BLOG　研究員ブログ詳細

本書はAIを活用してビジネスを生む立場にある方にとって必要な知見を、網羅的に学べるよう整理したものです。

コンサルタントとしてAIプロジェクトにたずさわってきた著者が、その経験から学び実践していることや、スキル・知識などを解説しています。

組織で働く社会人がAIを活用した企画を考えるとき、新聞や雑誌で聞きかじった技術理解でも、ビジネス理解でも、実務レベルで役立てることはできないものです。本書はAIプロジェクトの実務について一通り学べるだけでなく、聞きかじりの知識と実務を橋渡しする本ともなっています。

入門者の方にも、実務者の方にも、おすすめできる内容になっています。

<ここがポイント>

• カバー範囲が広く、ビジネス実務に必要な要素を網羅的に解説
• 難しい統計 / 数学をなるべく用いずに、AIの仕組みやメカニズムを掴めるよう解説
• ビジネス価値の設計と、モデル評価の結果との結びつけといった実務的要素を解説
• コラムを豊富に配して、近年の話題についても触れた解説
• 人工知能プロジェクトマネージャー試験対策にもなる！

<このようなビジネスパーソンにおすすめです>

• AI事業責任者として、プロジェクトを推進する立場の方
• AIプランナーとして、AIを使った企画を立てる立場の方
• AIコンサルタントとして、顧客課題の解決を提案する立場の方

<このような力を身に付けることを目指します>

• AIプロジェクトの企画 / 検討力
• AIを開発させる技術 / 使いこなす技術
• 困難を乗り越えてプロジェクトをやりきる力

まえがき

人工知能プロジェクトマネージャー試験について

序章：前提理解

ＡＩプロジェクトを成功させる人材とは
　　【コラム】ＡＩ、データサイエンス、機械学習…言葉の定義
ＡＩプロジェクトの性質（特徴）
ＡＩプロジェクトの進め方（全体像の理解）
　　【コラム】アルゴリズムとモデル
ＡＩプロジェクトにおけるマネージャーの役割と心得
　【コラム】2023年現在のＡＩの実力について

第１章：分野Ａ「目標設定能力」

目標とはなにか
正しい目標を立てることに役立つ基本的な哲学
目標（企画）設定の手順
ありがちな「失敗した目標設定」とその結末
本分野の能力を高めるには：確認問題

第２章：分野Ｂ「統計的理解」

ＡＩプロジェクトのマネージャーに必要な理解の粒度
統計学とＡＩの違いは何か
ＡＩプロジェクトに必要な統計学知見
　　「データの理解」の工程
　　　　まず、業務を知る
　　　　データを解釈して意味を見出す
　　　　有意性を確認する
　　「データの準備」の工程
　　　　標本
　　　　前処理
　　　　特徴量エンジニアリング 
　　　　【コラム】個人の主観的体験を馬鹿にするな
　　「モデルの作成」の工程
　　　　アルゴリズムの理解
　　　　　　スコアリング系のアルゴリズム
　　　　　　相関系のアルゴリズム
　　　　　　クラスタリング系のアルゴリズム
　　　　　　ツリー系のアルゴリズム
　　　　　　ニューラルネットワーク系のアルゴリズム
　　　　　　ベイズ主義
　　　　アルゴリズムからモデルへ「学習」を行う 
　　　　【コラム】教師あり学習と教師なし学習
　　　　【コラム】強化学習と敵対的生成ネットワーク（ＧＡＮ）
本分野の能力を高めるには：確認問題

第３章：分野Ｃ「統計理解の実装力」

モデル構築の為のスキルとは
　　【コラム】ＡＩエンジニアの言語はPythonかRか？
環境準備
　　【コラム】Google Collaboratory
　　一般的によく使われるIDE・ライブラリ
　　　　IDE：「Jupyter」
　　　　ライブラリ：「処理計算のサポート」
　　　　ライブラリ：「モデル作成・分析（機械学習）」
　　　　ライブラリ：「モデル作成・分析（深層学習）」
　　　　ライブラリ：「データ収集」
　　　　　　【コラム】スクレイピングには気を付けよう
コーディングの学習
本分野の能力を高めるには：確認問題

第４章：分野Ｄ「モデルの評価 / 向上能力」

モデルを評価 / 向上するとは
モデル評価の基本的な哲学
モデル評価と改善の基本手法
　　評価の根幹：混同行列を理解する
　　評価指標をビジネス的な期待値に置き換えて評価する
　　ROC曲線とAUCから評価する
　　リフト曲線から評価する
　　ランキングを用いて評価する 
　　　　【コラム】なぜ視覚的な評価が必要か？
モデルを改善する
　　前提条件の確認
　　データフィッティング
　　パラメータチューニング
　　　　【コラム】ＡＩができること / できないこと
本分野の能力を高めるには：確認問題

第５章：分野Ｅ「システム構築能力」

ＡＩプロジェクトマネージャーに必要な「システム構築能力」とは
システムの基礎知識の確認
　　【コラム】エッジコンピューティング
商用化システムの構築において行う主なこと
　　再学習の運用設計
　　異常系の設計
　　コードの最適化
　　周辺システムの設計
本分野の能力を高めるには：確認問題

第６章：分野Ｆ「プロジェクト遂行能力」

「プロジェクト遂行能力」とはなにか
ヒューマンスキルを高めよう：進行度別にみる「ありがちな課題」への理解
　　「企画・要件定義」で起きがちな問題
　　「PoC（Proof of Concept）開発」で起きがちな課題
　　「商用化開発」で起きがちな課題
ヒューマンスキルとテクニック：ありがちな課題をふまえたマネージャーの対策
　　【コラム】プロジェクトマネジメントに有用なツール
本分野の能力を高めるには：確認問題

第７章：分野G「法令理解」

ＡＩの原則と法令理解のポイント
企画現場での法務議論
開発現場での法務議論
　　【コラム】Chat-GPTやStable Diffusionそのものの法的議論
本分野の能力を高めるには：確認問題

おわりに

参考文献