資料詳細

  • 1 件中、 1 件目

【図書】 「機械学習・ＡＩ」のためのデータの自己組織化

「大きなデータ」を「小さなデータの集まり」にして考える -- Ｉ／Ｏ　ＢＯＯＫＳ --
和田尚之 ／著   -- 工学社 -- ２０２２．７ -- ２１ｃｍ -- １６７ｐ

資料詳細

タイトル 「機械学習・ＡＩ」のためのデータの自己組織化
副書名 「大きなデータ」を「小さなデータの集まり」にして考える 「家庭用パソコン」と「Ｅｘｃｅｌ」で「大型データ」を扱う！
シリーズ名 Ｉ／Ｏ　ＢＯＯＫＳ
著者名等 和田尚之 ／著  
出版 工学社 ２０２２．７
大きさ等 ２１ｃｍ １６７ｐ
分類 007.1
件名 自己組織化 , 機械学習
注記 索引あり
注記 ＤｏｗｎＬｏａｄサンプル・ファイル
著者紹介 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。２００３年、信州大学大学院工学系研究科博士後期課程修了（２か年で飛び級学位取得。奥谷巌教授研究室：地域計画・交通論）。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。（本データはこの書籍が刊行された当時に掲載されていたものです）
要旨 「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 第１章　「機械学習・ＡＩ」のイメージ；第２章　データを「場」として捉える；第３章　「自己組織化」の基礎；第４章　時間に依存しない「場」のモデルケース；第５章　時間に依存する「場の風景」のモデルケース；第６章　「自己組織化」のための「多変数の合成理論」
ISBN(13)、ISBN 978-4-7775-2206-4　　 4-7775-2206-7
書誌番号 1113982966
URL https://opac.lib.city.yokohama.lg.jp/winj/opac/switch-detail.do?bibid=1113982966

ページの先頭へ

所蔵

所蔵は 2 件です。現在の予約件数は 0 件です。

所蔵館 所蔵場所 別置 請求記号 資料区分 状態 取扱 資料コード
中央 ４階自然科学 Map 情報科学 007.1 一般書 利用可 - 2073097943 iLisvirtual
保土ケ谷 公開 Map 情報科学 007.1 一般書 利用可 - 2072804050 iLisvirtual

ページの先頭へ