しかし、ゴーン社長の経営判断と同じくらい筆者が興味深いと思ったのが、5月24日に発表されたトヨタ自動車と、米ウーバーテクノロジーズの提携発表である。正確には、「ライドシェア領域における協業を検討する旨の覚書を締結した」ということであり、具体的な協業の内容はこれから詰めていくということなのだが、今回の合意を通じ、トヨタファイナンシャルサービス（TFS）および、トヨタや三井住友銀行が出資する未来創生ファンドから、ウーバーに戦略的出資をすることは決まっているようだ。 筆者が注目したのは、その具体的な取り組みの1つとして、「TFSがユーザーに車両をリースし、ユーザーがウーバーのドライバーとして得た収入からリース料を支払うサービスを構築する」としていることだ。このサービスは、ウーバーが既に現在ドライバー向けに提供している、車両導入を支援する「Vehicle Solutions」プログラムに基づくもの

10月16日に閉幕したパリモーターショー。報道公開日は各種の記者発表を駆けずり回ったが、最も印象に残ったのは、「CASE＝ケース」という造語だった。 発言の主は独ダイムラーのディーター・ツェッチェ社長だ。「ダイムラーが新ブランドを立ち上げるらしい」。そんな噂によって報道陣で溢れかえった会場に、お馴染みの髭をたくわえジーンズ姿で登壇したツェッチェ社長は、新型EV（電気自動車）の発表をこう切り出した。 「学生にメッセージを送りましょう。私は（大学で）電気工学を学んだ。なぜ機械工学を学ばないのかと言われたが、この40年間が間違っていなかったと確認できた。今日のメーントピックはEV（電気自動車）だ」 そしてプレゼン終盤に、翌日の現地新聞紙面を賑わせたEV専用の新ブランド「EQ」を発表したのだが、記者はむしろその前にツェッチェ社長が言った「CASEこそ業界を一変させる力を持っている」というフレーズが

スウェーデン第二の都市、イエーテボリ。乗用車大手ボルボ・カーの本社があるこの街で、面白い体験をした。ボルボの担当者がスマホを使ってEC（電子商取引）サイトから日用品を購入。そのままボルボ車に乗ってしばらく待っていると、配達員が我々の乗るクルマのトランクを勝手に開け、注文した荷物をそこに置いて何も言わずに立ち去ったのだ。 これはボルボが今年5月に始めた配送サービス「イン・カー・デリバリー」。スウェーデンのベンチャー企業や北欧最大の物流会社ポストノードなどと共同開発し、注文した商品を対象区域ならどこでもクルマのトランクに届けるサービスだ。世界で初めてボルボがサービスを始めた。 もちろん、運転者が乗っていなくても配達員は勝手にトランクを開ける。物流会社にとっては再配達の手間が減り、注文した消費者にとってもすぐに受け取れるメリットがある。今年10月時点でボルボのユーザー1万人が同サービスに登録して

プログラミング言語「Python」は機械学習の分野で広く使われており、最近の機械学習／Deep Learningの流行により使う人が増えているかと思います。一方で、「機械学習に興味を持ったので自分でも試してみたいけど、どこから手を付けていいのか」という話もよく聞きます。本連載「Pythonで始める機械学習入門」では、そのような人をターゲットに、Pythonを使った機械学習について主要なライブラリ／ツールの使い方を中心に解説していきます。 連載第1回は、ライブラリ／ツール群の概要説明からです。各ライブラリ／ツールの詳細な使い方や実用上のテクニックは連載第2回以降で解説していきます。ここで挙げるライブラリ／ツール群は「普段、筆者が仕事で使っているもの」という基準で選定されています。そういう意味で全く網羅的ではなく、独断と偏見であることを自覚していますので、ご了承ください。 連載初回である本稿で

クリエイティブ業務で、新しいアイデアにチームの影響力が最も及ぶのは、その形成段階です。プレビューや下書きを同僚に見られることは、その案件の発展に大きな――通常はプラスの――影響を及ぼします。しかし、この初期段階は、チームが最も注意すべきステージでもあるのです。では、クリエイティブ業務がしやすい環境をつくるにあたって、チームが気をつけるべき4つの落とし穴を以下に挙げます。 1． 守りの気風文化を築いてしまう 草案段階から完璧を狙うと、創造過程に過度のストレスが加わります。試行錯誤を繰り返して、修正を加えていけば解決法は見えてきます。優れた小説のアイデアは、問題についてひたすら考え直す意思にかかっている、という研究報告もあるほどです。 しかし、残念なことに、人間の本質が、この単純な事実を複雑化してしまうのです。「最終版」を出稿する前に、社内でプロジェクトを共有する必要があるのですが、初期の発想

Adobe is one of the oldest and biggest names in computer software. The company is synonymous with web technologies and design programs. You usually have to pay a pretty penny for them, but you'll be surprised to know you can get some free Adobe apps these days. The company has recently been releasing several apps and programs for free. For instance, lesser-known free Adobe software like Adobe Scan

2015年に注目を浴びた技術として、ニューラルネットワークやDeep Learningがありました。特にインパクトがあったのは、グーグルが7月に発表した「Deep Dream」。どんな画像でも芸術的？ にしてしまうことで注目されました。 主に画像処理の部分で注目を集めたDeep Learningやニューラルネットワークですが、その応用は映像認識、音声認識、金融市場関連の時系列解析、自動車事故の予測、作曲、文章校正などさまざまな分野で期待されています。 ＠ITでもDeep Learningやニューラルネットワークを使った画像処理についての解説記事を展開しました。著者はリクルートテクノロジーズ。リクルートグループにおける実際の開発経験を基に解説しています。 一見難しそうですが、精読することで、その仕組みを正しく理解できることでしょう。今後も注目のDeep Learningについて知りたい方は、

個人と対話するボットの裏側――大衆化するITの出口とバックエンド：クラウド時代のサービス開発――「個人と対話する機械」を作るヒント（1）（1/3 ページ） マシンラーニング、ディープラーニングなど、未来を感じさせる数理モデルを使ったコンピューター実装が注目されている。自ら学習し、機械だけでなく人間との対話も可能な技術だ。では、コンピューターはどのように人間との対話を図ればよいのだろうか。コンピューターの技術だけでなく、そこで実装されるべきインターフェースデザインを考えるヒントを、あるコンシューマーアプリ開発のストーリーから見ていく。 データ解析や自動応答の仕組み、人工知能に向けた取り組みなどが各種考案されている。 「人間と対話する機械」という意味では、単純な仕組みから高度な仕組みまで、多様な実装が行われている。例えば「IBM Watson」のように、広大な知を背景にしたシステムと接続し、「

筆者が所属するリクルートテクノロジーズでは機械学習をはじめとしたデータ解析を用いた社内向けソリューションをAPIで提供するプロジェクト「A3RT（Analytics And Artificial Intelligence API via Recruit Technologies）」が2016年に発足し、自然言語処理や画像解析、レコメンドなどの分野において研究開発と実践への導入が盛んに行われています。 A3RTにおいて、筆者が取り組んでいる課題の1つとして「校正」があります。 リクルートはもともと紙を媒体とする情報誌を発行している会社で、ネット化が進んだ現在でも大量の求人票や記事を日々作成しています。作成される原稿はカスタマーとクライアントをつなぐ重要な媒体であり、そこに間違いがあると大きな機会損失となります。そのため、現状では人手でその原稿を校正するため膨大なコストと時間がかかっています。

「AI」「機械学習」「ディープラーニング」は、それぞれ何が違うのか：「ニューラルネットワーク」とは何か 「AI」「機械学習」「ディープラーニング」は、それぞれ何が違うのか。GPUコンピューティングを推進するNVIDIAが、これらの違いを背景および技術的要素で解説した。 米NVIDIAは2016年7月29日、公式ブログでテクノロジージャーナリストであるマイケル・コープランド氏による記事「人工知能、機械学習、ディープラーニングの違いとは」を公開した。今後のビジネスを変革すると期待される技術の1つとして、「AI（Artificial Intelligence：人工知能）」が注目を集めている。このAIは、「機械学習」や「ディープラーニング」とともに取り上げられることが多いことから、この3つの単語の意味や背景を整理して解説したものだ。以下、ブログ記事を抄訳する。 AI、機械学習、ディープラーニングの

キャリア、転職、人材育成のヒントを提供してきた「リスキリング」チャンネルは新生「NIKKEIリスキリング」としてスタート。 ビジネスパーソンのためのファッション情報を集めた「Men’s Fashion」チャンネルは「THE NIKKEI MAGAZINE」デジタル版に進化しました。 その他のチャンネルはお休みし、公開コンテンツのほとんどは「日経電子版」ならびに課題解決型サイト「日経BizGate」で引き続きご覧いただけます。

社員を低賃金で働かせることは、企業にとっても有益ではないと証明できるのか。「売名行為」と揶揄されながらも、あるスタートアップのCEOが経済界に新たな風を吹き込んだ。 2011年12月のある日。クレジット決済サービスを提供する「グラビティ・ペイメンツ」で働くジェイソン・ヘイリーは機嫌が悪かった。それに気付いた同社のCEOダン・プライスはヘイリーに理由を尋ねた。すると彼はこう答えた。 「あんたに搾取されているからだ」 プライスは驚き、こう反論した。「君の給料は相場に基づいたもので、搾り取る気なんてまったくない」。 だが、相場など関係ない、とヘイリーは言い返した。「あんたは自分が節約家だといつも豪語しているが、そのせいで俺はまともな暮らしを送る金さえ稼げていないんだ」。 プライスはプライドを傷つけられ、むっとして立ち去った。それから数日間、彼は家族や友人に愚痴をこぼした。04年に5歳上の兄ルーカ

今回は、Wekaノードを用いた機械学習を行ってみます。 ここでは例として、Adaboost M1、Naive Bayes、Multilayer Perceptron、K Star、Best-first decision tree、5つの機械学習アルゴリズムを用いました。 訓練用データ、テストデータは、以下のサイトにある化合物のlogS値(Huuskonen dataset)を利用しています。 入手先： https://github.com/rdkit/rdkit-orig/tree/master/Docs/Book/data ファイル名： solubility.train.sdf, solubility.test.sdf 各ノードの設定方法を説明します。 各ノードを配置、接続した後、ノードをダブルクリックするとConfigureが開き、設定を行うことができます 訓練データの入力 SDFの読

IBM Developer is your one-stop location for getting hands-on training and learning in-demand skills on relevant technologies such as generative AI, data science, AI, and open source.

以前、KNIMEというツールにまつわる記事を書きました。その時はほんの一部の機能だけを紹介しましたが、より実用的と言える利用法についてまとめたいと思います。 KNIMEについて KNIMEを使うと、データマイニングのプロセス全体、つまり、データソースからデータを読み取り、何らかの加工を行い、分析を実行、結果をレポートしたり、ファイルに出力したり、といった諸々をGUIで設計し、実行することが出来ます。こうしたツールが無ければ手作業で複数のコマンドを実行したり、少なからぬプログラムを書かなければなりません。今後の説明のために、KNIMEの構造について簡単にご説明しておきます。 workflow 一連のデータマイニングプロセスをまとめる単位です。KNIMEは複数のworkflowを管理することが出来ます。 node workflowにおける様々な操作が実装された単位。workflow上に複数の様

www.goodbyebluethursday.com is using a security service for protection against online attacks. This process is automatic. You will be redirected once the validation is complete.

ホーム ＞統計解析・品質管理 ＞製品案内 ＞手法一覧 SEM(構造方程式モデリング)とは（因果分析） SEMとは「構造方程式モデリング」または「共分散構造分析」と呼ばれ，重回帰分析や因子分析，パス解析などの機能を併せ持つ統合手法として，従来の多変量解析を超えた一歩進んだ解析手法です． 現在マーケティングや社会調査，心理学などの分野でよく利用されておりますが，技術開発や製造工程のデータ分析，新商品開発における「意識調査分析」「品質改善活動」など，ものづくりや理工学系の研究や教育においても有効な手法です． 構造方程式モデリングでは，パス図を用いて変数間の因果関係を表します．矢線で表したパス図により，難しい統計モデルの構造をビジュアルでわかりやすく表現することができます． 「JUSE-StatWorks/V4.0 SEM因果分析編 製品発表説明会」で発表された公開資料をご覧いただけます． 椿 広