■Pythonプログ...
■文系学生のための G検定対策 AI人工知能概論の教程
・札幌大学にて5年間講義に使用したテキストです。
・文系学生でも合格するように、懇切丁寧に解説
・数学が難解な項目はあえて割愛済み。
・G検定合格は履歴書にも書ける立派な資格です。
・本文約400頁、検定問題準拠例題200選
目次の見出しにサンプルページへのリンクを用意しました。 それをご覧になって、気に入られたらご注文ください。PDF販売価格：4000円、印刷出力：6000円です。
また、関連して次の４つのリンクを用意しました。
目次
第0章 AI概論への導入
第0章全頁サンプル
0.1 日本の未来社会ビジョン
例題と解説 ： 日本の未来社会ビジョン
0.2 人工知能（AI）とは何か
0.3 政府が目指していること
0.4 AIに最適のコンピュータ言語
0.5 AI登場の背景
例題と解説 ： IoT
第1章 人工知能
第1章全頁サンプル
1.1 人工知能の始まりと第１次AIブーム以前
例題と解説 ： 人工知能の始まり
例題と解説 ： チューリングテスト
1.2 第１次AIブーム
例題と解説 ： 第１次AIブーム
1.3 第２次AIブーム
例題と解説 ： 第2次AIブーム
1.4 第３次AIブーム
例題と解説 ： 第3次AIブーム
例題と解説 ： 第１次～第3次AIブーム
1.5 ゲームAIの勝利とその他の進展
例題と解説 ： ゲームAIの勝利とその他の進展
1.6 AIの諸問題
例題と解説 ： AIの諸問題
1.7 ムーアの法則とコンピュータの進歩
例題と解説 ： ムーアの法則とスーパーコンピュータとパソコン
1.8 弱いAIと強いAI
例題と解説 ： 弱いAIと強いAI・AI効果
第2章 さまざまな機械学習 第2章サンプル
2.1 機械学習(ML)とは
例題と解説 ： 機械学習・強化学習・深層学習
2.2 教師あり学習
例題と解説 ： 教師あり学習
2.3 線形回帰と非線形回帰
例題と解説：相関と線形回帰
2.4 教師あり学習の非線形回帰と過学習
例題と解説 ： 教師あり学習の非線形回帰と過学習
2.5 教師あり学習の分類 ： サポートベクターマシン
例題と解説 ： サポートベクターマシン
2.6 教師あり学習の分類 ： 決定木とランダムフォレスト
例題と解説 ： アンサンブル学習
2.7 教師あり学習の分類 ： k近傍法（kNN法）
例題と解説 ： k近傍法
2.8 教師あり学習の分類 ： ロジスティック回帰
例題と解説 ： ロジスティック回帰
2.9 半教師あり学習
例題と解説 ： 半教師あり学習
2.1 教師なし学習のさまざまな手法
例題と解説 ： 教師なし学習
2.11 インターネットにおける教師なし学習
例題と解説 ： インターネットにおける教師なし学習
第3章 機械学習の実際 第3章サンプル
3.1 機械学習のプロセス
例題と解説 ： 機械学習のプロセス
3.2 機械学習の準備
例題と解説 ： 機械学習の準備
3.3 学習済みモデルの性能評価
例題と解説 ： 学習済みモデルの性能評価
3.4 強化学習
例題と解説 ： 強化学習
3.5 ニューラルネットワーク
例題と解説 ： ニューラルネットワーク
3.6 パーセプトロン
例題と解説 ： ニューラルネットワークとパーセプトロン
3.7 活性化関数の使い分け
例題と解説 ： 活性化関数
例題と解説 ： 誤差逆伝播法・勾配消失
例題と解説 ： パーセプトロン問題
第4章 深層学習Deep Learning 第4章サンプル
4.1 深層学習とディープニューラルネットワーク
例題と解説 ： ディープニューラルネットワーク
4.2 勾配降下法とその発展
例題と解説 ： 勾配降下法
4.3 学習データの渡し方と学習回数
例題と解説 ： 学習データの渡し方と学習回数
4.4 パラメータの初期値
例題と解説 ： パラメータの初期値
4.5 ニューラルネットワークにおける過学習対策
例題と解説：過学習対策
4.6 予測誤差の分解
例題と解説：予測誤差のバイアス-バリアンス分解
4.7 ニューラルネットワークの開発環境
例題と解説：ニューラルネットワークの開発環境
第5章 代表的なDNN 第5章サンプル
5.1 代表的な４つのDNN
例題と解説 ： 代表的な４つのDNN
5.2 CNN（畳み込みNN）
例題と解説 ： CNN
5.3 データの拡張
例題と解説 ： データの拡張
5.4 Alexnetとその発展形
例題と解説 ： Alexnetとその発展形
5.5 画像などのデータセット
例題と解説 ： 画像などのデータセット
5.6 RNN（再帰型NN）
例題と解説 ： RNN（再帰型NN）
5.7 RNNの機能の拡張
例題と解説 ： RNNの拡張
5.8 オートエンコーダ（自己符号化器）
例題と解説 ： オートエンコーダ（自己符号化器）
5.9 GAN（敵対的生成ネットワーク）
例題と解説 ： GAN（敵対的生成ネットワーク）
5.1 学習済みモデルの利用
学習済みモデルの利用
5.11 深層強化学習
例題と解説 ： 深層強化学習
第6章 DNNの応用 第6章サンプル
6.1 一般物体認識とR-CNN
例題と解説 ： 一般物体認識とR-CNN
6.2 R-CNNの発展形
例題と解説 ： R-CNNの発展形
6.3 音声のとりあつかい
例題と解説 ： 音声のとりあつかい
6.4 音響モデル
例題と解説 ： 音声認識と音響モデル
6.5 自然言語処理
例題と解説 ： 自然言語処理
6.6 言語のベクトル表現
例題と解説 ： 言語のベクトル表現
6.7 自動翻訳から生成AIへ
例題と解説 ： 自動翻訳から生成AIへ
第7章 AIと法と倫理 第7章サンプル
7.1 AIの導入と開発
例題と解説 ： AIの導入と開発
7.2 AIプロジェクトの計画
例題と解説：AIプロジェクトの計画
7.3 AIに関するさまざまな法律
例題と解説 ： AIに関する法律
7.4 AIと著作権
例題と解説 ： AIと著作権
7.5 AIと発明と特許権
例題と解説 ： AIと発明と特許権
7.6 AIと不正競争防止法
例題と解説；AIと不正競争防止法
7.7 AIと個人情報保護法
例題と解説 ： AIと個人情報保護法
例題と解説 ： 法律全般
7.8 AIとパーソナルデータ
例題と解説 ： AIとパーソナルデータ
7.9 自動運転に関連するルールと法律
例題と解説 ： 自動運転に関連するルールと法律
第8章 AIと社会 第8章サンプル
8.1 ロボティクスと強化学習
例題と解説 ： ロボティクスと強化学習
8.2 AIの予期しない振る舞い
例題と解説 ： AIの予期しない振る舞い
8.3 AIの再現性と不透明性
例題と解説 ： AIの再現性・XAI問題
8.4 AI兵器の危険性
例題と解説 ： 自律型致死兵器(LAWS)
8.5 ディープフェイク
例題と解説 ： ディープフェイク
8.6 AIの透明性と倫理
例題と解説 ： AIの透明性と倫理
8.7 世界各国と民間団体の政策動向
例題と解説 ： 世界各国と民間団体の政策動向
8.8 顔認証監視技術
例題と解説 ： 顔認証監視技術
8.9 コミュニティ＆サービス＆AI技術プラットフォーム
例題と解説 ： コミュニティ＆サービス＆AI技術プラットフォーム
付録
A その他の用語解説
例題と解説 ： その他の用語解説
B 線形回帰問題の初等的解法
例題と解説 ： 線形回帰問題
C 統計・確率その他の問題
例題と解説 ： 統計・確率その他の問題
