Enviar pesquisa
Carregar
第4次産業革命 AIでビジネスの現場が変わる
•
3 gostaram
•
643 visualizações
DIVE INTO CODE Corp.
Seguir
企画書が書けるベースとなるような基礎知識を学ぼう! AIを学ぶなら、エキスパートAIコース。 https://diveintocode.jp/ai_curriculum
Leia menos
Leia mais
Educação
Denunciar
Compartilhar
Denunciar
Compartilhar
1 de 49
Baixar agora
Baixar para ler offline
Recomendados
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.
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.
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.
ゼロから学ぶAI
ゼロから学ぶAI
DIVE INTO CODE Corp.
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
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.
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.
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.
Recomendados
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.
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.
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.
ゼロから学ぶAI
ゼロから学ぶAI
DIVE INTO CODE Corp.
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
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.
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.
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.
不足するAI人材に対する「パソナテックの人材育成ソリューション」
不足するAI人材に対する「パソナテックの人材育成ソリューション」
Natsutani Minoru
ML meetup20190327
ML meetup20190327
Natsutani Minoru
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
Io t labo20180312pub
Io t labo20180312pub
IoTビジネス共創ラボ
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
LT(自由)
LT(自由)
Recruit Technologies
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
HMS事業紹介2021
HMS事業紹介2021
JamesHU52
UEC総合情報学特別講義資料(2016/5/6)
UEC総合情報学特別講義資料(2016/5/6)
Miki Yutani
第5回 Machine Learning 15minutes! 「オフラインデータがAI発展の鍵になる」
第5回 Machine Learning 15minutes! 「オフラインデータがAI発展の鍵になる」
Shigeyuki Kameda
前に出るAIエンジニアの案件切り分け術
前に出るAIエンジニアの案件切り分け術
Takahiro Yoshida
ポスト・クラウド時代のトレンドと求められる人材
ポスト・クラウド時代のトレンドと求められる人材
Trainocate Japan, Ltd.
Rakuten20181027
Rakuten20181027
Natsutani Minoru
研修資料@群馬県教育センター
研修資料@群馬県教育センター
Yuta Tonegawa
MLP-Mixer: An all-MLP Architecture for Vision
MLP-Mixer: An all-MLP Architecture for Vision
Kazuyuki Miyazawa
IoTとAIが牽引するエンタープライズシステムの新展開
IoTとAIが牽引するエンタープライズシステムの新展開
Miki Yutani
IoTの「I」をカタチにする~インターネット企業が取り組むスピーディなIoT参入への挑戦~
IoTの「I」をカタチにする~インターネット企業が取り組むスピーディなIoT参入への挑戦~
Koichi Sasaki
ソフトウェアジャパン2018 ITフォーラムセッション(3)
ソフトウェアジャパン2018 ITフォーラムセッション(3)
aitc_jp
Microsoft de:code2019 ディープラーニングのデータ・精度評価の重要性
Microsoft de:code2019 ディープラーニングのデータ・精度評価の重要性
Ridge-i
エッジ向けDeepLearningプロジェクトで必要なこと
エッジ向けDeepLearningプロジェクトで必要なこと
LeapMind Inc
AI-OCR 導入最前線 (AI inside)
AI-OCR 導入最前線 (AI inside)
Shotaro Umeda
[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)
Mais conteúdo relacionado
Mais procurados
不足するAI人材に対する「パソナテックの人材育成ソリューション」
不足するAI人材に対する「パソナテックの人材育成ソリューション」
Natsutani Minoru
ML meetup20190327
ML meetup20190327
Natsutani Minoru
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
Io t labo20180312pub
Io t labo20180312pub
IoTビジネス共創ラボ
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
LT(自由)
LT(自由)
Recruit Technologies
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
HMS事業紹介2021
HMS事業紹介2021
JamesHU52
UEC総合情報学特別講義資料(2016/5/6)
UEC総合情報学特別講義資料(2016/5/6)
Miki Yutani
第5回 Machine Learning 15minutes! 「オフラインデータがAI発展の鍵になる」
第5回 Machine Learning 15minutes! 「オフラインデータがAI発展の鍵になる」
Shigeyuki Kameda
前に出るAIエンジニアの案件切り分け術
前に出るAIエンジニアの案件切り分け術
Takahiro Yoshida
ポスト・クラウド時代のトレンドと求められる人材
ポスト・クラウド時代のトレンドと求められる人材
Trainocate Japan, Ltd.
Rakuten20181027
Rakuten20181027
Natsutani Minoru
研修資料@群馬県教育センター
研修資料@群馬県教育センター
Yuta Tonegawa
MLP-Mixer: An all-MLP Architecture for Vision
MLP-Mixer: An all-MLP Architecture for Vision
Kazuyuki Miyazawa
IoTとAIが牽引するエンタープライズシステムの新展開
IoTとAIが牽引するエンタープライズシステムの新展開
Miki Yutani
IoTの「I」をカタチにする~インターネット企業が取り組むスピーディなIoT参入への挑戦~
IoTの「I」をカタチにする~インターネット企業が取り組むスピーディなIoT参入への挑戦~
Koichi Sasaki
ソフトウェアジャパン2018 ITフォーラムセッション(3)
ソフトウェアジャパン2018 ITフォーラムセッション(3)
aitc_jp
Microsoft de:code2019 ディープラーニングのデータ・精度評価の重要性
Microsoft de:code2019 ディープラーニングのデータ・精度評価の重要性
Ridge-i
エッジ向けDeepLearningプロジェクトで必要なこと
エッジ向けDeepLearningプロジェクトで必要なこと
LeapMind Inc
Mais procurados
(20)
不足するAI人材に対する「パソナテックの人材育成ソリューション」
不足するAI人材に対する「パソナテックの人材育成ソリューション」
ML meetup20190327
ML meetup20190327
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
Io t labo20180312pub
Io t labo20180312pub
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
LT(自由)
LT(自由)
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
HMS事業紹介2021
HMS事業紹介2021
UEC総合情報学特別講義資料(2016/5/6)
UEC総合情報学特別講義資料(2016/5/6)
第5回 Machine Learning 15minutes! 「オフラインデータがAI発展の鍵になる」
第5回 Machine Learning 15minutes! 「オフラインデータがAI発展の鍵になる」
前に出るAIエンジニアの案件切り分け術
前に出るAIエンジニアの案件切り分け術
ポスト・クラウド時代のトレンドと求められる人材
ポスト・クラウド時代のトレンドと求められる人材
Rakuten20181027
Rakuten20181027
研修資料@群馬県教育センター
研修資料@群馬県教育センター
MLP-Mixer: An all-MLP Architecture for Vision
MLP-Mixer: An all-MLP Architecture for Vision
IoTとAIが牽引するエンタープライズシステムの新展開
IoTとAIが牽引するエンタープライズシステムの新展開
IoTの「I」をカタチにする~インターネット企業が取り組むスピーディなIoT参入への挑戦~
IoTの「I」をカタチにする~インターネット企業が取り組むスピーディなIoT参入への挑戦~
ソフトウェアジャパン2018 ITフォーラムセッション(3)
ソフトウェアジャパン2018 ITフォーラムセッション(3)
Microsoft de:code2019 ディープラーニングのデータ・精度評価の重要性
Microsoft de:code2019 ディープラーニングのデータ・精度評価の重要性
エッジ向けDeepLearningプロジェクトで必要なこと
エッジ向けDeepLearningプロジェクトで必要なこと
Semelhante a 第4次産業革命 AIでビジネスの現場が変わる
AI-OCR 導入最前線 (AI inside)
AI-OCR 導入最前線 (AI inside)
Shotaro Umeda
[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)
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
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
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
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
MANABIYA 2018 DB kinoshita DB for AItech
MANABIYA 2018 DB kinoshita DB for AItech
Yasufumi Kinoshita
人工知能と機械学習の違いって?
人工知能と機械学習の違いって?
Shuyo Nakatani
アドテク案件入門講座
アドテク案件入門講座
伊藤 孝
Developpers Summit2015 Autumn 講演資料
Developpers Summit2015 Autumn 講演資料
BrainPad Inc.
ISID IIoT Forum_180628
ISID IIoT Forum_180628
知礼 八子
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
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
AIビジネス推進人材育成プログラムのご紹介
AIビジネス推進人材育成プログラムのご紹介
munjapan
Hiroshima Camps Seminar 180303
Hiroshima Camps Seminar 180303
知礼 八子
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
20171122 abeja night_marketing
20171122 abeja night_marketing
Hideki Ojima
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
アイデアを形にする ①プロダクト設計のイロハを学ぶ
アイデアを形にする ①プロダクト設計のイロハを学ぶ
DIVE INTO CODE Corp.
Semelhante a 第4次産業革命 AIでビジネスの現場が変わる
(20)
AI-OCR 導入最前線 (AI inside)
AI-OCR 導入最前線 (AI inside)
[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...
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?
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
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?」
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」
MANABIYA 2018 DB kinoshita DB for AItech
MANABIYA 2018 DB kinoshita DB for AItech
人工知能と機械学習の違いって?
人工知能と機械学習の違いって?
アドテク案件入門講座
アドテク案件入門講座
Developpers Summit2015 Autumn 講演資料
Developpers Summit2015 Autumn 講演資料
ISID IIoT Forum_180628
ISID IIoT Forum_180628
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
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!
AIビジネス推進人材育成プログラムのご紹介
AIビジネス推進人材育成プログラムのご紹介
Hiroshima Camps Seminar 180303
Hiroshima Camps Seminar 180303
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
20171122 abeja night_marketing
20171122 abeja night_marketing
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
アイデアを形にする ①プロダクト設計のイロハを学ぶ
アイデアを形にする ①プロダクト設計のイロハを学ぶ
Mais de 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.
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.
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.
Mais de 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
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
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
Último
東京工業大学 環境・社会理工学院 建築学系 大学院入学入試・進学説明会2024_v2
東京工業大学 環境・社会理工学院 建築学系 大学院入学入試・進学説明会2024_v2
Tokyo Institute of Technology
2024年度 東京工業大学 工学院 機械系 大学院 修士課程 入試 説明会 資料
2024年度 東京工業大学 工学院 機械系 大学院 修士課程 入試 説明会 資料
Tokyo Institute of Technology
ゲーム理論 BASIC 演習106 -価格の交渉ゲーム-#ゲーム理論 #gametheory #数学
ゲーム理論 BASIC 演習106 -価格の交渉ゲーム-#ゲーム理論 #gametheory #数学
ssusere0a682
The_Five_Books_Overview_Presentation_2024
The_Five_Books_Overview_Presentation_2024
koheioishi1
生成AIの回答内容の修正を課題としたレポートについて:お茶の水女子大学「授業・研究における生成系AIの活用事例」での講演資料
生成AIの回答内容の修正を課題としたレポートについて:お茶の水女子大学「授業・研究における生成系AIの活用事例」での講演資料
Takayuki Itoh
次世代機の製品コンセプトを描く ~未来の機械を創造してみよう~
次世代機の製品コンセプトを描く ~未来の機械を創造してみよう~
Kochi Eng Camp
TokyoTechGraduateExaminationPresentation
TokyoTechGraduateExaminationPresentation
YukiTerazawa
Último
(7)
東京工業大学 環境・社会理工学院 建築学系 大学院入学入試・進学説明会2024_v2
東京工業大学 環境・社会理工学院 建築学系 大学院入学入試・進学説明会2024_v2
2024年度 東京工業大学 工学院 機械系 大学院 修士課程 入試 説明会 資料
2024年度 東京工業大学 工学院 機械系 大学院 修士課程 入試 説明会 資料
ゲーム理論 BASIC 演習106 -価格の交渉ゲーム-#ゲーム理論 #gametheory #数学
ゲーム理論 BASIC 演習106 -価格の交渉ゲーム-#ゲーム理論 #gametheory #数学
The_Five_Books_Overview_Presentation_2024
The_Five_Books_Overview_Presentation_2024
生成AIの回答内容の修正を課題としたレポートについて:お茶の水女子大学「授業・研究における生成系AIの活用事例」での講演資料
生成AIの回答内容の修正を課題としたレポートについて:お茶の水女子大学「授業・研究における生成系AIの活用事例」での講演資料
次世代機の製品コンセプトを描く ~未来の機械を創造してみよう~
次世代機の製品コンセプトを描く ~未来の機械を創造してみよう~
TokyoTechGraduateExaminationPresentation
TokyoTechGraduateExaminationPresentation
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
47.
47Copyright © 2015-2017
Dive into Code Corp. All Rights Reserved. TensorFlow Tutorials https://www.tensorflow.org/tutorials/ TensorFlowチュートリアル - ML初心者のためのMNIST(翻訳) https://qiita.com/KojiOhki/items/ff6ae04d6cf02f1b6edf Chainer Tutorial http://docs.chainer.org/en/stable/tutorial/basic.html Chainerチュートリアル の和訳【Chainerの紹介と多層パーセプトロン】 http://www.iandprogram.net/entry/chainer_japanese Appendix ライブラリとクラウドサービスの使い方
48.
48Copyright © 2015-2017
Dive into Code Corp. All Rights Reserved. 告知 グロービス経営大学院生(受講生・卒業生)は、グロービス人工知 能研究会にぜひご参加ください。 ※ 詳細は、グロービス人工知能研究会のFacebookで確認ください。 https://www.facebook.com/groups/214241435740519/ 技術別 適用領域別 知る 体験する 作る ビジネス化 ・ ニュース ・ セミナー ・ イベント ・ 参考図書 ・ 用語集 ・ 講演会 ・ ハンズオン ・ ネットワーキング ・ 視察会 ・ 読書会 ・ プログラム講習 ・ 技術講習 ・ ツール使い方講習 ・創造 ・変革 (コア技術) (応用技術) (業務 x AI) (業界 x AI) ・ GPU ・ 機械学習 ・ 深層学習 ・ 自然言語処理 ・ 画像認識 ・ 音声認識 ・ 予測API ・ ジェスチャー認識 ・ 感情認識 ・ VR ・ ロボット ・ IoT ・ ChatBot ・ 自動運転 ・ RPA ・ 経営 ・ 販売 ・ 人事 ・ マーケティング ・ 秘書 ・ ファイナンス ・ 法務 ・ 広告 ・ 農業 ・ 教育 ・ 製造 ・ 医療 ・ 自動車 ・ 小売 ・ メディア 使う 段階別活動分科会
49.
49Copyright © 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
Baixar agora