「機械学習・AI」のためのデータの自己組織化
書籍情報
発売日 : 2022年07月25日
著者／編集 : 和田 尚之
出版社 : 工学社
発行形態 : 単行本
書籍説明
内容紹介
「次世代ＡＩ」「脳科学に基づく人工知能技術」を支える１つとして、「ビッグ・データ」が欠かせません。「自己組織化」で、家庭用パソコンでも「大型のデータ」を「機械学習・ＡＩ」で扱えるようにします。Ｅｘｃｅｌを使って、大型データを自己組織化するための手順を解説。さらに、「機械学習・ＡＩ」への展開を目指します。
目次
■「機械学習・AI」のイメージ
・大型データを「機械学習・AI」で解くために
・「機械学習・AI」の全体的なイメージ
・さらに「次のステップ」を目指したい方へ
■データを「場」として捉える
・「場」とは
・具体的な数理学での「場」（field）
■「自己組織化」の基礎
・あいまいな状態を測る道具「隠れた次元」
・「群の破れ」という考え方
・「ハウスドルフ次元外測度」という考え方
・ナスカの地上絵をAIで解く
■時間に依存しない「場」のモデルケース
・街道のモデルケース「佇まい」を考える
・峠のモデルケース「あやうい」を考える
■時間に依存する「場の風景」のモデルケース
・商いの風景（商店の売り上げのモデルケース）
・路の風景（人の脳波を使った景観のモデルケース）
「ふうけい」を考える
・「ハイリスク＆ハイリターン」を四分位数で解く
■「自己組織化」のための「多変数の合成理論」
・「時間依存」と「時間非依存」
・時間に依存しない状態（Biplotの理論）
・固有値問題（固有値、固有ベクトル、固有値分解、特異値分解）
・時間に依存する状態（Kalman Filterの理論）
・群の臨界点を求める「自己相関関数」
・大型データを「機械学習・AI」で解くために
・「機械学習・AI」の全体的なイメージ
・さらに「次のステップ」を目指したい方へ
■データを「場」として捉える
・「場」とは
・具体的な数理学での「場」（field）
■「自己組織化」の基礎
・あいまいな状態を測る道具「隠れた次元」
・「群の破れ」という考え方
・「ハウスドルフ次元外測度」という考え方
・ナスカの地上絵をAIで解く
■時間に依存しない「場」のモデルケース
・街道のモデルケース「佇まい」を考える
・峠のモデルケース「あやうい」を考える
■時間に依存する「場の風景」のモデルケース
・商いの風景（商店の売り上げのモデルケース）
・路の風景（人の脳波を使った景観のモデルケース）
「ふうけい」を考える
・「ハイリスク＆ハイリターン」を四分位数で解く
■「自己組織化」のための「多変数の合成理論」
・「時間依存」と「時間非依存」
・時間に依存しない状態（Biplotの理論）
・固有値問題（固有値、固有ベクトル、固有値分解、特異値分解）
・時間に依存する状態（Kalman Filterの理論）
・群の臨界点を求める「自己相関関数」
著者情報
和田 尚之
宮城県気仙沼生まれ、東京日本橋人形町で過ごす。
日本大学在学中渡米、UCBerkeley教授Garrett Eckbo氏の事務所で環境論の研究。また渡米中UCLA教授Lawrence Halprin氏、Harvard大学教授Robert L.Zion氏と関わり帰国後も影響を受ける。
専門は地域学（自己組織化臨界状態理論）、数理学（データサイエンス・機械学習）。
現在 技建開発（株）教育センター長。工学博士、技術士、1級建築士、専門社会調査士。
和田, 尚之
