2012年，機器學習領域中的深度學習發(fā)展到了一個新高度。以此為契機，日本的人工智能熱潮隨之到來，通過對機器學習的靈活運用，迄今為止的許多棘手問題紛紛能夠得以解決。另外，計算機視覺（ Computer Vision）的性能也得到了極大的提升，由此，機器學習的應用范圍也正在極速擴展大眾對于人工智能的期待值日復一日地升高。然而，我們?yōu)槿斯ぶ悄茉O下的目標，與現(xiàn)實情況之間，其實是有著難以逾越的差距的。即便開發(fā)出了一些試行項目，但是它們在現(xiàn)實世界中的運用卻難以為繼，類似的例子不絕于耳。有許多人，他們由于人工智能在實際運用方面沒有獲得進展而希望幻滅。而且他們在沒有對人工智能抱有正確的理解下，就妄下定論：人工智能沒有用。
在這樣的背景之下，我們不得不說：人工智能人才處于短缺狀態(tài)。的確，2016年日本經(jīng)濟產(chǎn)業(yè)省的調(diào)查結(jié)果顯2020年日本尖端科技人才（擅長于人工智能等軟件技術(shù)的人才）有48000人的缺口。因此，有不少人甚至提出這樣的論調(diào)：制作機器學習系統(tǒng)的對口人才，即機器學習工程師十分短缺。
我從2017年起，開啟了 Aidemy這一服務。該項服務旨在令用戶能夠在網(wǎng)頁端簡易操作計算機程序語言 Python。到2020年為止，已經(jīng)有超過50000名用戶使用了該服務。另外，我于2018年出版了《一本書教你人工智能編程的數(shù)學》、【角川（ KADOKAWA）書店出版】、《用Python來學習！全新深度學習教科書從機器學習的Z基礎到深度學習》（翔泳社出版）等書，為解決機器學習工程師短缺這一問題而不斷向前邁進。
然而，在進入了2019年后，一些新的變化出現(xiàn)了。那時，我所運營的 Aidemy服務正在努力邁進以制造行業(yè)、金融行業(yè)、信息技術(shù)企業(yè)等為中心的大企業(yè)。在這期間，有不少用戶對我說，他們更希望我在寫面向工程師的書之余，能夠?qū)懸槐窘o商務人員或規(guī)劃師（ Planner）的書。因此，我從2019年后，就專注于寫出一本給規(guī)劃師的書。我與各行各業(yè)的經(jīng)營者進行了對話，他們當中有不少人都有著一致的論調(diào)，即機器學習工程師短缺，而且機器學習規(guī)劃師更加短缺。
機器學習規(guī)劃師的職責是什么呢？其實就是整理出需要解決的課題，以及明確機器學習工程需要獲得的成果。
即便有試行項目，但是在現(xiàn)實生活中卻無法獲得實際運用。這是機器學習規(guī)劃師短缺的一大特征。雖說也有一部分人會采取“總之先用手頭上的數(shù)據(jù)來推進企劃吧”“先模仿其他公司的例子吧”等說辭推進他們的企劃。然而事實上他們的工作進展得并不順利如果想要讓機器學習項目獲得成功，那么就必須整理出自家公司所面對的課題，并把握住機器學習技術(shù)的特征，再以此為基礎，找出機器學習中亟待解決的課題。
接下來，如果有數(shù)據(jù)的話，就分析現(xiàn)有的數(shù)據(jù)；沒有數(shù)據(jù)的話，就以投資回報率為基準，用投資的方式來獲得自己所需要的數(shù)據(jù)這樣想來，一個機器學習規(guī)劃師也需要掌握設計企劃的相關技能。今后，機器學習將會成為社會必需的技能，那么伴隨著這一潮流，機器學習規(guī)劃師的需求也會日益增高。
人工智能風險企業(yè)也在倡導著機器學習規(guī)劃師的必要。有許多人工智能風險企業(yè)都曾接受過大企業(yè)的機器學習板塊負責人的咨詢。有很多咨詢者似乎處于一種明確度很低的狀態(tài)，他們的問題十分抽象又模糊，仿佛是處于一個找不到答案的迷宮里。他們咨詢的問題，一般都是這樣的：“我們是希望借助機器學習做點什么的，但是又不知道該怎么做比較好”或者“希望能夠使用這個數(shù)據(jù)記錄，來試著做一下機器學習模型”等。
其實這些人工智能風險企業(yè)都是十分希望能夠整理出這些課題，并通過討論來得出企劃方案的，但是在有限的資源之中，將這些不夠清晰明了的問題全部處理完，是根本做不到的。因此，他們時常陷入不得不拒絕對方的情境：“請您再稍微整合一下關于機器學習技術(shù)的大體綱要，將問題的明確度提高之后再過來……”
因此，本書從人工智能領域中機器學習商用的思考方式這一角度出發(fā)，總結(jié)出了“七個規(guī)則”。而這種思考方式也是機器學習規(guī)劃師所必須掌握的。我曾跟進過許多的機器學習項目，而且在與機器學習工程師共同工作之時發(fā)現(xiàn)了一些規(guī)律。而我提出的七個規(guī)則，其實就是將這些規(guī)律進行了抽象總結(jié)。本書不會提到難以理解的理論和復雜的數(shù)學公式只會以簡單明了的方式為大家解說機器學習相關理論，明確商業(yè)企劃當中所必需的要素，以及一些亟待明確的知識點。
因此，本書的目標讀者群，首先就是正在考慮商用機器學習的規(guī)劃師。相信購買本書的你，一定有著自己的想法�；蛟S，你是機器學習板塊的負責人、對機器學習的運用抱有興趣的人或是想要了解機器學習的人。如今，市面上有許多與機器學習相關的專業(yè)書、商務書，而本書則是從Z初步的地方為大家講解機器學習。希望大家能夠明確，首先一定要掌握本書所提到的機器學習技術(shù)的要點，再在推進項目的基礎上鞏固其次，本書的目標讀者群就是正在考慮在企業(yè)內(nèi)使用機器學習的工程師。如果你希望獲得機器學習工程師需要掌握的具體技術(shù)，像算法語言、解析手法或編程等知識的話，就請移步其他圖書。但是，如果各位工程師在推進項目之時，有了諸如以下的感受：“怎樣讓規(guī)劃師掌握技術(shù)”或“如何做到與企業(yè)利益相關者持續(xù)對話”等，那么本書就正適合你。作為工程師的你，在已經(jīng)掌握專業(yè)的解析技術(shù)的基礎上，相信讀罷此書之后，更能夠以實際運用技術(shù)的商務視角來強有力地開拓項目工程。
Z后，本書的目標讀者群就是希望使用機器學習來革新商業(yè)的經(jīng)營者。相信現(xiàn)在，沒有幾家企業(yè)的經(jīng)營企劃關鍵詞里還沒有機器學習吧。要想推進機器學習項目，就必須有著強有力的、自上而下的管理方式。除此之外，這也要求經(jīng)營者對人工智能技術(shù)有著透徹的理解。機器學習與迄今為止的系統(tǒng)投資的方式有著很大的差別。只有把握好機器學習這種全新的方式，才能夠正確理解公司內(nèi)的項目狀態(tài)，以及做到Z合理地分配公司資源迄今為止，我一直認為，學習機器學習知識是一件物超所值的好事。與英語能力等技能相比，從事機器學習的專業(yè)人士仍然很少，而且現(xiàn)在學習的困難程度也有所下降。在擁有機器學習技術(shù)素養(yǎng)后，可選擇的工作范圍就會寬廣許多。
因此，我希望本書能夠幫助大家，以機器學習為第一步，去開拓未來科技的更多可能性。