2018/8/6トレLABO３_AIの学び方・使い方

1. AIの学び方・使い方
トレノケート株式会社
ラーニングソリューション本部
テクニカルエバンジェリスト 山本 晃

2. AI界隈で飛び交う用語
ディープラーニング
教師データ
強化学習
自動運転
シグモイド関数
ニューラルネットワーク
多変量解析
全線結合層微分
クラスター分析
確率分布
隠れマルコフモデル
相関係数
ジニ係数
モンテカルロ法
重み
Q学習
AI
Python
Googleの猫
FaceAPI
GPGPU
人工ニューロン
パーセプトロン
AlphaGo
教師あり学習
正規化
2

3. 大量のデータから 「知見」 を引き出す
AI
Big Data
購買履歴・マーケティング情報
各種センサー
SNSデータ
社内データ
3

4. AIで成果が出ている主な領域
認識 提案 予測 自動化
精度を高めるためには
学習データの質と量、最適なアルゴリズムが重要
4

5. 順伝播 (入力データをもとに予測値を計算)
AIの代表的な実装方法 (教師あり学習)
 ニューラルネットワークをベースとしたディープラーニング
 入力データに含まれる 「正解」 と予測結果の誤差を算出
 誤差が最小化されるように各種パラメータを自動で更新
 アルゴリズムは科学計算や統計解析に基づく
逆伝播 (誤差を最小化するようにパラメータを調整)
予測値
正解
入力データ
出力
cat: 0.8
dog: 0.2
ニューラルネットワーク
5

6. AIを学ぶ・使うための最初のステップ
全体を俯瞰して現在地とゴールを見定める
6

7. AIを始めるために必要なこと
 利用者・開発者とも 「AIが何なのか」 を理解することが重要
 利用者: AIが何なのかを理解したうえで、何をしたいかを考える
 開発者: AIが何なのかを理解したうえで、どう作るかを考える
利用者
• 事業会社
• ユーザー部門
開発者
• システム
インテグレータ
• 開発部門
共通の認識・言葉で会話ができること
「何ができるのか」
「何をしたいのか」
「何が必要なのか」
課題解決
AI
7

8. AIを利用・構築するための3つのプロセス
デプロイデータ準備 モデル構築/可視化
予測モデルにフィットするように
データを収集・抽出・加工
既存システムとの統合学習済モデルの利用や
新規に構築
計算リソース
OS/ランタイム
プログラミング言語
フレームワーク
学習モデル
AI開発・実行環境のビルディングブロック
• 各種コンペティションで優勝したモデルの流用も可能
• 実行環境は自前構築または各種クラウドサービスの利用
(IaaS, PaaS, SaaSなど)
8

9. AI関連のコース紹介

10. AI関連トレーニング ラインナップ(抜粋)
10
BSC0030G: 2日間
AI・IoTビジネス創造
～AI・IoT活用による新規事業のつくり方～
DBC0100V: 2日
R言語によるビジネス
統計解析入門
DBC0098V: 3日間
ディープラーニング
ハンズオンセミナー
DBC0099G: 1日間
マシンラーニングオーバービュー
～AIを支える技術・理論・利用方法を学ぶ～
BSC0031G: 2日間
AI・IoTビジネス戦略
～戦略から計画を立案するスキルを習得する～
PRC0092G: 2日間
Pythonプログラミング入門
JAC0083G: 2日間
Javaデータベースプログラミング
MSC0468G: 2日間
.NETデータベースプログラミング
～ADO.NET～
DB0044CG: 2日
基礎から学べる実践SQL
DBC0096R: 2日間
機械学習による
問題解決実践
～データサイエンティスト入門研修～
DBC0095R: 3日間
Rによる統計解析
～データサイエンティスト入門研修～
AI・モデル構築編 AIビジネス企画編
コアスキル
データ分析編
ベンダー系研修
MSC0634G: Azure Machine Learning 基礎
NFC0305R: Google Cloud Platform Fundamentals:
BigData and Machine Learning
AWC0043R: Deep Learning on AWS
BMC0253R: COG80 IBM Watson 開発道場
DBC0038R: SAS(R) による統計解析

11. マシンラーニングオーバービュー (DBC0099G; 1日間、講義＋デモ)
対象者
・ サービス企画担当者
・ プロジェクトマネージャー
・ システムエンジニア
前提条件
・ 特に無し
「機械学習が何なのか」、「どのように動いているのか」、
「導入・利用するには何が必要なのか」を1日で効率的に学習可能
学習内容
1. 機械学習の概要
2. 教師あり学習
3. ニューラルネットワーク
4. 教師なし学習
5. 強化学習
6. 機械学習の利用と実装
11

12. ディープラーニング ハンズオンセミナー (DBC0098V; 3日間、講義＋ラボ)
数学やプログラミングの基礎から始まり、Chainerによる実装、Azure上のGPUマシンでの
計算、画像・時系列・自然言語の取扱い方も含めた実践的な実装までを幅広く紹介
7. ディープラーニングの数学
8. ディープラーニングの実装
9. 画像処理入門
10. CNNを用いた画像処理
11. RNNを用いた時系列解析
12. RNNを用いた自然言語処理
13. RNN（Seq2Seq）を用いた機械対話の実装
学習内容
1. イントロダクション
2. 微分
3. 線形代数
4. 重回帰分析
5. Python入門
6. Azure / Docker入門
前提条件
・何らかのプログラミング経験をお持ちの方
12

13. R言語によるビジネス統計解析入門 (DBC0100V; 2日間、講義＋演習)
対象者
・ マーケティング担当者
・ サービス企画担当者
・ システムエンジニア
前提条件
・ 特に無し
R言語環境の構築から基本的なデータの操作、簡単な分析の手法を
2日間の講義と実機演習を通じて効率よく学習
学習内容
1. データ分析概要
2. R言語の基本操作
3. データの特徴の把握
4. 基本的なデータ分析手法
13

14. AI・IoTビジネス創造 (BSC0030G; 2日間、講義＋グループ演習)
ビジネスモデル キャンバスをベースに、AIやビッグデータなどのテクノロジーの捉え方、
データ分析による課題の抽出から新規事業の企画書の作成方法を学習
学習内容
1. オリエンテーション
2. AIとIoTにより実現する世界観
3. ビジネス・モデルを策定する
4. 新規事業のタネの見つけ方
5. プチ起業
対象者
・ 企画担当者
・ 営業担当者
前提条件
・ 特に無し
14

15. 再掲: AI関連トレーニング ラインナップ(抜粋)
15
BSC0030G: 2日間
AI・IoTビジネス創造
～AI・IoT活用による新規事業のつくり方～
DBC0100V: 2日
R言語によるビジネス
統計解析入門
DBC0098V: 3日間
ディープラーニング
ハンズオンセミナー
DBC0099G: 1日間
マシンラーニングオーバービュー
～AIを支える技術・理論・利用方法を学ぶ～
BSC0031G: 2日間
AI・IoTビジネス戦略
～戦略から計画を立案するスキルを習得する～
PRC0092G: 2日間
Pythonプログラミング入門
JAC0083G: 2日間
Javaデータベースプログラミング
MSC0468G: 2日間
.NETデータベースプログラミング
～ADO.NET～
DB0044CG: 2日
基礎から学べる実践SQL
DBC0096R: 2日間
機械学習による
問題解決実践
～データサイエンティスト入門研修～
DBC0095R: 3日間
Rによる統計解析
～データサイエンティスト入門研修～
AI・モデル構築編 AIビジネス企画編
コアスキル
データ分析編
ベンダー系研修
MSC0634G: Azure Machine Learning 基礎
NFC0305R: Google Cloud Platform Fundamentals:
BigData and Machine Learning
AWC0043R: Deep Learning on AWS
BMC0253R: COG80 IBM Watson 開発道場
DBC0038R: SAS(R) による統計解析