購入前に目次をご確認ください
インプレス［コンピュータ・IT］ムック IT基礎教養 自然言語処理＆画像解析 “生成AI”を生み出す技術
インプレス / 2024年10月18日 / 全311ページ
本書では、生成AIの基礎となる機械学習に始まり、AIが人間の言葉を理解して対話を行える仕組みや画像を認識したり生成したりする仕組みを、図を用いながら噛みくだいて解説。また、Google Colaboratory上に用意したPythonコードで、実際に自然言語処理や画像解析を試せる構成になっています。座学と実践の両軸から生成AIの仕組みをしっかり学べる、まったく新しいタイプのIT教養書です。
目次
- 免責事項
- はじめに
- 目次
- 第1章 文章解析と画像解析の重要性
- 01 社会へ浸透する生成AI
- 02 生成AIの種類と、文章生成AIと画像生成AIの関係
- 第2章 機械学習入門
- 01 生成AIと機械学習モデルの関係
- 02 機械学習とは？
- 03 線形回帰 〜“数字”を予測する〜
- 04 ロジスティック回帰 ～“ラベル（Yes/No）”を予測する～
- 05 ニューラルネットワーク ～より複雑な問題を予測する～
- 第3章 自然言語処理入門
- 01 自然言語処理で何ができるのか？
- 02 離散化 ～文章を区切る技術～
- 03 単語文書行列 ～BOWとTF-IDF～
- 04 word2vec（skip-gram、CBOW）
- 第4章 自然言語処理実践 ～文章分類問題を解いてみよう～
- 01 文章分類問題とは
- 02 文章分類問題を解く準備をしよう
- 免責事項
- はじめに
- 目次
- 第1章 文章解析と画像解析の重要性
- 01 社会へ浸透する生成AI
- 02 生成AIの種類と、文章生成AIと画像生成AIの関係
- 第2章 機械学習入門
- 01 生成AIと機械学習モデルの関係
- 02 機械学習とは？
- 03 線形回帰 〜“数字”を予測する〜
- 04 ロジスティック回帰 ～“ラベル（Yes/No）”を予測する～
- 05 ニューラルネットワーク ～より複雑な問題を予測する～
- 第3章 自然言語処理入門
- 01 自然言語処理で何ができるのか？
- 02 離散化 ～文章を区切る技術～
- 03 単語文書行列 ～BOWとTF-IDF～
- 04 word2vec（skip-gram、CBOW）
- 第4章 自然言語処理実践 ～文章分類問題を解いてみよう～
- 01 文章分類問題とは
- 02 文章分類問題を解く準備をしよう
- 03 Colabでプログラムを実行しよう
- 04 学習用データを準備しよう
- 05 ロジスティック回帰モデルで分析しよう
- 第5章 文章生成AIを支える大規模言語モデル
- 01 文章分類問題と大規模言語モデルとの関係
- 02 言語モデルを動かしてみる① MLM（穴埋め問題を解く）
- 03 言語モデルを動かしてみる② CLM（次のトークンを予測する）
- 04 言語モデルを固有タスクに対応させるファインチューニング
- 05 参考：言語モデルの中身
- 06 大規模言語モデルと生成AIとの関係
- 第6章 画像解析入門
- 01 画像解析で何ができるのか？
- 02 画像データの扱い方とニューラルネットワークの使い方
- 03 画像に特化した畳み込みニューラルネットワーク
- 04 画像解析の活用シーン
- 第7章 画像解析実践 ～画像分類問題を解いてみよう～
- 01 画像分類問題とは？
- 02 画像分類問題を解く準備をしよう
- 03 簡単なモデルを作ってみよう ～model01～
- 04 中間層を追加したモデルを作ってみよう ～model02～
- 05 より高度なモデルを作ってみよう ～model03～
- 06 まとめ
- 第8章 画像生成AIを支える技術
- 01 画像を生成する方法1 ～オートエンコーダとは～
- 02 オートエンコーダを作ってみよう
- 03 画像を生成する方法2 ～VAEGAN拡散モデル～
- 04 文章から画像を生成するAIの仕組み
- 05 まとめ ～生成AIと解析技術の関係～
- おわりに
- 索引
- 著者監修者プロフィール
- 奥付
※このデジタル雑誌には目次に記載されているコンテンツが含まれています。それ以外のコンテンツは、本誌のコンテンツであっても含まれていません のでご注意ください。
※電子版では、紙の雑誌と内容が一部異なる場合や、掲載されないページがある場合があります。
