ビジネスパーソンのためのAI実践講座① ~AIの仕組みを知ろう~
自分はエンジニアではないから人工知能（AI）を使えない、もしくは自社はテクノロジー企業ではないからAIとは縁がない、などと思っていませんか。 本動画は、非エンジニアの方がプログラミング言語を使わずにAIを実際に使うための実践講座です。①「AIの仕組みを知ろう」では、そもそも人工知能（AI）とは何なのか、AIにはどのような種類があり、ビジネスに導入するとどんなことが可能なのかについて導入部分を学びます。 監修：森谷 和弘 データ解析設計事務所 代表、データアナリティクスラボ株式会社 取締役 CTO、データサイエンティスト協会 スキル定義委員 株式会社富士通金融システムズ（現 富士通株式会社）でデータベースエンジニアとしてのキャリアを積み、その後データ・フォアビジョン株式会社にてデータベースソリューションや金融工学系ソフトウェアの開発、データサイエンス、人事等の役員を担当。2018年よりフリーランスとして独立し、AIコンサルタント、機械学習エンジニア、データサイエンティスト、データアーキテクトとして活動。2019年、データアナリティクスラボ株式会社を共同経営者として起業し、データサイエンティストを未経験者から実践経験者へと育成する事業に従事。
会員限定
より理解を深め、他のユーザーとつながりましょう。
29人の振り返り
k-akira
営業
過学習や未学習、次元の呪いの概要を理解した。正則化については自分で調べたい。
kenjiro_fujita
コンサルタント
機械学習の難しさがなんとなくわかった。ＧｌｏｂａｌとＬｏｃａｌの２つの視点で考えていきたい。
yasupii
その他
機械学習は、人間ができないことをやってくれるという期待感が強い。その分、予測結果も「大丈夫だろう」と信じてしまう傾向が強いと思う。しかし、過学習や、予測結果の説明の難しさが存在することを忘れてはいけないことを学んだ。どんな理由があろうとも、使う側には「責任が生じる」ことからは逃れられない。
choko0504
メーカー技術・研究・開発
ニューラルネットワークを活用した際の予測の説明の難しさについて学ぶことができた。
微分の連鎖率で重みを更新していくため結果の解釈が難しいことは実務で利用してみて感じた。
mainichi365
IT・WEB・エンジニア
説明の難しさを感じる
kazumi_100pot
金融・不動産 関連職
過学習の問題の基本的なところは理解しているつもりですが、正則化や次元圧縮まで含めてしっかりと説明できるようにしていきたいです。
chikako_k
IT・WEB・エンジニア
ゴリラとタグづけされた少女がかわいそうでした。修正が難しいことの解決方法が知りたかったです。
vz3000
IT・WEB・エンジニア
機械学習の結果を説明する難しさが理解できた。未学習・過学習の状況、帯域的説明や局所的説明などを適切に判断していけるよう経験を積んでいきたい。
tsuyoshi_asano
経営・経営企画
学習結果としてMost Likelyな答えを機械的に出しているのに、ヒトの主観で「望ましくない結果」をはじく必要があるのはなかなか難しい問題。AIが判別できない問題を裁く仕事はAIに代替できないのかもしれない。
naoki_sasano
メーカー技術・研究・開発
過学習と未学習という事象があることを知った。過学習を防ぐための正則化について詳しく学習したいが、推奨される書籍は何か？
user-name01
販売・サービス・事務
過学習の概念を学んだ。また、出力された結果を説明する方法にも言及していて、参考になった。
sesesese
その他
何らかの方法でという説明が何回かありましたが、
その方法が知りたいです。
k--g--
その他
グーグルも間違えることがある、というのが良い教訓になりました。
dense
メーカー技術・研究・開発
批判を覚悟でコメントすると
ゴリラと判定されて、なんで人間は、怒ったり、いけないと思ったりするのでしょうか。
この感情を、生成AIも学べば、持つことができるようになるのでしょうか。
yutahayasaka
その他
説明が難しい。理解まではたどり着けていないので、再度視聴したい。
take515
メーカー技術・研究・開発
機械学習の難しさのポイントを理解した。
hr-sakai
その他
次元の呪い。知らないうちにはまってたような気がする。どうしても精度の高い結果を求めすぎて、時間がかかってしまった事を思い出した。
stani
専門職
機械学習の向上には、機器の性能向上とひとの努力やルール化が重要である。
k_yuna
販売・サービス・事務
学びを深めることが出来ました。
koichi_seya
その他
設変変数が増えるほど、説明が難しくなることや、それに対する対応などわかりたすいモデルに近似する手法など勉強になった。
shirojpn
メーカー技術・研究・開発
機械学習の難しさ 特にニューラルネットワークにおける グローバル、ローカルでの説明方法について理解が深まった。
watanabe-tat
専門職
機械学習の難しさは、その結果を説明することである。深層学習と近似した機械学習モデルで説明を代替する手法が想定される。また教師あり学習データを機械学習モデルで分類、アノテーションさせて、学習データの特徴を機械学習モデルのパラメーターで説明する手法も考えられる。
iso_ken
専門職
訓練誤差がどんどん減っていくことが楽しくなって、過学習はついついやってしまいがちである。目的である汎化誤差を小さくするということを忘れないようにしなければならない。
matute
IT・WEB・エンジニア
機械学習の結果を説明する難しさが理解できた。機械学習を進める際、未学習・過学習の状況を分析すると共に生成した機械学習結果を単に信じるのではなく、帯域的説明や局所的説明である程度説明できるようにしたい。
t_htn
経営・経営企画
機械学習の課題が把握できた。
データ分析業務で活用する場合は、この観点に留意し、
精度の高い分析に繋げたいと思う
ken222
営業
機械学習の難しさをしっかり理解したい。
hfkd156036
金融・不動産 関連職
過学習と未学習について理解できた。
512177
資材・購買・物流
誤差の認識をもってデータを取り扱うことが重要
vegitaberu
人事・労務・法務
AI、機械学習の限界は、ぜひとも知っておきたいところです。ひと通りの復習はできたと思いますが、限界も、日々変わっていると思いますので、適宜、キャッチアップしていきたいと思います。