はてなブックマーク

現在、多くの人が使用しているコミュニケーションツールの1つにメールがありますよね。最近は連絡にSNSを使用することが増えていますが、それでもメールは定番の連絡手段として、プライベートや仕事など多くの場面で使用されています。 そのメールに備わっている、いくつかの便利な機能の1つに迷惑メールのフィルタリング機能がありますよね。迷惑メールとは広告・勧誘などの不要なメール。それをフィルタリング機能は、迷惑メールと判定したら指定のフォルダに振り分けてくれます。 そして、この便利なフィルタリング機能の仕組みに使用されているのが、ベイズの定理です。詳しく覚えていなくてもベイズの定理について、学生時代に学んだ記憶がある人もいるかもしれません。そのベイズの定理は、最先端技術のAI（人工知能）の開発技術である機械学習にも応用されています。 しかし、AI（人工知能）に使われているといっても、ベイズの定理の計算自

機械学習を行えば、インプットされるデータをもとにあらゆる目的のデータを推測・分類できますよね。その範囲はAI（人工知能）にもおよび、数々の先端技術の開発やデータソリューションの要としてなくてはならない存在です。そして、この機械学習に使われるのが、テンソルです。 テンソルは、多次元データの集合体で、AI（人工知能）の画像認識、音声認識、自然言語処理、言語翻訳などに欠かせないディープラーニング（深層学習）で必要なデータセットとして広く活用されています。テンソルをうまく使って膨大なデータをAI（人工知能）に反復学習させ、パターン化に成功すれば、有効なシステムやプロダクトが完成します。 この記事で機械学習の学びに有効なテンソルについて理解して、AI関連の先進的な技術やシステムの開発に役立てましょう。 そこで今回は、テンソルと機械学習の関連性や応用例、GoogleのTensorFlowとの関連性など

はじめてPythonの入門書を選ぶときは、どれが良いのか迷ってしまいますよね。「Python　入門書」でインターネット検索すると、たくさんの入門書の情報が出てきます。例えば、初心者でもPythonでゲーム開発ができる本、初心者向けでもプログラミング未経験向けと経験者向けなど、さまざまな入門書が出ています。 しかし、それらの情報に目を通していくうちに「本当に自分に合った入門書はどれだろう」、と余計にわからなくなるかもしれません。特にプログラミング自体が初めての超初心者は、入門書を選ぶ基準自体がわからないので、迷うのは当然です。 そこで今回は、Pythonを「始める前」「始めてから」「実践しながら」の3つのシチュエーションに分けて、これからPythonを始める超初心者におすすめしたい入門書についてお伝えします。

Pythonでの開発を始めるときに、０からすべてのコードを記述するのは大変ですよね。そんな時には、Pythonのライブラリ（ある機能を記載したPythonファイルまたはPythonファイル群）をインストールするとよいでしょう。 Pythonは、機械学習をはじめとしたAI（人工知能）開発、データ分析やWeb開発など様々な分野の開発において非常に力を発揮します。その理由の1つが、豊富な外部ライブラリの存在。Pythonの外部ライブラリをインストールすることですぐに開発を始めることができます。そして、Pythonの外部ライブラリをインストールするための道具がpipコマンドです。 そこで今回は、Pythonの外部ライブラリをインストールするのに利用するpipコマンドについてお伝えします。ぜひ、pipコマンドをマスターして様々な分野の開発を始めてみましょう。 pipコマンドとは pipコマンドとは、

DX(デジタルトランスフォーメーション) AIでSDGs！人工知能を活用した地球温暖化の取り組みについて調べてみた 最近はあらゆる場所や業界で人工知能（AI）が利用されるようになっていますよね。昨今話題になっているSDGsや、それに関わる地球温暖化などにも、人工知能（AI）を活用した取り組みが行われているのです。 なお、SDGsとは国連に採択された17の持続可能な開発目標のことであり、この中には地球温暖化に関わる目標がいくつか存在しています。地球温暖化は私たちの将来にも大きな影響をもたらすので、重要な話題とも言えるでしょう。 そこで今回は、人工知能（AI）が本当に地球温暖化を解決するのかについてお伝えします。合わせてSDGsの意味や人工知能（AI）が地球温暖化に取り組む具体的な事例や問題点、人工知能（AI）と地球温暖化の未来についても解説します。

AI（人工知能）開発をするならPythonと機械学習の習得は必須項目ですよね。これまで開発された多くのAI（人工知能）にはPythonと機械学習が使用されています。 AI（人工知能）の開発を行うためには、AI（人工知能）の中心技術である機械学習ができることが必須です。その機械学習を最も効率的にできる言語が、Pythonです。そのためAI（人工知能）開発をするならPythonで行う機械学習の習得が必要です。 そしてPythonでの機械学習を勉強する前に「Pythonと機械学習について」と「Pythonと機械学習がAI（人工知能）で多用されているのはどうしてか」を知っておくと、学習内容も理解しやすくなるに違いありません。そこで今回はPythonと機械学習の概要や、2つをAI（人工知能）に用いるメリットなど、知っておくと有利なことについてお伝えします。 機械学習とは何か 機械学習とは、AI（人工

今では機械に複数の言語を翻訳させたり、知りたい情報を検索サービスですぐに得られるようになりましたよね。実はこの背景には形態素解析という技術が大きく関係しています。 実はこの形態素解析は形態素解析エンジン「MeCab」で体験することができます。 それではこの形態素解析が体験できる形態素解析エンジン「MeCab」をPythonで利用する方法を説明していきましょう。 このMeCabとは形態素解析ができるソフトウェアのこと。単体で利用したり、プログラミング言語「Python」とMeCab連携して使うことが可能です。 そこでまずMeCabと形態素解析についての基本やどのような環境構築・準備が必要なのか。また、MeCabのインストール・Pythonと連携させる方法、PythonでMeCabを利用した形態素解析をする方法を具体的にお話します。 最後にはMeCabを使うときのポイントや、みなさんに併せてお

Pythonライブラリとは Pythonのライブラリとは、複数のパッケージをまとめたものです。パッケージは複数のモジュールをまとめたもので、モジュールは複数の関数をまとめたものです。 つまり、 のような関係性があります。 ライブラリには、標準ライブラリと外部ライブラリがあります。標準ライブラリは、Pythonをインストールした際に標準でインストールされているライブラリです。そのため、自分でインストールをする必要はありません。 対して外部ライブラリは、標準ではインストールされておらず自分でインストールが必要なライブラリです。 ではここからは、各ライブラリの紹介しましょう。 まずはこれから！標準ライブラリ3選 標準ライブラリでおさえておきたいライブラリは3つです。 pip Pythonで書かれたライブラリをインストールや管理をするためのライブラリがpip。ライブラリをインストールする場合、pi

AI（人工知能）と聞いて、人間のように自然な会話ができるドラえもんやしゃべるロボットを想像する方も多いですよね。このようにコンピューターを使って人間の言葉を取り扱うことを自然言語処理(NLP Natural Language Processing)といいます。 自然言語処理については、昨今のAI（人工知能）ブームの中でも多くの研究がされていて、なんと人間よりも高精度な読解を行えるような研究成果も多数報告されています！そんな自然言語処理ですが、実は身の回りでも多くその技術が用いられています。自然言語処理がどのように活用されているかを知ることで、日常生活でそれらの技術が取り入れられているシステムをうまく活用できるようになったり、ビジネスでもどのように活用すれば良いかを考えるきっかけになるかもしれません。 そこで今回は、身近な自然言語処理の活用事例についてご紹介します。 自然言語処理（NLP）と

アジャイル開発とは アジャイル開発のアジャイル（Agile）とは「素早い」という意味で、従来のシステム開発手法に比べて開発期間が短く済むシステム開発の手法のひとつです。その秘訣はシステム開発の区切りが大きな単位ではなく、小さな単位でおこなわれることにあります。 従来型のシステム開発として有名なのがウォーターフォール開発で、これは最初の段階で要件定義や設計をおこない、開発やテスト、運用などを順々に進めていくというものでした。ウォーターフォール開発は予算や納期をコントロールしやすい一方、仕様の抜け落ちや変更があると前の工程を見直さなければならず、開発期間の延長へとつながるというデメリットがありました。 その一方でアジャイル開発では小さい単位で進められるため、仕様の変更や追加機能のシステム開発が容易です。これは、市場の変化やITの新技術を組み込みに対応する必要のある現代において有効であり、現在主

まずGitは、前述でもお伝えした通りソースコードのバージョン管理システムの一つです。ただデータを保存するだけでなく、誰がいつどこを編集したのかといった履歴を保存し、いつでも当時の状態に戻れるように管理することができます。 例えば、Aさんが「僕は昨日ソースコードを編集した」と言っている一方で、Bさんは「私は今朝コードを編集した」と言っているとします。するとCさんは編集作業前に、「結局どっちが最新なの？」と迷ってしまいますよね。しかしGitを使うことにより、どのファイルが最新か、そしてAさんBさんはどこを直したのか、そういったことがすぐにわかるようになるのです。 具体的なGitの操作は以下のとおり。今回は「〜.html」ファイルを共同開発者と共有する流れで見ていきます。 ※初見の方にとっては、難解なコマンドや用語が混じっているかもしれないが、ひとまずおまじないと思って読み飛ばしてください。 1

ディープラーニングに興味はあるけれども何から手をつけよう…そんな風に機械学習にあと一歩踏み込めていない人はいますよね。 そんな方は、まずはパソコンにTensorFlowをインストールしましょう。TensorFlowは機械学習を行うソフトウェアの中でも最も有名なものの一つです。比較的簡単に高度なディープラーニングのプログラムを作成することができるため、世界中で大変人気があります。 TensorFlowをパソコンにインストールしてしまえば、数十行のプログラムで機械学習を実行することができます。しかも、機械学習のプログラムは初心者向けに丁寧な解説がつきでたくさん存在し、インターネットで見つけたプログラムをコピペするだけでも簡単に実行できるのだとか。 さらにTensorFlowではコピペしたプログラムを実行するだけでも、参考書での勉強よりも圧倒的に大きな知識を得ることができます。要は「習うより慣れ

2020年より小学校でもプログラミング教育がスタートするということで、世間ではプログラミングに注目が集まっています。しかし、プログラミングとひとくくりに言ってもJavaやC言語など種類がたくさんあって困惑する方も多いですよね。 そこで、プログラミングを今から始める方におすすめしたいのが、Pythonというプログラミング言語です。近年注目を集めているAI（人口知能）にはPythonが使われることが多いのが現状です。Pythonを学習するうえでAI(人工知能)についての理解を深めることもできますし、WebサイトといったWeb系にも強いのがPythonの特徴です。 しかし、一からプログラミングを学習するのは難しいと考える方も多いですよね。そこで今日は、Pythonの入門サイトのおすすめについてお伝えしましょう。

AI（人工知能）やビッグデータを使ってみたくてPythonを勉強する人は多いですよね。そんなときに出てくるのが、Pythonを使ったデータ分析。 しかしいざ自分でデータ分析をしようとしても、「Pythonでのデータ分析って難しそう…」「Pythonのデータ分析って具体的に何をすればいいか分からない…」と戸惑ったり、やってみてもPythonが難しく使いこなせずにと尻込んでしまったりして、なかなかデータ分析ができない人も結構います。それでもAI（人工知能）を活用するためには、まず基本であるデータ分析をPythonでできるようになる必要があります。 そこで今回は、Pythonでデータ分析をする方法や役立つツールについてお伝えします。実際にPythonでデータ分析をするためには、まずは「そもそもデータ分析とは何をすること」なのか確認しましょう！ Pythonでデータ分析することとは データ分析につ

さまざまな分野で実用化が進められているAI（人工知能）は、これからの仕事に影響を与えるのは間違いなく、具体的にAI（人工知能）によってどのような仕事がどうなるのか気になりますよね。 近い将来さまざまな仕事が人間に代わりAI（人工知能）が行うようになり、人間のできる仕事が少なくなると予想されています。 実際にイギリスのオックスフォード大学によると、今後、現在ある90％の仕事はAI（人工知能）に代替されると公表されており、野村総合研究所は15年で49％の仕事がなくなると発表しました。 しかし現在あるすべての仕事がなくなるわけではなく、なくならない仕事もあればAI（人工知能）によって成長する仕事、新しく生まれる仕事もあるのです。 そこで、これからの仕事がAI（人工知能）によって、どのような影響を受けて変化していくのかについてお伝えしましょう。 AI（人工知能）に奪われる、なくなると⾔われている仕

今、巷でもよく聞く人気の職業、AIエンジニア。そして猛者たちがスキルを競い合う世界的コンペのKaggle。 これらに興味を持ったら、まず立ちはだかる第一の壁と言えば・・！？そう、「Pythonについて勉強すること」ですよね。 Pythonの勉強方法について検索すると、気になる本やオンライン学習サービスがたくさん出てきます。でも、いろいろありすぎて迷ってしまいますよね。 「Pythonを勉強したいけど、初心者が効率的に楽しく学習するには結局何が一番おすすめなの？」 私のおすすめは「Progate（プロゲート）をやってから、paizaラーニングに取り組むこと」です♪その理由はこれからわかりやすく解説していきますね☆ 私自身、プログラミングを全くやったことがなかった超初心者です^^;そんな私がAIエンジニア見習いとして、Pythonの勉強やKaggleに取り組むプロセスを、これからばっちりシェア

最近、AI（人工知能）を使ったアプリがどんどん出てきていてAI（人工知能）がますます便利で身近なものになってきてるよね。特にGAN（敵対的生成ネットワーク）っていう技術が現在注目されているけど、中には恐ろしいAI（人工知能）アプリがあって話題になってる。 その恐ろしい内容とは、、、 GAN（敵対的生成ネットワーク）を使って作られたアプリが女性の写真を裸にしてしまうというもの。 この内容を聞いただけでも世界中から大批判を浴びそうなアプリは、やっぱりその通りになってすぐ利用停止になったね。

AI(人工知能)の最新の動向をチェックするのに一番有効な手段は論文を読むこと。しかし「それは大学や大学院で専門の教員のもとにつかないと厳しいでしょう？普通は読めないよね？」と思う方もいますよね。 そんなことはありません。AI(人工知能)の論文を読むのは専門の教員のもとにつかなくても、ネット上で論文を探しpdfで読むことができます。 しかも、AI(人工知能)の論文をpdfで読めるサイトは意外と沢山あるのでどこで読めば良いのか迷ってしまう程。 そこで今回は、AI(人工知能)の論文pdfで読めるおすすめのサイトを6つに絞り、それぞれサイトの特徴などを交えてご紹介していきましょう。 それではまずは、Google Scholarからお伝えしていきます。

スライドを通して言語の学習ができるProgate AI(人工知能)を開発する足がかりとしておすすめのサイトの１つ目がProgateです。 このサイトの特徴はPythonなどの言語をイラスト中心のスライドで学べるところ。プログラミング用語についてもとても丁寧に解説されているので初心者でも安心して学習に取り組むことができます。 スライドでひと段落するごとに問題演習として実際にコードを書きながら理解度の確認をすることができ、そして演習をクリアするごとにレベルアップする仕組みになっているので学習がどこまで進んでいるか把握できるのも魅力的な点でしょう。この時コードを書くのはサイト上であるのでパソコンで環境構築をする必要はありません。 Pythonの基本的な使い方の項目については無料です。しかし、有料会員として月額980円のプランに加入すれば、サイト上で用意されている全ての講座を受講することができます

人工知能（AI）という言葉をテレビや新聞、ネットニュースでよく見かけるようになりましたよね。ですが、実際にその人工知能（AI）は私たちの生活にどのように関わっているのか、また、人工知能（AI）の作り方はあまり知らない方が多いでしょう。 しかし、現代のビジネスにおいて人工知能（AI）は「チャットボット」というサービスで大きく活躍しています。そして、その人工知能（AI）のチャットボットは非エンジニアでも作ることができるのです。 そこで今回は、そのチャットボットの仕組みや概要、そして非エンジニアでも出来る人工知能（AI）チャットボットを作れるサイト等をご紹介しましょう。 ぜひ、実際に人工知能（AI）作り方を体験してみてください。

AI（人工知能）を実現する技術である機械学習(※)を学んでいると、「機械学習はデータが命！データの品質と有益な情報の量で性能が決まる！」とはよく聞くもので、いかに優れたデータを作るかが機械学習エンジニアの腕の見せどころだと言われています。特徴量（データにどのような特徴があるかを数値で表現したもの）を抽出する作業は「特徴量エンジニアリング」と呼ばれますが、機械学習に関心のある方ならとても興味があることでしょう。 実際、元Google BrainやBaidu AIのリーダーでありその他の素晴らしい活動から著名なAndrew Ng氏も2013年に公開したレポートの中で 「機械学習の実践」とは、つまるところ特徴量エンジニアリングを行うことである と述べているほど、特徴量エンジニアリングは非常に重要です。 機械学習プロフェッショナルたちの技を無料で見てKaggle(※)で、特徴量エンジニアリングにつ

線形回帰では、データの傾向やパターンを上手く表現できる線を引く（数式を求める）ことで未知のデータ（連続値）を予測するのですが、実際どのようにそうした適切な線を引いているのか（適切な数式を求めているか）気になりますよね。 ※連続値・・・1.1や1.01のように繋がった値をとれるもののこと。時間や速度など 実はこの疑問に非常に関係しているのが平均二乗誤差（MSE：Mean Square Error）です。この平均二乗誤差（MSE：Mean Square Error）は何を表しているかというと、「モデルの性能がどれだけ悪いか」を示しています。 もっと具体的に言うと平均二乗誤差（MSE：Mean Square Error）は、「モデルがどれだけ悪いか」を実際の値と線形回帰モデルによる予測値のズレ（誤差）がどれだけあるかを示すものです。 なので、平均二乗誤差（MSE：Mean Square Erro

Googleが現在の機械学習（ML）をキーワードとするAI（人工知能）ブームの火付け役であることはご存知ですよね。 2012年に猫を「教師なし」学習で認識させることに成功し世界中を驚かせました。また、2017年にはGoogle配下の英ディープマインド社が開発したアルファ碁が世界最強の棋士との対戦で勝利をおさめ、AI（人工知能）が一般に認知されることとなったのです。 クラウド業界ではAmazonのAWSがトップシェアを誇り、これにMicrosoftのAzure、GoogleのGoogleCloud（GCP)が続き、そしてこの3社にIBMを加えて、シェアの半数を押さえている状態。 このように、GoogleはクラウドサービスGCPのシェア拡大を図るべく、最先端のAI（人工知能）機能を製品としてクラウドで提供することに注力しています。 そこで今回は、GoogleがGCPで提供しているAI製品やサー

フレームワークの位置付け まず最初に、AI（人工知能）関連技術の全体像におけるフレームワークの位置付けについて見てみましょう。 AI（人工知能）関連技術は以下の４つの層より構成されており、フレームワークは最下層のハードウェアに最も近い技術となります。 以下にフレームワーク以外の各層について簡単に説明します。 (1)AI （人工知能）アプリ/サービス 私たちがスマホあるいは家電製品で使用することができるサービスです。例としては検索サービス、チャットボット、スマートスピーカーおよびSiriなどがあります。 (2)AI （人工知能）プラットフォーム 自然言語理解/画像認識/動画分析/音声認識/機械翻訳などのAI （人工知能）機能をWebブラウザ経由で提供するサービス（有料）です。例としてはGoogle Cloud ML、Amazon MLおよびIBM Watsonなどがあります。 (4)ハードウ

AI（人工知能）・機械学習の分野において 「敵対的生成ネットワーク（GAN）は、この10年間で最も興味深いアイデアである」 これはディープラーニングの権威の一人であるYann LeCunが述べた言葉です。 敵対的生成ネットワーク（GAN）？？？ と思われた方は多いかもしれません。僕も敵対的生成ネットワーク（GAN）がわからなかったので調べてみたところ、、、今ディープラーニングの業界で最高に熱い話題になっている技術だということが判明しました。そしてこれがすごいのなんの！！！∑(ﾟДﾟ) 驚きの事例がわんさか出てくる出てくる！！あまりにすごかったのでシェアしたくなったわけです。そこで今回は、敵対的生成ネットワーク（GAN）を使うと何ができるか！？についてお伝えしていきます。 「ではまず仕組みの話から・・・」とすると「前置きはいいから早く事例事例！！」という声が聞こえてきそうなので今回は先に事例

最近ではあらゆる場所でAI（人工知能）が使われ、機械学習やディープラーニングといった言葉もよく聞くようになりましたよね。あのGoogleも、TensorFlow（テンソルフロー）というオープンソースの機械学習ライブラリを開発しています。このTensorFlow（テンソルフロー）を活用すれば、今後さらに多くの場所で使われるようになるであろう機械学習を簡単に行えるようになるかもしれません！ TensorFlow（テンソルフロー）はWindowsやMac、LinuxだけでなくAndroidやiOSといったスマートフォンでも無料で使うことができるという特徴があります。身近なコンピューターを使って無料で利用できる、機械学習ライブラリのTensorFlow（テンソルフロー）について知っておくことはこれからのIT社会できっと役に立つことでしょう。 そこで今回はTensorFlow（テンソルフロー）を用い