Enviar pesquisa
Carregar
20180719 cocn dist
•
3 gostaram
•
714 visualizações
Hiroshi Maruyama
Seguir
COCNフォーラムにおけるプレゼンテーションです。
Leia menos
Leia mais
Tecnologia
Vista de apresentação de diapositivos
Denunciar
Compartilhar
Vista de apresentação de diapositivos
Denunciar
Compartilhar
1 de 32
Baixar agora
Baixar para ler offline
Recomendados
構造改革徹底推進会合におけるプレゼン
構造改革徹底推進会合におけるプレゼン
Hiroshi Maruyama
20181120 ldp ai
20181120 ldp ai
Hiroshi Maruyama
平成30年度 日本大学文理学部オープンキャンパス 「人工知能ってどんな仕組み?
平成30年度 日本大学文理学部オープンキャンパス 「人工知能ってどんな仕組み?
kthrlab
人工知能概論 1
人工知能概論 1
Tadahiro Taniguchi
平成29年度 日本大学文理学部オープンキャンパス 「人工知能ってどんな仕組み?」
平成29年度 日本大学文理学部オープンキャンパス 「人工知能ってどんな仕組み?」
kthrlab
人工知能の(過去・現在・)未来と倫理
人工知能の(過去・現在・)未来と倫理
National Institute of Informatics (NII)
汎用人工知能について(2015-12)
汎用人工知能について(2015-12)
Naoya Arakawa
論文読解:クイズ王ワトソン
論文読解:クイズ王ワトソン
T2C_
Recomendados
構造改革徹底推進会合におけるプレゼン
構造改革徹底推進会合におけるプレゼン
Hiroshi Maruyama
20181120 ldp ai
20181120 ldp ai
Hiroshi Maruyama
平成30年度 日本大学文理学部オープンキャンパス 「人工知能ってどんな仕組み?
平成30年度 日本大学文理学部オープンキャンパス 「人工知能ってどんな仕組み?
kthrlab
人工知能概論 1
人工知能概論 1
Tadahiro Taniguchi
平成29年度 日本大学文理学部オープンキャンパス 「人工知能ってどんな仕組み?」
平成29年度 日本大学文理学部オープンキャンパス 「人工知能ってどんな仕組み?」
kthrlab
人工知能の(過去・現在・)未来と倫理
人工知能の(過去・現在・)未来と倫理
National Institute of Informatics (NII)
汎用人工知能について(2015-12)
汎用人工知能について(2015-12)
Naoya Arakawa
論文読解:クイズ王ワトソン
論文読解:クイズ王ワトソン
T2C_
人工知能/機械学習/深層学習ってなんぞ
人工知能/機械学習/深層学習ってなんぞ
Takuji Morimoto
Introduction to AI
Introduction to AI
MakotoKanda
AIとDeep Learningについての私的メモ
AIとDeep Learningについての私的メモ
IWASAKI NOBUSUKE
全脳アーキテクチャ勉強会 第2回 (山川)
全脳アーキテクチャ勉強会 第2回 (山川)
ドワンゴ 人工知能研究所
Py conkyushu2018
Py conkyushu2018
ssuseraac758
情景画像文字認識に関連する研究者を募集します。
情景画像文字認識に関連する研究者を募集します。
陽平 山口
ドローン伝書鳩
ドローン伝書鳩
Misaki Tanaka
立教大学講義「デジタルゲームの人工知能」
立教大学講義「デジタルゲームの人工知能」
Youichiro Miyake
金融と人工知能
金融と人工知能
Yoshiki Sakamoto
実世界の人工知能 〜交通,製造業,バイオヘルスケア〜
実世界の人工知能 〜交通,製造業,バイオヘルスケア〜
Preferred Networks
キャラクターAIイベント講演資料
キャラクターAIイベント講演資料
Youichiro Miyake
Implant device
Implant device
Kenyu Uehara
記号を用いたコミュニケーションを実現するために何が必要か?― 記号創発ロボティクスの 視点から ―
記号を用いたコミュニケーションを実現するために何が必要か?― 記号創発ロボティクスの 視点から ―
Tadahiro Taniguchi
次世代脳シンポジウム(2016年12月19日)
次世代脳シンポジウム(2016年12月19日)
ドワンゴ 人工知能研究所
怪盗クレセント_ゲーム企画提案スライド
怪盗クレセント_ゲーム企画提案スライド
YuiAtarashi
人工知能の歴史 & HTM
人工知能の歴史 & HTM
Eyes, JAPAN
機械学習
機械学習
Song Yeongjin
aiconf2017okanohara
aiconf2017okanohara
Preferred Networks
ヒト並みの人工知能と現象学
ヒト並みの人工知能と現象学
Naoya Arakawa
Japanr01
Japanr01
Yohei Sato
ae-1. 人工知能の歴史, 種類,応用分野
ae-1. 人工知能の歴史, 種類,応用分野
kunihikokaneko1
Lab introduction 2014
Lab introduction 2014
nlab_utokyo
Mais conteúdo relacionado
Mais procurados
人工知能/機械学習/深層学習ってなんぞ
人工知能/機械学習/深層学習ってなんぞ
Takuji Morimoto
Introduction to AI
Introduction to AI
MakotoKanda
AIとDeep Learningについての私的メモ
AIとDeep Learningについての私的メモ
IWASAKI NOBUSUKE
全脳アーキテクチャ勉強会 第2回 (山川)
全脳アーキテクチャ勉強会 第2回 (山川)
ドワンゴ 人工知能研究所
Py conkyushu2018
Py conkyushu2018
ssuseraac758
情景画像文字認識に関連する研究者を募集します。
情景画像文字認識に関連する研究者を募集します。
陽平 山口
ドローン伝書鳩
ドローン伝書鳩
Misaki Tanaka
立教大学講義「デジタルゲームの人工知能」
立教大学講義「デジタルゲームの人工知能」
Youichiro Miyake
金融と人工知能
金融と人工知能
Yoshiki Sakamoto
実世界の人工知能 〜交通,製造業,バイオヘルスケア〜
実世界の人工知能 〜交通,製造業,バイオヘルスケア〜
Preferred Networks
キャラクターAIイベント講演資料
キャラクターAIイベント講演資料
Youichiro Miyake
Implant device
Implant device
Kenyu Uehara
記号を用いたコミュニケーションを実現するために何が必要か?― 記号創発ロボティクスの 視点から ―
記号を用いたコミュニケーションを実現するために何が必要か?― 記号創発ロボティクスの 視点から ―
Tadahiro Taniguchi
次世代脳シンポジウム(2016年12月19日)
次世代脳シンポジウム(2016年12月19日)
ドワンゴ 人工知能研究所
怪盗クレセント_ゲーム企画提案スライド
怪盗クレセント_ゲーム企画提案スライド
YuiAtarashi
人工知能の歴史 & HTM
人工知能の歴史 & HTM
Eyes, JAPAN
機械学習
機械学習
Song Yeongjin
aiconf2017okanohara
aiconf2017okanohara
Preferred Networks
ヒト並みの人工知能と現象学
ヒト並みの人工知能と現象学
Naoya Arakawa
Japanr01
Japanr01
Yohei Sato
Mais procurados
(20)
人工知能/機械学習/深層学習ってなんぞ
人工知能/機械学習/深層学習ってなんぞ
Introduction to AI
Introduction to AI
AIとDeep Learningについての私的メモ
AIとDeep Learningについての私的メモ
全脳アーキテクチャ勉強会 第2回 (山川)
全脳アーキテクチャ勉強会 第2回 (山川)
Py conkyushu2018
Py conkyushu2018
情景画像文字認識に関連する研究者を募集します。
情景画像文字認識に関連する研究者を募集します。
ドローン伝書鳩
ドローン伝書鳩
立教大学講義「デジタルゲームの人工知能」
立教大学講義「デジタルゲームの人工知能」
金融と人工知能
金融と人工知能
実世界の人工知能 〜交通,製造業,バイオヘルスケア〜
実世界の人工知能 〜交通,製造業,バイオヘルスケア〜
キャラクターAIイベント講演資料
キャラクターAIイベント講演資料
Implant device
Implant device
記号を用いたコミュニケーションを実現するために何が必要か?― 記号創発ロボティクスの 視点から ―
記号を用いたコミュニケーションを実現するために何が必要か?― 記号創発ロボティクスの 視点から ―
次世代脳シンポジウム(2016年12月19日)
次世代脳シンポジウム(2016年12月19日)
怪盗クレセント_ゲーム企画提案スライド
怪盗クレセント_ゲーム企画提案スライド
人工知能の歴史 & HTM
人工知能の歴史 & HTM
機械学習
機械学習
aiconf2017okanohara
aiconf2017okanohara
ヒト並みの人工知能と現象学
ヒト並みの人工知能と現象学
Japanr01
Japanr01
Semelhante a 20180719 cocn dist
ae-1. 人工知能の歴史, 種類,応用分野
ae-1. 人工知能の歴史, 種類,応用分野
kunihikokaneko1
Lab introduction 2014
Lab introduction 2014
nlab_utokyo
Deeplearningと髪型レコメンドへの応用
Deeplearningと髪型レコメンドへの応用
taichi nishimura
[DDBJ Challenge 2016] 機械学習と予測モデルコンペティション
[DDBJ Challenge 2016] 機械学習と予測モデルコンペティション
DNA Data Bank of Japan center
デジハリ講義 人工知能 第四回「社会と人工知能」 Society and AI
デジハリ講義 人工知能 第四回「社会と人工知能」 Society and AI
Youichiro Miyake
記号創発ロボティクスの狙い
記号創発ロボティクスの狙い
Tadahiro Taniguchi
20230925プレジデント社60周年.pdf
20230925プレジデント社60周年.pdf
Hiroshi Maruyama
人工知能が啓く教育の可能性
人工知能が啓く教育の可能性
Youichiro Miyake
AI入門「人工知能に何ができないか?」
AI入門「人工知能に何ができないか?」
Youichiro Miyake
Os 12 記号創発ロボティクス / OS趣旨説明@JSAI2015
Os 12 記号創発ロボティクス / OS趣旨説明@JSAI2015
Tadahiro Taniguchi
中国のAI産業状況、スタートアップ情報リサーチ
中国のAI産業状況、スタートアップ情報リサーチ
YangnuoLiu
kaneko202304.pptx
kaneko202304.pptx
kunihikokaneko1
Study Group of NIPS2017 presented by webfarmer.ltd
Study Group of NIPS2017 presented by webfarmer.ltd
WEBFARMER. ltd.
20180305_ppl2018_演繹から帰納へ~新しいシステム開発パラダイム~
20180305_ppl2018_演繹から帰納へ~新しいシステム開発パラダイム~
Preferred Networks
機械学習と深層学習入門
機械学習と深層学習入門
Yuta Takahashi
Semelhante a 20180719 cocn dist
(15)
ae-1. 人工知能の歴史, 種類,応用分野
ae-1. 人工知能の歴史, 種類,応用分野
Lab introduction 2014
Lab introduction 2014
Deeplearningと髪型レコメンドへの応用
Deeplearningと髪型レコメンドへの応用
[DDBJ Challenge 2016] 機械学習と予測モデルコンペティション
[DDBJ Challenge 2016] 機械学習と予測モデルコンペティション
デジハリ講義 人工知能 第四回「社会と人工知能」 Society and AI
デジハリ講義 人工知能 第四回「社会と人工知能」 Society and AI
記号創発ロボティクスの狙い
記号創発ロボティクスの狙い
20230925プレジデント社60周年.pdf
20230925プレジデント社60周年.pdf
人工知能が啓く教育の可能性
人工知能が啓く教育の可能性
AI入門「人工知能に何ができないか?」
AI入門「人工知能に何ができないか?」
Os 12 記号創発ロボティクス / OS趣旨説明@JSAI2015
Os 12 記号創発ロボティクス / OS趣旨説明@JSAI2015
中国のAI産業状況、スタートアップ情報リサーチ
中国のAI産業状況、スタートアップ情報リサーチ
kaneko202304.pptx
kaneko202304.pptx
Study Group of NIPS2017 presented by webfarmer.ltd
Study Group of NIPS2017 presented by webfarmer.ltd
20180305_ppl2018_演繹から帰納へ~新しいシステム開発パラダイム~
20180305_ppl2018_演繹から帰納へ~新しいシステム開発パラダイム~
機械学習と深層学習入門
機械学習と深層学習入門
Mais de Hiroshi Maruyama
20230912JSSST大会基調講演_丸山.pdf
20230912JSSST大会基調講演_丸山.pdf
Hiroshi Maruyama
20230712Kuramae-Seminar.pdf
20230712Kuramae-Seminar.pdf
Hiroshi Maruyama
202212APSEC.pptx.pdf
202212APSEC.pptx.pdf
Hiroshi Maruyama
20210731知財学会研究会
20210731知財学会研究会
Hiroshi Maruyama
2021 06-17 ism-symposium
2021 06-17 ism-symposium
Hiroshi Maruyama
Jsai
Jsai
Hiroshi Maruyama
20181212 ibm aot
20181212 ibm aot
Hiroshi Maruyama
20181205 sakigake
20181205 sakigake
Hiroshi Maruyama
20181204i mlse discussions
20181204i mlse discussions
Hiroshi Maruyama
20181204i mlse 1
20181204i mlse 1
Hiroshi Maruyama
20181030 fun
20181030 fun
Hiroshi Maruyama
20180601 ai discussions
20180601 ai discussions
Hiroshi Maruyama
深層学習よもやま話
深層学習よもやま話
Hiroshi Maruyama
Mais de Hiroshi Maruyama
(13)
20230912JSSST大会基調講演_丸山.pdf
20230912JSSST大会基調講演_丸山.pdf
20230712Kuramae-Seminar.pdf
20230712Kuramae-Seminar.pdf
202212APSEC.pptx.pdf
202212APSEC.pptx.pdf
20210731知財学会研究会
20210731知財学会研究会
2021 06-17 ism-symposium
2021 06-17 ism-symposium
Jsai
Jsai
20181212 ibm aot
20181212 ibm aot
20181205 sakigake
20181205 sakigake
20181204i mlse discussions
20181204i mlse discussions
20181204i mlse 1
20181204i mlse 1
20181030 fun
20181030 fun
20180601 ai discussions
20180601 ai discussions
深層学習よもやま話
深層学習よもやま話
Último
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
Toru Tamaki
論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey
Toru Tamaki
Postman LT Fukuoka_Quick Prototype_By Daniel
Postman LT Fukuoka_Quick Prototype_By Daniel
danielhu54
SOPを理解する 2024/04/19 の勉強会で発表されたものです
SOPを理解する 2024/04/19 の勉強会で発表されたものです
iPride Co., Ltd.
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Yuma Ohgami
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
Hiroki Ichikura
スマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システム
sugiuralab
TSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdf
taisei2219
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
Ryo Sasaki
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet
Toru Tamaki
Último
(10)
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey
Postman LT Fukuoka_Quick Prototype_By Daniel
Postman LT Fukuoka_Quick Prototype_By Daniel
SOPを理解する 2024/04/19 の勉強会で発表されたものです
SOPを理解する 2024/04/19 の勉強会で発表されたものです
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
スマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システム
TSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdf
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet
20180719 cocn dist
1.
深層学習のインパクト 7/19, 2018 Preferred Networks,
丸山 宏 COCNフォーラム
2.
2 目次 1. 人工知能(AI)とは? 2. 深層学習(Deep
Learning)とは? 3. 深層学習のインパクト
3.
研究分野としての人工知能のフォーカスは時代と共に変化 1956-1974 第1次人工知能ブーム • 記号処理
(LISP) • Means-End Analysis • 自然言語処理 1980-1987 第2次人工知能ブーム • 知識表現 (e.g. フレーム) • エキスパートシステム • オントロジー 2008 第3次人工知能ブーム • 統計的機械学習・深層学習 - 動的メモリ管理 - 探索アルゴリズム - 形式言語理論 - : - オブジェクト指向 - モデリング言語 - セマンティックWeb - : 帰納的システム開発 (機械学習工学) 成熟すると「当たり前の技術」に..
4.
「人工知能」の同床異夢 1. 研究者にとっては… 知性を模倣することで、知性を理解しようとする営み、あるいはそ の研究領域 –
探索(乗換案内、ゲーム等)、推論(定理証明等)、最適化、認識(画像、音声、…)、自然言 語処理、 2. メーカーの思惑は…ブランド戦略「我が社の技術は先進的」 – 上記の技術のいずれかが部分的にでも使われていれば「AI」 – Watson, Zinrai, H, …, AIスピーカー, AI電子レンジ, … 3. 一般人からみると…擬人的な機械「なんかすごい、でも怖い」 – 鉄腕アトム、HAL9000、ターミネーター、… 4. マスコミ…危機感を煽るテーマ – シンギュラリティ、人工知能に奪われる仕事、… 4 「ポエムなAI」* *栄藤稔, http://webronza.asahi.com/business/articles/2017101600002.html
5.
「擬人化されたAI」のイメージには要注意 5 総務省「未来をつかむTECH戦略」 http://www.soumu.go.jp/main_content/000548068.pdf NHKニュース、3/31/2017, https://www3.nhk.or.jp/news/business_ tokushu/2017_0331.html SFの話題であり、現在見えている技術とは分けて議論すべき
6.
6 目次 1. 人工知能(AI)とは? 2. 深層学習(Deep
Learning)とは? 3. 深層学習のインパクト
7.
7 深層学習とは何か – (状態を持たない*)関数 Y
= f(X)X Y 超多次元、(連 続変数・カテゴ リ変数の任意の 組み合わせ) 判別・制御なら ば比較的低次元、 生成ならば超多 次元 *推論時にパラメタ更新を行うオンライン学習についてはこの限りでない
8.
8 普通の(演繹的な)関数の作り方: 例 摂氏から華氏への変換 double
c2f(double c) { return 1.8*c + 32.0; } 入力: C 出力: F ただし、FはCを華氏で表したもの 仕様 アルゴリズム F = 1.8 * C + 32モデル 人が持つ 先験的知識 モデルが既知/アルゴリズムが構成可能である必要
9.
深層学習の(帰納的な)やり方 – 訓練データで入出力を例示 Hiroshi
Maruyama9 訓練データセット 観測 訓練(ほぼ自動でパラメタθを決定) モデル/アルゴリズムが未知でもよい!
10.
自動運転のためのセグメンテーション https://www.youtube.com/watch?v=lGOjchGdVQs モデルが不明:人手による正解アノテーション(1)
11.
ロボットビジョン: Amazon Picking
Challenge 2016 11 2nd Place in the Picking Task モデルが不明:人手による正解アノテーション(2)
12.
Modelが不明:人手による正解Annotation (3) 12
13.
Consumer Electronics Show
(CES) 2016 CESにおける自動運転デモ、深層強化学習による訓練を行ったもの アルゴリズムが不明:逆問題として定式化(1)
14.
線画への自動着色アプリPaintsChainer アルゴリズムが不明:逆問題として定式化(2)
15.
統計的機械学習の本質的限界 (1) 15 訓練データ モデル 将来が過去と同じでないと正しく予測できない 時間軸 過去に観測されたデー タに基づいて訓練 訓練 訓練済みモデルに基いて 新しい値を予測
16.
統計的機械学習の本質的限界 (2) ⚫ 訓練データに現れない、希少な事象に対して無力 訓練データセット 内挿 外挿 ?? 機械学習はひらめかない、臨機応変な対応をしない 16
17.
17 統計的機械学習の本質的限界 (3) ⚫ 本質的に確率的 元分布 独立・同分布(i.i.d.) 訓練データ 学習済みモデル サンプリングに バイアスが入る ことは避けられ ない! 「100%の正しさ」は保証できない
18.
深層学習とは何か(まとめ) ⚫ 関数(プログラム)の作り方 – 演繹でなくて帰納 ⚫
モデルやアルゴリズムがわからなくても、訓練データセットがあれば 作れる – 教師信号の与え方次第で、驚くようなことが… ⚫ 本質的に統計モデリング – 元分布が独立・同分布であることが前提 – 近似しかできない(バイアスが入ることを避けられない) 18
19.
19 目次 1. 人工知能(AI)とは? 2. 深層学習(Deep
Learning)とは? 3. 深層学習のインパクト 1. データ設計の重要性 2. 知財・契約 3. 機械学習工学
20.
深層学習のインパクト1 データ設計の重要性 「我が社にはビッグデータがあるので、 これで人工知能を作って欲しい」 20
21.
よくある状況 21 “ビッグデータ” 温度が高すぎ るので設定を 変えよう… このデータを 見たことが このデータに 影響 独立・同分布の仮定が崩れている! 故障予測
22.
データ設計の重要性:データを将来に渡ってうまく使うには? ⚫ バイアスを補正できる情報を同時に記録しておく – 最初に同じ対象を観測する、など ⚫
教師信号(に代わるもの)を同時に記録する – KPIそのもの(品質指標など) – だめなら、遠い相関でもよいから… ◆ 出荷数? 残業時間? クレーム数?… 22 1. そのデータ、独立・同分布ですか? (バイアスはありませんか?) 2. 教師信号はありますか?
23.
23 出典: 産業構造審議会分散戦略WG http://www.meti.go.jp/committee/sankoushin/shojo/johokeizai/bunsan_senryaku_wg/pdf/006_02_00.pdf 深層学習のインパクト2 知財・契約
24.
AI・データの利用に関する契約ガイドライン (6/15策定) 24 http://www.meti.go.jp/press/2018/06/20180615001/20180615001.html
25.
「橋やビルを安全に作るために土木 工学という工学的ディシプリンが必 要であったのと同様に、データや機 械学習を利用して分析や意思決定を 行うための工学的ディシプリンが必 要だ」* 25 https://medium.com/@mijordan3/artificial-intelligence-the- revolution-hasnt-happened-yet-5e1d5812e1e7 *丸山による要約 深層学習のインパクト2 新しい工学の必要性
26.
システムの部品として普遍的に現れる統計的機械学習 26 カーナビ音 声認識・経 路最適化 カメラ画像 物体認識 エンジン最 適化制御 燃焼状態 異常検出 目的地リコメ ンデーション 空調最適化 制御 路面状態 認識 乗員の挙動 認識
27.
丸山の予想: 2020年には、新しく作られるソフトウェアの 50%以上が統計的機械学習応用システムとなる 27 デジタル計算機発明以来、最大のパラダイムシフト =広大な「Low Hanging Fruits」刈り取りの場
28.
このようなシステムを誰が作るのか -- AI人材不足論 28 7/31/2017
MONOist http://monoist.atmarkit.co.jp/mn/articles/1707/31/news037.html
29.
29 「人材不足」はいつか来た道…ソフトウェア危機 (1960年代) ➔ ソフトウェア工学の夜明け (人材育成ではなく、方法論の体系化が鍵) 写真:
最初の汎用機IBM S/360 コンピュータの急激な高性能化によってコンピュータ上のシステムが扱う問題が益々複雑化 → ソフトウェアエンジニアの不足(ソフトウェア危機)が叫ばれた アセンブリ言語で書かれたプログラム
30.
30 同様に、人材不足に対する決定打は「機械学習工学」! 2018年4月、日本ソフトウェア科学会に「機械学習工学研究会」が発足 https://sites.google.com/view/sig-mlse
31.
31 終わりに 統計的機械学習の長所・短所をよく理解した上で、 皆様のビジネスの問題解決にお役立てください 人工知能? X
32.
32 Thank You
Baixar agora