・人工知能未経験からAI人材になりたい方

AI市場の成長はデータ量が増えているから

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、どのようなポジショニングがあるか解説いたします。

関連記事：AI営業職がAI時代の主役になるかもしれない続きを読む

続きを読む

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。

過去記事：これだけは知っておけ！PythonでＡＩ開発の基礎まとめ

続きを読む

ロジスティック回帰分析は、２値の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できます。例えばある人が「ガンである確率 90%」 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理解できるので、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。つまり、どの説明変数がモデルの判定に重要かが人間でも分かります。

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。
加えて、ロジスティック回帰の説明変数は、数量データのみ利用可能です。カテゴリデータは利用できません。

過去記事：ランダムフォレストで特徴量の重要度を評価する
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。

前の記事：Pythonの決定木分析できのこ派とたけのこ派を予測する続きを読む

「決定木」は、おそらく世界で最も利用されている機械学習アルゴリズムです。教師ありの学習データから、階層的に条件分岐のツリーを作り、判別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

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。


続きを読む