古嶋十潤の作品一覧

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 ◆次世代AIの基礎として、どのように数学が応用されているのか？◆ 　前作『独学で鍛える数理思考～先端AI技術を支える数学の基礎』は、幸いにも多くの読者に支持されました。続編となる本書では、AIとロボティクスの最先端に踏み込み、数理思考を鍛えたいという読者の期待に真正面から応えます。ここで扱うのは、強化学習や深層強化学習、物体認識、マルチモーダルAI、自律移動、ロボット制御といった現代技術の核心をなすテーマばかりです。 　本書の特徴は三つあります。第一に、最先端のロボット／AI技術の理解に欠かせないテーマを幅広く扱い、強化学習からロボット制御まで、一冊に凝縮しました。各章ではマルコフ決定過程やベルマン方程式、深層強化学習と誤差逆伝播法、Vision TransformerにおけるMulti‑Head AttentionとMLP、CLIPに代表されるマルチモーダルAIの仕組み、ベイズ推定やカルマンフィルタ、ロボットアームの運動方程式とオイラー＝ラグランジュ方程式などを丁寧に解説します。第二に、初学者でも独学で理解できるようストーリー性のある解説を貫き、公式や定理を必要に応じて導入し、計算過程を省略せずに示します。微分や線形代数、確率論などの基礎も節ごとに「Lesson」として補い、副読本なしで学び切れるように構成しています。第三に、プログラミングなどにはあえて踏み込まず、数理モデルの導出とその背後にある思考力の鍛錬に集中しています。コードを書かずに数学の土台を徹底的に固めることで、読者自身が論文や他の専門書に挑む力を養うことを狙っています。 　本書の想定読者は高校生から社会人まで、「第四次産業革命」を生き抜くために本格的な数理思考を身につけたいすべての初学者です。授業の数学が何に役立つのか知りたい学生や、AI/DXに携わりたいがどの程度の数学力が必要か迷っている社会人、そもそも数学への苦手意識を払拭したい方々にとって、本書は現代社会で実際に活用と進化が著しいテーマを厳選しているので、学ぶ意義をはっきりと感じ取っていただけるのではないでしょうか。昨今、AIはもはや一部の技術者のものではなく、だれもが活用する民主化された基盤技術となりつつあります。この潮流の中で、AIの駆動原理である数学から目を背け続けることはできないでしょう。複雑な数式に粘り強く向き合い、紙とペンで思考を積み重ねる過程こそが、AIの強みと弱みを見極め、技術の恩恵と限界を主体的に評価できる真の力を育みます。 　前作で得た手ごたえをさらに深めたい方にも、本書から読み始める方にも、ここには新しい発見が数多く待っています。一歩一歩山を登るように読み進めれば、強化学習からマルチモーダルAI、ロボット制御まで、現代技術の裏側で脈打つ数理の共通項が見えてくるでしょう。読み終えたとき、最新のAIやロボティクスが「はっきりした数理構造」に支えられていることが実感できるはずです。仕組みを理解すれば、モデルの強みや限界も自分の言葉で説明できます。高校生・大学生から社会人まで、「これから数理思考を本格的に鍛えたい」という方に向けて、独学で取り組める手順と分量で構成しました。前作とあわせて学べば、ディープラーニングからロボット制御まで、現代のAIを横断する基礎体力が身につきます。 　徹底的に考え抜き、確かな力を養い、未知の世界へと踏み出す。本書と共に、新たな境地へと歩みを進めてください。 ■こんな方におすすめ 数学が何の役に立つのか理解できずにいる学生、実務で用いられる数学についてより深く知りたい社会人、AIやデータサイエンスに関心を持ち、将来的にこの分野でキャリアを築きたいと考える方 ■目次 第1章　強化学習を実現する数理 第2章　深層強化学習を実現する数理 第3章　物体認識を実現する数理 第4章　マルチモーダルを実現する数理 第5章　自律移動を実現する数理 第6章　物体操作を実現する数理 ■著者プロフィール 古嶋十潤（ふるしま とおる）：株式会社cross‑X 代表取締役。 京都大学法学部卒。2022年に株式会社cross‑Xを創業し、戦略・技術・数理を横断した知見を駆使し、日系大手企業の経営戦略・事業戦略・マーケティング戦略などの構築から実行まで幅広い支援を行っている。また、年間数十回に及ぶ講演活動や各社のDX・AI人材育成にも多数携わる。著書に『独学で鍛える数理思考』（技術評論社、2024年）と『DXの実務』（英治出版、2022年）。

DXの実務とは、「戦略」と「技術」をつなぐこと。 あらゆる産業で「DX」が叫ばれる昨今、 多くの時間と労力を費やしているにもかかわらず、 成功とは言い難いDXプロジェクトが後を絶たない。 それらの取り組みに共通して見られるのが、 ・DX戦略構築/実行の「型」が欠けている ・DX実現に不可欠の「技術的考察」が欠けている という2つの根本的な問題だ。 DX成功の鍵は「戦略と技術をつなげる力」であり、 非エンジニアでも経営層でも、本気でDXを行うならば データ利活用の標準的な考え方を身につけ、 主要技術を理解することが不可欠だ――。 「そもそもDXの戦略はどのように描けばよいのか?」 「データ利活用はどのような手順で進めるべきなのか?」 「どのような体制、マネジメント、人材が必要なのか?」 「AIはどう駆動するのか。機械学習で何が可能なのか?」 「技術をビジネスに実装/運用する上での注意点とは?」 「DXに携わる人にはどんなスキルが求められるのか?」 これらのポイントを押さえながら、「DXの実務」の リアルな行程を、具体性と汎用性にこだわって解説する。 【技術者でない人のための データ/AI活用必携テキスト】 [本書の特徴] ・エンジニアではない読者向けに、DXに関する戦略と技術の双方を解説。 ・あらゆる業種のDXに共通して必要な「データ利活用」の本質がわかる。 ・難解なデータ/AIの技術について、易し過ぎず、難し過ぎないレベルで解説。 ・データ/AIの技術を前提としながら、実務的な話ができるだけの基本知識・理解が得られる。 [構成] Part 1[序論] DXの成否を左右する「データ利活用サイクル」 DXの“現在地" DXは、「データ利活用」による経営改革 データ利活用を実現する重要コンセプト データ利活用を実装する仕組み データ利活用とAI データ利活用の成否を分かつ要因 データ利活用DX実現へのロードマップ Part 2[総論1] DXが進まない理由 業種/業界別に見られる課題とDXによるアプローチ DX推進を阻む課題 DXを阻む課題の“深淵" DXを実現するための3つの方針 Part 3[総論2] データ利活用DX推進のフレームワーク データ利活用DXの2つのフェイズ Pre-DX Phase:コンセプトの設計 Pre-DX Phase:メカニズムの設計 DX Phase:推進ステップ Part 4[各論1] DX Phaseの具体的実務 データ利活用の前提となる「データ統合」 データの分類 DXフェイズにおける具体的実務の概観 KPIを具体的実務へ落とし込む データ/AI活用を具体的実務へ落とし込む Part 5[各論2] AIの活用 AIの全体像 AIの限界 Column 進化し続けるAI AIの分類 AIの学習 教師あり学習:決定木 アンサンブル学習 画像認識/自然言語処理で用いる深層学習モデル 教師なし学習:クラスタリング 機械学習システムへの実装 Part 6[各論3] 人材要件 プロダクト開発担当 データサイエンス担当 データパイプライン担当