社会科学系のためのAI入門

第1章　人工知能の歴史とこれから
　1.1　人工知能って何だろう
　1.2　人工知能のはじまりとこれから
第2章　プログラミングの基礎
　2.1　初めてのプログラム
　2.2　Hello World!
　2.3　データの型
　付録　タプルとディクショナリー
第3章　プログラミングによる問題解決
　3.1　繰り返し計算による問題の解決
　3.2　動的計画法
　付録　再帰計算とフィボナッチ数列の高速化
第4章　データ処理の準備
　4.1　データ処理の見通し
　4.2　やってみよう
　付録　標準ライブラリ
第5章　統計的学習への第一歩
　5.1　データを概観
　5.2　関係の記述から予測モデルへ
　5.3　統計的機械学習
第6章　統計的機械学習の実践
　6.1　機械学習の種類
　6.2　課題の種類
　6.3　機械学習をとにかくやる
　6.4　いろいろなモデル（リグレッション）
　6.5　データのプリプロセッシング
　6.6　いろいろやってみよう（クラシフィケーション）
　6.7　There is no such thing as a free lunch
　6.8　ハイパーパラメータの調節
　6.9　アンサンブル学習
　6.10　おわりに
　付録　モデルの評価指標いろいろ
　付録　教師なし学習
第7章　ディープラーニングのお話
　7.1　単純なところから
　7.2　ディープラーニングの先駆け ネオコグニトロン
　7.3　ディープラーニングの始まり AlexNet
　7.4　その後のディープニューラルネットワーク
　7.5　ディープラーニング、その他の応用
　7.6　おわりに
第8章　試行錯誤による学習―強化学習の素―
　8.1　強化学習とは
　8.2　Q学習と格子の世界
　8.3　おわりに
　付録　乱数の生成
第9章　AI時代の社会の問題
　9.1　知られたくないこと：プライバシーの問題
　9.2　AIの機能はコードを見てもわからない：透明性の問題
　9.3　AIこそ公平ではいられない：AIの偏見
　9.4　AIの決定は誰の責任？：代理意思決定の責任の所在
　9.5　いつも誰かに見られているかも：AIの不可視性と影響力
　9.6　おわりに
第10章　生成AIとこれからの人工知能
　10.1　もう一度、人工知能とは
　10.2　ヒントンのディープラーニング
　10.3　データの生成
　10.4　画像の生成
　10.5　言語の生成
　10.6　基盤モデル
　10.7　これからの応用と人工知能の行く末