梅田弘之のレビュー一覧
-
-
-
-
Posted by ブクログ
第１部では、ハードウェア（チップとサーバー）、MLライブラリ（フレームワーク）、AIプラットホーム、AIアプリケーション（サービス）のレイヤーに分類して解説、更に機械学習とディープラーニングの違いからディープラーニングの学習方法を説明する。
第２部では、機械学習を教師あり学習、教師無し学習、強化学習の三つに分類して、学習方法と統計学（回帰、分類、クラスタリング、バンディットアルゴリズム、Q学習）そしてアルゴリズム（ペイズ線形回帰、サポートベクター回帰、決定木、ランダムフォレスト、ロジスティック回帰、k近傍法、k平均法、混合ガウス分布、主成分分析PCA)の関係を解き明かし、ディープラーニングである畳み込みニューラルネットワーク(CNN)、リカレントニューラルネットワーク(RNN)、敵対的生成ネットワーク(GAN)を説明します。
第３部では、人工知能の得意なことを押えた上での、ビジネスでの活用を展望する。
第２部のディープラーニングの説明は数式なしでここまで掘り下げたのはかつて無かったと言って良い程素晴らしいものですが、さすがにお気楽に読んで理解できる程簡単な事ではないので、手を動かしつつもう一度読みたいと思います。 -
Posted by ブクログ
崩壊するだの死滅するなどと叩かれているSI業界に救世主が登場！少なくともユーザ企業はSI企業が不在ではビジネスを進めることはできなくなるので、自信を持ってビジネスを推進していこうと呼びかけるも、悪いところは改めよと啓蒙するのが本書です。
重要なのはエンジニアを育てることであり、より大きな成長を促すためには会社も成長する必要があるということです。その為の施策については、弊社でも既に行なっていることや、行なったものの失敗したこと、そして未だ行なっていないことなど色々書かれていて、考えを新たにするヒントを頂きました。
退職率を下げるために、退職者にはなぜ退職するかのアンケートを取るとの一節がありました。まさかこれをすぐ使うことになるとは思いませんでしたが。。。
とても勉強になりました！中小零細SI企業経営者必読です。 -
Posted by ブクログ
◆◇━━━━━━━━━━━━
1.この本を選んだ目的
━━━━━━━━━━━━━◆
私は直接テストを実施する立場ではありませんが、現在QAチームの管理を担当し、業務改善施策を推し進めています。
その中で、あらためてテストに関する知識体系を整理・強化しておきたいと考えました。
JSTQBアドバンスレベル資格の取得を目標にしており、その前提条件であるファンデーション資格の学習を、資格対策と実務理解の両面から進める目的で本書を手に取りました。
◆◇━━━━━━━━━━━━
2.概要
━━━━━━━━━━━━━◆
本書はJSTQBファンデーションレベルのシラバスをベースに、カテゴリごとに重要なポイントを整理して解説しています。
各章ごとに模擬問題も用意されており、知識の確認と試験対策を並行して進められる構成になっています。
◆◇━━━━━━━━━━━━
3.感想
━━━━━━━━━━━━━◆
ISTQBという国際的なソフトウェアテストのフレームワークを学ぶ内容ですが、シラバスをそのまま読むのは正直かなり大変です。その点、本書は要点が整理されており、非常に読みやすく感じました。
独自の定義や専門用語も多い分野ですが、そこをしっかり押さえたうえで、自身のこれまでの経験や知識と照らし合わせながら読むことで、単なる資格学習にとどまらず、実務に活かせる学びが多く得られたと思います。
今日、テストを受けてきたんですが、「不適切なものはどれか」という問題はなく、この本のテストは、ちょっと違うかな〜という感じはうけました。実際のテストと同じような問題は少ない印象です。
◆◇━━━━━━━━━━━━━━━━
4.具体的にどのような点を学習したか？
━━━━━━━━━━━━━━━━━◆
学習時間はおよそ10時間ほどでしたが、テストに関する体系的な理解ができたと感じています。
ホワイトボックステスト、ブラックボックステスト、アドホックテスト、リグレッションテストなど、普段なんとなく使っていた用語について、定義を明確に整理することができました。
また、同値分割や境界値分析といったテスト設計技法についても、経験的には当然のように行っていたものの、「これは教えなければ伝わらない知識なのかもしれない」という気づきが得られた点は大きかったです。
◆◇━━━━━━━━━━━━━━━━
5.具体的にどのような行動をするか？
━━━━━━━━━━━━━━━━━◆
現在進めている業務改善計画に対して、本書で学んだ体系的なテスト知識を当てはめ、現状との乖離を整理します。
そのうえで、本来あるべきQA・テストプロセスの姿に近づけるよう、改善施策を是正・推進していきたいと考えています。
-
-
-
-
-
Posted by ブクログ
AIと呼ばれる技術の知識体系や主な手法の理論がわかりやすかった。
教師あり、教師なし、強化学習の違い。
分類と回帰の違い。
SVM、決定木、ランダムフォレスト、ロジスティクス回帰、k近傍法、k平均法などの手法。
勾配消失や過学習への対応としてのミニバッチ学習やドロップアウトやk交差検証などの手法。
ニューラルネットワークの概要、畳み込みニューラルネットワークやリカレントニューラルネットワークの必要性と特性。
敵対的生成モデル（GAN）の概要。
半教師あり学習とオートエンコーダー。
など、数式なしで概念を理解できるように説明されていた。
名著。 -
-
-
-
-
