「機械学習・AI」のためのデータの自己組織化(I・O BOOKS) [単行本]

「機械学習・AI」のためのデータの自己組織化(I・O BOOKS) の 商品概要

• 要旨（「BOOK」データベースより）

  「次世代ＡＩ」「脳科学に基づく人工知能技術」を支える１つとして、「ビッグ・データ」が欠かせません。「自己組織化」で、家庭用パソコンでも「大型のデータ」を「機械学習・ＡＩ」で扱えるようにします。Ｅｘｃｅｌを使って、大型データを自己組織化するための手順を解説。さらに、「機械学習・ＡＩ」への展開を目指します。

• 目次

  ■「機械学習・AI」のイメージ
  ・大型データを「機械学習・AI」で解くために
  ・「機械学習・AI」の全体的なイメージ
  ・さらに「次のステップ」を目指したい方へ
  ■データを「場」として捉える
  ・「場」とは
  ・具体的な数理学での「場」（field）
  ■「自己組織化」の基礎
  ・あいまいな状態を測る道具「隠れた次元」
  ・「群の破れ」という考え方
  ・「ハウスドルフ次元外測度」という考え方
  ・ナスカの地上絵をAIで解く
  ■時間に依存しない「場」のモデルケース
  ・街道のモデルケース「佇まい」を考える
  ・峠のモデルケース「あやうい」を考える
  ■時間に依存する「場の風景」のモデルケース
  ・商いの風景（商店の売り上げのモデルケース）
  ・路の風景（人の脳波を使った景観のモデルケース）
  「ふうけい」を考える
  ・「ハイリスク＆ハイリターン」を四分位数で解く
  ■「自己組織化」のための「多変数の合成理論」
  ・「時間依存」と「時間非依存」
  ・時間に依存しない状態（Biplotの理論）
  ・固有値問題（固有値、固有ベクトル、固有値分解、特異値分解）
  ・時間に依存する状態（Kalman Filterの理論）
  ・群の臨界点を求める「自己相関関数」

• 出版社からのコメント

  「家庭用PC」でも、機械学習・AIで「大型データ」を扱えるようにするための方法を、「自己組織化」と言うキーワードを元に解説。

• 内容紹介

  　2014年に総務省は「ICT（情報通信技術）社会」「知識情報社会」を目指すため、『「新たな情報通信技術戦略（IT戦略）の在り方」について』を公開しました。
  　その中に「次世代AI」の方向性を探るキーワードとして「脳科学に基づく人工知能技術」があり、それらを支える1つとして、「ビッグ・データ」が欠かせないと記されています。
  
  　しかし、「ビッグ・データ」の扱いには、「高性能なコンピュータ」や「高度な技術」が必要なため、初学者や小規模な企業が手を出すのは困難です。
  
  　そこで、「大きなデータ」を「小さなデータの集まり」にして考える「自己組織化」というアプローチを使うことで、「ビッグ・データ」とまではいかないまでも、かなりの「大型のデータ」への対応ができるようになります。
  ＊
  　本書では、手軽なExcelを使って、大型データを自己組織化するための手順を解説します。
  　また、「自己組織化」の先にある、家庭用パソコンでの「機械学習・AI」への展開を目指します。

• 著者紹介（「BOOK著者紹介情報」より）（本データはこの書籍が刊行された当時に掲載されていたものです）

  和田 尚之(ワダ ヒロシ)
  技術開発（株）教育センター長。工学博士、技術士、１級建築士、専門社会調査士

• 著者について

  和田　尚之 (ワダ　ヒロシ)
  宮城県気仙沼生まれ、東京日本橋人形町で過ごす。
  　日本大学在学中渡米、UCBerkeley教授Garrett Eckbo氏の事務所で環境論の研究。また渡米中UCLA教授Lawrence Halprin氏、Harvard大学教授Robert L.Zion氏と関わり帰国後も影響を受ける。
  　専門は地域学（自己組織化臨界状態理論）、数理学（データサイエンス・機械学習）。
  現在　技建開発（株）教育センター長。工学博士、技術士、1級建築士、専門社会調査士。

「機械学習・AI」のためのデータの自己組織化(I・O BOOKS) の商品スペック