【感想・ネタバレ】機械学習をめぐる冒険のレビュー

小高知宏

※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。

※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。

機械学習のしくみをイラストや図解でやさしく学ぼう！
本書は、機械学習に関するさまざまなトピックスを概説する書籍です。人工知能における機械学習の位置づけを説明したのち、機械学習内の分野をマップ化し、マップ内の街（＝機械学習内の分野）を旅する形でやさしく解説していきます。
数式や複雑な処理手順は扱わずに、「どんなしくみで、どこで使われていて、どう役に立つのか」という要点をわかりやすく示します。大枠や要点を掴むことを主眼としているため、短時間・効率的に学ぶことができます。機械学習について関心をもっているものの、専門書はハードルが高いと感じている学生やビジネスパーソンにおすすめです。
構成は、はじめに人工知能における機械学習の位置づけや手法の分類を示したうえで、機械学習の個々のトピック……すなわち、ｋ近傍法や決定木などによる分類、進化的計算や群知能による最適化、強化学習、ニューラルネット、深層学習などを説明していきます。

まえがき
目次

はじまり－機械学習の国へ行こう－

第一章 いりぐち－機械学習ってなんだろう？－
機械学習ってなんだろう？
AIにできること
いきものとコンピューター、それぞれの学びかた
コンピューターの学習
機械学習はなにができるの？
「言葉」を認識する
「画像」を認識する
COLUMN 強いAIと弱いAI

第二章 観光案内所－機械学習の種類と仕組み－
機械学習には種類がある
先生に正解を教えてもらおう－教師あり学習－
教師データとラベル
教師あり学習の仕組み
自力で学習を進めよう－教師なし学習－
試行錯誤の経験から学習しよう－強化学習－
コラム いろんな機械学習
学習した知識を役立てよう－汎化・タスク・アルゴリズム－
学習のしすぎに注意！－過学習－
COLUMN オッカムの剃刀とノーフリーランチ定理

第三章 分類の街－k近傍法と決定木－
並べかたで分類しよう－k近傍法－
一刀両断、スパッと分類！－サポートベクターマシン－
○と×で分類しよう－決定木－
決定木の作りかた
たくさんの決定木の森－ランダムフォレスト－
COLUMN みにくいアヒルの子定理

第四章 最適化の街－進化的計算と群知能－
最適化ってなんだろう？
進化を模倣してよりよい情報を残そう－進化的計算－
いきものの進化の仕組み
進化的計算ってなんだろう？
進化的計算の代表選手、遺伝的アルゴリズム
遺伝的アルゴリズムの仕組み
もっと複雑なことをするには－遺伝的プログラミング－
生物の群れの行動から学習しよう－群知能－
蟻みたいに近道を見つけよう －蟻コロニー最適化法－
大勢で答えを探そう－粒子群最適化法－
魚みたいに餌を探そう－AFSA－

第五章 試行錯誤の街－強化学習－
強化学習ってなんだろう？
とにかく試行回数を重ねよう－モンテカルロ法－
より効率的に試行するには？－Q学習－
Q学習で迷路を脱出しよう

第六章 神経回路の街①－ニューラルネット－
神経細胞と神経ネットワーク
神経細胞の模倣－人工ニューロン－
神経ネットワークの模倣－人工ニューラルネットワーク－
ニューラルネットの学びかた
視覚のシミュレーション－パーセプトロン－
ハイスピードで学ぼう！－バックプロパゲーション－
ニューラルネットワークの種類 ①階層型
ニューラルネットワークの種類 ②全結合型と再帰型
「何か」を見つける－認識－
「何か」を動かす－制御－
「何か」を考える－判断－
必ず「何か」を返してくる。……それでいいのかな？

第七章 神経回路の街②－ディープラーニング－
ディープラーニングってなんだろう？
人間の「視覚」を真似したニューラルネット
これはイヌ？ それともネコ？－畳み込みニューラルネットの画像認識－
CNNはどうして高性能なんだろう？
時間で変わるデータを分析しよう－リカレントニューラルネットとLSTM－
本物そっくりのニセモノをつくる－敵対的生成ネットワーク－
ディープラーニングを自動翻訳に役立てよう
経験から学ぶ深層学習－深層強化学習－

第八章 でぐち－機械学習をはじめよう－
機械学習に使われる言葉－プログラミング言語Python－
機械学習に使われるソフトウェア①－TensorFlowとKeras－
機械学習に使われるソフトウェア②－Caffe、PyTorch、Chainer－

おわりに－AIについて学べる参考図書たち－
索引

[ブクログ · ★★★☆☆]

機械学習は、AI＝人工知能、の中の技術の一つ。
教師無し学習は、統計学のクラスター分析や主成分分析と同じ。
強化学習は、勝ち負けを教師データとして扱う。モンテカルロ法やQ学習など。
K近傍法で分類する。
決定木は分類ルールを作って分類する。

みにくいアヒルの子定理＝見にくいアヒルの子も区別できない＝どの性質も同じウエイトにすると、アヒルの子と見にくいアヒルの子は似ている項目の方が多い。体の大きさや色の比重を大きくしないと、違っていることにはならない。

蟻コロニー最適化法は最短経路の探索に適している。
粒子群最適化法は、生物の群れを模倣したもの。
AFSAは、魚の動きを模倣したもの。

強化学習は二足歩行を上手に歩かせるなど、制御に使われる。モンテカルロ法など。うまくいったときに報酬を与える。Q学習は、行動に対する価値であるQ値が設定されている。

深層学習＝ディープラーニング＝ニューラルネットワークを発展させたもの。
伝達関数や出力関数によって評価する。重みと閾値を設定する。
ニューラルネットワークは必ず何かを返してくる。制御や判断に組み込む場合は注意が必要。

畳み込みニューラルネット＝人間の視覚神経を模擬したもの。
畳み込みとは、入力データの各部分に対して同じ処理を繰り返して、その結果をまとめる。結果を集めて新しい画像を作り出す。画像の特徴を抽出する。
ブリーフィングによって曖昧にぼかすことで全体的な特徴を取り出す。

『エンジニアなら知っておきたいAIのキホン』
『基礎から学ぶ人工知能の教科書』
『Pythonではじめる機械学習』
『ゼロから作るDeepLeaning』
『機械学習と深層学習　Pythonによるシュミレーション』
『人工知能プログラミングのための数学がわかる本』
『機械学習ーデータを読み解くアルゴリズムのい技法』