今後ますます増えていくIoTシステム。 従来の業務システムとの違いなど、 基本的なポイントを押さえれば、 決して難しくはない！ - IoTシステムの基本構造とは？ - 利用するデバイスとその使い方は？ - ネットワークはどう構築する？ - 多様で膨大なデータをどう扱う？ - 開発スケジュールの立て方は？ - システム企画書はどう作る？ - データフロー図の描き方は？ - AIの効果的な活用とは？ ◆すぐに使えるテンプレート集のダウンロード特典あり！ - システム企画書 - システム構成図 - データフロー図 - デバイス仕様表 - 接続シーケンス図 - チェックリスト ◆対象読者 - IoTシステムのプロジェクトの企画者やプロジェクトマネージャー - 既存の業務システムのIoT化を担当する方 - これからIoTシステムの開発に携わるエンジニア ◆著者略歴 西村泰洋（にしむら・やすひろ） 富士通株式会社 フィールド・イノベーション本部 ヘルスケアFI統括部長 IoTシステムを中心にさまざまなシステムと関連するビジネスに携わる。 情報通信技術の面白さや革新的な能力を多くの人に伝えたいと考えている。 著書に『図解まるわかり サーバーのしくみ』『絵で見てわかるRPAの仕組み』（以上、翔泳社） 『デジタル化の教科書』『図解入門 最新 RPAがよ～くわかる本』（以上、秀和システム）などがある。 ※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。

今や「流行語」とも言えるビッグデータだが、 実は流行する前から「ビッグデータ的なもの」は生活の中にいくつもあった。 ビッグデータの活用とは、「データマイニング（Mining＝採掘、鉱業）」と呼ばれるように、 大量の情報の中から有用な事実を発見することだ。 データマイニングでは、結果のみが重視される。 因果関係ではなく、相関関係に注目するのがビッグデータ活用のポイントである。 身近な例から「文系でも分かる」ビッグデータ的なものを紹介する。 ※本書は月刊誌『WEDGE』2013年8月号の特集記事を編集し、電子化したものです。 ◆アメリカンフットボール、漢方、民俗学　文系でも分かるビッグデータ概論 ◆ビッグデータ活用に向け　日本に立ちはだかる課題

※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。 AI精度向上はトレーニングデータが鍵。 良質なトレーニングデータを手に入れるための必須知識。 アメリカをはじめ、ヨーロッパや中国などを中心にAI（機械学習）やディープラーニングを活用としたユースケースやビジネスモデルなどが大きく進化し、日本国内においても、自動車、製造、建築・土木、公的機関、eコマースなどさまざまな業種で機械学習やディープラーニングの適用が進んできています。 　このようにAIに使われる機械学習を、高い精度・確率のものとするためには、高い品質、さまざまな条件の分布、バリエーションに富んだトレーニングデータを準備することが成功の鍵といえます。　本書では、トレーニングデータの性質に焦点をあて、解説を行います。 はじめに 第1章　機械学習とトレーニングデータ 1.1　ディープラーニングに進化する過程 1.2　ディープラーニングはブラックボックス 1.3　機械学習の種類 1.4　プログラミングから見た機械学習 1.5　トレーニングデータの位置付け 第2章　マネジメント層とエンジニアの機械学習 2.1　データ活用とは 2.2　DXからデジタルファーストへ 2.3　マネジメント層の大事な役割 2.4　エンジニアとトレーニングデータ 2.5　機械学習を取り巻く課題 2.6　実行すべきこと 第3章　AIとトレーニングデータ 3.1　音声認識とは 3.2　機械翻訳 3.3　画像認識 3.4　動画 3.5　チャットボット・ボイスボット 3.6　自然言語処理系AI 3.7　固有表現抽出 3.8　ポイントオブインタレスト（POI） 3.9　自動車関連系AI 3.10　AR／VR／MRとメタバース 3.11　その他 第4章　各種トレーニングデータ 4.1　音声データ 4.2　画像データ 4.3　動画データ 4.4　センシングデータ（3D点群データ） 4.5　シンセティックデータ 第５章　データアノテーション 5.1　データアノテーションとは？ 5.2　プリラベリングデータ 5.3　音声データからのアノテーション 5.4　テキストデータのアノテーション 5.5　画像データのアノテーション 5.6　アノテーションフォーマット 第6章　アノテーションツール 6.1　アノテーションツールの種類 6.2　データ収集 6.3　プロジェクト定義 6.4　データ管理と割り当て 6.5　音声系へのアノテーション 6.6　テキスト系のアノテーション 6.7　画像・動画系データ 6.8　品質チェック工程 6.9　データ取りまとめ 第7章　データセキュリティ 7.1　関連する法律 7.2　データセキュリティについて 7.3　AI倫理 第8章　トレーニングデータの重要性 おわりに 参考文献

※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。 「酒場」といってもいろいろある。居酒屋，立ち飲み屋，角打ち……。そして，それぞれにルールとマナーがあり，楽しみ方がある。まずは「いい酒場を見つけるコツとは」で大衆酒場の世界にご案内。さらに酒場に行く前に知っておきたい酒と肴にまつわる知識とは？　「下町ハイボールの伝説」「とりあえずビールの謎」「ホッピーの４段活用」とは何か。そしてまた煮込みとモツ焼きから串カツ，珍味ワールドへと誘う。さらにさらに，酒飲みは酒場の造りにも目配りを怠ってはならない。これらを知らずして，昭和酒場に行くべからず。これは，酒飲み初心者と呑兵衛のための，本邦初の大人の図鑑である。

「データ分析」では得られない、真のビッグデータ活用とは?気鋭のデータ・サイエンティストが、死蔵データを生むだけの「高い買い物」でも、些末な「統計テクニック」でもない、真のデータ活用を語ります。 ※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。