新規事業のつくり方

新しいことを学ぶことが好きです。今は機械学習や自然言語処理に興味があります。

この記事は、以下の方向けに執筆しています。

・現在ビジネス系職種でAIに興味がある方
・今のAIブームに乗りたい方

AI市場の成長はデータ量が増えているから

IDC Japanが、国内のAIシステム市場は5年で16倍に急成長すると発表しました。2021年の市場規模は、2016年比で16倍となる2500億円とのこと。ビジネス領域でのAI活用がいよいよ本格化するそうです。

なぜこんなに市場が成長するのでしょうか。ハードウェアやディープラーニングの進化も理由にあげられますが、一番の理由はデータ量が増えたからでしょう。

2020年に世界のデータ量は、44兆GBになると言われています。この44兆GBのデータを、世界中のAIエンジニアが分析するわけです。しかもデータ量は、年間40%とかで増えていきます。そりゃ人材不足になるのも当たり前かもしれません。1GBのデータの分析でも相当きついですからね。

この44兆GBのデータを、いかに自社で集め、いかに活用していくかが今後の企業戦略のカギでしょう。そしてデータ活用の主役はAIです。ではAI時代のキャリア戦略としてどんなポジショニングがあるのか、考えてみたいと思います。
続きを読む

みなさんは「AI人材」という言葉をご存知でしょうか。

第4次産業革命とも言われる人工知能ブームは、文字通り急激な変化を起こしました。企業は必死で戦略を見直しているものの、そもそも見直すだけの知識を持つ人材が社内におらず袋小路です。見直せる人材がいないので、必要な人材像を定義出来ず、とりあえず「AI人材」とビジネス界隈でよく利用されています。

とにかく今、圧倒的な人材不足です。ではこの「AI人材」にどしたらなれるのでしょうか。
続きを読む

人工知能ブームがますます過熱感を帯びています。先週アルファ碁ゼロが、ルールを覚えさせるだけで人間を超えたというニュースが出ました。顧客や上司から説明を求められ、強化学習と教師あり学習の違いを解説したAI担当者も多かったのではないでしょうか。

先月上場したPKSHA Technologyが、時価総額1600億円を超えました。PER700倍、PBR170倍という信じられないような指数が付いています。少しでも株を知っている人なら、この指数がどれほど期待値を織り込んでいるか理解できると思います。

今の人工知能ブームは踊り場はありません。人工知能株式会社は、グローバルで国と企業を巻き込み信じられないスピードで進化し続けています。技術進歩が他の技術の進歩を生み出すことで、指数関数的に進歩しているからです。

本記事では、人工知能開発に携わる著者が、人工知能の最前線をご紹介し、ビジネスパーソンの生き残り方法を提案してみます。

続きを読む

「今年中にあなたが結婚できる確率は4%です。しかし英会話スクールに入ることで、結婚できる確率が2%上がります。」
「あなたは3年後にリストラされる確率は65%です。しかし今からpythonを学ぶことで、リストラされる確率が30%下がります。」

ロジスティック回帰分析は、分類モデルを作るアルゴリズムです。そして、分類結果の発生確率を予測します。例えば「ガンになる確率 30%」 のような予測ができます。

また、モデルの中身を数式として出力できるので、ディープラーニングのようにブラックボックスになりません。そのため、企業データの分析レポートなどでは、ロジスティック回帰とディープラーニングの2種類の手法で分析して比較するということがよく見られます。

一方、ロジスティック回帰は、線形分離可能なクラスに対してのみ高い性能が発揮されます。非線形の問題はうまく学習できないという重回帰分析と同じ問題を抱えています。
続きを読む

機械学習界隈で、最強アルゴリズムの一角を占めていたランダムフォレスト。ディープラーニングが登場した後急速に存在感をなくすものの、その利便性と強力さから多くのデータサイエンティストが現役利用中。

scikit-learnでのランダムフォレスト、分類モデルと重要度評価の実装方法まとめました。

決定木の問題点

決定木は、上から順に条件分岐を作って分類モデルを作る手法です。ルールが可視化できる、正規化や標準化などのデータ加工が不要など、素晴らしいアルゴリズムです。
しかし、決定木は過学習を起こしやすいという問題点がありました。

参考記事:人工知能できのこ派とたけのこ派を予測する【python決定木】続きを読む

きのこ派とたけのこ派を予測する人工知能を作りましたのでご活用ください。pythonとscikit-learnで決定木を作りました。

決定木分析は、機械学習界隈で最も利用されているアルゴリズムです。決定木は、条件分岐のツリーを作り、階層的にデータを分割することで、モデルを作ることができます。

過去記事:AIエンジニアが教えるゼロから機械学習の勉強法

続きを読む

データサイエンスや機械学習では、グラフ作成ツールとしてmatplotlibが大変利用されています。なぜmatplotlibを使うのか、なぜグラフを作成するのか、その理由とグラフの作成方法をまとめました。

過去記事
※pandas編:python機械学習でなぜpandasが利用されているのか
※scikit-learn編:python機械学習(AI)のデータ処理(pandas/scikit-learn)

matplotlibとは

matplotlibは、グラフ描画のためのpython用ライブラリです。データをいろんなグラフで可視化することが出来ます。折れ線グラフや散布図などたくさんのグラフが用意されています。

グラフの持つ力はすごいです。グラフは事実を分かりやすく人に伝えることが出来ます。例えば、横軸にビタミンCの摂取量、縦軸に肌の健康度を取り、棒グラフを作成したところ、右肩上がりなグラフができたとします。そのグラフを広告で大々的に打てば、明日には女性陣がビタミンCを買い込んですぐに売り切れてしまうでしょう。事実を目で見える形で示すこと、これがグラフの持つ力です。

matplotlibは、そんなグラフを簡単に無料で作ることが出来ます。
続きを読む

機械学習ではpandasが非常に利用されています。なぜpandasを使うのか、その理由とpandasの基礎的なデータ処理をまとめました。

Pandasとは

pandasは、エクセルのようにデータを加工したり解析できるpython向けライブラリです。pythonのスクリプトコードの先頭行でインポートすると、pandasを利用することが出来ます。

pandas の基本的なデータ構造はDataFrame(データフレーム)です。DataFrameとは、Excelと同じデータ構造で、二次元のテーブルのことです。つまり行と列をもった配列データです。DataFrameの列データに付与するラベルをカラム(columns)と呼びます。

続きを読む

機械学習のハードルは、どんどん下がっています。理由は、pythonとscikit-learnが簡単だからです。
機械学習の第一歩は、pythonの理解です。この記事では、完全初心者向けに、よく利用するpythonの関数をご紹介します。いわば機械学習のSTEP1です!

pyhonとは

pythonはシンプルなプログラミング言語です。最も習熟しやすい言語のひとつです。また便利なライブラリがたくさんあります。

pandas:pandasは、エクセルのようにデータを処理したり分析できる。
NumPy:高速で行列計算ができるライブラリ。リストと勘違いしやすいので注意。行ごとに列数が異なるような2 次元配列などは扱えません。
scikit-learn:機械学習の機能が豊富。
続きを読む

「初心者だけど機械学習を学びたい」「ゼロからAIを作れるようになりたい」という方向けに、最短で機械学習を習得する方法を書いてみました。

目次

やっぱり機械学習ツールはPythonとscikit-learn
機械学習の実装に必要な知識
機械学習のプログラミングは簡単
機械学習のおすすめ勉強法
 STEP1 機械学習の基礎知識
 STEP2 開発手法の知識
 STEP3 プログラミングの知識
 STEP4 機械学習アルゴリズムの知識

※忙しい方は、「STEP1 機械学習の基礎知識」からお読みください。

やっぱり機械学習ツールはPythonとscikit-learn

データサイエンス界のロイター通信的存在であるKDnuggetsから、今年最も利用されたデータサイエンスや機械学習ツールのランキングが発表されました。
top-analytics-data-science-machine-learning-software-2015-2017
元記事:New Leader, Trends, and Surprises in Analytics, Data Science, Machine Learning Software Poll

トップがpythonです。またAnaconda、Tensorflow、scikit-learnなどpython関連のライブラリもトップ10にランクインしています。また前年比から見た伸び率も非常に高いです。

Pythonは名実ともにAIのディファクトススタンダードになりました。我らがscikit-learnも9位と大健闘しています。Pythonとscikit-learnがあれば、機械学習は何とかなるのです。
続きを読む

↑このページのトップヘ