AI技術の全盛期到来――その現場で働くAIエンジニアに求められるものは？ データを活用したさまざまなサービスや技術をAIと称し、今やAIという言葉をニュースで目にしない日はないのではないでしょうか。AIサービス・技術を支えるAI人材の数は全世界で30万人、実際の需要規模は100万人とも言われています。 一方でサービスや技術を早く世の中に出すというスピード競争とコスト観点から、実際に現場で働くAIエンジニアには、どのようにデータを処理すべきか考えて設計し、コードを実装してデータ処理して結果を出す、という即戦力が求められます。 本記事では、AIサービス開発に参画するAIエンジニアの仕事例として「時系列データの予測モデル作成」を4回の連載で紹介します。現実の時系列データを集めてきてデータ分析をしようとすると、どのような苦労があるか、私の経験からお伝えします。 時系列データをディープラーニングで予

本連載は「これから機械学習に取り組みたい」「ディープラーニングや機械学習を使った経験がある」といったエンジニアに向けて、データ量が少なくても分析が実現できる「スパースモデリング」という手法を紹介します。連載の第1回は、スパースモデリングに注目が集まる背景について紐解いていきましょう。 はじめに ディープラーニング（深層学習）に代表される機械学習の技術の進展、クラウドやIoTに代表されるデータ取得・収集の基盤の整備を背景に、コンシューマ向けだけではなくビジネス向けにおいても機械学習を活用したサービスに大きな期待が寄せられています。そして、そういったサービスを構築する人材としてデータサイエンティストにも注目が集まっており「21世紀で最もセクシーな職業」とまで言われています。 また、ほんの少し前までは数学や統計的な知識がなければ使いこなすことができなかった機械学習も、オープンソースのフレームワー

対象読者 Pythonの基本的な文法を理解しておりデータ解析のスキルアップに取り組みたい方 サンプルの動作確認環境 MacOS 10.13 Anaconda 5.1 Python 3.6 Jupyter Notebook 5.4 Pythonとデータ解析環境の概要 本連載ではPythonによるデータ解析について解説していきます。まずスクリプト言語としてのPythonとデータ解析環境の概要を確認します。 データ解析に適したスクリプト言語 データを集めたり加工したりする過程でよく使われるのがスクリプト言語です。データ解析の場面で必要なデータはさまざまな場所に存在してます。初めて見るデータを扱うことも珍しくありません。サーバーからダウンロードする場合もあれば、API経由で取得するものもあります。他のツールに受け渡すために、加工（前処理）が必要なデータもあります。スクリプト言語はこのような課題を解

CodeZine編集部では、現場で活躍するデベロッパーをスターにするためのカンファレンス「Developers Summit」や、エンジニアの生きざまをブーストするためのイベント「Developers Boost」など、さまざまなカンファレンスを企画・運営しています。

はじめに 本稿では、金融予測にニューラルネットワークを適用する方法を紹介します。ここで紹介するプログラムは、C#を用いたMicrosoft WPFアプリケーションとして実装されています。ニューラルネットワーク処理には、Encog Artificial Intelligence Frameworkを使用します。このアプリケーションでは、市場予測を行うテクニカルアナリストが実際に使用する原則を、いくつか使用したいと思います。 テクニカルアナリストは、過去の市場データを分析することにより、株価の今後の値動きを予測します。テクニカルアナリストは本来、業績、負債比率、提供商品といった企業に関するファンダメンタルな情報よりも、株価や出来高などの情報に主に着目します。ファンダメンタルなデータはすべて、株式の価格や出来高に既に反映されているというのがその考え方です。多くの投資規律では、テクニカルな要素とフ