rinna株式会社について rinna株式会社は、2020年6⽉に設⽴したAIキャラクター開発企業です。「あなたらしい創造力をAIキャラクターと共に引き出し、世界をカラフルに。」をミッションに掲げ、人と人、人と情報、人と社会との繋がりやコミュニケーションの新しいあり方を提案しています。任意の人格の口調や学習トピックを反映し、自然な会話をするAIキャラクターを作成できる「Tamashiru」、社内コミュニケーションの透明性を高め、組織の繋がりを強くする「Coordiru」、自分のAIキャラクターを育成し、他のAIキャラクターと交流するSNSアプリ「キャラる」などを提供しています。 rinna株式会社は「人とAIの共創世界」をビジョンに掲げ、人と人との間にAIが介在することで、すべての人が自分らしい創造性を発揮できる社会の実現を目指しています。このような取り組みの中で、画像などの非言語コミュニ

AIエンジニアはやめとけと言われる7つの理由 では、なぜ需要も高く人気なAIエンジニアを目指すのはやめとけと言われているのでしょうか。 7つの理由を紹介します。 他の職種よりも激務 難しい数学の知識が必要 日々最新技術の勉強をしなければならない 身に付けるべき技術のハードルが高い 周りのレベルが高すぎる 運動不足になりがち 将来AIエンジニアへの参入が難しくなる ①他の職種よりも激務 まず1つ目は他の職種よりも激務であることです。 AIエンジニアは需要が高い職業である一方、要求される技術レベルが高く、加えてIT市場へのAIエンジニアの供給人数が少ないため激務になります。 また、システムの仕様変更なども多く、クライアントの納期に間に合わせるためには労働時間も残業が多く、休日勤務もあります。 激務であるからこそ待遇はよく、未経験でも働ける場合はありますが、ワークライフバランスも考える必要があり

こんにちは！Team AIでは渋谷の拠点で機械学習の研究会を行なっていますが、中でも目玉なのが、データ分析のコンペサイトKaggle.comを使ったデータ分析ハッカソンです。 現状、産業別にテーマを分けて、FinTech、医療、HR、マーケティング、自然言語の各分野のハッカソンを定期的に行なっています。 データをこねくり回してみて、Kernel(他のユーザーのケーススタディ)を写経して理解して、腹落ちしない点を教科書から探して読んで理解する、逆向きの学習がいいと思っています。(諸説あると思いますが) 今日は、初学者のアプローチとして、Kaggle CTOがQuoraというQ&Aサイトでユーザーからの質問に答えており、内容が素晴らしかったので、概要を紹介します。 詳細は下記サイトでご覧くださいね。 https://www.quora.com/What-are-the-best-sources

自然言語処理を学ぶために本を探しているけど、結局どの本を選べばいいのかよく分からなくなっていませんか？ 本で入門程度の自然言語処理を学んでみたい方もいれば、自然言語処理のシステム開発を学びたい方もいるでしょう。 そのような方々のために、本記事では自然言語処理を学ぶための本を学習レベル別にご紹介します。 また記事の後半では、PythonやJavaなどのプログラミング言語別に、自然言語処理を学ぶための本もご紹介しているので、ぜひ最後までご覧ください。

■AI専門メディア AINOW編集長 ■カメラマン ■Twitterでも発信しています。@ozaken_AI ■AINOWのTwitterもぜひ！ @ainow_AI ┃ AIが人間と共存していく社会を作りたい。活用の視点でAIの情報を発信します。

著者のParul Pandey氏は世界各地に拠点のあるAIスタートアップH2O.aiでデータサイエンス・エバンジェリストを務めており、AINOW翻訳記事『あなたのビジネスにAI戦略を効果的に使用する方法』の著者でもあります。同氏が最近Mediumに投稿した記事では、H2O.aiに所属するKaggleグランドマスターにKaggleの取り組み方に関してインタビューしました。 データサイエンティストのPhilipp Singer氏は、オーストリアのグラーツ工科大学で博士号を取得後、自身の知識を応用する機会を求めてデータサイエンス業界に入りました。同氏がKaggleを始めたのは単なる情報収集がきっかけだったのですが、優秀な成績をおさめたことによってKaggleに夢中になりました。そんな同氏のKaggleの取り組み方、そしてKaggleから学んだことの要点をまとめると、以下のようになります。 Kag

ビジョン：現実世界を計算可能にすることを目指す PFNのビジョンは以下の通りです。 『現実世界を計算可能にする。自分たちの手で革新的かつ本質的な技術を開発し、未知なる領域にチャレンジしていく。』 私たちはソフトウェアとハードウェアを高度に融合し、自動車やロボットなどのデバイスをより賢く進化させます。 常に変化する環境や状況に柔軟に対処できる賢いデバイスができれば、物理世界をリアルタイムにセンシングし、現実世界そのものが計算可能になります。 技術を使って、自分たちが見たことが無い、まだ知らない世界を知りたい。 すでにわかっている領域で勝負するのではなく、技術の力で想像を超えた世界に挑戦していきます。 出典：https://preferred.jp/ja/company/who/ このビジョンを見ると、PFNが高い視座を持ち、未知の領域に挑戦する社風だと分かります。 PFNはビジョンを掲げるだ

著者のDaniel Bourke氏はオーストラリア在住の機械学習エンジニアであり、Mediumに機械学習の学びに関する様々な記事を投稿しています。『いかにして私は機械学習を再び学び始めたか（3年後）』では「知識ゼロ、コーディング経験なし」の状態から機械学習を学び始めて3年が経過したので、改めて自分のキャリアを振り返ったうえで、同氏が考える機械学習初学者向けの学習の指針がまとめられています。 同氏が考える機械学習初学者向けの学習の指針とは、以下のような6項目にまとめることができます。 オンライン講座はどれも内容は似たようなもの。内容より学ぶ興味を掻き立ててくれる教師を探せ。 ツールではなくプログラミング言語に精通せよ。 学習過程で開発したモデルは、開発環境で終わらせずに本番環境に実装せよ。 機械学習初学者に必要な数学の知識は、直面している問題を解決するのに必要なだけのもの。 オンライン講座の

著者のParul Pandey氏はAIスタートアップH2O.aiに勤めるデータサイエンティストであり、AINOW翻訳記事『レコメンデーションシステムの驚くべき世界【前編】』および後編の著者でもあります。同氏が最近Mediumに投稿した記事『データ可視化を簡単に始めるための5つの「追加の」オープンソースツール』では、無料で使えて役に立つデータ可視化ツールが紹介されています。 同氏が紹介する5つのデータ可視化ツールとは、以下のようなものです。 データ可視化を簡単に始めるための5つのオープンソースツール一覧

最終更新日： 2020年12月11日 こんにちは。AINOW編集部のうしろです。 最近、機械学習などのAI技術に注目が集まると同時に、キャリアプランを考える際にAI関連の職業を志望する学生が増加しています。また、最先端IT人材が不足している今、各社が優秀な学生を求めてインターンシップ制度を取り入れ、人材確保に力を入れています。 「将来機械学習に関係する仕事をしたい」と思っている学生には、インターンに行って経験を積むという選択肢がおすすめです。 ということで今回は、「機械学習インターンとは？」というテーマで書いていきます。 なぜインターンをする必要があるのか？ 前述で、機械学習に関する仕事をしたいと思っている学生には「インターンに行って経験を積む」という選択肢がおすすめと述べましたが、なぜインターンをする必要があるのでしょうか。 その理由は主に2つあります。 実際の環境でAIを構築するスキル

著者のGanes Kesari氏はMediumに多数のデータサイエンスに関する記事を投稿しているデータサイエンティストであり、それらのいくつかはAINOWの翻訳記事で紹介してきました（同氏の詳しい業績はこちらを参照）。同氏が最近Mediumに投稿した記事『データサイエンスのキャリアにおいてあなたを不可欠な人材にする4つのスーパーパワー』では、データサイエンティストがキャリアアップのために習得すべき4つのスキルが解説されています。 同氏が習得を推奨する4つのスキルとは、以下の通りです。 乱雑なデータを整理するスキル。データサイエンス業務の8割はデータのクリーニングだ。 ツールを使うことに精通する。特定のツールに精通するのではなく、「ツールを使って目的を遂行すること」に慣れる。 ビジネス的問題に適切なデータサイエンスの解決法あるいはテクニックを応用できるようにする。 データサイエンスプロジェク

この記事では、ブラックホールシャドウの観測などで大きな話題となったスパースモデリングについて、複雑な数式を用いずに解説します。 今回は、スパースモデリングに精通している株式会社HACARUSの井上氏と、増井氏に解説していただきました。 井上晴幾：株式会社HACARUS データサイエンティスト。学部で薬学、大学院で生物学を修めた後、「ファッションを通して人の心が見えるかも」と考え新卒で大手アパレルECサイト運営会社へ入社。商品推薦システムの開発へ従事し、推薦モデルの考案を担当。その後、心ばかりではなく身体的に人を健康にしたいと2020年2月にHACARUSへジョイン。薬学と生物学の知識を持つデータサイエンティストとして、情報系出身のデータサイエンティストに喰らい付こうとしている。でも一番得意なのは水泳。 増井 隆治：株式会社HACARUS データサイエンティスト / スパースモデリングエヴァ

著者のChris I.氏は、カナダ・トロントでデータサイエンティストとして活躍しています。同氏がMediumに投稿した記事『機械学習エンジニアが職を失いつつある。しかし、とにかく機械学習を学ぼう』では、北米のAI業界に関する雑感とAI業界で働き続けるための心得が書かれています。 Chris I.氏が北米のAI市場を見る限りでは、「第三次AIブーム」の熱は冷め、AI技術の研究職に関する求人は減り、AI技術者の供給が需要を上回る景気後退局面に入りました。しかし、こうした見方はAI業界の一側面を見ているに過ぎません。AI研究に対する熱は冷めたかも知れませんが、既存のAI技術を活用して解決すべき問題は、まだ無数にあるのです。このように現状を見たうえで、今後もAI業界で働くにあたっての心得を同氏は以下のように書き記しています。 問題を解決するのに、最先端のAI技術は必要ない。むしろ、既存のAI技術を

最終更新日： 2020年8月21日 ディープラーニングをはじめとしたAI技術に注目が集まっています。 さまざまな課題解決の手段として、AI技術が期待される中、ディープラーニングの知識を持っている。あるいは、実装する能力がある人の需要が高まっています。 そんななか、注目されるのはディープラーニングに関わる検定です。検定は、学習範囲が網羅的に定められているので、より効率的に学習が可能です。 例えば、日本ディープラーニング協会の運営するG検定やE資格の受験者は、増え続けています。

著者のCaleb Kaiser氏は機械学習モデル開発プラットフォームCortexの開発に関わりながら、機械学習に関する技術論をMediumに投稿し続けています。AINOWで紹介した記事『機械学習自体を学ぶな』で機械学習モデルの開発実践力の重要性を力説した同氏は、最近Mediumに投稿した記事『データサイエンスから機械学習エンジニアリングへの移行』において、そうした開発実践力に「機械学習エンジニアリング」という名称をつけて詳しく解説しています。 テキストアドベンチャーゲーム『AI Dungeon』のような機械学習システムには、同ゲームに活用されている言語モデルGPT-2を開発する技術と、この言語モデルを使ってゲームを開発するそれという位相の異なるふたつの技術が関わっています。同氏は、前者のような機械学習システムの中核機能を司る技術をデータサイエンス、そして後者を機械学習エンジニアリングと区別

著者のHarshit Tyagi氏は、インドでデータサイエンスに関するインストラクターをしています。同氏がMediumに投稿した記事『ほぼすべての機械学習プロジェクトのためのタスクチートシート』では、機械学習モデルを構築するにあたって必要なタスクがリストアップされています。 学習データの取得やAIモデルの訓練といった固有なタスクを含む機械学習モデルの構築には、様々なタスクを実行する必要があります。こうしたタスクを、同氏は以下のような8つにステップに分けてチェックリスト化しました（具体的なチェック項目については、本記事本文を参照）。 問題の定義と開発アプローチの検討 データソースの特定とデータの取得 学習データの特徴に関する分析 学習データの変換やクリーニング ベースラインモデルの開発とベストモデルの探索 ファインチューニングとアンサンブル学習の検討 開発資料の文書化とプレゼン資料の作成 機

著者のDaniel Bourke氏はオーストラリア在住の機械学習エンジニアであり、AINOW翻訳記事『わたしの機械学習エンジニアキャリア1年目で学んだ12のこと【前編】』とその後編の著者でもあります（同氏の詳しい経歴はこちらを参照）。同氏が最近Mediumに投稿した記事『私はいかにしてTensorFlowデベロッパー認定資格に合格したか』では、TensorFlowデバロッパー認定資格を受験して合格した顛末が解説されています。 何かに挑戦することが大好きな同氏は、チャレンジとスキルアップを兼ねてGoogleが運営する資格試験「TensorFlowデベロッパー認定資格」を受験することにしました。この資格は、名称からわかる通り、メジャーなAIモデル開発環境のひとつであるTensorFlowを活用してAIモデルを構築するスキルを問うものです。 同認定資格試験の詳細および対策は以下の記事本文で解説さ

こんにちは、AINOWライターのゆかわです。 機械学習、特にディープラーニング（深層学習）のモデルを構築する際に重要となってくるのが、深層学習フレームワークです。 今回は、そもそもフレームワークとは何なのか、有名なディープラーニングフレームワークなどについて特徴を解説していきます。 フレームワークとは？ライブラリとの違い そもそもフレームワークとは？ フレームワークとは、プログラムを作る際のひな形のようなものです。 機械学習の分野では、主にディープラーニングモデルを作る際に、TensorFlowやPyTorchなどのフレームワークを用いるのが一般的です。 例として車を作ることを考えると、フレームワークはある程度形になっている車体に、自分の好きなタイヤやハンドルなどをはめていくイメージです。 一から車を作ることもできますが、ある程度形になっている方が、作業は圧倒的に楽です。 また、フレームワ

最終更新日： 2021年12月13日 株式会社Preferred Networks（PFN）は、PyTorchユーザー向けの深層強化学習ライブラリ「PFRL（ピーエフアールエル）」を、2020年7月30日にオープンソースソフトウェア（OSS）として公開しました。 PFRLは、PFNが深層学習フレームワークをChainerからPyTorchへ移行してPyTorchコミュニティと連携を強化する一環で、ChainerRLの後継ライブラリとして公開されました。 PFNは2019年12月に深層学習フレームワーク「Chainer」のメジャーアップデートを終了すると発表し、研究開発基盤をFacebook社の「PyTorch」に順次移行しました。 【PFRLの特長】 最新の研究に基づく深層強化学習アルゴリズム・深層強化学習機能が実装。それらを比較したり、組み合わせたりして実験することが可能。 特に重要な9

著者のCatherine Yeo氏は、現在アメリカ・ハーバード大学のコンピュータサイエンス学科に在学中であり、今年の6月からはIBMにリサーチ・インターンとして勤務しています（同氏の詳しい経歴についてはこちらを参照）。同氏がMediumに投稿した記事『GPT-3のバイアスはどのようなものなのか？』では、5月に発表された言語AI「GPT-3」に内在するバイアスが論じられています。 1750億のパラメータを使ったGPT-3の登場は、その汎用性とヒューマンライクな文章生成能力により、このAIの前身であるGPT-2と同様にAI業界に衝撃を与えました。GPT-3の開発には大規模な実在する英語の学習データが使われているのですが、まさに実在する学習データを使っているがゆえに、現実の英語に見られるバイアスや差別が反映されています。 以上のようなGPT-3が持っているバイアスは、ジェンダー、人種、宗教という