制限	ダウンロード制限： サービス停止まで
ライセンス条件	●本書は著作物であり，著作権法により保護されています．本書の一部，または全部を著作権者に断りなく，複製または改変し他人に譲渡すること，インターネットなどに公開することは法律により固く禁止されています．違反した場合は，民事上の制裁および刑事罰の対象となることがあります． ●本書は，CQ出版社から出版された，2020年6月15日発行の同タイトルの雑誌・書籍をPDFファイルとしたものです．電子版制作の都合上，オリジナルの書籍と比べて，一部の書体や線の太さ・種類が変更になっている場合があります．また，電子版という性格から，オリジナルの書籍と同一のプリント品質は保証できません．ご了承ください． ●予告なく，本サービス（Tech Village 書庫＆販売）を一時休止または終了することがあります．サービス休止時やサービス終了後は，本コンテンツをダウンロードまたは閲覧できなくなります．

解説

人工知能や機械学習と聞くと，自分には遠い世界の技術のように感じると思います．本書は習うより慣れろの精神で，装置を作り動かしながら機械学習アルゴリズムを体感してもらうことを目指しました．具体的にはラズベリー・パイとカメラを使って郵便物(新聞/チラシ/封筒)の仕分け装置を作ります．プログラム作りを通して4種の機械学習アルゴリズム(K-means，多層パーセプトロン，ロジスティック回帰，サポート・ベクタ・マシン)を学ぶことができます

※　本書は月刊『Interface』2018年5月号特集「もくもく自習 人工知能」の内容を再編集・加筆してまとめたものです．

※　提供するプログラムはラズベリー・パイ3モデルBでのみ動作します．ラズベリー・パイ3モデルB+やラズベリー・パイ4では動作しません




詳細な内容はこちら

目次

本書のコンセプト　準備は最小限で習うより慣れろで

【第1部　人工知能の基本的なことを知る】

第1章　人工知能の現状を知る
■ 既に利用が考えられている分野
■ IoT でもいろんなことに使えるはず
■ 主な種類
■ 分類
■ データとアルゴリズムの理解が重要

第2章　使えそうなアルゴリズムを知る
■ 組み込まれるAI に注目する理由
■ アルゴリズムの系列
■ 本書で紹介するアルゴリズム選択のポイント
■ アルゴリズム1：K-means
■ アルゴリズム2：多層パーセプトロン
■ アルゴリズム3：ロジスティック回帰
■ アルゴリズム4：SVM

Appendix 1　流行りのディープ・ラーニングとの違い
■ ディープ・ラーニングは大規模になるのでチーム開発向き
■ ホントはクラウドじゃないAIの方がポテンシャルがある
■ いいAIを作ろうと思ったら結局資源の節約はついてまわる

第2部　動く電子ノートJupyter Notebookを始める

第1章 おすすめの動くPython電子ノートJupyter Notebookをはじめる
■ 特徴
■ 画面表示
■ 基本的な使い方

【第2章　Jupyter Notebookの主な機能をおさえる】

第3部　おすすめAIアルゴリズムを電子ノートで動かす

Appendix 1　習うより慣れろでAIを体験する
■ 体験するのは「学習」と「予測」
■ 体験する人工知能

第1章　動かすAIアルゴリズムとプログラムを確認する
■ ここで動かすおすすめアルゴリズム
■ 用意したAI プログラム

Appendix 2　ラズパイでAIを動かす準備をする
■ ステップ1：プログラムのダウンロード
■ ステップ2：microSDカード選び
■ ステップ3：書き込みアプリの入手
■ ステップ4：イメージ・ファイルの書き込み

第2章　軽くてシンプルでLチカ相当「K-means」を動かす
■ 軽くてシンプルK―means の特徴
■ ラズベリー・パイで動かす準備
■ サンプル・プログラムを実行する方法
■ ライブラリの読み込みとデータ生成
■ データのクラス分け
■ クラスタ数を変えてみる
■ KMeans関数を詳しく

第3章　あのディープ・ラーニングの原型「多層パーセプトロン」を動かす
■ ディープ・ラーニングの原型「多層パーセプトロン」の特徴
■ プログラムの構成
■ トレーニング・データとテスト・データの準備
■ 学習と予測
■ パラメータの当たりを付ける
■ 再予測
■ 多層パーセプトロンを実行してくれるMLPClassifier関数

第4章　うまくいく/いかない2択の王者「ロジスティック回帰」を動かす
■ 幅広く使われる確率的分類「ロジスティック回帰」の特徴
■ プログラムの流れ
■ トレーニング・データとテスト・データの準備
■ 学習と予測
■ データの標準化
■ 再学習
■ 予測
■ ロジスティック回帰を実現するLogisticRegression関数を詳しく
コラム　 用語解説

【第4部　My人工知能を作るステップを体験する】

Appendix 1　第4部でやること

Appendix 2　My人工知能カメラのハードウェア

第1章　ステップ1：撮影/特徴抽出/データ・セット作成
■ ここでやること
■ ステップ1：初期設定
■ ステップ2：センサやモータを使う場合の設定
■ ステップ3：撮影
■ ステップ4：他の撮影対象の画像取得
■ ステップ5：データ・セットの作成

Appendix 3　「簡易版」My人工知能カメラのハードウェア
■ 装置の全体像
■ プログラムの各処理

第2章　ステップ2：学習させる
■ 用意したデータから「トレーニング・データ」と「テスト・データ」を生成
■ サポート・ベクタ・マシン(SVM)の特徴
■ SVC 用の関数について
■ 学習
■ 作成した学習済みモデルの評価

第3章　ステップ3：予測す
■ 準備
■ 新たに撮影したデータの取り込み
■ 予測
■ 作成したモデルが機能しているかの確認
コラム　 簡易AI判定カメラ向けに体験サンプルDも用意しています

機械学習やデータ・サイエンスを学びたい方へ
■ データ・サイエンスの始め方
■ 参考になりそうな資料
■ データ・サイエンスはこんなところで役立つ

現在この本のレビューはありません

カテゴリ

• トップ ＞
• ディジタル信号処理 ＞
• 画像処理

• トップ ＞
• CQ文庫シリーズ

著者一覧から探す

発行元一覧から探す