
3.3.4 評価
3.3.5 テスト
3.4 転移学習による学習済みCNNの利用
3.5 CNNの弱点
第4章 進化計算
4.1 進化計算と機械学習
4.2 遺伝的アルゴリズム(Genetic Algorithms)
4.2.1 初期世代の個体の生成(初期値の生成)
4.2.2 評価
4.2.3 選択
・エリート戦略
・ルーレット選択
・トーナメント選択
4.2.4 交叉
・一点交叉
・一様交叉
4.2.5 突然変異
4.2.6 次世代の生成
4.3 遺伝的アルゴリズムで解く代表的な問題
4.3.1 ナップサック問題
4.3.2 巡回セールスマン問題
4.4 進化型ニューラルネットワーク
4.4.1 NEAT
まとめ
さいごに
参考文献

 

興味ある方は是非買って頂けるとうれしいです!