AIを使うことになった時に 知っておいたら良いこと @k_shiota

まずはじめに

AIとは AIとは 結構古くから研究されている ビックデータの活用、マシン向上（GPU）による成長 Source : https://blogs.nvidia.co.jp/2016/08/09/whats-difference-artificial-intelligence-machine-learning-deep-learning-ai/

実際にやったこと

AIで何をするか

何をしたい？ • まずは目的を明確にする • どんなことを実現したいか • 何を予測したいか

記事を公開する前にPVを予測したい

どんな方法があるか • 機械学習？深層学習？ • 教師データから予測する → 機械学習 • 回帰？分類？ • PV数を予測するので回帰 • どのアルゴリズムで？ • 色々ある（回帰分析、勾配ブースティングetc） • いきなりは難しい • まずはどんな傾向があるか調べる

傾向を探る • どんなデータ（数値）を取れるかを知る • 取得できるものは自然と絞られる • タイトル/本文の形態素解析、感情分析 • 各数値との相関があるか • PVと各数値に傾向があるか • グラフにしてみる • CSV出力して眺める（意外と重要） • 予想と結果をまとめる

役に立った便利なツール • Pandas • CSVやexcelを取り込んでデータ加工 • 取り込んだデータの統計量を見れる • dataframe.describe() → 統計量 • dataframe.corr() → 相関係数

便利なツール・その２ • scikit-learn • 機械学習ライブラリ • matplotlib,bokeh • グラフ作成

結果

現状の数値から相関は見られなかった

便利なAPI

学習済みモデルを使ったAPI • 文章解析 • Google Cloud Natural Language API • Text Classification API（A3RT） • 学習データから独自のモデルを作成できる • 文章の誤り抽出 • Yahoo! 校正支援API → CMSの本文校正 • 音声データをテキストデータにする • Google Cloud Speech API → テープ起こし

機械学習の民主化

機械学習の民主化 • Automated Machine Learning • TPOT • https://rhiever.github.io/tpot/ • データサイエンスコンペ • Kaggle • https://www.kaggle.com • 様々なデータセット

まとめ

まとめ • まずはゴールを明確にする • 便利なツールを使う • 学習済みのAPIを利用する • 難しく考えずにやってみる • とはいえ数式を読める方が良い