AIプロジェクトの進め方が分かる【AI For Everyone】第2週をまとめてみた

Coursera
・AI For Everyone (すべての人のためのAIリテラシー講座)に少し興味がある
・動画を見る時間が取れない
・内容のつまみ食いがしたい
・講義を受けたけど復習したい

本記事では、そんな人のために「AI For Everyone (すべての人のためのAIリテラシー講座)」第2週の内容をまとめてみました。

 

ちなみに「AI For Everyone (すべての人のためのAIリテラシー講座)」の概要については、こちらの記事にまとめています。

講義動画は1時間半くらいありますが、この記事であれば3分もあれば読むことができますよ。

AIプロジェクトの推進

イントロダクション

第2週 イントロダクション - AI プロジェクトの推進 | Coursera

これから、AIプロジェクトの手順やプロジェクトの選択方法、チーム編成の方法について学んでいきます。

機械学習プロジェクトのワークフロー

機械学習プロジェクトのワークフロー - AI プロジェクトの推進 | Coursera

機械学習プロジェクトは、以下のようなワークフローで進んでいきます。

  1. データを収集する
  2. モデルを訓練(性能を上げるために何度も反復)する
  3. モデルを展開(テスト運用の開始)する

データサイエンスプロジェクトのワークフロー

データサイエンスプロジェクトのワークフロー - AI プロジェクトの推進 | Coursera

データサイエンスプロジェクトは、以下のようなワークフローで進んでいきます。

  1. データを収集する
  2. データを分析(よい洞察を得るため何度も反復)する
  3. 仮説やアクションの提案(変更をWebサイトに展開するなど)する

データの扱い方について(あらゆる職種で学ぶ必要性)

データの扱い方について(あらゆる職種で学ぶ必要性) - AI プロジェクトの推進 | Coursera

すべての職種でデータは紙から電子情報に移行しつつあります。目視検査の自動化や、書類選考の自動化Webサイトの売り上げの最大化など、機械学習があらゆる職種、業種に展開されている昨今、データの扱いを学ぶ必要性がますます高まっています。

AIプロジェクトの選び方(パート1)

AIプロジェクトの選び方(パート1) - AI プロジェクトの推進 | Coursera

よいAIプロジェクトを選ぶためには、AIの専門家とビジネスの専門家の両方が必要です。AIの専門家だけではビジネスの知識が不足しているので、よいプロジェクトを選択することができません。

また、最初は仕事の自動化より、タスクの自動化(小さな改善)から始めるとよいでしょう。

AIプロジェクトの選び方(パート2)

AIプロジェクトの選び方(パート2) - AI プロジェクトの推進 | Coursera

技術面の適正評価基準

  • パフォーマンス(精度)
  • データ量
  • 納期

ビジネス面の適正評価基準

  • コスト
  • 収益

倫理面の適正評価

  • バイアスの有無

AIチームとの働き方

AIチームとの働き方 - AI プロジェクトの推進 | Coursera

AIチームにデータを提供する前に、まずは「95%の精度で欠陥品を検出する」など、具体的な目標を指定します。決して、100%の精度を期待してはいけません。

AIチームで活用できるツールの概要

AIチームで活用できるツールの概要 - AI プロジェクトの推進 | Coursera

AIチームが活用しているツールについて知っておくことも大切です。

オープンソースのフレームワーク

  • TensorFlow
  • PyTorch
  • Keras
  • MXNet
  • CNTK
  • Caffe
  • PaddlePaddle
  • Scikit-learn
  • R
  • Weka

論文の共有サイト

  • Arxiv

オープンソースレポジトリ

  • Github: 様々なソフトウェアが無料で入力可能

今回はAIを企業に導入したいと考えるビジネスマン向けの内容でした。次週の講義も楽しみです!ちなみに、日本ディープラーニング協会はAI For Everyone (すべての人のためのAIリテラシー講座)だけでなく、G検定も主催してます。興味がある方はこちらの記事に体験記を載せていますので、チェックしてみてください。

以上、最後までお読みいただきありがとうございました。

コメント

タイトルとURLをコピーしました