Pythonが動くGoogle ColaboでAI自習ドリル 独学できる24の主要アルゴリズム

構成数 : 1枚

☆目次

●イントロダクション 本書の読み方…AIアルコリズムを使いこなすために

☆第1部 押さえておきたい基本の「機械学習」

●第1章 多くのデータを指定した数のグループに分けてくれる「k平均法」
1 できること
2 イメージをつかむ
3 プログラムを動かしてみよう
4 結果の読み取り方
5 原理
6 発展的な内容…いろいろな表示方法でデータを読み解く
7 プログラムの説明
8 実践!データセットを自作してk平均法を適用してみる

●第2章 たくさんの項目からなるデータを人間に分かりやすい形で表示してくれる「主成分分析」
1 できること
2 イメージをつかむ
3 プログラムを動かしてみよう
4 結果の読み取り方
5 発展的な内容…商品開発に生かす
Appendix 主成分分析で画像分類

●第3章 分類の難しそうなデータを直線や曲線でグループ分けしてくれる「サポート・ベクタ・マシン」
1 できること
2 イメージをつかむ
3 プログラムを動かしてみよう
4 結果の読み取り方
5 原理
Appendix サポート・ベクタ・マシンで画像分類

●第4章 次の状態を予測,その根拠を数学的に示す「時系列データ解析」
1 できること
2 イメージをつかむ
3 プログラムを動かしてみよう
4 結果の読み取り方
5 原理
6 実践!時系列データ解析に適したモデルを作る

●第5章 似た特徴を持つデータを近くに集めることを繰り返す「自己組織化マップ」
1 できること
2 イメージをつかむ
3 プログラムを動かしてみよう
4 結果の読み取り方
5 原理
6 プログラムの説明
7 実践!SOMでクラスタ分析を実行

☆第2部 これだけ知っていれば大丈夫「ディープ・ラーニング」

●第1章 心臓部「ニューラル・ネットワーク」を知る,動かす
1 できること
2 イメージをつかむ
3 プログラムを動かしてみよう
4 結果の読み取り方
5 原理
6 プログラムの説明
7 発展的内容…数値データを分類

●第2章 画像認識や物体検出が得意な「畳み込みニューラル・ネットワーク」
1 できること
2 イメージをつかむ
3 プログラムを動かしてみよう
4 結果の読み取り方
5 原理
6 プログラムの説明
Appendix CNNのネットワークを最適化

●第3章 学習用データ作りに欠かせない…認識対象物を明確にする作業「アノテーション」
1 ディープ・ラーニングにおける入力データの役割
2 イメージをつかむ
3 プログラムを動かしてみよう
4 実践!道路標識の検出

●第4章 骨格推定ライブラリ「OpenPose」を使って人の姿勢を分析
1 できること
2 プログラムを動かしてみよう
3 各関節の位置情報を取得する

●第5章 画像中のどこに何が写っているのかが分かる「YOLO」
1 できること
2 イメージをつかむ
3 プログラムを動かしてみよう
4 実践!自分のデータをYOLOで分析

●第6章 どこに/何が/どのような形で写っているのかが分かる「セグメンテーション」
1 できること
2 イメージをつかむ
3 プログラムを動かしてみよう
4 結果の読み取り方
5 実践!未登録の新たな物体を認識させる

●第7章 人の動作を3次元解析「MeTRAbs」
1 できること
2 イメージをつかむ
3 プログラムを動かしてみよう

●第8章 新しい画像を生成できる敵対的生成ネットワーク「GAN」
1 できること
2 イメージをつかむ
3 プログラムを動かしてみよう
4 プログラムの説明

●第9章 自然言語処理が得意なRNNを基にした「LSTM」で自動作文
1 できること
2 イメージをつかむ
3 プログラムを動かしてみよう
4 原理
5 好きな作品を使って自動作文

●第10章 数値を予測するのが得意な「回帰問題」をディープ・ラーニングで解く
1 できること
2 イメージをつかむ
3 プログラムを動かしてみよう
4 プログラムの説明

●第11章 「回帰問題」を利用したデータの補完と予測
1 回帰問題のおさらい
2 実践!欠損画像を補完

☆第3部 コンピュータが自分で試行錯誤して少しずつ賢くなる「強化学習」

●第1章 人間vs.人工知能
1 できること
2 イメージをつかむ
3 プログラムを動かしてみよう
4 結果の読み取り方
5 原理
6 数式で理解するQラーニング
7 プログラムの説明
Appendix 練習問題と回答

●第2章...