あたらしい人工知能の教科書プロダクト/サービス開発に必要な基礎知識

著：多田智史、監修：石井一夫

　たくさん載っている。人工知能の技術について紹介した本。主だった内容を以下に書き出してみるが、これでも全てではなく、本当にもりだくさんである。

　エキスパートシステム。レコメンドエンジン（内容に基づくものと履歴などの情報に基づくもの）。人工生命シミュレーション（ライフゲーム、感染シミュレーション）。有限オートマトン。マルコフモデル。ステート駆動エージェント。線形問題。非線形問題。回帰分析。重回帰。ロジスティック回帰。回帰スムージング法。L2正則化（リッジ回帰）とL1正則化（Lasso）。コサイン類似度。相関係数。相関関数。レーベンシュタイン距離。編集距離。ハミング距離。マハラノビス距離。Jaccard係数。グラフ理論。隣接行列と接続行列。木構造、二分探索木。幅優先探索と深さ優先探索。βカットとαカット。動的計画法。遺伝的アルゴリズム。ニューラルネットワーク。活性化関数。パーセプトロン。バックプロパゲーション。自己組織化。一般化線形モデルと基底関数。損失関数。勾配効果法。ベイズの定理。EMアルゴリズム。ベイズ推定。モンテカルロ法。階層ベイズモデル。隠れマルコフモデル。クラスタリング。K-means。主成分分析（PCA）と特異値分析と独立成分分析。自己組織化マップ。SVM。ID3。ランダムフォレスト。ベイジアンフィルタ。ROC曲線。アンサンブル学習。バギングとブースティング。強化学習。ベルマン方程式。Q学習。転移学習。分散人工知能。多層パーセプトロン。活性化関数と勾配消失問題。学習曲線。汎化誤差。確率的勾配降下法。正則化。ドロップアウト。制約付きボルツマンマシン。DNN。オートエンコーダー。スパースコーディング。CNN。Deep RNN, Bidirectional RNN, Bidirectional Deep RNN。LSTM。フーリエ変換。ウェーブレット変換。R-CNN、BING、Geodesic K-means、Selective Search, DCGAN。音響モデルと言語モデル。分かち書き。形態素解析。TF-IDF。潜在的意味インデクシング。潜在ディリクレ配分法。Word2vec。係り受け解析。述語項構造解析。句構造解析。漢字変換。機械翻訳。自動要約。オントロジー。RDF。NoSQL。Hadoop。GPGPU。Apache Spark。各種機械学習プラットフォームとディープラーニングプラットフォーム。分散人工知能、創発システム。

　350ページ以上ある本だが、これだけの内容が入っているので、ひとつひとつの説明は必要最小限である。文章はよくポイントを簡潔にまとめてある。短く要点を伝えるために、式は多用されている。個別の詳しい内容については、それぞれさらに掘り下げる必要があるが、この網羅性の広さはこれはこれで捨てがたい特徴である。人工知能に関する基本理論のリファレンス集と割り切れば、手にする価値はあるように思われる。

CHAPTER 01 人工知能の過去と現在と未来
CHAPTER 02 ルールにルールを重ねる
CHAPTER 03 生きているかのように振舞う
CHAPTER 04 最適解と重み付け
CHAPTER 05 最適化と重み付け
CHAPTER 06 統計的機械学習
CHAPTER 07 教師なし学習と教師あり学習
CHAPTER 08 自律知能エージェント
CHAPTER 09 深層学習
CHAPTER 10 パターン認識
CHAPTER 11 テキスト・自然言語処理
CHAPTER 12 知識表現と構造
CHAPTER 13 分散コンピューティング
CHAPTER 14 大規模データ・IoTとのかかわり