「ＡＩをビジネスに実装する方法」の紹介
はじめに
- 1章 なぜ、いまだにAI導入を躊躇するのか
- 1 ディープラーニングの衝撃を目の当たりに
- 2 もはや「人工知能って何？」の時代は過ぎている
- 3「IoT×ビッグデータ×AI」の３つセットで
- 2章 ネコでもわかるディープラーニングの
- 1 人工知能（AI）を分類してみると Column「強いAI・弱いAI」「汎用型AI・特化型（専用）AI」という分類
- 2 旧来の機械学習は手間のかかる人工知能
- 3 ディープラーニングという新しい手法 Column 教師あり学習、教師なし学習、強化学習
- 4 手書き数字をディープラーニングで読み取る
- 3章 AIの導入前に知っておきたいこと
- 1 弘法も釣り竿を選ぶ
- 2 ボトルネックにAIを注ぎ込む
- 3 データ取扱いのリテラシー
- 4 非構造化データは宝の山
- 5「フレーム問題」にAIは対処できるか‽
- 6 SaaS、PaaS、IaaSのどれを利用するか ColumnAI企業と顧客企業の間の権利関係は？
- 4章 データ取得から学習、デプロイ、運用まで ～AI導入のプロセスを知る～
- 1 AI導入のための５つのプロセス
- 2 データを溜める、学習する
- 3 学習から推論へ
- 4 知られざる「ディープラーニングの闇」 Column ディープラーニングの機能はクラウド？ 現場？
- 5章 AIを導入した企業のビフォー＆ アフター
- 1「なぜ買わなかったのか？」をファクト・データでつかむ
- 2 経験とカンを数字とデータが実証～ICI石井スポーツ～
- 3４つのデジタル化を目指す～パルコ～
- 4 検査の自動化にどう挑むか～武蔵精密工業～
- 5 上級者のスキルを伝授～コマツ～
- 6章 画像、音声、テキストが新しいビジネスを生む
- 1 画像データを利用する ～実在しない人物の顔もつくれる!?～
- 2 動画を利用した場合 ～プロスポーツ選手と同じ動きができる!?～
- 3 音声認識を利用する ～会議の議事録も自動でできる!?～
- 4 テキストデータの活用は「自動翻訳」が
- 7章 レバレッジ・ポイントにAIの力を注ぎ込む
- 1 お客様が本当に欲しいものは何か？
- 2「車輪の再発明」はしない
- 3 永遠に超えられないAIの壁
- 4 Googleの対応の速さ、日本企業のあまりの遅さ
- 5 技術者倫理の必要性
- おわり