AI技術書籍¶
- 目次
- AI技術書籍
基礎知識¶
AI技術マップを把握する、要素技術の概略を知るなどの基礎知識を獲得するのによい本。
ＡＩのしくみと活用がこれ１冊でしっかりわかる教科書¶
256ページ、技術評論社刊 2023年、高橋海渡,立川裕之,小西功記,小林寛子,石井大輔 著、2200円
https://direct.gihyo.jp/view/item/000000002911
目次¶
AIの定義、機械学習、ディープラーニング、基礎知識、自然言語処理の手法とモデル（NLP,RNN,Transformer,BERT,GPT-3)、GSNを中心にした生成モデル、画像認識の手法とモデル、テーブルデータの機械学習アルゴリズム（前処理、評価指標と汎化性能、線形回帰、決定木、ランダムフォレスト、XGBoost、ロジスティック回帰モデル、ニューラルネットワーク、k-NN、k-means、階層的クラスタリング、スペクトラルクラスタリング、主成分分析、UMAP、行列分解、オートエンコーダ）
著者¶
高橋海渡：1、2章担当、AIベンダーでの開発・AI講師経験
立川裕之：6章担当、データ分析コンサルタント
小西功記：4、5章担当、ニコン AIエンジニア
小林寛子：3章担当、ニコン 自然言語処理
石井大輔：企画統括および4章担当、キアラ代表取締役
評価など¶
図解即戦力：豊富な図解と丁寧な解説で、知識０でもわかりやすい
プログラミングしながら学ぶ¶
異常検知¶
Pythonではじめる異常検知入門 ―基礎から実践まで―¶
| 2025-04-14購入（紙） |
206ページ 科学情報出版刊 2023年、江崎 剛史,李 鍾賛 著, 笛田 薫 監修、3850円
https://www.it-book.co.jp/books/137.html
目次¶
異常検知とは、回帰モデル、交差検証法、次元圧縮：主成分分析、ベイズの定理、異常度、異常検知の性能評価、距離に基づいた異常検知（Nearest Neighbor）、ホテリングT2、k-近傍法、One-Class SVM、時系列情報に基づくアプローチ、異常検知の実践例
機械学習・深層学習¶
Python機械学習プログラミング 達人データサイエンティストによる理論と実践 第3版¶
| 2026-02-01購入（PDF） |
688ページ インプレス刊 2020年（原書 2019年）、Sebastian Raschka, Vahid Mirjaliliら著、4400円（紙／PDFとも）
https://book.impress.co.jp/books/1120101017
目次¶
機械学習の考え方全般、Pythonコーディングを扱う。
線形回帰からディープラーニング（CNN/RNN）、敵対的生成ネットワーク、強化学習
scikit-learn、TensorFlowなどのライブラリを使うプログラミング
著者¶
Sebastian Raschkaは、現在ウィスコンシン州立大学マディソン校の統計学助教授、機械学習と深層学習の研究。Pythonコーディング歴多い。
Vahid Mirjaliliは、現在3Mのリサーチサイエンティスト。ミシガン州立大学で分子構造の大規模計算シミュレーションの新しい手法で博士号取得。同大学でiPRoBeラボでCVと機械学習の適用等。
評価など¶
機械学習分野を幅広くカバー、平易な解説。
Python機械学習プログラミング[PyTorch&scikit-learn編]¶
712ページ、インプレス刊 2022年（原書2022年）、Sebastian Raschka, Yuxi Liu, Vahid Mirjalili 著, 福島 真太朗 監訳、4620円
https://book.impress.co.jp/books/1122101013
目次¶
分類問題（単純な機械学習アルゴリズム、scikit-learn活用）、データ前処理、次元削減、モデルの評価とハイパーパラメータのチューニングベストプラクティス、アンサンブル学習、機械学習の適用、回帰分析、クラスタ分析、多層人工ニューラルネットワークを一から実装、ニューラルネットワークの訓練をPyTorchで並列化、PyTorchのメカニズム、画像の分類（CNN）、系列データのモデル化（リカレントニューラルネットワーク）、Transformer、敵対的生成、グラフニューラルネットワーク、強化学習
著者¶
SebastianとVahidは、#Python機械学習プログラミング 達人データサイエンティストによる理論と実践 第3版に記載。
Yuxi (Hayden) Liuは、Googleの機械学習ソフトウェアエンジニア
評価など¶
PyTorchを使った解説が目玉、機械学習の古典的手法から深層学習まで。
生成AI¶
仕組みから学ぶ生成AI入門 ――基礎から応用まで徹底理解¶
304ページ、2025年、中井悦司 著、2860円
https://gihyo.jp/book/2025/978-4-297-14972-
目次¶
分類モデルの仕組みと実装（多層ニューラルネットワーク、畳み込みニューラルネットワーク）、変分オートエンコーダ、LSTMによる自然言語処理（RNN）、トランスフォーマーによる自然言語処理、拡散モデル（GCGAN、拡散モデル、VQ-VAE）、マルチモーダルの実現
著者¶
外資系ベンダーでLinuxエンジニア、Linuxエバンジェリストを経てIT企業のAIソリューションアーキテクト
評価など¶
Kerasを用いた演習ベースで解説、近年主流の技術がカバー
理論・研究職向け¶
深層学習 改訂第2版¶
384ページ 講談社刊 2022年、岡谷貴之・著、3630円
https://www.kspub.co.jp/book/detail/5133323.html
目次¶
確率的勾配降下法、誤差逆伝播法、畳み込みニューラルネットワーク、系列データのためのネットワーク、集合・グラフのためのネットワークと注意機構、推論の信頼性、説明と可視化、いろいろな学習方法、データが少ない場合の学習、生成モデル（自己符号化器、VAE、GAN、正規化フロー、ボルツマンマシン）
著者¶
東北大学大学院情報科学研究科 システム情報科学専攻 知能ロボティクス学講座（イメージ解析学分野）教授で、マルチモーダルAI、深層学習、画像理解、画像認識、CVなど。
評価など¶
研究者向けの書籍、数式による理論的な説明で横断的に解説、個々の項目の説明少なめ。論文参照が多い。
大規模言語モデル¶
Super Study Guide: Transformerと大規模言語モデル¶
253ページ、2025年、Afshine Amidi, Shervine Amidi 著, Yoshiyuki Nakai 訳、6499円
https://superstudy.guide/transformer-daikibo-gengo-moderu/
目次¶
ニューラルネットワーク、深層学習の概念、埋め込み表現（word2vec, RNN, LSTM, GRU）、Transformer、大規模言語モデル（プロンプトエンジニアリング、ファインチューニング）、応用
著者¶
スタンフォード大学でCME295:Transformers & Large Language Modelsの講師
評価など¶
Transformerの仕組みがわかりやすく解説、最新動向、トレーニング方法、図解豊富、