AIの品質保証をどう考えるかの基本から実践、高度な理論理解まで
機械学習モデルのテストについてまとめられた稀有な書籍
機械学習モデルのテストについてまとめられた稀有な書籍
AIソフトウェアのテスト答のない答え合わせ
商品の説明
◆◆ AI開発の品質問題に応える!◆◆
人智を越えたAIによる推論が、果たして本当に正しいのか、どの程度信頼できるのか、誰も答を持っていません。正解が分からないのですから、従来のソフトウェアテストは一切成り立ちません。かといって、テストなし、品質保証なしのシステムを、現実世界で使えるはずがありません。その解決策として、メタモルフィックテスティング、ニューロンカバレッジ、最大安全半径、網羅検証の4つを紹介します。教師あり機械学習で開発したディープニューラルネットワークおよびアンサンブルツリー(XGBoostやランダムフォレスト)が解く分類問題(画像識別)と回帰問題(価格予測)の実例を交え、4つのテスト手法の原理と手順を解説。それぞれのチュートリアルを通じて実践スキルも身に付きます。
序章 A I システムとテスト
0.1A I システムにテストが必要な理由
0.2厄介な問題=課題と解決方法にまたがる矛盾
第1章 AIとは何か br> 1.1AIの種類
1.2AIソフトウェア
1.3教師あり学習の仕組み
1.4AIの開発プロセス
1.5AIモデルの具体例
第2章AIソフトウェアのテストの難しさ
2.1従来型ソフトウェアとの違い
2.2従来のソフトウェアテストの考え方
2.3AIソフトウェアはテストできない!?
2.4AIソフトウェアのテストアプローチ
第3章チュートリアルの準備
3.1実行環境のセットアップ
3.2テストツールのダウンロード
3.3学習に使用するデータセット
3.4AIモデルの学習
3.5学習済みモデルの実行確認
第4章メタモルフィックテスティング
4.1メタモルフィックテスティングとは br> 4.2チュートリアル
第5章ニューロンカバレッジテスティング
5.1従来のカバレッジとニューロンカバレッジ
5.2ニューロンカバレッジをテストに用いる
5.3チュートリアル
第6章最大安全半径
6.1最大安全半径とは br> 6.2最大安全半径の計算方法
6.3チュートリアル
第7章網羅検証
7.1網羅検証とは br> 7.2XGBoostモデルの網羅検証
7.3検証性質を満たさない入力データ範囲の探索
7.4DNNモデルの網羅検証
7.補足各種ファイルの記法
人智を越えたAIによる推論が、果たして本当に正しいのか、どの程度信頼できるのか、誰も答を持っていません。正解が分からないのですから、従来のソフトウェアテストは一切成り立ちません。かといって、テストなし、品質保証なしのシステムを、現実世界で使えるはずがありません。その解決策として、メタモルフィックテスティング、ニューロンカバレッジ、最大安全半径、網羅検証の4つを紹介します。教師あり機械学習で開発したディープニューラルネットワークおよびアンサンブルツリー(XGBoostやランダムフォレスト)が解く分類問題(画像識別)と回帰問題(価格予測)の実例を交え、4つのテスト手法の原理と手順を解説。それぞれのチュートリアルを通じて実践スキルも身に付きます。
序章 A I システムとテスト
0.1A I システムにテストが必要な理由
0.2厄介な問題=課題と解決方法にまたがる矛盾
第1章 AIとは何か br> 1.1AIの種類
1.2AIソフトウェア
1.3教師あり学習の仕組み
1.4AIの開発プロセス
1.5AIモデルの具体例
第2章AIソフトウェアのテストの難しさ
2.1従来型ソフトウェアとの違い
2.2従来のソフトウェアテストの考え方
2.3AIソフトウェアはテストできない!?
2.4AIソフトウェアのテストアプローチ
第3章チュートリアルの準備
3.1実行環境のセットアップ
3.2テストツールのダウンロード
3.3学習に使用するデータセット
3.4AIモデルの学習
3.5学習済みモデルの実行確認
第4章メタモルフィックテスティング
4.1メタモルフィックテスティングとは br> 4.2チュートリアル
第5章ニューロンカバレッジテスティング
5.1従来のカバレッジとニューロンカバレッジ
5.2ニューロンカバレッジをテストに用いる
5.3チュートリアル
第6章最大安全半径
6.1最大安全半径とは br> 6.2最大安全半径の計算方法
6.3チュートリアル
第7章網羅検証
7.1網羅検証とは br> 7.2XGBoostモデルの網羅検証
7.3検証性質を満たさない入力データ範囲の探索
7.4DNNモデルの網羅検証
7.補足各種ファイルの記法
商品の詳細 - 色・サイズ
色に関して、撮影状況やご使用のパソコン環境により、実物と多少色が異なる場合がございます。サイズに関して、ブランドや商品によって実際のサイズと異なる場合がございますので、ご不明な場合は、出品者にお問い合わせください。
サイズ | 指定なし |
---|---|
フリーサイズ | ○ |
◆従来と異なるテストの仕組みを理解し◆
◆◆◆◆ 実践技術を身に付ける ◆◆◆◆
●本書のテーマ
本書の主題は、「正解を定義できないからこそAIを使う」ことから生じる矛盾を乗り越え、読者がAIシステムをテストできるようになることです。従来行っていた正解に基づくテストは無効ですので、AIソフトウェア向けの新しいテストの方法を説明していきます。
●想定読者
本書の想定読者は、AIソフトウェアのテスト方法がわからず困っている技術者や、AIシステムに品質問題が発生しないか心配な品質保証担当者、あるいは自社の業務にAIを導入したいけれど、知識不足に不安を抱いている事業担当者などです。
本書が必要とする前提知識
・ソフトウェア開発の基礎知識だけでよく、AI/機械学習やソフトウェアテストの専門知識は不要です。
・4章から7章のチュートリアルは、Pythonを知らなくても体験できます。
・集合演算や論理式には簡単な記号だけを使っており、高校初級程度の数学の知識があれば、より深く内容を理解できるでしょう。
・数式やプログラムコードを読み飛ばしても、概要を理解できるよう構成しています。
●主な構成
まず、AIの専門家でない方々に向けて、1章ではできるだけ平易に「AIとは何か?」の説明から始めます。続く2章では、AIシステムのテストの難しさと、考え方を説明します。3章からはいくつかのテスト技術について説明するとともに、テストを実行するためのソフトウェアの導入方法や実行例も含めながら詳しく解説することで、読者がAIソフトウェアのテストを実践できるようになることをめざします。
(以上、本書まえがきより)
◆「AI/Data Science実務選書」とは…
機械学習やAIの計算モデルは、システム開発のパラダイムを覆しつつあります。「AI/Data Science実務選書」は、AI開発とデータサイエンスのプラクティスを集め、実務家のスキル獲得/向上を力強く支援します。
アルゴリズム観点からAIのテストを技術的に説明した本
送料・発送方法
※配送方法が複数ある場合はカート内にて変更ができます。
※配送会社の状況等によって、商品到着日が遅れる場合がございます。あらかじめご了承ください。
配送方法 | 送料 | 追跡 | 配送目安 |
---|---|---|---|
その他(配送無料) | ¥0 | なし | 5日~10日 |