機械学習工学

第Ⅰ部　機械学習工学とは

第1章　機械学習工学
1.1　機械学習のプロローグ
1.2　機械学習技術の産業応用に向けた課題
1.3　機械学習
1.4　ソフトウエア工学
1.5　重要な概念と用語
1.6　従来のソフトウェアと機械学習によるソフトウェア
1.7　本章のまとめ

第Ⅱ部　機械学習システムの開発・運用マネジメント

第2章　機械学習システムの開発とその検証プロジェクト
2.1　本章について
2.2　機械学習の実用例と機械学習システム
2.3　機械学習システムの開発プロジェクトとその課題
2.4　機械学習システムの開発におけるプロジェクト管理
2.5　プロジェクト共通理解に向けた機械学習システムのモデル化
2.6　本章のまとめ

第3章　機械学習システムの運用
3.1　本章について
3.2　本章で前提とする機械学習を含むサービス
3.3　機械学習を含むサービスから取得可能な情報
3.4　性能低下につながる入出力の変化を検知する方法
3.5　推論性能の低下およびその予兆に対する対処
3.6　実際の事例
3.7　本章のまとめ

第Ⅲ部　機械学習システムの開発技術と倫理

第4章　機械学習デザインパターン
4.1　本章について
4.2　ソフトウェアパターンとパターンランゲージ
4.3　機械学習応用におけるパターンの必要性と役割
4.4　機械学習デザインパターン(MLDP)
4.5　機械学習のためのソフトウェアエンジニアリングパターン(SEP4MLA)
4.6　機械学習デザインパターンの認知と活用状況
4.7　本章のまとめ

第5章　品質のとらえ方と管理
5.1　本章について
5.2　品質モデル
5.3　機械学習システム・AI システム固有の品質特性
5.4　品質に関するガイドライン
5.5　従来のテスト・検証技術の展開
5.6　本章のまとめ

第6章　機械学習モデルの説明法
6.1　本章について
6.2　可視化による説明
6.3　可読なモデルによる説明
6.4　大域的な説明：特徴量重要度による説明
6.5　大域的な説明：モデルの可読化による説明
6.6　局所的な説明：特徴量重要度による説明
6.7　局所的な説明：画像注目箇所による説明
6.8　局所的な説明：関連事例による説明
6.9　本章のまとめ

第7章　AI倫理
7.1　本章について
7.2　シンギュラリティに対する文化差
7.3　AI脅威論からの脱却
7.4　AI倫理における安全性
7.5　プライバシー
7.6　予見性
7.7　説明可能性，透明性，アカウンタビリティ，トラスト
7.8　公平性，非差別，バイアス
7.9　悪用，誤用
7.10　文化および社会環境における課題
7.11　AI倫理指針における機械学習の位置づけ
7.12　リスクと便益の比較衡量
7.13　本章のまとめ　

第Ⅳ部　機械学習と知財・契約

第8章　機械学習と知財・契約
8.1　本章について
8.2　機械学習と法律・知財・契約に関する問題領域の概観
8.3　開発者が自らデータを収集して機械学習SWを開発する場合
8.4　ユーザから委託を受けて開発者が機械学習SWを開発する場合
8.5　本章のまとめ　

第Ⅴ部　機械学習工学の今後
第9章　今後に向けて
9.1　本書の振り返り
9.2　ソフトウェア工学に関連するほかのトピック
9.3　機械学習工学の範囲
9.4　おわりに

付録A　模擬裁判の紹介
A.1 事案の概要
A.2 原告（X社）の主張の概要
A.3 契約条項
A.4 原告主張の根拠と被告の反論およびコメント
A.5 事案に関するまとめ