いちばんやさしい機械学習プロジェクトの教本 人気講師が教える仕事にAIを導入する方法

韮原祐介

●AIをビジネスに導入するノウハウを丁寧に解説
ビジネス上の新しい価値を生み出したり課題を解決したりするときに、有力な選択肢の1つとなるツールが「AI」です。本書では、ビジネスにAIを導入するための構想から実装、運用までの一連の取り組みを「機械学習プロジェクト」と呼び、実践的な導入方法を丁寧に解説します。

●やるべきことが全部わかる
現在では、AIの利用を後押しするクラウドサービスなども立ち上がり、環境面では事業に取り入れるハードルがぐんと下がったといえます。しかし、実際にビジネスで利用するとなると、
「どんな効果があるのか」
「自社に適用できるのか」
「どこから手をつければよいのか」
「誰に頼めばいいのか」
「いくらかかるのか」
……など、わからないことだらけというのが現実ではないでしょうか。
本書ではその「わからないこと」を1つ1つ解消し、ビジネス課題や新しい価値を生み出すために、AIを活用する方策を解説します。

＜本書を読むとわかること＞
・AI、機械学習の仕組み
・AI、機械学習でできること
・プロジェクトに必要なリソース
・投資対効果の試算方法
・機械学習に必要なデータ
・プロジェクト体制の構築方法
・機械学習システムの実装と運用ノウハウ
・成功した取り組み事例

• カテゴリ: ビジネス・実用
• ジャンル: IT・コンピュータ / 全般
• 出版社: インプレス
• 掲載誌・レーベル: 「いちばんやさしい教本」シリーズ
• ページ数: 209ページ
• 電子版発売日: 2018年04月13日
• コンテンツ形式: EPUB
• サイズ(目安): 14MB

[ブクログ · ★★★★★]

タイトルのとおり機械学習のプロジェクトを説明した本。

個人的には、今まで機械学習のプロジェクト経験が無く、どう進めるのかイメージがわからない人向けの本と感じる。

後半では、
プロジェクトにはどういったフェーズが存在し、どういったメンバーが必要か、工数をどれくらいに見積もり費用はいくらぐらいとなるか、などの内容に触れられており、
機械学習プロジェクトを立ち上げる際に考慮すべき点がまとめられている。

プロジェクトを推進する立場の人にとっては、一冊持っていても損はない内容と思われる。

[ブクログ · ★★★★☆]

機械学習の構想から運用までの流れの取説といった感じ。図説や具体的事例が多くわかりやすい。共通言語としての専門用語の説明もされている。初学の本として過不足ないような印象です。

[ブクログ · ★★★★☆]

ＡＩを活用してプロジェクトを立ち上げようとする経営層におすすめ。

【概要】
●第１章から第３章
　機械学習プロジェクトを進める前に知識として押さえておくべき内容のおさらい。
●第４章から第８章
　実際にプロジェクトを進める際のノウハウと方法論
●第９章
　機械学習プロジェクトの事例

【感想】
●機械学習に関する事項がわかりやすく説明されており基礎を学ぶにはよい本である。
●機械学習のアルゴリズムやディープラーニングのモデルに関する詳しい内容は別の本で学んだ方がよい。
●実際にＡＩを導入する人は後半が役に立つのかもしれないが、自分はその状況にないため記載事項に対する感想は特にない。

[ブクログ · ★★★★☆]

アナリティクス支援企業であるブレインパッドのAIビジネス本部に在籍する著者が、ブレインパッドでの機械学習活用プロジェクトの経験を元に、プロジェクトマネジメントの要諦をまとめた一冊。

一応、機械学習の定義やその歴史のような内容も軽くは触れられているが、本書のメインは「あなたが会社のトップから『機械学習のプロジェクトをリードしてくれ』と言われたときに、明日から何をすべきか」という目的意識に沿って解説されたプロジェクトマネジメントの手法に関する部分である。プロジェクトテーマの選定の方法、プロジェクト推進に必要な人材要件と外部パートナリングの考え方、PoCにおける評価・検証方法、実システムへのデプロイとチューニング等、一連の流れが非常にわかりやすくまとまっていて参考になる。

[ブクログ · ★★★★☆]

AIのプロジェクトの進め方が学べます。
同等の記事はネット上にも落ちていますが、体系的に学べるという点で本書を読む価値があると思います。
ただし、内容は初心者向けですので、AIのプログラミングをやったことがある人、プロジェクトの参画したことがある人はあまり学べるのとはないと思います。

[ブクログ · ★★★☆☆]

おおまかな概念理解には役立つ。
後半は実務寄りのtipsになるので、時間がなければ読み飛ばしてもOK

[ブクログ · ★★★☆☆]

あくまで機械学習「プロジェクト」の教本です。なるべく平易に書かれては居ますが、プロジェクトリーダー、経営層向けの本という印象です。一般的に機械学習の勉強をしたいなあと考えている人には視座が高すぎると感じました。

[ブクログ · ★★★☆☆]

レトリバーの種類を見分けるエラー率が2015年には人間を下回っていたとは知らなかった。通常のシステム開発と機械学習システムの違いを和暦を求めるプログラムで例えている例が分かりやすい。機械学習システムの開発ではアジャイル開発が必要になるとの記述からの連想。設計書を書いて、設計書通りにプログラムを製造し、設計書通りにテストして……、なんてきっちりとした丁寧なやり方を、例えばアメリカ人のエンジニアがしているとは思えない（イメージです）。アジャイル開発が登場して渡りに船とばかりにこぞって採用しているんじゃないのかな？

[ブクログ · ★★★★★]

記載の通り、機械学習プロジェクトについて考えるための本。本当にわかりやすく良著。詳しい人には物足りないかも。

＜メモ＞
・コンピュータが扱えるデータの進化。過去は数字のみであったが、現在は画像・動画・音声・テキストを取り扱えるように。眼の誕生であり、機械・ロボットの世界でカンブリア爆発が起きるとも言われている。、
・機械学習を行うために必要なデータ要件
1データ量が十分
2予測対象が適切に含まれている
3識別予測を行うために必要な情報が含まれている
・機械学習に不向きなこと
1偶発的に起こること
2現象が起こるメカニズムが複雑または現象を説明するデータが十分には取得できないもの
3過去のデータがないもの
・機械学習の目的
1自動化によるコスト削減
2高精度の識別、予測による効率化
・取組を始める前に自動化、効率化の効果を予測しづらいことや定期的にモニタリングが必要なことには注意。
・機械学習は教師あり学習、教師なし学習、強化学習の3つに分類される
・教師なし学習は次元削減をすることなど。主成分分析が代表的な手法。変数を集約して代表変数をつくる。
・強化学習は環境、行動、報酬から行動を学習していくもの・。
・構造化データは行列で表される表形式データ。非構造化データは画像テキスト音声など。
・画像データの機械学習はピクセル情報を全てRGBとして認識し、学習するもの
・自然言語データは文を品詞単位で分解し、出現頻度や関係性から分析する。形態素解析という。
・音声データはフーリエ変換により周波数ごとの特徴に変換する。
・問題に必要な特徴量をつくるために異常値処理や欠損地補完の考え方も異なってくる。
・過学習 学習データに対してのみ適合した学習を行ってしまうこと。
・精度改善するには
1 データの追加 データ追加更新・説明変数追加
2 前処理の調整 異常値・欠損値処理、スケール変換、次元削減
3 モデルの調整 モデル変更、ハイパーパラメーター調整、モデル分割
・機械学習プロジェクト
1 構想フェーズ
2 POCフェーズ
3 実装フェーズ
4 運用フェーズ
・構想フェーズのゴールはプロジェクトへの投資判断承認。
・機械学習の利用用途
1 識別 情報判別仕訳、音声画像動画の意味理解、異常検知予知
2予測 数値予測、ニーズ意図予測、マッチング
3実行 表現生成、デザイン、行動最適化、行動自動化
・テーマ考え方 事例から着想、業務プロセスから効率化余地を探る、
・データ利用可能性×期待成果でテーマを絞り込む
・機械学習において設定すべきKPI
　ビジネス成果のKPI（ビジネスパフォーマンス）、機械学習モデル精度のKPI（モデル精度）、システム運用のKPI（安定性などシステム品質）
・