※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。AI精度向上はトレーニングデータが鍵。良質なトレーニングデータを手に入れるための必須知識。 アメリカをはじめ、ヨーロッパや中国などを中心にAI（機械学習）やディープラーニングを活用としたユースケースやビジネスモデルなどが大きく進化し、日本国内においても、自動車、製造、建築・土木、公的機関、eコマースなどさまざまな業種で機械学習やディープラーニングの適用が進んできています。　このようにAIに使われる機械学習を、高い精度・確率のものとするためには、高い品質、さまざまな条件の分布、バリエーションに富んだトレーニングデータを準備することが成功の鍵といえます。　本書では、トレーニングデータの性質に焦点をあて、解説を行います。はじめに第1章　機械学習とトレーニングデータ1.1　ディープラーニングに進化する過程1.2　ディープラーニングはブラックボックス1.3　機械学習の種類1.4　プログラミングから見た機械学習1.5　トレーニングデータの位置付け第2章　マネジメント層とエンジニアの機械学習2.1　データ活用とは2.2　DXからデジタルファーストへ2.3　マネジメント層の大事な役割2.4　エンジニアとトレーニングデータ2.5　機械学習を取り巻く課題2.6　実行すべきこと第3章　AIとトレーニングデータ3.1　音声認識とは3.2　機械翻訳3.3　画像認識3.4　動画3.5　チャットボット・ボイスボット3.6　自然言語処理系AI3.7　固有表現抽出3.8　ポイントオブインタレスト（POI）3.9　自動車関連系AI3.10　AR／VR／MRとメタバース3.11　その他第4章　各種トレーニングデータ4.1　音声データ4.2　画像データ4.3　動画データ4.4　センシングデータ（3D点群データ）4.5　シンセティックデータ第５章　データアノテーション5.1　データアノテーションとは？5.2　プリラベリングデータ5.3　音声データからのアノテーション5.4　テキストデータのアノテーション5.5　画像データのアノテーション5.6　アノテーションフォーマット第6章　アノテーションツール6.1　アノテーションツールの種類6.2　データ収集6.3　プロジェクト定義6.4　データ管理と割り当て6.5　音声系へのアノテーション6.6　テキスト系のアノテーション6.7　画像・動画系データ6.8　品質チェック工程6.9　データ取りまとめ第7章　データセキュリティ7.1　関連する法律7.2　データセキュリティについて7.3　AI倫理第8章　トレーニングデータの重要性おわりに参考文献