※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。 ※PDF版をご希望の方は Gihyo Digital Publishingも合わせてご覧ください。 これからAIを学ぶエンジニアやAI関連業種に携わるビジネスマン向けに，「AIとは何か」から始まり，しくみや手法，利用例など技術的な側面を分かりやすく説明します。

機械学習エンジニアになりたい人に 機械学習エンジニアを志望する人が増えています。 採用数も増えており、さまざまな就職・転職サイトで「機械学習エンジニア」の募集がされており、この数は今後さらに増えることが予想できます。 しかし、採用側の話を聞くと、志望する人の大半は求める能力に達していないというミスマッチが発生しています。 これは、「機械学習エンジニア」という仕事が誕生して間もないため、 どのような能力を必要とするのかをエンジニア側が理解していないことに原因があります。 【本書の構成】 本書は「仕事編」と「実務編」の２部構成です。 「仕事編」では、機械学習エンジニアになりたい人向けに、 その仕事内容や必要な知識レベル、なるための勉強法、採用されるための履歴書の書き方などを解説します。 「実務編」では、身の周りのAI技術や実務ノウハウ、各国の機械学習エンジニア事情について解説します。 また、実際に機械学習エンジニアとして働く人やゼロから機械学習の知識を身につけた方々のインタビューも掲載しています。 ※本電子書籍は同名出版物を底本として作成しました。記載内容は印刷出版当時のものです。 ※印刷出版再現のため電子書籍としては不要な情報を含んでいる場合があります。 ※印刷出版とは異なる表記・表現の場合があります。予めご了承ください。 ※プレビューにてお手持ちの電子端末での表示状態をご確認の上、商品をお買い求めください。

AI活用がもたらす医療技術の変革！ AI技術は病理学や医用工学、解剖学、神経科学、細胞生物学、 脳神経外科や内科学、眼科学、放射線医学、手術医学など、 基礎医学から臨床医学まで幅広い領域に浸透し始めています。 しかし、データの量や用途に応じて技術のラインナップの中から 適切な武器を選ぶ必要があるため、正しく活用するのは一苦労です。 さらにAIを医療機器としてリリースするためには、 資金調達、人材戦略、知財戦略などに抜かりがあってはいけません。 本書では、最新の事例、技術、法律と行政の取組みについて解説しており、 国内において医療AIをより活用できる1冊となっています。 【本書の概要】 ・AIと医療に関わる昨今の社会状況やAIの医療応用に関する法律を解説 ・AIが医療にどのように貢献しているかを、実際に事業化されている事例を中心に紹介 ・医療関連の画像を扱う技術や、電子カルテなど医療関連の自然言語や数値などの系列データを扱う技術など、 開発に必要な技術を紹介 ・医療AIの開発に使われる有名な公開データと提供元をリストアップし、データを扱う心構え、 標準的な開発の流れまで踏み込む ・医師かつ起業家の視点から、医療AIの事業化において役立つ情報が満載 ・韓国の医療AIベンチャーであるVUNO社とのインタビューと、日本が学ぶべき事柄を考察 【本書の読者層】 ・医療AIの開発に携わるエンジニア ・基礎知識として医療AIの基本事項を押さえておきたいエンジニア ・医療AIハード・ソフトウエアメーカやベンダーの企画、営業担当 ・医師 ※本電子書籍は同名出版物を底本として作成しました。記載内容は印刷出版当時のものです。 ※印刷出版再現のため電子書籍としては不要な情報を含んでいる場合があります。 ※印刷出版とは異なる表記・表現の場合があります。予めご了承ください。 ※プレビューにてお手持ちの電子端末での表示状態をご確認の上、商品をお買い求めください。

※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。 マーケティングプロジェクトを成功に導く分析プロセスがサクッと学べる！ 　ビジネスの現場では多くのデータやAIの活用に関する取り組みが行われています。このようなプロジェクトが増える一方で、思うような結果が得られずにプロジェクトを中止せざるを得なかったとの声も聞こえてきます。 　そこで本書では、正しく的確にAIを活用したデータ分析を導入できるよう、具体的な活用シーンに示しながら、「要件定義」「分析マスターデータ作成」「基礎集計・可視化」「モデリング」「評価・実装」の分析プロセスにおける知識やテクニックを丁寧に解説します。 Part 1　プロセスの一般論 Part 2　顧客データ × クラスタリング分析モデル Part 3　広告効果データ × 重回帰分析モデル Part 4　キャンペーンデータ × ロジスティック回帰分析モデル Part 5　調査データ × コレスポンデンス分析モデル Part 6　Eコマースデータ × 協調フィルタリング分析モデル Appendix　AI開発の成功パターン（EDA）と失敗パターン（LISA）