目次

第1章　データ利活用の時代
　1.1　ソフトウェアによるイノベーション
　1.2　プログラム開発の方法
　1.3　実験データ解析の方法
第2章　機械学習ソフトウェアとその品質
　2.1　機械学習の仕組み
　2.2　品質の観点
　2.3　品質の劣化
　2.4　繰り返し型開発
　2.5　特徴のまとめ
第3章　ソフトウェア・テスティングの方法
　3.1　テスティングの基本
　3.2　メタモルフィック・テスティング
　3.3　統計的なテスティング
第4章　データセット多様性
　4.1　データセット品質定義の難しさ
　4.2　データの利用時品質
　4.3　分類学習のメタモルフィック・テスティング
　4.4　ニューラル・ネットワークの訓練・学習
第5章　深層ニューラル・ネットワーク検査の実際
　5.1　利用時品質の検査
　5.2　検査の網羅性基準
　5.3　欠陥と歪み
　5.4　訓練・学習プログラムの検査
第6章　品質からみた敵対データ
　6.1　フェイクと予測誤り
　6.2　敵対データと敵対ロバスト性
　6.3　防御と検知
第7章　機械学習ビジネス・エコシステム
　7.1　機械学習ソフトウェアの開発業務
　7.2　機械学習ビジネス・プラットフォーム