序
第1章 機械学習/ディープラーニング 概説
1-1 機械学習 概説
1-2 機械学習の大きな転回点となった2018年
1-3 機械学習/ディープラーニングをビジネスで活用する上での前提理解
1-4 ディープラーニング(多段ニューラルネットによる機械学習)概説
1-5 教師あり学習と教師なし学習
1-6 機械学習と先進認識(識別・回帰)技術
1-7 機械学習を用いた技術性能の評価指標
1-8 ビッグデータ解析と機械学習
1-9 機械学習のエコシステム/プラットフォーム形成を巡る動き
1-10 機械学習プラットフォーム構築を巡る動向俯瞰
1-11 ディープラーニングの研究開発領域とビジネス化動向俯瞰
1-12 次世代ディープラーニングの現状と可能性
1-13 ディープラーニングのビジネス利用と課題点
1-14 主な参入ベンダー:事業特性・最新動向
[1] 概況・近況
[2] 参入企業 概況
第2章 機械学習/ディープラーニング-地域別・機関別動向
2-1 米国
[1] DARPA 「UPSIDE program」
[2] DARPA 「SyNAPSE program」
[3] IARPA 「MICrONS program」
2-2 欧州
2-3 中国
[1] 清華大学/紫光集団
2-4 日本政府
[1] 人工知能技術戦略会議
[2] 「世界最先端IT国家創造宣言・官民データ活用推進基本計画」
2-5 総務省
[1] 情報通信研究機構(NICT)
[2] 総務省 情報通信政策研究所
[3] 「AIネットワーク社会推進フォーラム」(国際シンポジウム)
2-6 文部科学省
[1] 革新知能統合研究センター
2-7 内閣府
[1] 内閣府革新的研究開発推進プログラム(ImPACT)
[2] 全脳アーキテクチャ・イニシアティブ
2-8 内閣府特命担当大臣(科学技術政策)
[1] 人工知能と人間社会に関する懇談会
[2] 世界最先端IT国家創造宣言・官民データ活用推進基本計画
2-9 産業技術総合研究所
[1] 人工知能研究センター
[2] ABCI(AI Bridging Cloud Infrastructure)
2-10 産業競争力懇談会
2-11 知的財産戦略本部 検証・評価・企画委員会 「情報財検討委員会」
2-12 人工知能学会
2-13 IT総合戦略本部 「AI、IoT時代におけるデータ活用ワーキンググループ」
第3章 機械学習/ディープラーニングの基本モデルとその発展
3-1 ニューラルネットワーク(NN)とコネクショニズム
[1] 畳み込みニューラルネットワーク
[2] 再帰型ニューラルネットワーク
3-2 ディープニューラルネットワークのモデル
3-3 ベイズ確率(推定)/単純ベイズ分類器
3-4 サポートベクターマシン(support vector machine, SVM)
3-5 決定木(decision tree)
3-6 ブースティング(Boosting)
3-7 ランダムフォレスト(random forest, randomized trees)
3-8 k近傍法(k-nearest neighbor algorithm)
3-9 EMアルゴリズム(EM法)
3-10 遺伝的プログラミング
3-11 機械学習アルゴリズム高度化と“学習するハードウェア”の取り組み
3-12 機械学習アルゴリズム開発と関連技術の実装
第4章 機械学習/ディープラーニングの注目領域(アテンション・エリア)
4-1 ディープラーニングの研究開発領域とビジネス化 概説
4-2 新技術への関心と取り組み状況
4-3 次世代ディープラーニングの現状と可能性
4-4 ディープラーニングのビジネス利用と課題点
4-5 業界別注目領域
[1] 製造業界
[2] 金融業界
[3] 医療業界
[4] サービス業界
[5] メディア業界
[6] 教育/学習ゲーム業界
[7] マーケティング業界
4-6 研究領域別注目領域
[1] 学習率(learning rate)の精度・速度向上
[2] 機械学習の大規模化と深層学習の高速化
[3] 探索(Explore)機能のスマート化
[4] 場面全体の状況を認識するAI
[5] 画像認識とAR(拡張現実)の結合
[6] 敵対的ネットワーク(GANs)を利用した自動〔無監督〕学習
[7] 研究者とスタートアップをつなぐ機械学習アルゴリズムのマーケットプレイス
第5章 機械学習/ディープラーニングの課題
5-1 業界別適用課題
5-2 技術的課題
5-3 手法的課題
第6章 画像認識・生体認証と機械学習/ディープラーニング
6-1 顔認識システム(Facial Recognition System)
6-2 進展著しいディープラーニング画像認識プラットフォーム
[1] ディープラーニング画像認識プラットフォームとソフトウェア
[2] 深層学習を使った先進画像診断技術
[3] 来店客の画像解析・行列予測
[4] 画像・音声認識とディープラーニングによる競技分析向け実証実験
6-3 コンピュータビジョン/ロボットビジョンと産業用ロボット
[1] 概説
[2] コンピュータビジョンと機械学習
6-4 MVTec Software(独) 産業向けマシン・ビジョン・ライブラリー「HALCON」
第7章 機械学習/ディープラーニングと次世代チップ
7-1 機械学習の高速化専用チップ
7-2 活発化するAI半導体開発競争
7-3 FPGAと同等の機能を、高速・低電力で実現する半導体の開発
7-4 ニューラルネットのファイル形式の違いを吸収する規格「NNEF(Neural Network Exchange Format)」
7-5 「関係性」を理解する専用チップ開発
7-6 脳の神経回路を模倣する非ノイマン型次世代半導体
7-7 GPU並列処理技術とディープラーニングの結合
7-8 AIクラウド/機械学習/ディープラーニング向けサービスへのGPU適用
7-9 インテル チップ単体で自律学習可能なAIチップ「Loihi」
7-10 インテル ディープニューラルネットワークを単独処理可能な専用チップ「Myriad X」
7-11 機械学習/次世代データセンターを支えるコンピュータ・アーキテクチャ
7-12 第5世代SoC
7-13 スタートアップ動向
第8章 自然言語処理の発展と機械学習/ディープラーニング
8-1 自然言語処理(NLP)の活用分野とその市場展望
[1] 人工知能(AI)研究の発展と自然言語処理(NLP)
[2] 世界の企業向け NLP ソリューション市場の展望
8-2 「自然言語」、「テキスト」、「音声」というビッグデータがもたらすビジネスチャンス
8-3 各業界における NLP の活用状況
[1] 各業界における NLP を用いたテキスト分析の活用
[2] 各業界における音声認識/スピーチ分析の活用
[3] 金融
[4] 各種メディア
[5] 流通、運送、小売
[6] その他
8-4 自然言語理解と機械学習
[1] 概説
[2] 意思決定支援・質問応答システム/自然言語生成
[3] 自然言語処理技術を用いた人工知能応用事例
[4] 自然言語処理を行う対話ロボット/コミュニケーション・ロボット
[5] 自然言語処理を行う対話ロボット/コミュニケーション・ロボット事例
8-5 クラスタリングと機械学習
8-6 機械学習と機械翻訳
8-7 機械学習とデータマイニング
8-8 データマイニング向けソフトウェア
第9章 量子アニーリング/量子コンピュータと機械学習/ディープラーニング
9-1 人工知能の発展に不可欠な量子コンピュータ技術
9-2 量子人工知能の現状と展開予測
9-3 スパコンより高速性能を発揮する量子ニューラルネットワーク計算機
9-4 スマートファクトリーと量子アニーリング
第10章 次世代ロボットと機械学習/ディープラーニング
10-1 次世代ロボットと人工知能/機械学習
10-2 機械学習を搭載したロボット技術の進展
10-3 次世代産業ロボットの開発を牽引する分散機械・リアルタイム解析モデル
[1] ビッグデータと機械学習の結合
[2] IoTによるロボットのリアルタイム解析ソリューション
10-4 ファナック/シスコシステムズ 「産業用ロボットの知能化」
10-5 次世代ドローンと機械学習
10-6 機械学習で自律飛行するドローン
10-7 次世代ドローンと機械学習による地図作成システム
10-8 産業用ドローンの自律航行・航行中の動作処理高度化
第11章 教師(ティーチング)不要ロボット[1]
11-1 機械学習とロボット・システム
11-2 ディープラーニングとロボット・システム
11-3 ティーチング作業の制約を克服する取り組み
11-4 カメラで部材を認識・位置補正するティーチングレスシステム
11-5 ファナック/PFN 「強化学習を用いた複数ロボット同士の協調」
11-6 ファジィニューロ学習・推論エンジンを搭載した産業用ロボット
11-7 ティーチングフリーを実現した小型5軸多関節ロボット
11-8 自律的判断対応型バラ積みピッキングロボット
11-9 教師レスのAI荷卸しロボット
11-10 動作軌道自動生成ロボット
11-11 安全柵設置が不要な協働ロボット
11-12 ディープラーニングと予測学習を使っマルチモーダルAIロボットアーム
第12章 スマートマニファクチャリング/スマートファクトリーと機械学習/ディープラーニング
12-1 サイバーフィジカルシステム(CPS)と機械学習/ディープラーニング
12-2 スマートファクトリーと事前学習済み機械学習モデル
12-3 インダストリー4.0とAI
12-4 インダストリー4.0の課題とAIによる解決
[1] 概説
[2] 次世代産業用ロボットに欠かせない人工知能
[3] IoT対応・人工知能搭載型携帯電話
12-5 インダストリーIoTと音声認識、視線の分析技術
12-6 機械学習/ディープラーニング援用によるIoT志向のスマートファクトリー
12-7 既存のバウンダリーを無効化するIoT/スマートマニファクチャリング
12-8 富士通研究所 「IoT/エッジコンピューティングとAI/機械学習の実証実験」
12-9 Microsoft 「Azure Machine Learnin」に基づいたエキスパートシステム
12-10 事例紹介
[1] オークマ 機械学習機能を搭載した「OSP-AI」
第13章 医療診断支援/次世代医療技術と機械学習
13-1 人工知能を使った症状のメカニズム解明
13-2 次世代医療技術での活用が有望視される人工知能
13-3 ビッグデータ解析と予防医療
13-4 機械学習/ディープラーニングがもたらす医療画像認識技術の顕著な発展
13-5 ディープラーニングによる電子カルテ診療データ解析技術
13-6 電子カルテデータをもとに機械学習を使った予後の予測
13-7 機械学習を用いたICU向け先進電子カルテシステム
13-8 地域間医療格差是正と多職種間の連携
13-9 IoT/生体センシング/機械学習を活用したヘルスケア・ソリューション
13-10 メンタルヘルスの定量化を実現する人工知能
[1] メンタルヘルスの定量化共同プロジェクトの始動
[2] 機械学習を活用したメンタルヘルスのシステム化
[3] ストレスチェック支援クラウド
第14章 ディープラーニングがもたらす医療画像認識技術の顕著な発展
14-1 概説
[1] 概況・近況
[2] 医療画像診断の技術革新を促す人工知能
[3] ディープラーニングがもたらす医療画像認識技術の顕著な発展
[4] 深層学習を使った先進画像診断技術
14-2 8K画像/8K(硬性)内視鏡の開発と人工知能による診断支援
[1] 概況・近況
[2] 病理診断への活用
[3] 診断支援への活用
[4] 内視鏡(硬性鏡)への活用
[5] 総務省 「8K技術の応用による医療のインテリジェント化に関する検討会」
第15章 フィンテック/ブロックチェーンとAI/機械学習
15-1 フィンテック普及のカギを握るオープンイノベーション促進
15-2 AI/ディープラーニングを使った金融プラットフォーム
15-3 AIによる為替・株式売買の判断支援
15-4 AIによる金融資産分析/商機発掘
15-5 AIによるリアルタイムビッディング(RTB)
15-6 AIによる自動対話サービス
15-7 AIによる銀行店舗接客支援
15-8 投資運用戦略における機械学習技術活用
[1] ビットコインを使った全自動取引アルゴリズム
[2] トレーディングにおけるディープニューラルネットワーク適用
[3] センチメント分析による株式銘柄のスコアリング
15-9 AI/脳科学を使った顧客の投資行動パターン分析/行動態様分析による審査
[1] SMBCコンシューマーファイナンス) 「統計的経験則に基づくリスク評価・審査モデル」
[2] ZestFinance 「返済意思」を重視した審査モデル
15-10 「アカウントアグリゲーション」のモデル/手法
15-11 ロボアドバイザー
15-12 投資サポート
15-13 機械学習活用による金融商品販売のチェック業務効率化
15-14 不動産業のブロックチェーン適用
15-15 リアルテックで展開が予想される主な分野
15-16 フィンテック活用/フィンテック投資動向
[1] 概況・近況
[2] IBM
[3] Lendr 「人工知能を利用した住宅ローンのリヴァースオークション・プラットフォーム」
[4] Crowdsurfer 「ソーシャライズファイナンス/シェアエコノミー向けプラットフォーム」
[5] 大和証券グループ/デジタルガレージ
[6] 千葉銀行
[7] 新日鉄住金ソリューションズ
[8] メタップス
第16章 次世代自動車と機械学習/ディープラーニング
16-1 自動運転、人工知能、モビリティーサービスのシナジー
16-2 機械学習で連携が進む自動車業界
16-3 次世代自動車と機械学習/ディープラーニング 研究開発動向
16-4 AI/機械学習による次世代車載システムの開発
16-5 第5世代SoC採用に向けた動き
16-6 車載LAN「CAN」におけるハッキング信号の機械学習
第17章 コネクテッドカーと機械学習/ディープラーニング
17-1 概説
17-2 OTA(Over The Air)と機械学習
17-3 自動運転向けIoTクラウドサービス
17-4 クラウド型リアルタイム走行データ収集・蓄積プラットフォーム
17-5 クラウド型運転情報レコメンドサービス
17-6 AIクラウドとコネクテッドカー:主要プラットフォーム
[1] Bosch 「Bosch Automotive Cloud Suit」
[2] Microsoft 「Microsoft Azure」
[3] Google 「Android」
[4] BMW 「BMW Connected」
17-7 ディープラーニングを活用した車載/端末解析
17-8 研究開発/参入メーカー動向
[1] NVIDIA
[2] デンソー/東芝
[3] トプスシステムズ
第18章 自動運転と機械学習/ディープラーニング
18-1 概説
[1] 概況
[2] 世界中に広がる自動運転車の開発と公道での運行開始
[3] 人工知能搭載自動車がもたらすモビリティ・イノベーション
[4] ロボット/センサーとの統合と自動運転システムの高度化
18-2 Waymo(グーグル)の取り組み
18-3 Google Carにおけるロボット制御サイクル
18-4 フォードの取り組み
18-5 トヨタ 「MOBILITY TEAMMATE CONCEPT」
第19章 ADAS/自動運転向け機械学習プラットフォーム
19-1 “Cloud-to-Car”の潮流
19-2 位置・地図情報ベンダー動向
[1] 概況・近況
[2] Mobileye 「REM」
[3] HERE 「HD Live MAP」
[4] TomTom
[5] NVIDIA
[6] Intel 「Intel GO」/Mobileye買収
[7] Google 「Google Map」
[8] Uber Technologies
[9] ZF/Bosch/Volvo Cars
[10] AImotive
[11] ダイナミックマップ基盤企画(DMP)
[12] パイオニア
19-3 自動運転ベンダー/主要プラットフォーム動向
[1] NVIDIA 「DRIVE PX」/「DRIVE PX2」
[2] ティアフォー/NVIDIA/AutonomouStuff 「Autoware」
[3] バーテックス 「CarSim」
[4] ESI Grou/日本イーエスアイ
第20章 コネクテッドホームと機械学習/ディープラーニング
20-1 概説
20-2 活発化する産学連携体制によるAI/コネクテッドホーム開発の取り組み
20-3 機械学習によるコネクテッドホームの拡張
20-4 AIによるユーザー嗜好の学習・レコメンド機能搭載家電
20-5 事例紹介
[1] Amazon 「Amazon Echo/Amazon Homekit」
[2] Google 「Google Asistant」
[3] Google 「Google Home」
[4] Microsoft 「Office 365」/「Dynamics 365」
第21章 VR/AR/MRと機械学習/ディープラーニング
21-1 拡張現実(仮想現実)と機械学習
[1] 概況・近況
[2] 経過
21-2 シミュレーテッドリアリティと機械学習/ディープラーニング
21-3 コンピュータビジョン/ロボットビジョンと機械学習
21-4 ニューラルインターフェース(思考/脳の活動)を検知する次世代ゲーム
21-5 生体情報のモニタリング/バイタルサイン技術とVR/AR技術の統合
21-6 VRを用いた多地点協働型手術支援システム
21-7 参入企業動向
[1] DeepMind Technologies
[2] Blippar
[3] Ceva
[4] wrnch
第22章 デジタルマーケティングと機械学習/ディープラーニング
22-1 マーケティング自動化サービスの台頭
22-2 次世代のマーケティングプラットホーム
22-3 データと機械学習を利用したABM向けのマーケティング分析ツール
[1] 概況
[2] Kenshoo 「Kenshoo Social」
[3] Kenshoo導入事例
22-4 レコメンドサービスとビッグデータ活用
22-5 ALBERT ビッグデータ分析と機械学習を活用したマーケティング支援システム
第23章 コグニティブコンピューティングと機械学習/ディープラーニング
23-1 IBM Watsonに見る人工知能の進化と人間の未来
23-2 クラウド経由で提供するWatson関連サービス
第24章 RPAと機械学習/ディープラーニング
24-1 概説
24-2 機械学習とRPA
24-3 自然言語処理とRPA
24-4 マクロのAIによる進化
24-5 AIによる仕訳・自動分類作業の自動化
24-6 ディープラーニングによる画像自動分類
24-7 異常仕訳を自動的に識別する機械学習アルゴリズム
24-8 AIによるRPAツール開発
24-9 RPAへのコグニティブ(認知)機能追加
第25章 建設・土木ITと機械学習/ディープラーニング
25-1 ディープラーニングによる地面掘削作業の自動化
25-2 GPUによる建機の自律動作
第26章 スマートシティと機械学習/ディープラーニング
26-1 スマートシティのホリスティックアプローチを促進するAI/機械学習
26-2 スマートシティのサイエンティック・アプローチと機械学習/ディープラーニング
[1] 2000-watt society
[2] 蟻コロニー最適化
26-3 都市ガバナンスとAI/機械学習
26-4 ビッグデータ/AI/機械学習を活用した新たなスマートシティ・サービス創造
26-5 事例紹介
[1] 米国政府 「ビッグデータイニシアティブ」
[2] マサチューセッツ州 「ビッグデータイニシアティブ」
[3] シンガポール政府機関 「Singapore Safe City Test Bed」
[4] 欧州委員会 「ビッグデータ・プライベート・フォーラム」への資金提供
[5] ドイツ/産官学一体プロジェクト 「Industry(インダストリー)4.0」
[6] Siemens(シーメンス) 「ネクスト47」
[7] ビッグデータ専用アプリケーション活用によるスマートシティサービス
第27章 フォグ/エッジ・コンピューティングとAI
27-1 “フォグ”とAIによる次世代コネクテッドインダストリー
27-2 クラウドからエッジへシフトを遂げるディープニューラルネットワークのモデル
27-3 マイクロデータセンター実現に向けた動向
27-4 低電力でAI/機械学習を実現するエッジコンピューティング
27-5 ビッグデータ向けネットワーク基盤コンソーシアム創設
第28章 IOTプラットフォームとディープラーニングフレームワークの連携・統合[1]
28-1 アマゾン・ウェブ・サービス(AWS)「Lambda」/「AWS IoT」
[1] 概況・近況
[2] IoTサービス「AWS IoT」
28-2 IBM 「IBM Watson」/「Cloud Foudry」
[1] 概況・近況
[2] IoTデバイスとWatsonの結合
[3] Cloud Foundry
28-3 ボッシュ(Robert Bosch) 「Bosch IoT Cloud)」/「TraQ」(Track Quality)」
[1] 概況・近況
[2] IoT情報基盤「Bosch IoT Cloud)」
[3] センサーソリューション「TraQ」(Track Quality)
[4] モバイル生産アシスタントの「APAS」シリーズ
[5] 工具をスマート化するソリューション 「Process Quality Manager」
[6] IoTベース自動運転技術の開発
28-4 ゼネラル・エレクトリック(GE) 「Predix」
28-5 シーメンス(Siemens AG) 「Digital Enterprise」/「MindSphere」
[1] 概況・近況
[2] Digital Enterprise/The Digital Enterprise Software Suite
[3] TIA(Totally Integrated Automation)
[4] MindSphere
[5] Holistic Security Concept
28-6 マイクロソフト 「Azure Machine Learning」
28-7 KUKA 「KUKA Connect」
[1] 概況・近況
[2] 「KUKA Connect」
第29章 IOTプラットフォームとディープラーニングフレームワークの連携・統合[2]
29-1 ファナックなど4社 「FANUC Intelligent Edge Link and Drive system」
29-2 ファナック 「FIELD system」
29-3 日立製作所 IoTサービス基盤「Lumada(ルマーダ)」
[1] 概況・近況
[2] 「Lumada(ルマーダ)」
[3] Preferred Network
[4] 「M2Mトラフィックソリューション」
29-4 富士通 「Zinrai」
[1] 「Zinrai」
29-5 日本電気 「NEC Industrial IoT」/「CONNEXIVE」
[1] 概況・近況
[2] 「NEC Industrial IoT」
[3] 「CONNEXIVE」
29-6 ソフトバンク 「ARMエコシステム」
[1] 概況・近況
[2] ARMによるインダストリーIoTエコシステム形成の取り組み
29-7 ルネサス エレクトロニクス 「R-IN(Renesas’s platform for INdustry」
29-8 三菱電機 「e-F@ctory/e-F@ctoryAlliance」
[1] 概況・近況
[2] 「e-F@ctoryAlliance」
[3] ニューラルネットワーク設計支援プラットフォーム
29-9 安川電機 「ソリューションファクトリー」
[1] 概況・近況
[2] 「ソリューションファクトリー」
29-10 安川情報システム 「MMCloud」
29-11 ヤマザキマザック 「iSmart Factory」
[1] 概況・近況
[2] 「iSmart Factory」
29-12 オークマ 「OSP-AI」
[1] 「OSP-AI」
第30章 機械学習/ディープラーニング開発向けツール
30-1 人工知能関連各種開発言語/APIツール
[1] Artificial Intelligence Markup Language
[2] Google TensorFlow
[3] Amazon Deep Scalable Sparse Tensor Network Engine(DSSTNE:デスティニー)
[4] Microsoft Cognitive Services
[5] Microsoft Computational Network Toolkit(CNTK)
第31章 ディープラーニング向けツール/ソフトウェア/アプリ
31-1 機械学習アルゴリズムを備えたソフトウェアスイート
[1] SAS
[2] RapidMiner
[3] LIONsolver
[4] KNIME
[5] Weka
[6] Oracle Data Mining (ODM)
[7] Apache Mahout
第32章 機械学習/ディープラーニング向けクラウド・サービス
32-1 クラウド・サービスと機械学習/ディープラーニングの同期的進化
32-2 AIクラウド/学習済みクラウドAIの国際的な進展
32-3 機械学習分析向けクラウドサービス/機械学習エンジンAPIサービス
32-4 機械学習エンジンを搭載した クラウド型プラットフォーム
32-5 クラウド型リアルタイムデータ収集・蓄積プラットフォーム
32-6 クラウド型ビッグデータ解析/レコメンドサービス
32-7 機械学習を活用したサイバー攻撃対策プラットフォーム
32-8 機械学習エンジンを搭載したクラウド型コンテンツマーケティングプラットフォー
ム
32-9 クラウド型機械学習サービス導入にあたっての検討事項
32-10 製品・サービス紹介
[1] オークマ 工作機械の自律的異常予見診断技術「OSP-AI」
[2] オープンストリーム クラウド型運転情報レコメンドサービス「LogStream」
[3] さくらインターネット 「高出力コンピューティング」
第33章 機械学習/ディープラーニング・フレームワーク[1]
33-1 概説
33-2 TensorFlow
33-3 Caffe
33-4 Caffe2
33-5 Caffe2
33-6 Chainer
33-7 ChainerMN
33-8 Theano
33-9 Touch7
33-10 PyTorch
33-11 Chainer
33-12 MXNet
第34章 機械学習/ディープラーニング・フレームワーク[2]
34-1 The Microsoft Cognitive Toolkit (CNTK)
34-2 Qualcomm ディープラーニングフレームワーク「NPE」
34-3 Deep Insight 「KAIBER」
34-4 Keras
34-5 Amazon Deep Scalable Sparse Tensor Network Engine(DSSTNE)
34-6 Lasagne
34-7 neon
34-8 NNabla(Neural Network Library)
34-9 NVIDIA TensorRT
34-10 DeCAF(A Deep Convolutional Activation Feature for Generic Visual Recognition)
34-11 Deeplearning4j
34-12 DataRobot
34-13 exaBase
第35章 リアルタイムAI向けディープラーニング・プラットフォーム
35-1 Microsoft 「Project Brainwave」
35-2 Preferred Infrastructure(PFI) 「SedueforBigData」
35-3 SAS Institute Japan 「リアルタイム解析ソリューション」
35-4 ディープラーニング技術を実装したリアルタイム解析AI
第36章 機械学習/ディープラーニング・標準形式
36-1 ONNX(Open Neural Network Exchange)
36-2 NNEF (Neural Network Exchange Format)
36-3 CoreML
第37章 機械学習/ディープラーニングの開発言語
37-1 機械学習タスクの特性
37-2 開発言語の評価
[1] Python
[2] MATLAB(Octave)
[3] Julia
[4] R
[5] その他言語
第38章 関連団体とその動向
38-1 日本ディープラーニング協会(JDLA)
38-2 22-2 AIビジネス推進コンソーシアム
38-3 日本RPA協会
38-4 FiNC Wellness AI Lab(FiNC Wellness 人工知能研究所)
付章A 主要AIクラウド・サービス[1]
A-1 概況・近況
A-2 Google Cloud Platform
[1] 概説
[2] Google Cloud Platformの活用事例
A-3 Google Cloud Platformとデータ収集・分析基盤の構築
[1] Cloud Pub/Sub/Cloud Interconnect
[2] Cloud DateFlow
[3] BigQuery
A-4 Google Cloud Datalab
A-5 Google Cloud Machine Learning
A-6 Googleの機械学習 API
[1] Google Cloud Vision API
[2] Google Cloud Video Intelligence API
[3] Google Cloud Speech API
[4] Google Natural Language API
[5] Google Cloud Translation API
[6] Google Cloud Jobs API
付章B 主要AIクラウド・サービス[2]
B-1 Amazon 「Amazon Machine Learning」
[1] AmazonMLとAIクラウド
[2] AIスピーカーで頭角を現すAmazon
[3] 次世代顧客チャネルとしてのEcho/Alexa
B-2 AWS API
[1] AWS IoT DEVICE MANAGEMENT
[2] Amazon REKOGNITION
[3] Amazon REKOGNITION VIDEO
[4] Amazon POLLY
[5] Amazon LEX
[6] Amazon TRANSCRIBE
[7] Amazon TRANSLATE
[8] Amazon COMPREHEND
[9] GREENGRASS ML INFERENCE
[6] Amazon SAGEMAKER
[7] AWS IoT DEVICE DEFENDER
付章C 主要AIクラウド・サービス[3]
C-1 Microsoft 「Azure Azure Machine Learning」
C-2 Face API/Emotion API
C-3 Microsoft 「Project Brainwave」
C-4 Microsoft 「Workbench」
付章D 主要AIクラウド・サービス[4]
D-1 IBM Watson Developer Cloud (WDC)
D-2 IBM Services Platform with Watson
D-3 IBM Cloud(Bluemix)/IBM Watson
[1] 概説
[2] 学習済みWatson
D-4 IBM Bluemix/Watson API
[1] Concept Expansion
[2] AlchemyAPI
[3] AlchemyVision
[4] AlchemyData News API
[5] AlchemyVision Face Detection/Recognition
[6] Language Translation
[7] Concept Insights
[8] Personality Insights
[9] Quetion and Answer
[10] Visual Recognition
[11] Relationship Extraction
[12] Natural Language Classifier
[13] Dialog
付章E 主要AIクラウド・サービス[5]
E-1 Infor 「Infor CloudSuite」/「Coleman」
E-2 LINE 「Clova」
E-3 UEI/シグマクシス 「ディープシグマDPA(Document Process Automation)」
E-4 システムインテグレータ ソフトウェア画像認識 AI「Design Recognition AI サービス」
付章F 分野別ディープラーニング関連API一覧
F-1 自然言語処理
[1] docomo 発話理解
[2] docomo 言語解析
[3] docomo シナリオ対話
[4] docomo トレンド記事抽出
[5] docomo 知識Q&A
[6] docomo 雑談対話
[7] Jetrun センシティブ分析
[8] Jetrun マーケティング分析
[9] Jetrun 文集約技術
[10] Jetrun 感情分析
[11] Jetrun 構文解析
[12] Jetrun 文概要分析
[13] Jetrun カテゴリ分析
[14] Jetrun TrueTALK
[15] Jetrun キーワード抽出
[16] Jetrun 関連語抽出
[17] Jetrun キュレーション技術
[18] Jetrun 丁寧度判定
[19] Jetrun キーワードゆらぎ取得
[20] IBM Watson AlchemyLanguage
[21] IBM Watson Concept Insights
[22] IBM Watson Dialog
[23] IBM Watson Language Translation
[24] IBM Watson Natural Language Classifier
[25] IBM Watson Personality Insights
[26] IBM Watson Relationship Extraction
[27] IBM Watson Retrieve and Rank
[28] IBM Watson Tone Analyzer
[29] IBM Watson AlchemyData News
[30] Microsoft Bing Spell Check
[31] Microsoft Linguistic Analysis
[32] Microsoft Text Analytics
[33] Microsoft Web Language Model
[34] Microsoft Academic Knowledge
[35] Microsoft Entity Linking Intelligence Service
[36] Microsoft Knowledge Exploration Service
[37] Repl-AI
[38] Google Translate
[39] goo 商品評判要約
[40] Affectiva
[41] LEXALYTICS Semantria
[42] RxNlp
[43] Studio Ousia Semantic Kernel
[44] Linklify
[45] Orbit Entity extraction
[46] Orbit Language detection
[47] Orbit Classification
[48] Orbit Sentiment analysis
[49] Dandelion Entity Extraction
[50] Dandelion Text Categorization
[51] Dandelion Sentiment Analysis
[52] Dandelion Text Similarity
[53] chatbots.io
[54] Thomson Reuters Open Calais
[55] Diffbot Analyze
[56] Diffbot Article
[57] Diffbot Discussion
[58] Diffbot Image
[59] Diffbot Product
[60] Diffbot Video
[61] Semantic Biomedical Tagger
[62] Free Natural Language Processing Service
[63] NLP Tools
[64] MeaningCloud Topics Extraction
[65] MeaningCloud Text Classification
[66] MeaningCloud Sentiment Analysis
[67] MeaningCloud Language Identification
[68] MeaningCloud Spelling, Grammar and Style Proofreading
[69] MeaningCloud Corporate Reputation
[70] MeaningCloud Text Clustering
[71] lang id
[72] Rosette Language Identifier
[73] Rosette Base Linguistics
[74] Rosette Entity Extractor
[75 Rosette Entity Resolver
[76] Rosette Name Indexer
[77] Rosette Name Translator
[7]8 WritePath Traslation
[79] Microsoft Translator
[80] wit.ai
F-2 画像解析
[1] docomo 画像認識
[2] docomo 文字認識
[3] Microsoft Computer Vision
[4] Microsoft Emotion
[5] Microsoft Face
[6] Microsoft Video
[7] IBM Watson AlchemyVision
[8] IBM Watson Visual Insights
[9] IBM Watson Visual Recognition
[10] GOOGLE CLOUD VISION API
[11] clarifai
[12] Emotient
[13] imagga
[14] KAIROS EMOTION ANALYSIS
[15] KAIROS FACE RECOGNITION
[16] APICloud.Me ColorTag
[17] APICloud.Me FaceRect
[18] APICloud.Me FaceMark
[19] Animetrics Face Recognition
[20] Betaface
[21] eyedea
[22] FACE++
[23] SKYBIOMETRY
F-3 音声解析
[1] docomo 音声合成
[2] docomo 音声認識
[3] Microsoft Custom Recognition Intelligent Service (CRIS)
[4] Microsoft Speaker Recognition
[5] Microsoft Speech
[6] IBM Watson Speech to Text
[7] IBM Watson Text to Speech
[8] GOOGLE CLOUD SPEECH API
[9] ALEXA
[10] DEEPGRAM
[11] api.ai
F-4 その他
[1] docomo 動作推定
[2] IBM Watson Document Conversion
[3] IBM Watson Tradeoff Analytics
[4] Microsoft Recommendations
[5] Google Now
[6] GOOGLE Prediction API
[7] indico
[8] Qalendra Predictions
付章G 機械学習/ディープラーニング向けクラウド・サービス
G-1 IBM Watson Analytics
G-2 IBM Alchemyapi
G-3 Amazon Machine Learning
G-4 Google Now
G-5 Google Prediction API
G-6 Microsoft Azure Machine Learning
G-7 bigml
G-8 Orbit AI
G-9 indico
G-10 BuildFax
G-11 MKT METAL (Marketing Engine, Tactics and Loyalty)
G-12 api.ai
G-13 Alice
G-14 Sirius
G-15 Vicarious
G-16 Wit.ai
G-17 Viv
G-18 seldon
付章H 機械学習/ディープラーニング関連学習教材・チュートリアル
