プログラミングなしではじめる人工知能

前表紙
株式会社 オーム社, 2020/09/28 - 172 ページ

プログラミングなしで人工知能をはじめよう!

本書は,何か人工知能を活用してみたいが,プログラミングを学ぶのはハードルが高い,どんなことができるのかまずは試してみたい,という方をおもな対象として,Azure Machine Learning Studio (classic)を用いたノンプログラミングでの人工知能手法を紹介するものです

 Azure Machine Learning Studio (classic)はMicrosoft社の提供するクラウドサービスで,一般的なブラウザ上でドラッグ&ドロップによるビジュアル操作を用いて,人工知能(機械学習)を実践することができます.機能単位のアイコンとアイコンとを配線することで,さまざまな分析をおこなうことができます.

 基本的な人工知能手法の解説に留まらず,「カップの振動」に対する教師あり学習,「扇風機の異常」を教師あり学習で分類する,水位の推定などの数値予測,「地目別平均地価」に対する教師あり学習,「ICTサービスの利用動向」に対するクラスタリング,「扇風機の異常動作」に対するSVMを用いた異常検知などの具体的な例を取り上げて解説することで,実践的な人工知能の手法をお試しできるようになっています.


このような方におすすめ

(1)人工知能(機械学習)を使ってみたい一般のビジネスマン,学生

(2)Microsoft Azureを用いた機械学習の方法を知りたい方


主要目次

1. AIとは?

2. Azure Machine Learning Studio (classic)の利用準備

3. データ形式の理解と準備

4. Azure Machine Learning Studio (classic)における処理の全体構造

5. Azure Machine Learning Studio (classic)へのデータ入出力

6. Azure Machine Learning Studio (classic)内における前処理

7. 教師あり学習

8. 数値予測

9. グルーピングと異常検知

10. 学習と推定についての評価

11. 独自処理

12. Webサービス化とAndroidアプリ作成

 

レビュー - レビューを書く

レビューが見つかりませんでした。

目次

CSVファイルの読み込みとワークスペース上での確認
73
52 CSVファイルへの出力
74
54 Azure Machine Learning Studioclassicで提供されているサンプルデータ
75
第6章 Azure Machine Learning Studioclassic内における前処理
77
2つのCSVファイルのデータを結合
78
63 列の抽出
80
成人のデータのみの抽出
81
移動平均フィルターを用いた処理の実践
82

17 クラウドサービスとは?
12
172 レンタルサーバーVPSとは?
14
174 クラウドサービスとは?
15
181 RとR言語
16
182 PythonとNotebook
17
184 AWSAmazon Web Services
18
第2章 Azure Machine Learning Studioclassicの利用準備
21
21 Azure Machine Learning Studioclassicを利用するためのアカウントユーザー情報登録
22
212 学生アカウントの登録手順
27
22 課金体系サブスクリプション
28
222 クレジットカードによるサブスクリプション
29
23 リージョンとワークスペース
30
24 サポートページと配布ファイル
31
第3章データ形式の理解と準備
33
32 テキストデータとバイナリーデータ
35
33 テキストデータと文字改行コード
37
34 画像データと種類
38
35 時系列データとは?
39
36 音声データと種類
40
37 データの作成
41
Excel上でのデータ生成
42
38 データ収集と変換
44
382 RPAやWebスクレイピング
45
383 コマンドラインツールの活用
47
39 パワースペクトル
50
310データ準備の演習
53
ピボットテーブル
54
311 多様な日付の書式とその変換
57
312 オープンデータの世界
58
313 自分で計測するデータ
59
第4章 Azure Machine Learning Studioclassicにおける処理の全体構造
61
42 データの読み込みと保存
63
43 データ処理
64
44 学習
65
45 モデル適用
66
第5章 Azure Machine Learning Studioclassicとデータ入出力
71
66 メタデータに対する操作
84
67 欠損値に対する処理
85
68 ランダムなデータ分割
86
69 データの正規化
87
教師あり学習分類
91
72 サンプルデータIris
92
73 ニューラルネットワークNeural Network
93
74 サポートベクターマシンSVM
96
75 決定木Decision ForestDecision Tree
98
76 カップの振動に対する教師あり学習スマートフォンを用いた擬似手品
100
761 データ計測
101
77 教師あり学習による扇風機の異常の分類の試み
103
772 機械学習
106
数値予測回帰
109
82 サンプルデータの計測グラスの水位
110
84 Neural Networkを用いた水位の推定
112
社会データ地目別平均地価に対する教師あり学習
113
グルーピングと異常検知
119
92 サンプルデータIris Datasetに対するkMeansによるクラスタリング
122
社会データICTサービスの利用動向に対するクラスタリング
124
技術データ扇風機の異常動作に対するSVMを用いた異常検知
128
第10章学習と推定についての評価
131
102 推定についての評価
134
103 正答率とは?
136
105 交差検証
137
1052 Azure Machine Learning Studioclassic上における交差検証
140
第11章独自処理
143
112 Webサービス化とAndroidアプリ作成
144
付録A 付属アプリについて
147
A2 付属アプリ録音2パワースペクトルについて
148
参考文献
149
おわりに
151
索引
153
奥付
159
著作権

多く使われている語句

著者について (2020)

天野直紀(あまの なおき)

1993年 東京工科大学工学部機械制御工学科卒業

1998年 東京工科大学大学院工学研究科博士課程単位取得退学

1999年 東京工科大学メディア学部 助手

2003年 東京工科大学メディア学部 講師

2011年 東京工科大学メディア学部 准教授

現 在 東京工科大学工学部電気電子工学科 准教授

博士(工学)(東京工科大学)

〈おもな著書〉

『実践IoT―小規模システムの実装からはじめるIoT―』(オーム社、2018)

『図解コンピュータ概論[ハードウェア]改訂4 版』(共著、オーム社、2017)

『プログラミングで学ぶ 基礎物理とデータ処理』(共著、コロナ社、2003)

書誌情報