Linkup 
本書の概要
編集、DTP、図版制作をリンクアップで担当しました。
機械学習やディープラーニングの基本を、図解を豊富に用いてやさしく解説した入門書です。エンジニアとしての第一歩を踏み出す方や、関連企業への就職・転職を目指す方に向けて、複雑な仕組みや開発の基礎知識を丁寧に解説しています。
目次
1章 人工知能の基礎知識
- 人工知能とは
- 機械学習（ML）とは
- ディープラーニング（DL）とは
- 人工知能と機械学習が普及するまで
2章 機械学習の基礎知識
- 教師あり学習のしくみ
- 教師なし学習のしくみ
- 強化学習のしくみ
- 統計と機械学習の違い
- 機械学習と特徴量
- 得意な分野、苦手な分野
- 機械学習の活用事例
3章 機械学習のプロセスとコア技術
- 機械学習の基本ワークフロー
- データの収集
- データの整形
- モデルの作成と学習
- バッチ学習とオンライン学習
- テストデータによる予測結果の検証
- 学習結果に対する評価基準
- ハイパーパラメータとモデルのチューニング
- 能動学習
- 相関と因果
- フィードバックループ
4章 機械学習のアルゴリズム
- 回帰分析
- サポートベクターマシン
- 決定木
- アンサンブル学習
- アンサンブル学習の応用
- ロジスティック回帰
- ベイジアンモデル
- 時系列分析と状態空間モデル
- k近傍(k-NN) 法とk平均(k-means)法
- 次元削減と主成分分析
- 最適化と遺伝的アルゴリズム
5章 ディープラーニングの基礎知識
- ニューラルネットワークとその歴史
- ディープラーニングと画像認識
- ディープラーニングと自然言語処理
6章 ディープラーニングのプロセスとコア技術
- 誤差逆伝播法によるニューラルネットワークの学習
- ニューラルネットワークの最適化
- 勾配消失問題
- 転移学習
7章 ディープラーニングのアルゴリズム
- 畳み込みニューラルネットワーク（CNN）
- 再帰型ニューラルネットワーク（RNN）
- 強化学習とディープラーニング
- オートエンコーダ
- GAN（敵対的生成ネットワーク）
- 物体検出
8章 システム開発と開発環境
- 人工知能プログラミングにおける主要言語
- 機械学習用ライブラリとフレームワーク
- ディープラーニングのフレームワーク
- GPUプログラミングと高速化
- 機械学習サービス