Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
AIを使うことになった時に知っておいたら良いこと
Search
Kazuhiro Shiota
November 27, 2017
Education
0
690
AIを使うことになった時に知っておいたら良いこと
社内LT(2017/11/10)
Kazuhiro Shiota
November 27, 2017
Tweet
Share
Other Decks in Education
See All in Education
(キラキラ)人事教育担当のつらみ~教育担当として知っておくポイント~
masakiokuda
0
130
社外コミュニティの歩き方
masakiokuda
2
180
『会社を知ってもらう』から『安心して活躍してもらう』までの プロセスとフロー
sasakendayo
0
260
20250910_エンジニアの成長は自覚するところから_サポーターズ勉強会
ippei0923
0
210
2025年度春学期 統計学 第15回 分布についての仮説を検証する ー 仮説検定(2) (2025. 7. 17)
akiraasano
PRO
0
100
高校におけるプログラミング教育を考える
naokikato
PRO
0
160
Data Management and Analytics Specialisation
signer
PRO
0
1.5k
20250611_なんでもCopilot1年続いたぞ~
ponponmikankan
0
160
Avoin jakaminen ja Creative Commons -lisenssit
matleenalaakso
0
1.9k
AWSと共に英語を学ぼう
amarelo_n24
0
150
令和政経義塾第2期説明会
nxji
0
200
アントレプレナーシップ教育 ~ 自分で自分の幸せを決めるために ~
yoshizaki
0
170
Featured
See All Featured
GraphQLとの向き合い方2022年版
quramy
49
14k
Large-scale JavaScript Application Architecture
addyosmani
512
110k
Put a Button on it: Removing Barriers to Going Fast.
kastner
60
4k
Stop Working from a Prison Cell
hatefulcrawdad
271
21k
How To Stay Up To Date on Web Technology
chriscoyier
790
250k
Reflections from 52 weeks, 52 projects
jeffersonlam
352
21k
Optimizing for Happiness
mojombo
379
70k
Understanding Cognitive Biases in Performance Measurement
bluesmoon
29
1.9k
The Art of Delivering Value - GDevCon NA Keynote
reverentgeek
15
1.6k
Done Done
chrislema
185
16k
Bash Introduction
62gerente
615
210k
How to train your dragon (web standard)
notwaldorf
96
6.2k
Transcript
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