製造業向け人工知能講義 / 速水悟 / 日経ＢＰ（ISBN:9784296205523）| 本が好き！近刊情報サーチ

『製造業向け人工知能講義』の詳細情報

内容紹介
Amazonで予約する	タイトル	製造業向け人工知能講義
	サブタイトル
	著者 [著者区分]	速水悟 [著・文・その他]
	出版社	日経ＢＰ	レーベル
	本体価格（予定）	2700円	シリーズ
	ページ数	260p	Cコード	3053
	発売予定日	2024-08-09	ジャンル	専門/単行本/機械
	ISBN	9784296205523	判型	A5
進化の速いAIはここを押さえる製造業の業務活用のための人工知能講義業務改革、DX推進部門、IT部門、生産技術部門、経営層の悩みに応える　製造業が人工知能（AI）を業務で活用するために、押さえておくべき「本質」を講義形式（読み物）でまとめました。AIは業務の生産性や付加価値の向上に非常に役立つ技術です。ところが、技術の進化が極めて速いため、多くのビジネスパーソンにとって理解が追い付かず、「どうやって使いこなせばよいのか、よく分からない」という現実があります。こうしたビジネスパーソン、中でも企業の業務改革やDX、AI、IT推進部、生産技術部の社員や管理者、経営者の悩みに応えるために、業務活用を進める上で押さえるべきAIのポイントを伝授し、変化に対応してAIを学ぶ際の「見取り図」を描くためのガイドを提供します。　筆者は、名だたる日本の大手企業からAI活用に関する研修のオファーを受け続けている速水悟教授。AIをどのように学べば実務において活用できるかについて、AIの専門知識を持たない人でも理解できます。
目次
はじめに第1講義　人工知能を活用するために 1-1　人工知能とは何か 1-2　製造業における人工知能の活用 1-3　発想を変えれば日本の製造業には大きなチャンスがある 1-4　仕事で活用するために必要な知識とスキルをどう学べばよいか 1-5　AI を学び直す／AI で学び直す 1-6　まとめ第2講義　大規模言語モデル：製造業向けの活用法 2-1　言語処理の見取り図を描く 2-2　言語処理の発展：翻訳から言語理解へ 2-2-1　統計的手法を用いた機械翻訳から深層学習への進展 2-2-2　トランスフォーマーの登場 2-3　大規模言語モデル：穴埋め問題・丸暗記・強化学習 2-3-1　自己教師あり学習：自分で穴埋め問題を作って解く 2-3-2　文脈による指示：丸暗記・例を示して答えさせる 2-3-3　生徒も教師も計算機：強化学習の役割 2-4　　生成 AI の利用：文章の生成・推論・対話型インターフェース 2-4-1　文章を生成するモデル：製造業向けの活用法 2-4-2　プログラミングを支援するアシスタントとしての利用 2-4-3　画像やイラストを生成するモデルとしての利用 2-4-4　大規模言語モデルに考えさせる（推論） 2-4-5　対話型人工知能の登場と日本国内の反応 2-4-6　対話型インターフェースをどう使うか 2-4-7　対話型 AI：GPT-4o と会話 AI エージェントによる英語教育 2-5　まとめ第3講義　データサイエンスの実践的教育 3-1　データサイエンスの見取り図を描く 3-2　データサイエンティストに求められる知識とスキル 3-2-1　データサイエンス＝統計というのは誤解 3-2-2　重要なスキルは応用力と実践力 3-2-3　リテラシーから応用基礎そしてエキスパートへ 3-3　データサイエンスと機械学習の関係を整理する 3-3-1　機械学習について知っておくべき最低限の知識 3-3-2　データサイエンスにおける機械学習の役割 3-3-3　データに基づく意思決定を理解する 3-4　実践的な教育プログラム：実世界データ演習 3-4-1　データサイエンティスト育成の教育プログラムを作る 3-4-2　社会人と大学院生が実際の企業の課題に取り組む 3-4-3　米国での先進的な取り組みを参考に 3-4-4　社会課題の解決とデータサイエンス 3-5　まとめ第 4 講義　産業分野における AI 活用：異常検知と IoT 4-1　産業分野における AI 活用の見取り図を描 4-2　異常検知と IoT 4-2-1　異常を検知することと予兆を検知すること 4-2-2　失敗に学んだ経験を生かす 4-3　時系列からの異常検知：モデルと学習法・技術コンペ 4-3-1　代表的なモデルと学習法を整理する 4-3-2　時系列の課題をどう説明するか 4-3-3　音による異常検知に関する国際的な技術コンペに参加した経験 4-4　産業分野での活用：外観検査・画像と言語のモデル・動画像 4-4-1　画像による外観検査の仕組み 4-4-2　画像と言語を統合した基盤モデル 4-4-3　動画像からの異常検知も技術が進んでいる 4-5　マルチモーダル基盤モデルの産業応用：ロボット制御と自動運転 4-5-1　ロボット制御におけるマルチモーダル基盤モデルの役割 4-5-2　自動運転のための知覚・行動計画／制御・対話への適用 4-6　まとめ参考文献 134 第5講義　製造業の AI 活用の変化：活用を拡大させるための課題 5-1　企業における AI 活用の見取り図 5-2　製造業の大規模言語モデルの活用：RAG 5-2-1　文書検索と質問応答 5-2-2　社内の情報を利用する方法（RAG） 5-2-3　設計・生産技術・保守などのものづくりでの活用の可能性 5-3　事例：労働災害、現場用 AI アシスタント、制御プログラムの検証 5-3-1　労働災害の原因についての推論 5-3-2　製造業の現場用 AI アシスタントと領域知識の体系化 5-3-3　制御プログラムの生成と検証を行う仕組み 5-4　人工知能の活用を拡大させるための課題と DX 5-4-1　活用には格差が存在しておりその差は広がっている 5-4-2　人工知能の活用とデジタルトランスフォーメーションの共通点 5-4-3　プロセスマイニングによる業務の効率改善と自動化 5-4-4　AI による予測技術が意思決定に与える影響 5-5　人工知能の活用を拡大させるための組織と文化 5-5-1　AI 活用を事業領域に拡大させるための組織 5-5-2　人工知能に関する知の伝承：専門技術者との相互理解が大切 5-5-3　大切なことは相互理解を超えて共創へと向かうこと 5-6　まとめ第6講義　人工知能の規制を理解する：管理の仕組みを整える 6-1　人工知能の規制と管理の見取り図を描く 6-2　人工知能の原則と欧州連合の AI 規則への対応 6-2-1　人工知能に関する原則：OECD・内閣府 6-2-2　欧州連合の人工知能に関する規制：AI 規則 6-3　人工知能の開発と運用を管理する仕組み（MLOps） 6-3-1　機械学習の開発と運用を自動的に管理する 6-3-2　人工知能に全てを懸ける企業とプラットフォーム 6-4　信頼できる人工知能とリスク管理フレームワーク 6-4-1　信頼できる人工知能と対応策 6-4-2　人工知能に関するリスクを管理するためのフレームワーク 6-5　人工知能の品質保証と機械学習の品質マネジメント 6-5-1　人工知能の品質保証ガイドラインの取り組み（QA4AI） 6-5-2　機械学習の品質マネジメントガイドライン 6-5-3　AI・データの利用に関する契約ガイドライン（経済産業省） 6-5-4　スタートアップ企業と事業会社のモデル契約書（特許庁） 6-6　まとめ第7講義　継続的な学びに向けて 7-1　人工知能に関する学びを整理する 7-2　人工知能の学び：温故知新・材料開発 7-2-1　人工知能の歴史：温故知新で学ぶ 7-2-2　新しい概念を理解する方法：深層学習をどう説明するか 7-2-3　新しい技術の普及にはやってみせることが大切 7-2-4　深層学習を統計的機械学習との比較によって理解する 7-2-5　他の分野への AI 適用を材料開発から学ぶ 7-3　社会人教育の経験：地域との連携・放送大学・早稲田大学 7-3-1　自治体と大学の連携として社会人教育に取り組んできた 7-3-2　生成 AI の研修は体験型で 7-3-3　放送大学での製造業における AI 活用の授業内容 7-3-4　早稲田大学の社会人講座で工夫した点 7-3-5　一般向けと専門家向けのセミナーをどう変えてきたか 7-4　最後に伝えたいメッセージ：知の伝承・現場を知ることの大切さ 7-4-1　周りを見ることはやめよう 7-4-2　インターンシップにおける知の伝承 7-4-3　現場を知ることの大切さを学ぶ 7-5　まとめ 7-6　全講義のまとめおわりに

他の書籍を検索する