#機械学習 #データサイエンティスト記事まとめ

AI は思わぬ方向から職を奪う

最近、人口知能（AI）の進歩によってどんな職が奪われるのか、というテーマの議論がとても増えています。典型的なのが @Dime の「営業マンの数は減っていくのか？慶大・土居丈朗教授に聞いた『今後、生き残る仕事』」という記事で、どんな職がAIによって置き換えられるのかを、以下のような文章で説明しています。働く人の多くを占める、営業マンはどうかと言うと、足で稼ぐタイプの営業は減る。準備、企画などAIに導いてもらい、データで示す営業スタイルになる。どこに訪問しても同じセールス

落合陽一らのDeepWearプロジェクト最新版、機械学習の生成画像の質はパタンナーにあまり影響せず

BalenciagaやMicrosoftなどアパレルの分野で機械学習を取り入れる取り組みや研究はよく行われてきた。しかし、デザイン画は作成できても、それを元に実際に服を作れるかどうかや、服の製造の上流から下流まで全てを機械化する取り組みに関しては疑問がもたれていた。服の製造を全て機械化できる可能性はどれくらいあるのだろうか？また、そのためにどういったことをしていく必要があるのだろうか？生成画像の質はあまり影響せず2019年3月11日から、フランスで行われた第10回Au

「データ分析はコミュニケーションツールである」グッデイ柳瀬隆志氏×西内啓対談 Vol.2

西内啓の対談シリーズ。ホームセンター「グッデイ」の柳瀬隆志さんの第2回目です。実際に小売業ではどのようなデータ分析が行われているのかという基本的なお話から、同社が実験している音声認識技術を搭載した売場案内ボットによって見えてきたことまで、話は広がります。シティズンデータサイエンスラボは「データサイエンスを全ての人に」を掲げる株式会社データビークル(https://www.dtvcl.com/)が運営する公式noteです。データ分析によって話の齟齬がなくなった西内　私た

私の思う、データを見る・見せることの恐怖。そして付き合い方。

改めて、自戒も込めて。メディア・野良各所への少しの批判も込めて。　私はTwitterアカウントにてデータ分析とその公開、議論を多分2015年あたりから行っておりますが、今でも思うのは「データを見せる」というのは「怖い」ということ。産みの苦しさとかそういうことではなく、自分の見せているものは間違っていないか、特に誤解を与えないか、という「恐怖」。　特に私の大学院生としてのテーマである「可視化」というものは、学び、ツールを得れば得るほど恐ろしいもので、「わかりやすさ」という

いま話題の職業「データサイエンティスト」って何者？

堀口ミイナ：本日のゲストをご紹介します。株式会社グラフの代表取締役CEO原田博植（はらだ・ひろうえ）さんです。よろしくお願いします。原田博植：よろしくお願いします。 ※動画でご覧になりたい方はこちらをクリックミイナ：博植さんって珍しい名前ですよね。原田：そうですね。よく言われますし、Facebook上でもローマ字で「Hiroue Harada」が一人しかいないので、非常に助かってます。ミイナ：素晴らしいですね。原田さんのご職業はなんですか？原田：データサ

今週のAI・データサイエンス界隈のニュースまとめ #5 (2019/4/1 - 4/7)

こんにちわこんばんわwakameです。ちょっとだいぶ投稿に間が空いてしまいました。 1. ロボットは人間の労働力の代替えになるか？AIが人間の仕事を奪うと噂されているようにロボットも人間の仕事を奪ってしまうのでしょうか。この疑問に対してこちらのケースは一つの解を示していると思います。「Amazon Robotics」は、商品棚の下に「Drive」と呼ばれるロボットが入り、棚を持ち上げ、FC内を移動する革新的なテクノロジーです。ロボットが商品棚を従業員の前まで運ぶことによ

R｜階層線形モデルで渋谷区の賃貸価格を予想する

以前の重回帰による賃貸価格の予測では、『最寄り駅ごとに賃貸価格の母集団分布（例えば各説明変数の母回帰係数）が異なりそう』という仮説を立て、１駅ずつ重回帰モデルを推定していきました。ただ、駅が変わるとモデルの作り直しをしたりですんごいめんどくさい。今回はそうした「最寄り駅」ごとに階層構造になっているデータに対する分析手法として知られている「階層線形モデル」を試してそうしたお悩みの解消を試みたいと思います( ˆoˆ ) ■ 今回やりたいこと■ 階層線形モデルとは切片や傾

AI ネイティブなる世代に向けて

先日、将来、必要となるデータ分析スキル、ICTスキルは何かということに関する記事を書きました。様々なデータサイエンススキル、そして、 AI 活用が当たり前になる未来を生きる世代に対して、どのような教育を提供すべきかというのは、日々考えさせられるものがあります。以前、以下の講演でも紹介させていただいたのですが、誰もが知っている某世界的インターネット企業の幹部の方から、こんな話を聞きました。某グローバルインターネット企業において、シニアエンジニアに対して Deep L

20190406～0407 えひめAI・IoT研究会技術セミナー備忘録

　2019年4月7日～4月8日で行われた、えひめAI・IoT研究会技術セミナーの個人メモです。主観的なコメントも混ざってます。 ■Introduction ・ゲームのAIがなぜ人間に勝てるようになったのか。　→AI vs AIで対戦回数を稼ぐ。　……現実世界では、データは人間が集めないといけない。・”人工知能”と”機械学習”の意味、定義　人工知能：機械による知的判断　機械学習：機械が学習する仕組み・機械学習はデータに基づく判断の仕組み　学習：データを解析し

データ戦略の会社が考える「データ分析・AIのビジネス導入に必要な４つのポジション」

分業チームの必要性AI.Accelerator座長の進藤さんのツイッターで以下のような内容がありました。私の認識でも、データ分析・AI導入は、今の時点（2019年4月時点）では多くの企業に取って「チーム戦」を取らざるを得ないと考えています。それも、「社内の人間・社外の人間を含めたワンチーム」によるチーム戦です。サッカーをするならゴールキーパー、ディフェンダー、ミッドフィルダー、フォワードが必要なように、自社にいる人材で賄えるならよいし、そうでないなら社外のチームと協力

フットボール統計学クラスタリングを使用してビルドアップのパターンを識別する

GUEST BLOG: Identifying patterns in build-up play using clustering | OptaPro 03.04.19 Article by Kuba MichalczykKuba Michalczyk氏は2019年OptaPro Analytics Forumでポスター発表を行い、2017/18シーズン中のプレミアリーグの各チームのビルドアップを視覚化するためにクラスタリング手法を適用した。このゲストブログで彼は発表の背

¥100

第7回アウトカムを設定するコツ（1）

シティズンデータサイエンスラボは「データサイエンスを全ての人に」を掲げる株式会社データビークル(https://www.dtvcl.com/)が運営する公式noteです。よいアウトカムとは何かアウトカムと解析単位という２点が適切に定まれば、「どこから手をつけていいかわからない」という問題も、「出てきた結果がナンセンス」という問題も回避することができます。これがデータを使って「よいリサーチクエスチョンを考えることができた」という状態です。とはいえ、慣れないうちはそれが

年号の続いた年数の傾向を調べてみた。

§ Introductionせっかく年号が変わって令和になったので、これまでの年号が続いた年数について時系列分析して、年号の続きやすさについて傾向を調べてみることにしました。 §1. 準備ひとまず年号が続いた年数のデータを準備してきました。以下からcsvファイルでダウンロードできます。・nengo : 年号・start : 年号が始まった年・years : 年号が続いた年数室町時代に北朝と南朝に分かれていた時期があったので、今回は北朝に統一してデータを取得するこ

#機械学習 #データサイエンティスト 記事まとめ

フォローしませんか？

2019年4月の記事一覧