AI、データサイエンス

G検定

【ディープラーニングG検定対策】ディープラーニングの概要

G検定シラバス「ディープラーニングの概要」の範囲の対策。 難易度は中程度、過去問、問題集で十分フォローできる。 イテレーション=重み更新回数。 エポック=訓練データを使用した回数。 各種定理。 ・バーニーおじさんのルール ・ノーフリーランチ定理 ・みにくいアヒルの子定理 ・モンベックのパラドックス
G検定

【ディープラーニングG検定対策】機械学習の具体的手法

G検定シラバス「機械学習の具体的手法」の範囲の対策。 上記に加え以下も調べておく必要あり。 ・t-SNE(t-distributed Stochastic Neighbor Embedding :t分布型確率的近傍埋め込み) ・・次元削減アルゴリズムの一つ
G検定

【ディープラーニングG検定対策】人工知能分野の問題

G検定シラバス「人工知能分野の問題」の範囲の対策。 難易度は中程度。過去問、問題集でフォローできる。 強いAI=汎用AI=AGI(Artificial General Intelligence) 弱いAI=特化AI。 シンギュラリティについての各人の意見。
G検定

【ディープラーニングG検定対策】人工知能をめぐる動向

G検定シラバス「人工知能をめぐる動向」の範囲の対策。 難易度は中程度で、過去問、問題集で凡そフォローできる。 STRIPSは1971年 Richard FikesとNils Nilcsonの自動計画AI SHRDLUはCycプロジェクトから2001年にOpenCycとして公開される。
G検定

【ディープラーニングG検定対策】人工知能(AI)とは

G検定シラバス「人工知能(AI)とは」の範囲の対策。 基本的に難易度への影響は少ない部分であり、過去問、問題集だけの対策で十分と言える。 アーサー・サミュエルの発言 "明示的にプログラムしなくても学習する能力をコンピュータに与える研究分野" 各ブームの終焉理由は把握しておいた方が良い。
AI、データサイエンス

ディープラーニング、機械学習の基礎数学

微分係数の定義。 導関数の公式。 偏微分。 ベクトルの和。 行列の和。 行列の積。 統計学。 相関。
AI、データサイエンス

ディープラーニングの法律、倫理、現行の議論

AIプロダクト開発の工程を通じて関連する法律、倫理、現行の議論について記載する。 プロダクトを考える。 データを集める。 データの加工、分析、学習。 実装、運用、評価。 クライシスマネジメント。
AI、データサイエンス

ディープラーニングの産業への応用 その2

産業への応用の応用例を列挙。 タクシー需要予測。 来店者情報。 無人コンビニ。 多様な作業。 物流。 農業。 金融。 学習。 インターネット関連。
AI、データサイエンス

ディープラーニングの産業への応用 その1

G検定対策はこちら はじめに 産業への応用の応用例を列挙。 ものづくり 不良品検出 「不良品が発生する頻度が少ない」ことが課題。良品データのみの特徴を抽出し、その差分で不良品を検出。つまり、良品データでなければ不良品という考え方。AutoE...
AI、データサイエンス

ディープラーニングの研究分野 その3

ディープラーニングの研究分野である、音声認識と強化学習について記載する。 RNNの聴覚、音声分野の成果としてWaveNet(ウェーブネット)が存在する。 WaveNetは音声合成(Speech synthesis)と音声認識(Speech recognition)の両方を行えるモデル。