書籍
書籍検索
送料無料
AIプロジェクトマネージャのための機械学習工学
拡大
  • 表紙
  • まえがき
  • まえがき
  • まえがき
会員登録するとページ閲覧だけでポイント貯蓄！
最大500ポイント利用可能！

設計技術シリーズ

AIプロジェクトマネージャのための機械学習工学

著： 吉岡 信和 氏（早稲田大学）
鷲崎 弘宜 氏（早稲田大学）
内平 直志 氏（北陸先端科学技術大学院大学）
竹内 広宜 氏（武蔵大学）
定価： 3,300円（本体3,000円＋税）
判型： A5
ページ数： 262 ページ
ISBN： 978-4-910558-16-5
発売日： 2023/1/20
管理No： 115

【目次】

第１章　AIシステムの開発概論

  1. １.１　概要
  2. １.２　機械学習を活用したAIシステムがなぜ注目されているか？
  3. １.３　AIシステムの具体例
  4. １.４　機械学習の種類と説明可能性
  5. １.５　機械学習を使う場面
  6. １.６　AIシステムの構成とそのライフサイクル
  7. １.７　AIプロジェクトの利害関係者と協働作業
  8. １.８　機械学習特有の活動
  9. １.９　従来のソフトウェア開発との違い
  10. １.10　AIシステムを開発、運用する際の課題
  11. １.11　AIシステム開発プロジェクトにおける課題のインタビュー
  12. １.12　機械学習工学とは？
  13. １.13　機械学習工学の重要性
  14. １.14　AIシステムの開発・運用時の留意点
  15. １.15　本書で用いる用語
  16. １.16　本章のまとめ
  17. コラム1：開発技術に関する研究コミュニティ：機械学習工学研究会

第２章　AIシステムの要求工学

  1. ２.１　概要
  2. ２.２　要求工学とAIシステム
  3. ２.３　AIシステムの要求
  4. ２.４　要求に関するプロセスとAIシステムのプロセス
  5. ２.５　AIサービスの要求工学の難しさ
  6. ２.６　セーフティを実現する難しさ
  7. ２.７　AIシステム要求の獲得と分析
  8. ２.８　AIシステム要求の記述
  9. ２.９　AIシステム要求の妥当性と一貫性の確認
  10. ２.10　AIシステム要求の管理と運用時の要求
  11. ２.11　本章のまとめ

第３章　機械学習システムのアーキテクチャと設計

  1. ３.１　概要
  2. ３.２　機械学習システムの開発プロセスと設計
  3. ３.３　機械学習システム設計の基礎
  4. ３.４　機械学習システムデザインパターン
  5. ３.５　パターンを組み入れた段階的なアーキテクチャ設計
  6. ３.６　本章のまとめ
  7. コラム2：機械学習システムのテストと検証

第４章　AIプロジェクトのマネジメント

  1. ４.１　概要
  2. ４.２　機械学習システム開発のプロジェクトマネジメントの特徴
  3. ４.３　通常のＩＴシステムの開発と機械学習システムの開発の違い
  4. ４.４　機械学習システム開発のプロジェクトマネジメントの難しさ
  5. ４.５　人間と機械の協働と機械学習システムの深化プロセス
  6. ４.６　機械学習システム開発のプロジェクトマネジメント手法
  7. ４.７　ＡＩプロジェクトマネジメント事例
  8. ４.８　本章のまとめ
  9. コラム3：AI 人材の育成と課題

第５章　AIプロジェクトにおけるステークホルダとの協働

  1. ５.１　概要
  2. ５.２　なぜAIプロジェクトをモデルとして表現するのか？
  3. ５.３　エンタープライズアーキテクチャとAIサービスシステム
  4. ５.４　AIプロジェクトモデル
  5. ５.５　AIプロジェクトモデルの作成手法
  6. ５.６　企画段階におけるAI プロジェクトの評価―社会受容性に着目した評価―
  7. ５.７　開発を効果的に進めるための知識のモデル化
  8. ５.８　本章のまとめ

第６章　機械学習工学の展望

  1. ６.１　概要
  2. ６.２　学術界の動向
  3. ６.３　要求工学に関する研究チャレンジ
  4. ６.４　今後の研究の方向性
  5. ６.５　本章のまとめ

【参考文献】

  • 本橋洋介．業界別! AI活用地図8業界36業種の導入事例が一目でわかる．翔泳社，2019.
  • NTT データ技術開発本部ビジネスインテリジェンス推進センタ．BI （ビジネスインテリジェンス） 革命．NTT 出版，2009.
  • Zi Peng, Jinqiu Yang, Tse Hsun Peter Chen, and Lei Ma. A first look at the integration of machine learning models in complex autonomous driving systems: A case study on Apollo. In the 28th ACM Joint Meeting European Software Engineering Conference and Symposium on the Foundations of Software Engineering (ESEC/FSE 2020), pp. 1240–1250, 2020.
  • D. Sculley, Gary Holt, Daniel Golovin, Eugene Davydov, Todd Phillips, Dietmar Ebner, Vinay Chaudhary, Michael Young, Jean François Crespo, and Dan Dennison. Hidden technical debt in machine learning systems. In Advances in Neural Information Processing Systems, pp. 2503–2511, 2015.
  • 産業技術総合研究所. 機械学習品質マネジメントガイドライン 第2 版．https://www.digiarc.aist.go.jp/publication/aiqm/guideline-rev2.html, 2021.
  • 丸山宏．機械学習工学に向けて．日本ソフトウェア科学会第34回大会 （2017年度） 講 演論文集，2017.
  • Krzysztof Czarnecki and Rick Salay. Towards a Framework to Manage Perceptual Uncertainty for Safe Automated Driving. In Computer Safety, Reliability, and Security - SAFECOMP 2018 Workshops, WAISE, pp. 439–445, 2018.
  • Zhiyuan Wan, Xin Xia, David Lo, and Gail C Murphy. How does Machine Learning Change Software Development Practices? IEEE Transactions on Software Engineering, pp. 1–14, 2019.
  • AIプロダクト品質保証コンソーシアム．AIプロダクト品質保証ガイドライン （2022.07版）．https://www.qa4ai.jp/download/, 2022.
  • Andreas Vogelsang and Markus Borg. Requirements Engineering for Machine Learning: Perspectives from Data Scientists. In IEEE 27th International Requirements Engineering Conference Workshop, REW 2019, pp. 245–251. IEEE, 2019.
  • Mona Rahimi, Jin L.C. Guo, Sahar Kokaly, and Marsha Chechik. Toward Requirements Specification for Machine-Learned Components. In IEEE 27th International Requirements Engineering Conference Workshop, REW 2019, pp. 241–244, 2019.
  • Sangeeta Dey and Seok-Won Lee. Multilayered Review of Safety Approaches for Machine Learning-based Systems in the Days of AI. Journal of Systems and Software, Vol. 176, , 2021.
  • 妻木俊彦，白銀純子．要求工学概論．近代科学社，2009.
  • Lucas Bernardi, Themis Mavridis, and Pablo Estevez. 150 successful machine learning models: 6 lessons learned at Booking.com. In Proceedings of the ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, pp. 1743–1751, 2019.
  • Valliappa Lakshmanan （著），Sara Robinson （著），Michael Munn （著），鷲崎弘宜 （翻訳），竹内広宜 （翻訳），名取直毅 （翻訳），吉岡信和 （翻訳）．機械学習デザインパターン データ準備、モデル構築、MLOpsの実践上の問題と解決．オライリージャパン，2021.
  • 産業技術総合研究所．機械学習品質マネジメントガイドライン第2版．https://www.digiarc.aist.go.jp/publication/aiqm/guideline-rev2.html, 2021.
  • 総務省．AI 利活用ガイドライン〜AI 利活用のためのプラクティカルリファレンス〜．https://www.soumu.go.jp/iicp/research/results/ai-network.html, 2019.
  • 機械学習工学研究会機械学習システムセキュリティガイドライン策定委員会．機械 学習システムセキュリティガイドライン （Version 1.0）. https://sites.google. com/view/sig-mlse/発行文献, 2022.
  • Jie Lu, Anjin Liu, Fan Dong, Feng Gu, João Gama, and Guangquan Zhang. Learning under concept drift: A review. IEEE Transactions on Knowledge and Data Engineering, Vol. 31, No. 12, pp. 2346–2363, 2019.
  • 石川冬樹，徳本晋，“機械学習応用システムのテストと検証”，情報処理，情報処理学会，60巻，1号，pp. 25-33 (2018)
  • 佐藤直人，小川秀人，來間啓伸，明神智之，AIソフトウェアのテスト――答のない答え合わせ ［4つの手法］，リックテレコム (2021)
  • みずほ情報総研株式会社．平成30年度我が国におけるデータ駆動型社会に係る基盤 整備 （IT人材等育成支援のための調査分析事業）−IT 人材需給に関する調査−調査報告書．https://www.meti.go.jp/policy/it_policy/jinzai/houkokusyo. pdf, 2019.
  • スマートエスイー：スマートシステム&サービス技術の産学連携イノベーティブ人材育成．https://smartse.jp/.
  • loT・AIイノベーションプログラム. https://www.jaist.ac.jp/satellite/sate/ course/iot/.
  • 独立行政法人情報処理推進機構．DX白書2021 日米比較調査にみるDXの戦略、 人材、 技術．https://www.ipa.go.jp/ikc/publish/dx_hakusho.html, 2021.
  • 山本雄介，内平直志．日本における機械学習の人材育成の課題と分業化の提案．第35回年次学術大会講演要旨集，pp. 175–179. 研究・イノベーション学会，http://hdl.handle.net/10119/17411，2020.
  • Thomas H. Davenport and Rajeev Ronanki. Artificial intelligence for the real world. Harvard Business Review, pp. 108–116, 2018.
  • Michael Chui, James Manyika, Mehdi Miremadi, Nicolaus Henke, Rita Chung, Pieter Nel, and Sankalp Malhotra. Notes from the AI frontier insights from hundreds of use cases.
    https://www.mckinsey.com/featured-insights/artificial-intelligence/notes-from-the-ai-frontier-applications-and-value-of-deep-learning, 2018. McKinsey Global Institute.
  • 藤堂健世．最先端のAIの利用と応用．人工知能，Vol. 33, No. 2, pp. 192–196, 2018.
  • Andrew Josey, Marc Lankhorst, Iver Band, Henk Jonkers, Dick Quartel, and Steve Else. ArchiMate 3.1 Specification - A Pocket Guide. The Open Group, Van Haren Publishing, 2019.
  • 石川冬樹 （編著），丸山宏 （編著） ほか．機械学習工学，講談社，2022.
  • Knut Hinkelmann, Aurona Gerber, Dimitris Karagiannis, Barbara Thoenssen, Alta Van Der Merwe, and Robert Woitsch. A new paradigm for the continuous alignment of business and IT: Combining enterprise architecture modelling and enterprise ontology. Computers in Industry, Vol. 79, pp. 77–86, 2016.
  • Hironori Takeuchi and Shuichiro Yamamoto. Business AI Alignment Modeling Based on Enterprise Architecture, In Proceedings of the 11th International Conference of Intelligent Decision Technologies, pp. 155-165, 2019.
  • 山本修一郎．ArchiMate によるビジネスモデル表現能力の検討．信学技報 KBSE2019-4, Vol. 119, No. 56, pp. 25–30, 2019.
  • Alexander Osterwalder and Yves Pigneur. Business Model Generation: A Handbook for Visionaries, Game Changers, and Challengers. Wiley, 2010.
  • Lucas O. Meertens, Maria Eugenia Iacob, Lambert J M Nieuwenhuis, Marten J van Sinderen, Henk Jonkers, and Dick A. C. Quartel. Mapping the business model canvas to ArchiMate. In Proceedings of the 27th Annual ACM Symposium on Applied Computing, pp. 1694–1702, 2012.
  • Shuichiro Yamamoto, Nada Ibrahem Olayan, and Junkyo Fujieda. e-Healthcare Service Design Using Model Based Jobs Theory. In Proceedings of the 11th International Conference on Intelligent Interactive Multimedia Systems and Services, pp. 198–207, 2018.
  • Hironori Takeuchi, Azuki Ichitsuka, Taketo Iino, Shoki Ishikawa, Miyuki Maeda, and Yuka Miyazawa. Method for Assessing Social Acceptability of AI Service Systems. In Proceedings of the 15th International Conference on Human Centered Intelligent Systems, pp. 217-228, 2022.
  • 北川源四郎 （編），竹村彰通 （編） ほか．教養としてのデータサイエンス，講談社，2021.
  • Izumi Nitta, Kyoko Ohashi, Satoko Shiga, and Sachiko Onodera. AI Ethics Impact Assessment based on Requirement Engineering. In Proceedings of the IEEE 30th International Requirements Engineering Conference Workshops, pp. 152-161, 2022.
  • 国立研究開発法人新エネルギー・産業技術総合開発機構．平成30年度成果報告書 産業分野における人工知能及びその内の機械学習の活用状況及び人工知能技術の安全性に関する調査．https://www.nedo.go.jp/library/seika/shosai_201907/ 20190000000685.html, 2019.
  • Jie M Zhang, Mark Harman, Lei Ma, and Yang Liu. Machine Learning Testing : Survey , Landscapes and Horizons. IEEE Transactions on Software Engineering, Vol. 48, No. 1, pp. 1–36, 2022.
  • Khlood Ahmad, Muneera Bano, Mohamed Abdelrazek, Chetan Arora, and John Grundy. What’s up with Requirements Engineering for Artificial Intelligence Systems? In IEEE 29th International Requirements Engineering Conference (RE 2021), pp. 1–12, 2021.
  • Satoshi Hara and Kohei Hayashi. Making tree ensembles interpretable: A Bayesian model selection approach. In the Twenty-First International Conference on Artificial Intelligence and Statistics (AISTATS 2018), pp. 77–85, 2018.
  • Takamasa Okudono, Masaki Waga, Taro Sekiyama, and Ichiro Hasuo. Weighted Automata Extraction from Recurrent Neural Networks via Regression on State Spaces. In 34th AAAI Conference on Artificial Intelligence (AAAI 2020), pp. 5306–5314, 2020.

【口コミ】

  • ※口コミはありません。
ページトップへ戻る