チャレンジすると失敗する。チャレンジしなければ失敗しない。
人間は失敗から学ぶ。
よって、人間の成長を最大化するためには、チャレンジ数を最大化することだ。

新規事業とはチャレンジの代名詞であり、成功確率は高くない。成功率を高めるためには、何度も経験するしかない。蓄積スキルは、経験数とコミットメントの掛け算だ。

一方、推進を担う事業開発部門はわりと花形な部署でもあるため、失敗すると、出世コースから外れたり、次の新規事業を任せてもらえなくなる。チャレンジ数を最大化したくとも、何度もチャレンジさせて貰えないのだ。

ここでは僕が実際に行った、新規事業失敗の社内的ダメージを最小化する方法を紹介したい。おそらく新規事業以外の失敗でも応用できるはずだ。

続きを読む

人工知能技術の歴史を変える１冊が出版されました。


現在人工知能技術（ＡＩ）は、Googleが牽引しています。その技術力は世界随一です。またWeb上の検索データを掌握しています。これからのGoogleの発展は、そのまま人工知能の発展といえるでしょう。

一方本書は、人工知能技術の本命であるディープラーニングについて、極めて分かりやすく説明してくれています。いずれ古典となる本です。

一般の人にディープラーニングという最先端技術を民主化したのです。現在本書の輪読会が多数開催されています。今後本書を学んだエンジニアが、世界を変えるためにＡＩの開発を行っていくでしょう。この本が日本語で出版されたことを、大変うれしく思います。 

多くの日本人に本書を読んで欲しいのですが、 １４０字以上の文字を見ると痙攣する人もいるかもしれません。ですので、本書のエッセンスを簡単に解説します。

続きを読む

Pythonで人工知能を使ったWebサービスを作ってみます。具体的には、その人がニートかどうかを予測するプログラムです。
今は洗練された機械学習のオープンソースやWebフレームワークが用意されていて、とても簡単に実装できます。初心者の方でも1ヶ月ほど勉強すれば十分出来るようになるのではないでしょうか。
なお今回のWebサイトは、cssなどのデザインが超適当です。。。

順番はこんな感じです。

１．Pythonをインストールする
２．FlaskとWTFormsをインストールする
３．データを用意する
４．予測モデルを実装する
５．予測結果をＨＴＭＬに渡すプログラムを実装する
６．結果を表示するＨＴＭＬを作成する   
続きを読む

理系研究者は、この大自然を対象に、仮説を立て、実験を行い、データを集め、法則を発見している。
一方データサイエンティストは、企業を取り巻く市場環境や生産設備などに対して、データを集め、分析し、パターンという法則を発見する。 その法則は、自然科学分野のような普遍性は持たない。その企業でしか役に立たない局所的な法則だ。しかし、その企業が業績を大きく向上させるくらいの効果は十分に持つ。

データサイエンティストが科学する対象は、主にマーケティングや経営学の領域だ。文系学問の領域に、理系研究者が行うデータによる仮説検証の手法を持ち込んでいる。
続きを読む

「日本で最も人材を育成する会社のテキスト」という本を読みました。

本書によると、人間の学びの70%が経験からだそうです。つまり、いかに効果的に経験から学べるかどうかが、成長の鍵になるということでしょう。

最も成長できる学習方法とは何か

本書が提示する、経験からの効果的な学習を図解化してみました。
続きを読む

Python（パイソン）で人工知能を開発したい人向けに、これだけは知ってほしいという知識をまとめました。本記事だけで、PythonでAIを実装出来るはず。

まあ簡単に言うと、データをきれいにして、サーキットラーンというライブラリにデータ食わせれば、予測モデル(=人工知能)が作れるというお話です。

AI開発のプログラミング言語はpython一択

続きを読む

「年収３０００万以上稼ぐにはどうすればいいですか？」という質問を受けました。
しかも、２０代、３０代のうちに稼ぎたいとのことでした。
 
とりあえず、どういうことをやればいいのか思いつく限り上げてみました。
続きを読む