これからAIを学ぶエンジニアやAI関連業種に携わるビジネスマン向けに、「AIとは何か」から始まり、しくみや手法、利用例など技術的な側面を分かりやすく説明します。第1章　AIとは01 AIの定義02 AI の得意な分野と苦手な分野03 AIの発展過程04 機械学習とは05 ディープラーニングとは06 機械学習とディープラーニングの違い第2章　AIの基礎知識07 機械学習と統計学08 相関関係と因果関係09 機械学習とデータマイニング10 教師あり学習とは11 教師なし学習とは12 強化学習とは13 AIとビッグデータ14 データ別に見るAIの特徴15 AIシステムの開発フロー第3章　自然言語処理の手法とモデル16 自然言語処理（NLP）とは17 NLPにおける曖昧性と困難性18 NLPの前処理19 言語モデルと分散表現20 注釈付きコーパスと対訳コーパス21 再帰型ニューラルネットワーク（RNN）22 Transformer23 BERT24 GPT-3第4章　GANを中心とした生成モデル25 クリエイティブに進出するAI26 生成モデルの基礎的なアルゴリズム27 GAN を用いた画像生成28 敵対的攻撃と防御29 GANのこれからの広がり第5章　画像認識の手法とモデル30 画像認識のタスク31 畳み込みニューラルネットワーク（CNN）32 画像認識の発展のきっかけとなったCNN33 CNN の精度とサイズのバランス34 学習の工夫135 学習の工夫236 ディープラーニングの説明可能性37 画像認識の評価指標第6章　テーブルデータの機械学習アルゴリズム38 テーブルデータの前処理39 精度の評価指標と汎化性能40 教師あり学習1：線形回帰モデル41 教師あり学習2：決定木42 教師あり学習3：ランダムフォレスト43 教師あり学習4：XGBoost44 教師あり学習5：ロジスティック回帰モデル45 教師あり学習6：ニューラルネットワーク46 教師あり学習7：k-NN（k-Nearest Neighbor）47 教師なし学習1［クラスタリング］：k-means 法48 教師なし学習2［クラスタリング］：階層的クラスタリング49 教師なし学習3［クラスタリング］：スペクトラルクラスタリング50 教師なし学習4［次元削減］：主成分分析51 教師なし学習5［次元削減］：UMAP52 教師なし学習6［次元削減］：行列分解53 教師なし学習7［次元削減］：オートエンコーダ