■　本書のポイント

少量データによるAI・機械学習
１．データの偏り、大量のデータ収集ができない．．．
　　限られたデータからより多くの学習データを生成する方法！
２．重要なパラメータのみをデータに応じて自動的に抽出！
３．枝刈り技術を用いたスパースモデリングの高速化！
４．既存のデータの価値を高めるデータクレンジングの仕方！

説明可能なAI（XAI）
１．高い精度と説明性を両立する方法とは！
２．AI・機械学習の予測根拠をどのように可視化するか！
３．学習モデルのどこが悪いのかピンポイントで把握！
４．生成AIの出力に対する根拠説明技術とは！

精度向上・学習時間短縮
１．学習の計算効率向上、学習計算量の削減方法とは！
２．精度が低い原因をどのように特定するか！
３．アルゴリズムの選び方、チューニングの仕方！
４．学習の計算効率の高め方！学習計算量の削減方法！


■　各章のポイント

第1章のポイント！
★種類／モデルに基づく分析手法の選び方、評価の仕方！
★モデルの性能を正確に測定する方法とは！

第2章のポイント！
★本当に必要なデータ、足りないデータをどう見極めるか！
★データ欠損が意思決定に与える影響とは！

第3章のポイント！
★データを活用するための正しい実験記録の残し方！
★研究データを適切に蓄積・管理する方法とは！

第4章のポイント！
★学習を繰り返すだけでは予測精度の改善に繋がらない！
★生成AIのハルシネーションを逆手に取ったデータ拡張方法！

第5章のポイント！
★学習時間短縮による開発コスト削減、モデルの迅速な更新！
★性能向上による高度な言語処理能力の実現方法！！

第6章のポイント！
★事後説明器、予測分析と因果推論の併用、AIME．．．
　　AI・機械学習の公平性，説明可能性，透明性の担保！

第7章のポイント！
★機械学習のためのデータを利用する場合の留意点！
★信頼されるAIを実現するための方法とは！