Submit Search
Upload
第4次産業革命 AIでビジネスの現場が変わる
•
0 likes
•
615 views
DIVE INTO CODE Corp.
Follow
企画書が書けるベースとなるような基礎知識を学ぼう!
Read less
Read more
Education
Report
Share
Report
Share
1 of 47
Download now
Download to read offline
Recommended
人工知能についての基礎知識
人工知能についての基礎知識
Yuta Inamura
ゼロから学ぶAI
ゼロから学ぶAI
DIVE INTO CODE Corp.
第4次産業革命 AIでビジネスの現場が変わる
第4次産業革命 AIでビジネスの現場が変わる
DIVE INTO CODE Corp.
人工知能の最新事例 BMI 概要編
人工知能の最新事例 BMI 概要編
DIVE INTO CODE Corp.
リクルーティングパートナーシップのご提案 β版1.2
リクルーティングパートナーシップのご提案 β版1.2
DIVE INTO CODE Corp.
Findy を作ってわかった、機械学習エンジニアとその分析 - Machine Learning15minutes! 2017/07/29
Findy を作ってわかった、機械学習エンジニアとその分析 - Machine Learning15minutes! 2017/07/29
Masataka Sato
人工知能技術のエンタープライズシステムへの適用
人工知能技術のエンタープライズシステムへの適用
Miki Yutani
機械学習を活用するための、3本の柱~教育型の機械学習ツールの必要性~
機械学習を活用するための、3本の柱~教育型の機械学習ツールの必要性~
Takahiro Kubo
Recommended
人工知能についての基礎知識
人工知能についての基礎知識
Yuta Inamura
ゼロから学ぶAI
ゼロから学ぶAI
DIVE INTO CODE Corp.
第4次産業革命 AIでビジネスの現場が変わる
第4次産業革命 AIでビジネスの現場が変わる
DIVE INTO CODE Corp.
人工知能の最新事例 BMI 概要編
人工知能の最新事例 BMI 概要編
DIVE INTO CODE Corp.
リクルーティングパートナーシップのご提案 β版1.2
リクルーティングパートナーシップのご提案 β版1.2
DIVE INTO CODE Corp.
Findy を作ってわかった、機械学習エンジニアとその分析 - Machine Learning15minutes! 2017/07/29
Findy を作ってわかった、機械学習エンジニアとその分析 - Machine Learning15minutes! 2017/07/29
Masataka Sato
人工知能技術のエンタープライズシステムへの適用
人工知能技術のエンタープライズシステムへの適用
Miki Yutani
機械学習を活用するための、3本の柱~教育型の機械学習ツールの必要性~
機械学習を活用するための、3本の柱~教育型の機械学習ツールの必要性~
Takahiro Kubo
人工知能はビジネスを変えるのか
人工知能はビジネスを変えるのか
Kohki Obata
[Track3-1] ビジネスで役立つAIリテラシーから機械学習エンジニアリングまで実践形式で学ぶ課題解決型AI人材育成とは?〜国内最大AIコンペサイトの...
[Track3-1] ビジネスで役立つAIリテラシーから機械学習エンジニアリングまで実践形式で学ぶ課題解決型AI人材育成とは?〜国内最大AIコンペサイトの...
Deep Learning Lab(ディープラーニング・ラボ)
201802 利根川講演 in 仙台
201802 利根川講演 in 仙台
Yuta Tonegawa
Kof
Kof
Natsutani Minoru
BERTによる文書系AIの取り組みと、Azureを用いたテーブルデータの説明性実現!
BERTによる文書系AIの取り組みと、Azureを用いたテーブルデータの説明性実現!
Deep Learning Lab(ディープラーニング・ラボ)
Hiroshima Camps Seminar 180303
Hiroshima Camps Seminar 180303
知礼 八子
ISID IIoT Forum_180628
ISID IIoT Forum_180628
知礼 八子
NLPソリューション開発の最前線
NLPソリューション開発の最前線
Deep Learning Lab(ディープラーニング・ラボ)
第4次産業革命に備える!新たなスキルを習得し時代の変化をバネにする
第4次産業革命に備える!新たなスキルを習得し時代の変化をバネにする
DIVE INTO CODE Corp.
IoT × 機械学習 製造機器のデジタル数字認識と IoT によるデータ収集・活用
IoT × 機械学習 製造機器のデジタル数字認識と IoT によるデータ収集・活用
ナレッジコミュニケーション
Io t labo20180312pub
Io t labo20180312pub
IoTビジネス共創ラボ
AIスタートアップの成功のための必要条件
AIスタートアップの成功のための必要条件
Osaka University
IoTをどうとらえ、どう行動するか
IoTをどうとらえ、どう行動するか
Shuji Honjo
20180303 プログラミング教育明日会議 利根川講演
20180303 プログラミング教育明日会議 利根川講演
Yuta Tonegawa
HEROZ Kishin AIにおけるディープラーニング活用事例のご紹介
HEROZ Kishin AIにおけるディープラーニング活用事例のご紹介
Deep Learning Lab(ディープラーニング・ラボ)
自然言語処理向け データアノテーションとそのユースケース
自然言語処理向け データアノテーションとそのユースケース
Deep Learning Lab(ディープラーニング・ラボ)
kintone Café 大阪 Vol.13 〜karuraで学ぶ、機械学習の活かし方〜
kintone Café 大阪 Vol.13 〜karuraで学ぶ、機械学習の活かし方〜
Takahiro Kubo
20200525テクノロジーの今と佐賀の未来(e-Learning教材用)
20200525テクノロジーの今と佐賀の未来(e-Learning教材用)
KazuhitoKitamura
八子クラウド座談会事前配布 20191214
八子クラウド座談会事前配布 20191214
知礼 八子
オンライン教育サービスにおけるデータ活用方法
オンライン教育サービスにおけるデータ活用方法
Deep Learning Lab(ディープラーニング・ラボ)
DIVE INTO WORK 就業説明会のご案内
DIVE INTO WORK 就業説明会のご案内
DIVE INTO CODE Corp.
AIサービス開発に必要な人間中心設計とプロジェクトマネジメント
AIサービス開発に必要な人間中心設計とプロジェクトマネジメント
Shigeyuki Kameda
More Related Content
What's hot
人工知能はビジネスを変えるのか
人工知能はビジネスを変えるのか
Kohki Obata
[Track3-1] ビジネスで役立つAIリテラシーから機械学習エンジニアリングまで実践形式で学ぶ課題解決型AI人材育成とは?〜国内最大AIコンペサイトの...
[Track3-1] ビジネスで役立つAIリテラシーから機械学習エンジニアリングまで実践形式で学ぶ課題解決型AI人材育成とは?〜国内最大AIコンペサイトの...
Deep Learning Lab(ディープラーニング・ラボ)
201802 利根川講演 in 仙台
201802 利根川講演 in 仙台
Yuta Tonegawa
Kof
Kof
Natsutani Minoru
BERTによる文書系AIの取り組みと、Azureを用いたテーブルデータの説明性実現!
BERTによる文書系AIの取り組みと、Azureを用いたテーブルデータの説明性実現!
Deep Learning Lab(ディープラーニング・ラボ)
Hiroshima Camps Seminar 180303
Hiroshima Camps Seminar 180303
知礼 八子
ISID IIoT Forum_180628
ISID IIoT Forum_180628
知礼 八子
NLPソリューション開発の最前線
NLPソリューション開発の最前線
Deep Learning Lab(ディープラーニング・ラボ)
第4次産業革命に備える!新たなスキルを習得し時代の変化をバネにする
第4次産業革命に備える!新たなスキルを習得し時代の変化をバネにする
DIVE INTO CODE Corp.
IoT × 機械学習 製造機器のデジタル数字認識と IoT によるデータ収集・活用
IoT × 機械学習 製造機器のデジタル数字認識と IoT によるデータ収集・活用
ナレッジコミュニケーション
Io t labo20180312pub
Io t labo20180312pub
IoTビジネス共創ラボ
AIスタートアップの成功のための必要条件
AIスタートアップの成功のための必要条件
Osaka University
IoTをどうとらえ、どう行動するか
IoTをどうとらえ、どう行動するか
Shuji Honjo
20180303 プログラミング教育明日会議 利根川講演
20180303 プログラミング教育明日会議 利根川講演
Yuta Tonegawa
HEROZ Kishin AIにおけるディープラーニング活用事例のご紹介
HEROZ Kishin AIにおけるディープラーニング活用事例のご紹介
Deep Learning Lab(ディープラーニング・ラボ)
自然言語処理向け データアノテーションとそのユースケース
自然言語処理向け データアノテーションとそのユースケース
Deep Learning Lab(ディープラーニング・ラボ)
kintone Café 大阪 Vol.13 〜karuraで学ぶ、機械学習の活かし方〜
kintone Café 大阪 Vol.13 〜karuraで学ぶ、機械学習の活かし方〜
Takahiro Kubo
20200525テクノロジーの今と佐賀の未来(e-Learning教材用)
20200525テクノロジーの今と佐賀の未来(e-Learning教材用)
KazuhitoKitamura
八子クラウド座談会事前配布 20191214
八子クラウド座談会事前配布 20191214
知礼 八子
オンライン教育サービスにおけるデータ活用方法
オンライン教育サービスにおけるデータ活用方法
Deep Learning Lab(ディープラーニング・ラボ)
What's hot
(20)
人工知能はビジネスを変えるのか
人工知能はビジネスを変えるのか
[Track3-1] ビジネスで役立つAIリテラシーから機械学習エンジニアリングまで実践形式で学ぶ課題解決型AI人材育成とは?〜国内最大AIコンペサイトの...
[Track3-1] ビジネスで役立つAIリテラシーから機械学習エンジニアリングまで実践形式で学ぶ課題解決型AI人材育成とは?〜国内最大AIコンペサイトの...
201802 利根川講演 in 仙台
201802 利根川講演 in 仙台
Kof
Kof
BERTによる文書系AIの取り組みと、Azureを用いたテーブルデータの説明性実現!
BERTによる文書系AIの取り組みと、Azureを用いたテーブルデータの説明性実現!
Hiroshima Camps Seminar 180303
Hiroshima Camps Seminar 180303
ISID IIoT Forum_180628
ISID IIoT Forum_180628
NLPソリューション開発の最前線
NLPソリューション開発の最前線
第4次産業革命に備える!新たなスキルを習得し時代の変化をバネにする
第4次産業革命に備える!新たなスキルを習得し時代の変化をバネにする
IoT × 機械学習 製造機器のデジタル数字認識と IoT によるデータ収集・活用
IoT × 機械学習 製造機器のデジタル数字認識と IoT によるデータ収集・活用
Io t labo20180312pub
Io t labo20180312pub
AIスタートアップの成功のための必要条件
AIスタートアップの成功のための必要条件
IoTをどうとらえ、どう行動するか
IoTをどうとらえ、どう行動するか
20180303 プログラミング教育明日会議 利根川講演
20180303 プログラミング教育明日会議 利根川講演
HEROZ Kishin AIにおけるディープラーニング活用事例のご紹介
HEROZ Kishin AIにおけるディープラーニング活用事例のご紹介
自然言語処理向け データアノテーションとそのユースケース
自然言語処理向け データアノテーションとそのユースケース
kintone Café 大阪 Vol.13 〜karuraで学ぶ、機械学習の活かし方〜
kintone Café 大阪 Vol.13 〜karuraで学ぶ、機械学習の活かし方〜
20200525テクノロジーの今と佐賀の未来(e-Learning教材用)
20200525テクノロジーの今と佐賀の未来(e-Learning教材用)
八子クラウド座談会事前配布 20191214
八子クラウド座談会事前配布 20191214
オンライン教育サービスにおけるデータ活用方法
オンライン教育サービスにおけるデータ活用方法
Similar to 第4次産業革命 AIでビジネスの現場が変わる
DIVE INTO WORK 就業説明会のご案内
DIVE INTO WORK 就業説明会のご案内
DIVE INTO CODE Corp.
AIサービス開発に必要な人間中心設計とプロジェクトマネジメント
AIサービス開発に必要な人間中心設計とプロジェクトマネジメント
Shigeyuki Kameda
UXデザインを活用した仮説立案から考えるデータ分析とは?
UXデザインを活用した仮説立案から考えるデータ分析とは?
Shigeyuki Kameda
MANABIYA 2018 DB kinoshita DB for AItech
MANABIYA 2018 DB kinoshita DB for AItech
Yasufumi Kinoshita
初めてのWebプログラミング講座
初めてのWebプログラミング講座
DIVE INTO CODE Corp.
20190313_SDGsや社会課題にxRはどう活かせるか
20190313_SDGsや社会課題にxRはどう活かせるか
Shingo Mori
自慢のAi活用アイデアを30分で潰せる 「AI Lean Diagram」
自慢のAi活用アイデアを30分で潰せる 「AI Lean Diagram」
Shigeyuki Kameda
日本の中小企業のIT導入10年の振り返り
日本の中小企業のIT導入10年の振り返り
Yuichi Morito
AI活用におけるビジネス力とは何か?
AI活用におけるビジネス力とは何か?
munjapan
AI開発しくじり先生から学ぼう「失敗しないAI開発の秘訣となる仮説とは?」
AI開発しくじり先生から学ぼう「失敗しないAI開発の秘訣となる仮説とは?」
Shigeyuki Kameda
IT革命からコミュニティ、コミュニケーション革命に!
IT革命からコミュニティ、コミュニケーション革命に!
Yuichi Morito
kintone Cafe Japan 2016: kintone x 機械学習で実現する簡単名刺管理
kintone Cafe Japan 2016: kintone x 機械学習で実現する簡単名刺管理
Takahiro Kubo
Wo! vol.37 事例から発想する人工知能系サービスの可能性
Wo! vol.37 事例から発想する人工知能系サービスの可能性
thinkjam.Inc.
AI-OCR 導入最前線 (AI inside)
AI-OCR 導入最前線 (AI inside)
Shotaro Umeda
SECONDTEAMのご案内
SECONDTEAMのご案内
DIVE INTO CODE Corp.
スマートエスイー: 超スマート社会&DX時代のAI・IoT×ビジネスの人材育成と調査研究
スマートエスイー: 超スマート社会&DX時代のAI・IoT×ビジネスの人材育成と調査研究
Hironori Washizaki
ビズリーチの機械学習基盤
ビズリーチの機械学習基盤
Naoto Migita
エンジニアの未来サミット for student
エンジニアの未来サミット for student
真一 藤川
リクルーティングパートナーシップのご提案
リクルーティングパートナーシップのご提案
DIVE INTO CODE Corp.
コグニティブ・ファクトリーの実像とIoT時代に求められるデータ・サイエンティストとは?ー製造業の視点からー
コグニティブ・ファクトリーの実像とIoT時代に求められるデータ・サイエンティストとは?ー製造業の視点からー
The Japan DataScientist Society
Similar to 第4次産業革命 AIでビジネスの現場が変わる
(20)
DIVE INTO WORK 就業説明会のご案内
DIVE INTO WORK 就業説明会のご案内
AIサービス開発に必要な人間中心設計とプロジェクトマネジメント
AIサービス開発に必要な人間中心設計とプロジェクトマネジメント
UXデザインを活用した仮説立案から考えるデータ分析とは?
UXデザインを活用した仮説立案から考えるデータ分析とは?
MANABIYA 2018 DB kinoshita DB for AItech
MANABIYA 2018 DB kinoshita DB for AItech
初めてのWebプログラミング講座
初めてのWebプログラミング講座
20190313_SDGsや社会課題にxRはどう活かせるか
20190313_SDGsや社会課題にxRはどう活かせるか
自慢のAi活用アイデアを30分で潰せる 「AI Lean Diagram」
自慢のAi活用アイデアを30分で潰せる 「AI Lean Diagram」
日本の中小企業のIT導入10年の振り返り
日本の中小企業のIT導入10年の振り返り
AI活用におけるビジネス力とは何か?
AI活用におけるビジネス力とは何か?
AI開発しくじり先生から学ぼう「失敗しないAI開発の秘訣となる仮説とは?」
AI開発しくじり先生から学ぼう「失敗しないAI開発の秘訣となる仮説とは?」
IT革命からコミュニティ、コミュニケーション革命に!
IT革命からコミュニティ、コミュニケーション革命に!
kintone Cafe Japan 2016: kintone x 機械学習で実現する簡単名刺管理
kintone Cafe Japan 2016: kintone x 機械学習で実現する簡単名刺管理
Wo! vol.37 事例から発想する人工知能系サービスの可能性
Wo! vol.37 事例から発想する人工知能系サービスの可能性
AI-OCR 導入最前線 (AI inside)
AI-OCR 導入最前線 (AI inside)
SECONDTEAMのご案内
SECONDTEAMのご案内
スマートエスイー: 超スマート社会&DX時代のAI・IoT×ビジネスの人材育成と調査研究
スマートエスイー: 超スマート社会&DX時代のAI・IoT×ビジネスの人材育成と調査研究
ビズリーチの機械学習基盤
ビズリーチの機械学習基盤
エンジニアの未来サミット for student
エンジニアの未来サミット for student
リクルーティングパートナーシップのご提案
リクルーティングパートナーシップのご提案
コグニティブ・ファクトリーの実像とIoT時代に求められるデータ・サイエンティストとは?ー製造業の視点からー
コグニティブ・ファクトリーの実像とIoT時代に求められるデータ・サイエンティストとは?ー製造業の視点からー
More from DIVE INTO CODE Corp.
DIVE INTO AFRICA Improving the value of human life
DIVE INTO AFRICA Improving the value of human life
DIVE INTO CODE Corp.
DIVE INTO AFRICA Améliorer la valeur de la vie humaine
DIVE INTO AFRICA Améliorer la valeur de la vie humaine
DIVE INTO CODE Corp.
Essential time management required for professional business person
Essential time management required for professional business person
DIVE INTO CODE Corp.
DEMODAY 6th
DEMODAY 6th
DIVE INTO CODE Corp.
DIVE INTO Rwanda Improve the value of human life
DIVE INTO Rwanda Improve the value of human life
DIVE INTO CODE Corp.
ABE initiative summer internship final presentation Mr.Diop from Senegal
ABE initiative summer internship final presentation Mr.Diop from Senegal
DIVE INTO CODE Corp.
【高知家 大交流会】なぜ、スクールを創ったのか?
【高知家 大交流会】なぜ、スクールを創ったのか?
DIVE INTO CODE Corp.
コードの世界にダイブ!なぜテクノロジーを学ぶ環境を創るのか
コードの世界にダイブ!なぜテクノロジーを学ぶ環境を創るのか
DIVE INTO CODE Corp.
DEMODAY 2019 Spring スポンサーシップ募集要項
DEMODAY 2019 Spring スポンサーシップ募集要項
DIVE INTO CODE Corp.
卒業発表 即戦力コース 1711期 木原 健児さん
卒業発表 即戦力コース 1711期 木原 健児さん
DIVE INTO CODE Corp.
卒業発表 即戦力コース 1806期 加瀬 徹さん
卒業発表 即戦力コース 1806期 加瀬 徹さん
DIVE INTO CODE Corp.
就職説明会 181215 株式会社mofmof
就職説明会 181215 株式会社mofmof
DIVE INTO CODE Corp.
卒業発表 即戦力コース 1805期 大須賀 善揮さん、中川 聡さん
卒業発表 即戦力コース 1805期 大須賀 善揮さん、中川 聡さん
DIVE INTO CODE Corp.
就職説明会 181127 株式会社トリプルアイズ.pdf
就職説明会 181127 株式会社トリプルアイズ.pdf
DIVE INTO CODE Corp.
スクールと現場のハザマ 2018 進行資料
スクールと現場のハザマ 2018 進行資料
DIVE INTO CODE Corp.
スクールと現場のハザマ 2018 登壇資料 宮崎 雄介さん
スクールと現場のハザマ 2018 登壇資料 宮崎 雄介さん
DIVE INTO CODE Corp.
スクールと現場のハザマ 2018 登壇資料 塩井 美咲さん
スクールと現場のハザマ 2018 登壇資料 塩井 美咲さん
DIVE INTO CODE Corp.
スクールと現場のハザマ 2018 登壇資料 片ノ坂 浩明さん
スクールと現場のハザマ 2018 登壇資料 片ノ坂 浩明さん
DIVE INTO CODE Corp.
プロが教える Rails 教え方ワンポイントとキャリア情報
プロが教える Rails 教え方ワンポイントとキャリア情報
DIVE INTO CODE Corp.
初めてのWebプログラミング講座
初めてのWebプログラミング講座
DIVE INTO CODE Corp.
More from DIVE INTO CODE Corp.
(20)
DIVE INTO AFRICA Improving the value of human life
DIVE INTO AFRICA Improving the value of human life
DIVE INTO AFRICA Améliorer la valeur de la vie humaine
DIVE INTO AFRICA Améliorer la valeur de la vie humaine
Essential time management required for professional business person
Essential time management required for professional business person
DEMODAY 6th
DEMODAY 6th
DIVE INTO Rwanda Improve the value of human life
DIVE INTO Rwanda Improve the value of human life
ABE initiative summer internship final presentation Mr.Diop from Senegal
ABE initiative summer internship final presentation Mr.Diop from Senegal
【高知家 大交流会】なぜ、スクールを創ったのか?
【高知家 大交流会】なぜ、スクールを創ったのか?
コードの世界にダイブ!なぜテクノロジーを学ぶ環境を創るのか
コードの世界にダイブ!なぜテクノロジーを学ぶ環境を創るのか
DEMODAY 2019 Spring スポンサーシップ募集要項
DEMODAY 2019 Spring スポンサーシップ募集要項
卒業発表 即戦力コース 1711期 木原 健児さん
卒業発表 即戦力コース 1711期 木原 健児さん
卒業発表 即戦力コース 1806期 加瀬 徹さん
卒業発表 即戦力コース 1806期 加瀬 徹さん
就職説明会 181215 株式会社mofmof
就職説明会 181215 株式会社mofmof
卒業発表 即戦力コース 1805期 大須賀 善揮さん、中川 聡さん
卒業発表 即戦力コース 1805期 大須賀 善揮さん、中川 聡さん
就職説明会 181127 株式会社トリプルアイズ.pdf
就職説明会 181127 株式会社トリプルアイズ.pdf
スクールと現場のハザマ 2018 進行資料
スクールと現場のハザマ 2018 進行資料
スクールと現場のハザマ 2018 登壇資料 宮崎 雄介さん
スクールと現場のハザマ 2018 登壇資料 宮崎 雄介さん
スクールと現場のハザマ 2018 登壇資料 塩井 美咲さん
スクールと現場のハザマ 2018 登壇資料 塩井 美咲さん
スクールと現場のハザマ 2018 登壇資料 片ノ坂 浩明さん
スクールと現場のハザマ 2018 登壇資料 片ノ坂 浩明さん
プロが教える Rails 教え方ワンポイントとキャリア情報
プロが教える Rails 教え方ワンポイントとキャリア情報
初めてのWebプログラミング講座
初めてのWebプログラミング講座
第4次産業革命 AIでビジネスの現場が変わる
1.
- 企画書が書けるベースとなるような基礎知識を学ぼう! - 第4次産業革命 AIでビジネスの現場が変わる 2017年12月6日(水) 株式会社Dive
into Code 代表取締役 野呂浩良 Tel 03-5459-1808 https://diveintocode.jp/
2.
2Copyright © 2015-2017
Dive into Code Corp. All Rights Reserved. 構成 1. 自己紹介 2. 第4次産業革命とは? 3. AIで具体的に何ができるのか? 4. グループワーク 5. AIにはどんな分野があるのか? 6. AIを使ったサービスの実現について 7. グループワーク 8. まとめ 9. Appendix
3.
3Copyright © 2015-2017
Dive into Code Corp. All Rights Reserved. 自己紹介 MBAエンジニア講師。29歳でプログラミングと出会い、34歳で初め てプログラミングセミナーをグロービス校舎で開催。 1980年 誕生 23歳 東京農業大学 農学部農学科(学士)卒業 「昆虫生態学研究室」 23歳 株式会社すみや 「接客販売」 26歳 株式会社リクルート 「法人営業」 29歳 株式会社ワークスアプリケーションズ 「コンサル」 33歳 株式会社プロスタンダード 「研修講師」 34歳 グロービス経営大学院大学 経営管理科(修士)卒業 35歳 株式会社Dive into Code 創業 キャリアの軸は、未経験分野への挑戦
4.
4Copyright © 2015-2017
Dive into Code Corp. All Rights Reserved. 自己紹介 “時間の” データサイエンティスト。あらゆる時間データを22歳から 12年間 1日も休まず蓄積し判断に活用(ギネス申請歴あり) プライベート&仕事 時間の投資対効果を重視した教育サービス開発 イメージイラスト
5.
5Copyright © 2015-2017
Dive into Code Corp. All Rights Reserved. 自己紹介 プログラミングスクール DIVE INTO CODEを運営。ビジョンは「テク ノロジー教育のエコシステムを構築する」こと。 フルタイム就業 正社員 / フリーランス 実課題を元にした研究 リモートワークで アルバイト / 副業 政府と組み 地方&海外IT人材育成 卒業後も学び続ける 永続 勉強会 スクールで本気で学習 プログラミング初体験
6.
6Copyright © 2015-2017
Dive into Code Corp. All Rights Reserved. 自己紹介 プログラミング学習セミナーを日本全国で開催。アジアはベトナ ム、アフリカはルワンダで同じ内容を英語で講演。 経験ゼロから 3年で 3,000人 に直接講義
7.
7Copyright © 2015-2017
Dive into Code Corp. All Rights Reserved. IT業界は、第3次産業革命時代の寵児。テクノロジーの進化は、 蒸気から電気へ。電気からコンピュータへ、AIヘ。 第4次産業革命とは? 第1次 第2次 第3次 第4次 18世紀 20世紀(前) 20世紀(後) 21世紀 蒸気機関 @木綿工業 電気エネルギー @重化学工業 コンピュータ @IT業 AI、ビッグデータ @製造、広告業 等 機械化 大量生産 自動化 自律化 今や第4次産業革命で AI の時代が始まっている
8.
8Copyright © 2015-2017
Dive into Code Corp. All Rights Reserved. 第4次産業革命とは? 経済産業省の調査では、IT業界(情報サービス業)は日本の基幹 産業であり、最多の従業員数となっている。 (出所)JISA WEB サイト:経済産業省「特定サービス産業実態調査」「工業統計調査」 http://www.jisa.or.jp/explain/tabid/756/Default.aspx 産業 売上高 従業員数 情報サービス 約21兆円 約103万人(最多) 自動車 約52兆円 約80万人 鉄鋼 約18兆円 約22万人 エレクトロニクス 約37兆円 約102万人
9.
9Copyright © 2015-2017
Dive into Code Corp. All Rights Reserved. 第4次産業革命とは? ソフトウェアテクノロジーの進化は、半導体の進化に依存する。 ムーアの法則のとおり、これからも続いてゆく。 トランジスタ・ラジオ 時計 TVゲーム・パソコン 携帯電話 スマホ COBOL Lisp SMALLTALK C Perl C++ Ruby Python Java Scala C# Go Swift Hack ドローン IoT トランジスタ DRAM 64Mビット DRAM 1Gビット DRAM 1960 1970 1980 1990 2000 2010 (現在)
10.
10Copyright © 2015-2017
Dive into Code Corp. All Rights Reserved. 第4次産業革命とは? 自律化は、ヒト化。実現するためには全体の技術をおさえ、どのよ うに連携させられるかを理解する必要がある。 ヒト IoT × クラウド × AI 脳 手 脊髄 足
11.
11Copyright © 2015-2017
Dive into Code Corp. All Rights Reserved. 第4次産業革命とは? 必要とされる技術要素。アプリケーション開発は、全領域で必要。 コンピュータサイエンスへの理解が不可欠な時代に。 IoT クラウド(Web) AI (ソフトウェア領域) Web - HTTP - WebAPI インフラ、ネットワーク アプリケーション開発 (ハードウェア領域) センサー、デバイス ネットワーク アプリケーション開発 (数学領域) Machine Learning Deep Learning アプリケーション開発 - C 等 - Python - C++ 等 - HTML, CSS - JavaScript - Python, Ruby 等 テ | マ 言 語
12.
12Copyright © 2015-2017
Dive into Code Corp. All Rights Reserved. 第4次産業革命とは? 従来のエンジニアに加え、AIエンジニアとの対話も必要。対話のた めには専門技術の幅を広げなければならない。 クラウド化の進行で分業の隔たりが薄くなる アプリケーション エンジニア インフラ エンジニア デザイナー サービス化の進行で分業の隔たりが薄くなる AIエンジニア データサイエンティスト 「自律化」の実現のために、新たなミッションとして協働が必要になる ヘッダー フッター PhotoShop Illustrator HTML, CSS JavaScript Java Ruby PHP サーバ構築 → クラウドで 半自動化 Linux サーバ管理 CI構築 機械学習・プログラミング 最新理論の理解 → 原則 英語 Python C++ GPU管理 プログラムの実装も必要
13.
13Copyright © 2015-2017
Dive into Code Corp. All Rights Reserved. 第4次産業革命とは? IT利活用の高度化、多様化の進展により IT人材の不足が加速す る予想。求人に対して慢性的に求職者が不足。 経済産業省:IT人材の最新動向と将来推計に関する調査結果「参考図1. IT人材の需給に関する推計結果の概要」より 2016年 17.1万人不足 ↓ 2020年 36.9万人不足 ↓ 2030年 78.9万人不足 テクノロジーの進化に適応すれば人生100年時代を生き抜ける!
14.
14Copyright © 2015-2017
Dive into Code Corp. All Rights Reserved. AIとは、人間のように学習し考えることができる、知的な情報処理 の仕組み。これを可能とするのが「機械学習」。 AIで具体的に何ができるのか?
15.
15Copyright © 2015-2017
Dive into Code Corp. All Rights Reserved. AIで具体的に何ができるのか? 近年のAIの活況はディープラーニングの登場による。音声認識や 画像認識をはじめ、ヒトを凌駕する性能を発揮。
16.
16Copyright © 2015-2017
Dive into Code Corp. All Rights Reserved. AIで具体的に何ができるのか? 「囲碁」。世界最高クラスの選手を Google が作ったAI(ディープ ラーニング)が破る。
17.
17Copyright © 2015-2017
Dive into Code Corp. All Rights Reserved. AIで具体的に何ができるのか? 車を運転手でなくコンピュータが自動で操縦。画像認識などに特 化したディープラーニングが使用されている。
18.
18Copyright © 2015-2017
Dive into Code Corp. All Rights Reserved. AIで具体的に何ができるのか? 病気の診断モデルを作成し、その場での医師の診断を使って病気 を推測。
19.
19Copyright © 2015-2017
Dive into Code Corp. All Rights Reserved. AIで具体的に何ができるのか? AIで既存の論文などを事前に学習させることで目標となる効果を 持った薬を作るための化合物の組み合わせを提案。
20.
20Copyright © 2015-2017
Dive into Code Corp. All Rights Reserved. AIで具体的に何ができるのか? ほぼリアルタイムでの音声翻訳。音声認識に特化したディープ ラーニングを活用。
21.
21Copyright © 2015-2017
Dive into Code Corp. All Rights Reserved. 事前ワーク「AIを使っていて面白いと思った事例」を共有し、印象 に残ったことやそれらの共通点を挙げてください。 グループワーク①
22.
22Copyright © 2015-2017
Dive into Code Corp. All Rights Reserved. AIで具体的に何ができるのか? AIが主に使用されている分野。 ● 定型的な業務 ● 融資判断 ● 会計監査 ● ネット通販での商品の推薦
23.
23Copyright © 2015-2017
Dive into Code Corp. All Rights Reserved. AIで具体的に何ができるのか? 逆に言えば、できないこともある。 ● 学習データを集められないもの ● 0から1を生み出す創造的なこと ● 頻度の少ないできごと(例:自然災害の予知) ● 定量化の難しいこと(例:人間関係が絡むようなこと)
24.
24Copyright © 2015-2017
Dive into Code Corp. All Rights Reserved. ● 学習データが少ない場合でも高い性能を出すこと ● 「社会の常識」のような、問題と一見直接関係ないような知識 をとりこむこと ● 学習速度を早くすること AIで具体的に何ができるのか? 今後の課題。
25.
25Copyright © 2015-2017
Dive into Code Corp. All Rights Reserved. 機械学習アルゴリズムとは、文字や画像、音声などのデータに潜 む法則をコンピュータが自分で見つけ出す仕組みのこと。 AIにはどんな分野があるのか?
26.
26Copyright © 2015-2017
Dive into Code Corp. All Rights Reserved. 機械学習は、特徴量とそれを解釈するモデル、解釈結果の従属 変数からなる。例えば、身長は特徴量、健康度は従属変数。 AIにはどんな分野があるのか? 特徴量 従属変数モデル
27.
27Copyright © 2015-2017
Dive into Code Corp. All Rights Reserved. AIにはどんな分野があるのか? 教師あり学習 教師なし学習 機械学習には、教師あり学習と教師なし学習がある。 コンピュータに教師となるラベルを与える。 自分で特徴量から規則を見つける。
28.
28Copyright © 2015-2017
Dive into Code Corp. All Rights Reserved. AIにはどんな分野があるのか? どちらにするか判断するには、「ラベル」情報の入手が可能かを事 前にきちんと把握する必要がある。 教師あり学習 教師なし学習
29.
29Copyright © 2015-2017
Dive into Code Corp. All Rights Reserved. AIにはどんな分野があるのか? 機械学習のうち、教師あり学習のニューラルネットワークが多層化 されたものがディープラーニング(深層学習)。 分野 手法 教師あり学習 回帰分析 決定木 ニューラルネットワーク 教師なし学習 クラスタリング 強化学習 (省略) ディープラーニング CNN RNN LSTM GAN
30.
30Copyright © 2015-2017
Dive into Code Corp. All Rights Reserved. AIにはどんな分野があるのか? 教師あり学習は、教師データが存在するため、学習しすぎてしまう と未知のデータに対応しきれなくなることがある。 過学習した例
31.
31Copyright © 2015-2017
Dive into Code Corp. All Rights Reserved. 教師あり:回帰分析 AIにはどんな分野があるのか?
32.
32Copyright © 2015-2017
Dive into Code Corp. All Rights Reserved. 教師あり:決定木 AIにはどんな分野があるのか?
33.
33Copyright © 2015-2017
Dive into Code Corp. All Rights Reserved. 教師あり:ニューラルネットワーク 人間の脳の学習機能を模倣したモデルのひとつ AIにはどんな分野があるのか?
34.
34Copyright © 2015-2017
Dive into Code Corp. All Rights Reserved. 教師あり:ニューラルネットワーク:ディープラーニング layer数の多い(4層以上)ニューラルネットワークのこと AIにはどんな分野があるのか? ビッグデータによる特徴量の設計が人力のそれを凌駕している
35.
35Copyright © 2015-2017
Dive into Code Corp. All Rights Reserved. 教師なし学習は、仮定を元にするため単純には成り立たないこと が多く分類精度が悪くなってしまうことがある。 AIにはどんな分野があるのか?
36.
36Copyright © 2015-2017
Dive into Code Corp. All Rights Reserved. 例:オンラインショッピングでサイトを巡回している顧客がどんな振る舞いをするのかに応じ て、どんなページを提供するのかやどんな広告を見せるのかは、強化学習の手法が活かせ る。 強化学習は、学習するコンピュータが、そのおかれた周囲の「環 境」とやり取りすることで性能を高めていく技術。 AIにはどんな分野があるのか?
37.
37Copyright © 2015-2017
Dive into Code Corp. All Rights Reserved. AIを使ったサービスの実現について AIを理解するために必要な知識は、機械学習の知識とそれを自分 で実装するためのプログラミング等の知識が必要。 機械学習の知識 プログラミング等の知識 機械学習アルゴリズム 発展的な学習アルゴリズム (ディープラーニング) 数学 - 線形代数 - 統計学 - 確率論 - 微積分学 機械学習アルゴリズムの実装 - オープンソースのライブラリ を使用 - 多くは Python で開発され ている データサイエンス
38.
38Copyright © 2015-2017
Dive into Code Corp. All Rights Reserved. AIを使ったサービスの実現について 機械学習では 3) と 4) にあたる「特徴量の設計」と「モデルの選 択」が非常に重要。 1) 何をしたいのか、目的や問題を定義する 2) 自分の扱いたい問題に関するデータを集め、「前処理」する。 3) 前処理が終わった膨大な元の情報から、予測のために必要な本質的な情 報「特徴量の設計」をする。 4) 予測のための機械学習の「モデルの選択」をする。(テスト必須) 5) データ(特徴量)を「モデル」に入力し学習をさせる。 6) 学習済みのモデルの性能を評価する。 7) 学習済みのモデルに未知のデータを入力し、予測をさせる。 実務では、扱いたいデータを理解して整形する「前処理」が重要
39.
39Copyright © 2015-2017
Dive into Code Corp. All Rights Reserved. AIを使ったサービスの実現について モデルの予測精度を確かめるためにはテストが必要。学習前に、 データを学習データとテストデータに分けるのが一般的 学習用とテスト用に分類 モデルのテスト
40.
40Copyright © 2015-2017
Dive into Code Corp. All Rights Reserved. AIを使ったサービスの実現について 自作ライブラリ 既存ライブラリ クラウドサービス 機械学習の利用 Google Cloud Platform Microsoft Azure Machine Learning Amazon Machine Learning IBM / Watson Machine Learning Google / TensorFlow Preferred Networks / Chainer 機械学習の利用には、ライブラリ(Python等のプログラム)を利用 する方法とクラウドサービスを利用する方法がある。 利用イメージをつかむだけならクラウドサービスで十分
41.
41Copyright © 2015-2017
Dive into Code Corp. All Rights Reserved. 事前ワーク「AIを使っていて面白いと思った事例」をどのように AI エンジニアが設計しているのかを推論・発表してください。 グループワーク
42.
42Copyright © 2015-2017
Dive into Code Corp. All Rights Reserved. 既存ライブラリ、クラウドサービスを使ってみよう! グループワーク 既存ライブラリ クラウドサービス Google Cloud Platform Microsoft Azure Machine Learning Amazon Machine Learning IBM / Watson Machine Learning Google / TensorFlow Preferred Networks / Chainer ライブラリはCloud9 や Codeanywhere を使い操作してみよう
43.
43Copyright © 2015-2017
Dive into Code Corp. All Rights Reserved. - 機械学習アルゴリズムとは、文字や画像、音声などのデータに潜む法則を コンピュータが自分で見つけ出す仕組みのこと。 - 機械学習のうち、教師あり学習のニューラルネットワークが多層化されたも のがディープラーニング(深層学習)。 - AIを理解するために必要な知識は、機械学習の知識とそれを自分で実装 するためのプログラミング等の知識が必要。 - 機械学習の利用には、ライブラリ(Python等のプログラム)を利用する方法 とクラウドサービスを利用する方法がある。 まとめ AIとは、人間のように学習し考えることができる、知的な情報処理 の仕組み。これを可能とするのが「機械学習」。
44.
44Copyright © 2015-2017
Dive into Code Corp. All Rights Reserved. Q&A なんでもご質問ください。 :D
45.
45Copyright © 2015-2017
Dive into Code Corp. All Rights Reserved. Microsoft Azure Machine Learning https://azure.microsoft.com/ja-jp/free/services/machine-learning/ Google Cloud Platform https://cloud.google.com/?hl=ja Machine Learning on AWS https://aws.amazon.com/jp/machine-learning/?nc1=h_ls Watson Machine Learning https://datascience.ibm.com/features#machinelearning Appendix 機械学習を利用できるクラウドサービス
46.
46Copyright © 2015-2017
Dive into Code Corp. All Rights Reserved. Appendix AI Weekly http://aiweekly.co/ AINOW http://ainow.ai/ AI の最新情報キャッチアップに
47.
47Copyright © 2015-2017
Dive into Code Corp. All Rights Reserved. 告知 DIVE INTO CODE のリクルーティングパートナーになりません か?エキスパートAIコース卒業生を優先的にご紹介します。 就業説明会 卒業制作発表会 求人掲載
Download now