新書推薦：
《
就业、利息和货币通论（徐毓枬译本）（经济学名著译丛）
》
售價：NT$
306.0
《
瘦肝
》
售價：NT$
454.0
《
股票大作手回忆录
》
售價：NT$
254.0
《
秩序四千年：人类如何运用法律缔造文明
》
售價：NT$
704.0
《
民法典1000问
》
售價：NT$
454.0
《
国术健身 易筋经
》
售價：NT$
152.0
《
古罗马800年
》
售價：NT$
857.0
《
权力与相互依赖（第四版）（中译本修订版）
》
售價：NT$
658.0
|
| 編輯推薦： |
人气讲师来也！不一样的人工智能商业应用宝典：丰富案例，通俗讲解，轻松讲解。互动性满满的讲解方式，活泼丰富的体例设计，总结于实际教学经验的知识点讲解方式，对新手应该牢牢掌握的AI商业应用和法律风险知识点进行了全面的总结和详细地讲解，超详细讲解，消灭“看不懂”。
卖点1 主打人气讲师特色，分享作者个人实际教学经验和方法。形式新颖，体例丰富，版式活泼，告别枯燥的知识点罗列和传统排布，让新手可以坚持阅读下去。
卖点2 超多干货分享，以讲师的口吻陈述知识点，以极具实践性的案例巩固理论知识。图解丰富、注解详细、步骤清晰，专业的编程知识也能轻松掌握。
卖点3 彻底解说人工智能技术落地商业活动的应用方法和需要注意的相关法律问题，具有超强指导性。
|
| 內容簡介： |
《超简单的机器学习——人气讲师为你讲解AI在工作中的应用》
这是一本面向对AI和机器学习的活用感兴趣的经营层、企划部门、事业部门和IT部门等从业人员的书籍。从打消“为什么现在应该努力呢”这样的疑问开始，到即便对AI和机器学习的前提知识没有了解，也能够理解“如何建立项目，怎样创造出成果”的方法论。本书旨在作为咨询公司和系统开发公司等寻求外部AI支援的参考书。
《超简单的人工智能——人气讲师为你讲解AI商业应用》
本书从业内人士视角出发，向读者介绍了人工智能技术在人类商业活动中的应用情况，探讨了AI应用与商业活动中的法律问题。本书并没有采用教科书似的枯燥理论讲解方式，也没有涉及过多的专业理论知识。本书以实例为基础，选取了有望利用人工智能技术的商业领域，来解说实际应用方法和面临的法律法规问题。
|
| 關於作者： |
[日] 韮原祐介：
株式会社brainpad AI 商务本部副部长，提供有关机器学习技术等利用数据科学和数字技术改善经营的咨询服务，包括需求预测、图像分析、复制引擎、搜索等机器学习系统服务，为商业成果的经营创造优势。在包括咨询商会在内的国内外企业中，从事了10 年以上有关经营改革支援的工作。
[日]二木康晴：
庆应义塾大学商学部、东京大学法学院毕业。株式会社经营共创基础(IGPI)律师。曾任职于国内法律事务所，负责各种合同的制定和审查、股东大会指导、合规应对、事业再生、m&a等企业法务和诉讼等工作。之后参与经营共创基础，从事创业、m&a、风险企业等的出资方的监事业务等。合著有《围绕经营支配权的法律实务解说、格式等和案例研究》。
[日]盐野诚：
庆应义塾大学法学部毕业，华盛顿大学法学院法学硕士。株式会社经营共创基础(IGPI)合伙人/董事财务总监，IGPI商业分析与情报代表理事，新加坡首席执行官IGPI在国内外为企业和政府机构提供战略立案和执行咨询、m&a顾问业务，有10年以上企业投资的经验。近年来在AI / IoT领域做了很多大企业的全公司战略和事业开发的项目，同时也担任政府相关委员。著作有《在世界上活跃的人，在进行怎样的战略思考?》。与合著有《东京大学副教授教的“人工智能能做到那种程度吗?”》《为事业负责人的逆推商务法务手册》等。
|
| 目錄：
|
《超简单的机器学习——人气讲师为你讲解AI在工作中的应用》
第1章 开拓今后业务的机器学习
［人工智能现状与本书概要］
1 什么是机器学习项目
［AI优先］
2 了解AI优先的时代背景
［GAFA Microsoft的对策］
3 从顶尖企业来看机器学习的策略
［技术进化的意义］
4 机器学习带来的冲击
［机器寒武纪到来的背景］
5 了解机器学习受到关注的原因
［第四次工业革命］
6 作为国家成长战略的机器学习
［日本企业的对策］
7 日本企业AI对策实况
［所需的人才供求］
8 AI机器学习所需人才状况
［从事机器学习的意义］
9 从事机器学习产生新的价值
专栏如何在信息爆炸中获取正确的信息
第2章 理解机器学习的机制
［机器学习概要］
10 什么是机器学习
［基于规则］
11 基于规则和机器学习的区别
［机器学习的优点］
12 从机器学习中能得到什么
［机器学习的全貌］
13 理解机器学习的分类
［模型构建的流程］
14 了解机器学习的模型构建
［数据的类型和预处理］
15 理解数据和预处理
［算法的选择和调整］
16 了解算法的选择
［深度学习］
17 深度学习的基本机制
［模型验证和过拟合］
18 评价模型的精度
［模型的改善］
19 怎样改善模型
专栏现在的AI和过去的AI有什么不同
第3章 了解机器学习所必需的资源
［必需的资源］
20 推进机器学习项目所需资源
［物理资源概要］
21 机器学习所需的软件和硬件
［编程语言］
22 了解Python的特征
［库］
23 了解机器学习的库
［统计分析软件］
24 帮助机器学习的软件
［利用云的硬件资源］
25 机器学习所需的硬件资源
专栏AI和中国
第4章 确定项目的目标
［项目的全貌］
26 机器学习项目的阶段区分方式
［构思阶段］
27 抓住构思阶段的全貌
［课题的设定］
28 什么是机器学习项目的“课题”
［课题的设定］
29 理解什么样的课题可以通过机器学习解决
［用于机器学习的数据种类］
30 理解对课题可用的数据
［机器学习系统］
31 理解机器学习“系统化”的必要性
［课题方案的探讨］
32 考虑机器学习项目的候选课题
［课题的筛选］
33 用期望成果和数据利用的可能性缩小范围
［设计业务和系统］
34 设计能够应用机器学习的业务和系统
［日程的研究与制定］
35 制定机器学习项目的日程
［ 执行体制的探讨］
36 构建机器学习项目的体制
［ROI的估算］
37 估算ROI（投资回报率）
［方案书的写法］
38 了解有效的方案书的写法
专栏回答什么问题，解决什么课题
第5章 确立项目的体制
［利用外部的合作伙伴］
39 探讨向外部合作伙伴企业的支援请求
［合作伙伴的选择标准］
40 确定选择合作伙伴的标准116
［利用分析服务公司］
41 向分析服务公司请求帮助
［利用咨询公司］
42 向咨询公司请求帮助
［活用公司内部人才］
43 确保机器学习项目所需的人才
［与其他公司签约合作］
44 了解合同形式的特征和注意事项
［费用／成本］
45 什么是机器学习系统的费用预算
专栏10年后工作真的会被AI夺走吗
第6章 验证项目
46 实现的可能性
［PoC阶段的全貌］
47 了解构成PoC阶段的任务
［数据评估］
48 如何评价用于机器学习的数据
［实体模型的构建］
49 构建用于验证可行性的模型
［使用已训练好的模型］
50 利用云服务训练好的模型
［验证项目的评估］
51 评估PoC阶段的验证项目
［传感器的验证］
52 安装最新的传感器来获取数据
专栏黄瓜农户与深度学习
第7章 实装机器
53 学习系统
［实装阶段的全貌］
54 了解构成实装阶段的任务
［实装的特异性］
55 机器学习系统与一般系统开发的区别
［需求定义的推进方法］
56 机器学习系统的需求定义
［设计与开发的推进方法］
57 机器学习系统的设计与开发
［测试的推进方法］
58 机器学习系统的测试
专栏创造超人般的AI
第8章 掌握机器学习系统的使用要点
［应用阶段的全貌］
59 机器学习项目特有的应用任务
［KPI的监测］
60 应该定义怎样的KPI
［模型的微调］
61 修正机器学习模型
［系统的应用］
62 应用机器学习系统的课题
专栏想制作一个打扫整理机器人
第9章 从成功事例中学习机器学习项目
［案例学习①］
63 根据顾客的行为作出反馈的推荐系统
［案例学习②］
64 从SNS的投稿图像中分析商品的使用场景
［案例学习③］
65 机器人根据语音请求作出行动
专栏AI创造的新工作
《超简单的人工智能——人气讲师为你讲解AI商业应用》
第1章与人工智能共同创造的未来商业
01理解人工智能能做什么
02在商业领域中人工智能是什么
03人工智能有哪些种类
04思考在商业领域中怎样利用人工智能
05思考在制造商品的现场如何使用人工智能
06思考在金融服务中怎样使用人工智能
07人工智能对人类来说可以替代吗
08在开始人工智能商业活动之前的思考
09理解为了获得人才而必要的事情
10在商业领域中入手人工智能的三种方法
11人工智能引起的从未有过的伦理问题
12思考人工智能商业的未来
专栏 促进日本的革新
第2章 人工智能商业的法律风险
13人工智能的法律问题
14了解人工智能应用有怎样的法律风险
15实施人工智能商业活动时探讨法律问题的推进方法
专栏 促进日本的革新
第3章自动驾驶技术带来的全新社会
16发展至今的自动驾驶技术
17了解自动驾驶技术的前景和课题
18自动驾驶的细节原理
19用于降低事故风险的人工智能
20孕育出新产业的自动驾驶技术
21阻碍实现完全自动驾驶的法律壁垒
22发生事故谁来负责
23谁来决定生命的重要性—电车难题
专栏 率先实现完全自动驾驶的会是谁
第4章 依靠机器学习而进化的无人机产业
24无人机和人工智能
25人工智能和无人机孕育的新产业
26无人机和无线电操控有什么不同
27了解无人机行业的现状
28依靠搭载人工智能而扩大可能性的无人机产业
29了解飞行无人机所必要的手续
30应用无人机时的注意点
31人工智能开创的应用无人机的基础架构
专栏 未解决的课题正是创新的源泉
第5章人工智能孕育出的新产物
32自主表现活动的进化
33了解依靠人工智能创作的细节
34创作自动化发挥优势的领域
35思考使用人工智能进行创作的灵
36了解人工智能产物引发的问题
37了解人工智能软件的应用
38保护人工智能软件的细节
39保护自主创作内容的细节
40发展已训练的模型，创造新的价值
专栏 人工智能与艺术家的未来
第6章 深度学习开创的图像识别业务的可能性
41深度学习和图像识别的机制
42了解图像识别技术的应用领域
43理解人脸认证的原理和目的
44人脸认证和其他生物体征认证的区别
45应用人脸识别技术的产业
46思考促进提供图像所必要的附加价值
47认识到人脸认证数据是“个人信息”
48人脸认证数据和肖像权、隐私权的关系
49同意获取人脸认证数据的方法
专栏 从舆论事件学习成功的人脸认证
第7章 人工智能和大数据创造的匹配业务
50大数据和人工智能能做什么
51如何收集大数据
52如何使用大数据
53人工智能使匹配业务变得有可能
54匹配业务中人工智能的应用案例
55如何依靠匹配提高客户满足度
56共享经济中人工智能的应用
57大数据包含个人信息的处理方法
专栏 无人商店的未来
第8章 金融科技、医疗等依靠人工智能而扩大的商业机会
58了解金融科技中人工智能的应用
59了解银行业界如何应用人工智能
60了解保险行业如何使用人工智能
61了解其他金融科技领域人工智能的应用
62医疗领域的人工智能应用①
63医疗领域的人工智能应用②
64医疗领域的人工智能应用③
65了解护理领域人工智能的应用
66可以应用人工智能的各种事业领域
67凭借与人工智能交流而扩大的新业务
专栏 人工智能和商业嗅觉
索引
|
| 內容試閱：
|
《超简单的机器学习——人气讲师为你讲解AI在工作中的应用》
机器学习项目的特点是：需要“商业”“数据科学”和“工程”三个领域的知识和技能。本节我们来确认在各个阶段中，每个领域知识和技能的必要性和区别。
机器学习项目需要的人才类型
第4章的第36节中，我们对机器学习项目所需的知识和技能的领域进行了解说。简而言之，正如第36节中 图表36-2所示，需要“商业”“数据科学”和“工程”这三个领域的知识和技能，但是几乎没有同时掌握三个领域知识的人才。所以，拥有各专业人才之间的团队合作非常重要。
这些人才在每个阶段的责任会发变化。例如，在构思阶段，商业领域人才的作用很大，工程领域人才的作用则相对较小。而在应用阶段，工程领域人才的作用很大，商业领域人才的作用则变小。关于每个领域人才在各个阶段的作用和变化，我们在 图表39-1 和 图表39-2中进行了描述。
整合三个领域的人才，可以实现整体的目标。把握各个领域的不同是很重要的。从下一节开始，我们从商业的角度来讨论各个阶段的要点。
每个领域在各个阶段的职责变化
构思阶段 PoC阶段 实装阶段 应用阶段
商业领域的职责
制定商业上具有价值的课题和项目的整体计划
从商业观点对PoC的验证项目进行整理和评价
项目全体的进度、课题和风险的管理。以商业观点检查测试项目
业务和服务中的质量保证
《超简单的人工智能——人气讲师为你讲解AI商业应用》
32 自主表现活动的进化
到现在为止，创造性领域被认为是人类的独到之处。但是，人工智能已经制作出和人类创作物无法区分的作品。首先，我们来列举人工智能创作的例子。
人工智能在没有人类指示的情况下进行创作
以往的人工智能是组合了学习数据的属性，着眼于人类预先设定好的特征，分析大量的大数据进行自主学习。因此，即使人工智能制作出了某些创作物，也可以表现出人类的思
想和感情。
但是，随着深度学习的发展，人类不需要再制定特征。人工智能通过自主地提取特征和
组合各种数据，创作出了与人类创造物无法区分的新产物，如图32-1所示。
由于人工智能的创作，一方面我们期待新的产物，另一方面也产生了“人工智能产物的权利归属于谁”的问题。
人工智能写的小说
日本公立函馆大学从2012年开始实施分析作家星新一的短篇作品，让人工智能创作有趣的
短篇小说计划，“这是骗人的人工智能项目作家哟”。在这个项目中，小说的主题情节是人类创作的，把它变成完整的小说是人工智能的工作。另一方面，也有情节本身就交由人工智能创作的项目，叫作“人狼智能项目”。它是一种寻找村民扮演的人狼的心理游戏。人类与人工智能之间进行一万次对战，人工智能排除了游戏不成立和奇怪的设定，从合理的对战中选出适合作为小说的情节，将其编写为小说。
可以在剧场上演的音乐剧的创作
早些年计算机和人类合作的音乐剧Beyond theFence，是由剑桥大学的统计学家们从大约2000部音乐剧中分析“什么样的作品大火了，什么样的作品失败了”，并从“1980年代的欧洲，女性主人公，战争”为关键词，创作出的音乐剧作品。以此为基础，软件写出故事的主干和登场人物等梗概，以最新的音乐剧研究为基础，使用改编既存故事的方法来生成故事的核心和情节。再加上自动生成歌词，并从中选出可以使用的内容，一部音乐剧就完成了。
人工智能创作的艺术作品和产品设计
除了第1章介绍的“伦勃朗的新作”之外，人工智能还可以用于各种各样的创作活动。比
如从3D模型的数据集中创造出新设计的室内装饰，从学习到的乐曲中创作音乐作品等。实际上目前已经有人工智能设计的3D模型椅子和具有节奏感的乐曲了。
把过去活跃的艺术家的作品结合起来创造出新的艺术也不是不可能。
33 了解依靠人工智能创作的细节
通过人工智能创作某些新的产物有几种方法。具体来说，有基于规则的方法、基于统计概率的方法和基于深度学习的方法。在掌握了各种方法的基础之上，再加以利用吧。
专注于专业领域的“专家系统”
作为应用了基于规则的“专家系统”，是代替拥有专业领域知识的专家进行分析和决策的
系统。将庞大的知识数据库化，针对问题查找知识并进行准确的推论。作为专家系统一个有名的例子，是20世纪70年代斯坦福大学开发的诊断血液传染病，并推荐抗生素的MYCIN系统。
使用这个方法事先进行的准备工作会很麻烦，但是一旦生成，就可以用与人类记者无法比拟的速度来制作新闻报道。同时，应用前一天和往年的数据，即时比较气温等数据也是一大优势。
基于统计概率的方法
还有一种方法是使用统计概率创造新事物。这是一种通过读取大量数据和人类赋予的正确标签来让机器学习的方法，也就是所谓的机器学习方法。例如，在给图片标注苹果、香蕉、葡萄等标签后，使用机器学习就可以得出之后未知图片的标签。人工智能生成的模型会自动对图片进行苹果、香蕉、葡萄等的标签分配。
使用统计概率方法的作曲系统
在音乐领域，有一种利用统计方法的自动作曲系统ORPHEUS。在这个系统中，只要用户输入歌词，选择乐曲的风格，系统就可以自动进行作曲。
这个系统的方法是“一边尊重作曲家风格的约束，一边最大限度地应用歌词的韵律进行作曲，以（该作曲家的）最高的编曲概率制作曲子”。具体来说，系统根据输入歌词韵律的分
析结果和乐谱的行进、节奏、伴奏的模式，计算出可能获取的旋律的概率，并探索出概率最高的旋律来作曲。重点是使用歌词的韵律来作曲。
日语被称为音调声调的语言，根据声音的高低，语言的意思也会发生变化。因此，随着音调的高低，旋律也会发生变化，这样就可以作出更适合歌词的旋律，如图33-3所示。
基于神经网络的方法
使用深度学习这样的神经网络方法，也可以创造出绘画等产物。神经网络通过分析大量的数据，提取共同的特征量，可以模仿某位画家或作家的风格。由于不需要人工指定作品的特征，所以适合绘画这类难以通过人类语言定义风格并将其数值化的任务。
从艺术作品中提取特征，创作出新的作品
德国蒂宾根大学的Gatys等人在2015年发表的论文在当时引起了轰动，各种博客都有介绍。
A Neural Algorithm of Artistic Style这篇论文发表了从某艺术家的绘画中提取特定的画风，将其画风与其他作品组合起来加工表现的方法。这篇论文中介绍的例子是将A的运河照片，分别组合B（特纳的《运输船遇难》）、C（梵高的《星月夜》）、D（蒙克的《呐喊》）等制作而成的作品，如图33-4所示。
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
