Suche senden
Hochladen
学生のための AI で考える近未来
•
Als PPTX, PDF herunterladen
•
1 gefällt mir
•
618 views
Daiyu Hatakeyama
Folgen
AI という技術一つを徹底的に考える事で、近い将来にどう備えるかを考えるための素材です。
Weniger lesen
Mehr lesen
Technologie
Melden
Teilen
Melden
Teilen
1 von 30
Jetzt herunterladen
Empfohlen
CNET Japan Live - ビジネスにAgilityとFlexibilityを与える Data x IoT x AI 最前線
CNET Japan Live - ビジネスにAgilityとFlexibilityを与える Data x IoT x AI 最前線
Daiyu Hatakeyama
技術としての機械学習を理解し、世の中に役に立つ事を考える基礎知識
技術としての機械学習を理解し、世の中に役に立つ事を考える基礎知識
Daiyu Hatakeyama
製造現場におけるAI×IoT導入と利活用~IoTによる設備のモニタリングとAIによる設備監視の高度化~
製造現場におけるAI×IoT導入と利活用~IoTによる設備のモニタリングとAIによる設備監視の高度化~
The Japan DataScientist Society
15分で説明するディープ ラーニング フレームワーク「Microsoft Cognitive Toolkit (CNTK)」
15分で説明するディープ ラーニング フレームワーク「Microsoft Cognitive Toolkit (CNTK)」
Naoki (Neo) SATO
佐賀大学 - データ分析と向き合う
佐賀大学 - データ分析と向き合う
Daiyu Hatakeyama
早稲田大学 理工メディアセンター 機械学習とAI セミナー: 機械学習中級編
早稲田大学 理工メディアセンター 機械学習とAI セミナー: 機械学習中級編
Daiyu Hatakeyama
Saga Smart Center: デジタル変革が及ぼす企業が考慮すべき未来の姿
Saga Smart Center: デジタル変革が及ぼす企業が考慮すべき未来の姿
Daiyu Hatakeyama
コグニティブ・ファクトリーの実像とIoT時代に求められるデータ・サイエンティストとは?ー製造業の視点からー
コグニティブ・ファクトリーの実像とIoT時代に求められるデータ・サイエンティストとは?ー製造業の視点からー
The Japan DataScientist Society
Empfohlen
CNET Japan Live - ビジネスにAgilityとFlexibilityを与える Data x IoT x AI 最前線
CNET Japan Live - ビジネスにAgilityとFlexibilityを与える Data x IoT x AI 最前線
Daiyu Hatakeyama
技術としての機械学習を理解し、世の中に役に立つ事を考える基礎知識
技術としての機械学習を理解し、世の中に役に立つ事を考える基礎知識
Daiyu Hatakeyama
製造現場におけるAI×IoT導入と利活用~IoTによる設備のモニタリングとAIによる設備監視の高度化~
製造現場におけるAI×IoT導入と利活用~IoTによる設備のモニタリングとAIによる設備監視の高度化~
The Japan DataScientist Society
15分で説明するディープ ラーニング フレームワーク「Microsoft Cognitive Toolkit (CNTK)」
15分で説明するディープ ラーニング フレームワーク「Microsoft Cognitive Toolkit (CNTK)」
Naoki (Neo) SATO
佐賀大学 - データ分析と向き合う
佐賀大学 - データ分析と向き合う
Daiyu Hatakeyama
早稲田大学 理工メディアセンター 機械学習とAI セミナー: 機械学習中級編
早稲田大学 理工メディアセンター 機械学習とAI セミナー: 機械学習中級編
Daiyu Hatakeyama
Saga Smart Center: デジタル変革が及ぼす企業が考慮すべき未来の姿
Saga Smart Center: デジタル変革が及ぼす企業が考慮すべき未来の姿
Daiyu Hatakeyama
コグニティブ・ファクトリーの実像とIoT時代に求められるデータ・サイエンティストとは?ー製造業の視点からー
コグニティブ・ファクトリーの実像とIoT時代に求められるデータ・サイエンティストとは?ー製造業の視点からー
The Japan DataScientist Society
20190922_6_設備保全におけるディープラーニングの活用
20190922_6_設備保全におけるディープラーニングの活用
IoTビジネス共創ラボ
早稲田大学 理工メディアセンター 機械学習とAI セミナー: 機械学習入門
早稲田大学 理工メディアセンター 機械学習とAI セミナー: 機械学習入門
Daiyu Hatakeyama
深層学習による製造業のスマート化と産業応用の将来展望(クオリティフォーラム2020講演資料)
深層学習による製造業のスマート化と産業応用の将来展望(クオリティフォーラム2020講演資料)
Preferred Networks
キャリアコンサルタント向け「企業で求められるITスキルの実態」と実践スキル向上研修
キャリアコンサルタント向け「企業で求められるITスキルの実態」と実践スキル向上研修
Daiyu Hatakeyama
20180119_5_IoT Update_20180119
20180119_5_IoT Update_20180119
IoTビジネス共創ラボ
データ分析をビジネスに活かす!データ創出・活用から、分析、課題解決までのDX時代のデータ活用事例のご紹介 ~不揃いのデータとの格闘~
データ分析をビジネスに活かす!データ創出・活用から、分析、課題解決までのDX時代のデータ活用事例のご紹介 ~不揃いのデータとの格闘~
NTT Software Innovation Center
Azure における強化学習への取り組み
Azure における強化学習への取り組み
Keita Onabuta
東北大学AIE - 機械学習入門編
東北大学AIE - 機械学習入門編
Daiyu Hatakeyama
Garraway7 Terakoya 前夜祭 プロトタイプのススメ
Garraway7 Terakoya 前夜祭 プロトタイプのススメ
Daiyu Hatakeyama
MISO20200530
MISO20200530
陽平 山口
リクルートが実践で学んできた“セルフBI”推進に求められる3つの要素
リクルートが実践で学んできた“セルフBI”推進に求められる3つの要素
Recruit Technologies
IoT/ロボティクス時代のモニタリングとコントロール
IoT/ロボティクス時代のモニタリングとコントロール
Masahiro Takechi
深層学習の導入で抱える課題とユースケース実例
深層学習の導入で抱える課題とユースケース実例
Hirono Jumpei
Azure IoT 最前線!_IoTビジネス共創ラボ 第12回 勉強会
Azure IoT 最前線!_IoTビジネス共創ラボ 第12回 勉強会
IoTビジネス共創ラボ
世界のデジタル・トランスフォーメーション最前線
世界のデジタル・トランスフォーメーション最前線
IoTビジネス共創ラボ
[ビッグデータオールスターズ] クラウドサービス最新情報 機械学習/AIでこんなことまでできるんです! (Microsoft編)
[ビッグデータオールスターズ] クラウドサービス最新情報 機械学習/AIでこんなことまでできるんです! (Microsoft編)
Naoki (Neo) SATO
AIとの付き合い方
AIとの付き合い方
Deep Learning Lab(ディープラーニング・ラボ)
外部キー制約を考慮した特徴量削減手法
外部キー制約を考慮した特徴量削減手法
NTT Software Innovation Center
[基調講演] Deep Learning: IoT's Driving Engine
[基調講演] Deep Learning: IoT's Driving Engine
Deep Learning Lab(ディープラーニング・ラボ)
2020/05/18 Alibaba cloud AIソリューションセミナー
2020/05/18 Alibaba cloud AIソリューションセミナー
寛之 松浦
AI for Media 2018 - 放送/映像にまつわる AI 徹底解説 -
AI for Media 2018 - 放送/映像にまつわる AI 徹底解説 -
Daiyu Hatakeyama
20180627 - DEEP LEARNING LAB / Cognitive Services 最新情報 30 分でズバリ!
20180627 - DEEP LEARNING LAB / Cognitive Services 最新情報 30 分でズバリ!
Takashi Okawa
Weitere ähnliche Inhalte
Was ist angesagt?
20190922_6_設備保全におけるディープラーニングの活用
20190922_6_設備保全におけるディープラーニングの活用
IoTビジネス共創ラボ
早稲田大学 理工メディアセンター 機械学習とAI セミナー: 機械学習入門
早稲田大学 理工メディアセンター 機械学習とAI セミナー: 機械学習入門
Daiyu Hatakeyama
深層学習による製造業のスマート化と産業応用の将来展望(クオリティフォーラム2020講演資料)
深層学習による製造業のスマート化と産業応用の将来展望(クオリティフォーラム2020講演資料)
Preferred Networks
キャリアコンサルタント向け「企業で求められるITスキルの実態」と実践スキル向上研修
キャリアコンサルタント向け「企業で求められるITスキルの実態」と実践スキル向上研修
Daiyu Hatakeyama
20180119_5_IoT Update_20180119
20180119_5_IoT Update_20180119
IoTビジネス共創ラボ
データ分析をビジネスに活かす!データ創出・活用から、分析、課題解決までのDX時代のデータ活用事例のご紹介 ~不揃いのデータとの格闘~
データ分析をビジネスに活かす!データ創出・活用から、分析、課題解決までのDX時代のデータ活用事例のご紹介 ~不揃いのデータとの格闘~
NTT Software Innovation Center
Azure における強化学習への取り組み
Azure における強化学習への取り組み
Keita Onabuta
東北大学AIE - 機械学習入門編
東北大学AIE - 機械学習入門編
Daiyu Hatakeyama
Garraway7 Terakoya 前夜祭 プロトタイプのススメ
Garraway7 Terakoya 前夜祭 プロトタイプのススメ
Daiyu Hatakeyama
MISO20200530
MISO20200530
陽平 山口
リクルートが実践で学んできた“セルフBI”推進に求められる3つの要素
リクルートが実践で学んできた“セルフBI”推進に求められる3つの要素
Recruit Technologies
IoT/ロボティクス時代のモニタリングとコントロール
IoT/ロボティクス時代のモニタリングとコントロール
Masahiro Takechi
深層学習の導入で抱える課題とユースケース実例
深層学習の導入で抱える課題とユースケース実例
Hirono Jumpei
Azure IoT 最前線!_IoTビジネス共創ラボ 第12回 勉強会
Azure IoT 最前線!_IoTビジネス共創ラボ 第12回 勉強会
IoTビジネス共創ラボ
世界のデジタル・トランスフォーメーション最前線
世界のデジタル・トランスフォーメーション最前線
IoTビジネス共創ラボ
[ビッグデータオールスターズ] クラウドサービス最新情報 機械学習/AIでこんなことまでできるんです! (Microsoft編)
[ビッグデータオールスターズ] クラウドサービス最新情報 機械学習/AIでこんなことまでできるんです! (Microsoft編)
Naoki (Neo) SATO
AIとの付き合い方
AIとの付き合い方
Deep Learning Lab(ディープラーニング・ラボ)
外部キー制約を考慮した特徴量削減手法
外部キー制約を考慮した特徴量削減手法
NTT Software Innovation Center
[基調講演] Deep Learning: IoT's Driving Engine
[基調講演] Deep Learning: IoT's Driving Engine
Deep Learning Lab(ディープラーニング・ラボ)
2020/05/18 Alibaba cloud AIソリューションセミナー
2020/05/18 Alibaba cloud AIソリューションセミナー
寛之 松浦
Was ist angesagt?
(20)
20190922_6_設備保全におけるディープラーニングの活用
20190922_6_設備保全におけるディープラーニングの活用
早稲田大学 理工メディアセンター 機械学習とAI セミナー: 機械学習入門
早稲田大学 理工メディアセンター 機械学習とAI セミナー: 機械学習入門
深層学習による製造業のスマート化と産業応用の将来展望(クオリティフォーラム2020講演資料)
深層学習による製造業のスマート化と産業応用の将来展望(クオリティフォーラム2020講演資料)
キャリアコンサルタント向け「企業で求められるITスキルの実態」と実践スキル向上研修
キャリアコンサルタント向け「企業で求められるITスキルの実態」と実践スキル向上研修
20180119_5_IoT Update_20180119
20180119_5_IoT Update_20180119
データ分析をビジネスに活かす!データ創出・活用から、分析、課題解決までのDX時代のデータ活用事例のご紹介 ~不揃いのデータとの格闘~
データ分析をビジネスに活かす!データ創出・活用から、分析、課題解決までのDX時代のデータ活用事例のご紹介 ~不揃いのデータとの格闘~
Azure における強化学習への取り組み
Azure における強化学習への取り組み
東北大学AIE - 機械学習入門編
東北大学AIE - 機械学習入門編
Garraway7 Terakoya 前夜祭 プロトタイプのススメ
Garraway7 Terakoya 前夜祭 プロトタイプのススメ
MISO20200530
MISO20200530
リクルートが実践で学んできた“セルフBI”推進に求められる3つの要素
リクルートが実践で学んできた“セルフBI”推進に求められる3つの要素
IoT/ロボティクス時代のモニタリングとコントロール
IoT/ロボティクス時代のモニタリングとコントロール
深層学習の導入で抱える課題とユースケース実例
深層学習の導入で抱える課題とユースケース実例
Azure IoT 最前線!_IoTビジネス共創ラボ 第12回 勉強会
Azure IoT 最前線!_IoTビジネス共創ラボ 第12回 勉強会
世界のデジタル・トランスフォーメーション最前線
世界のデジタル・トランスフォーメーション最前線
[ビッグデータオールスターズ] クラウドサービス最新情報 機械学習/AIでこんなことまでできるんです! (Microsoft編)
[ビッグデータオールスターズ] クラウドサービス最新情報 機械学習/AIでこんなことまでできるんです! (Microsoft編)
AIとの付き合い方
AIとの付き合い方
外部キー制約を考慮した特徴量削減手法
外部キー制約を考慮した特徴量削減手法
[基調講演] Deep Learning: IoT's Driving Engine
[基調講演] Deep Learning: IoT's Driving Engine
2020/05/18 Alibaba cloud AIソリューションセミナー
2020/05/18 Alibaba cloud AIソリューションセミナー
Ähnlich wie 学生のための AI で考える近未来
AI for Media 2018 - 放送/映像にまつわる AI 徹底解説 -
AI for Media 2018 - 放送/映像にまつわる AI 徹底解説 -
Daiyu Hatakeyama
20180627 - DEEP LEARNING LAB / Cognitive Services 最新情報 30 分でズバリ!
20180627 - DEEP LEARNING LAB / Cognitive Services 最新情報 30 分でズバリ!
Takashi Okawa
20170922_4_Azure IoT , Cognitive Services で何が実現できるのか? -最新の事例とサービスアップデートのご紹介-
20170922_4_Azure IoT , Cognitive Services で何が実現できるのか? -最新の事例とサービスアップデートのご紹介-
IoTビジネス共創ラボ
E-commerce企業におけるビッグデータへの挑戦と課題‐機械学習への期待について‐
E-commerce企業におけるビッグデータへの挑戦と課題‐機械学習への期待について‐
Rakuten Group, Inc.
ITエンジニアのためのAI基礎2020
ITエンジニアのためのAI基礎2020
Keisuke Tameyasu
品質管理 & 設備保全のための機械学習入門 2019年9月 (Quality Control and Predictive Maintenance App...
品質管理 & 設備保全のための機械学習入門 2019年9月 (Quality Control and Predictive Maintenance App...
Keita Onabuta
リクルート式ビッグデータ活用術
リクルート式ビッグデータ活用術
Recruit Technologies
中国のAI産業状況、スタートアップ情報リサーチ
中国のAI産業状況、スタートアップ情報リサーチ
YangnuoLiu
20190924 沖縄ISCO AI セミナー: AIを自分の糧とするためのコツ
20190924 沖縄ISCO AI セミナー: AIを自分の糧とするためのコツ
Daiyu Hatakeyama
品質管理 Low code ハンズオン
品質管理 Low code ハンズオン
Daiyu Hatakeyama
Data × AI でどんな業務が改善できる? 製造業様向け Data × AI 活用ユースケース & 製造MVPソリューションのご紹介
Data × AI でどんな業務が改善できる? 製造業様向け Data × AI 活用ユースケース & 製造MVPソリューションのご紹介
IoTビジネス共創ラボ
Msのio tと最新事例 ms_02082018
Msのio tと最新事例 ms_02082018
Microsoft Azure Japan
PKSHA Security Package for Credit
PKSHA Security Package for Credit
MasatoMinami2
機械学習 - MNIST の次のステップ
機械学習 - MNIST の次のステップ
Daiyu Hatakeyama
第36回BAクリエイターズサロン - デジタル時代に クリエータの皆さんが知っておきたい AIと付き合うためのコツ
第36回BAクリエイターズサロン - デジタル時代に クリエータの皆さんが知っておきたい AIと付き合うためのコツ
Daiyu Hatakeyama
IAについて考えてみました。
IAについて考えてみました。
Shiori Hasegawa
ビッグデータ
ビッグデータ
Shigeru Kishikawa
失敗しないためのデータ活用の勘所
失敗しないためのデータ活用の勘所
Kazuya Mori
JPC2018[D1]「信頼できるCloud」のために ― マイクロソフト法務部門からお伝えしたいこと
JPC2018[D1]「信頼できるCloud」のために ― マイクロソフト法務部門からお伝えしたいこと
MPN Japan
DLL: Ignite2019 CognitiveServices Update 20191127
DLL: Ignite2019 CognitiveServices Update 20191127
Ayako Omori
Ähnlich wie 学生のための AI で考える近未来
(20)
AI for Media 2018 - 放送/映像にまつわる AI 徹底解説 -
AI for Media 2018 - 放送/映像にまつわる AI 徹底解説 -
20180627 - DEEP LEARNING LAB / Cognitive Services 最新情報 30 分でズバリ!
20180627 - DEEP LEARNING LAB / Cognitive Services 最新情報 30 分でズバリ!
20170922_4_Azure IoT , Cognitive Services で何が実現できるのか? -最新の事例とサービスアップデートのご紹介-
20170922_4_Azure IoT , Cognitive Services で何が実現できるのか? -最新の事例とサービスアップデートのご紹介-
E-commerce企業におけるビッグデータへの挑戦と課題‐機械学習への期待について‐
E-commerce企業におけるビッグデータへの挑戦と課題‐機械学習への期待について‐
ITエンジニアのためのAI基礎2020
ITエンジニアのためのAI基礎2020
品質管理 & 設備保全のための機械学習入門 2019年9月 (Quality Control and Predictive Maintenance App...
品質管理 & 設備保全のための機械学習入門 2019年9月 (Quality Control and Predictive Maintenance App...
リクルート式ビッグデータ活用術
リクルート式ビッグデータ活用術
中国のAI産業状況、スタートアップ情報リサーチ
中国のAI産業状況、スタートアップ情報リサーチ
20190924 沖縄ISCO AI セミナー: AIを自分の糧とするためのコツ
20190924 沖縄ISCO AI セミナー: AIを自分の糧とするためのコツ
品質管理 Low code ハンズオン
品質管理 Low code ハンズオン
Data × AI でどんな業務が改善できる? 製造業様向け Data × AI 活用ユースケース & 製造MVPソリューションのご紹介
Data × AI でどんな業務が改善できる? 製造業様向け Data × AI 活用ユースケース & 製造MVPソリューションのご紹介
Msのio tと最新事例 ms_02082018
Msのio tと最新事例 ms_02082018
PKSHA Security Package for Credit
PKSHA Security Package for Credit
機械学習 - MNIST の次のステップ
機械学習 - MNIST の次のステップ
第36回BAクリエイターズサロン - デジタル時代に クリエータの皆さんが知っておきたい AIと付き合うためのコツ
第36回BAクリエイターズサロン - デジタル時代に クリエータの皆さんが知っておきたい AIと付き合うためのコツ
IAについて考えてみました。
IAについて考えてみました。
ビッグデータ
ビッグデータ
失敗しないためのデータ活用の勘所
失敗しないためのデータ活用の勘所
JPC2018[D1]「信頼できるCloud」のために ― マイクロソフト法務部門からお伝えしたいこと
JPC2018[D1]「信頼できるCloud」のために ― マイクロソフト法務部門からお伝えしたいこと
DLL: Ignite2019 CognitiveServices Update 20191127
DLL: Ignite2019 CognitiveServices Update 20191127
Mehr von Daiyu Hatakeyama
ChatGPT Impact - その社会的/ビジネス価値を考える -
ChatGPT Impact - その社会的/ビジネス価値を考える -
Daiyu Hatakeyama
Ethics of AI - AIの倫理-
Ethics of AI - AIの倫理-
Daiyu Hatakeyama
郡山 Connect 2022 ハッカソン 基調講演 - Hackathon からサービスインになったらデータを扱いましょう
郡山 Connect 2022 ハッカソン 基調講演 - Hackathon からサービスインになったらデータを扱いましょう
Daiyu Hatakeyama
テクノアカデミー郡山 現役ソフトウェアエンジニアが語る。IT の今と未来
テクノアカデミー郡山 現役ソフトウェアエンジニアが語る。IT の今と未来
Daiyu Hatakeyama
Webサイトの最適化
Webサイトの最適化
Daiyu Hatakeyama
DXのための内製化のススメ
DXのための内製化のススメ
Daiyu Hatakeyama
JDMC Azureアプリ開発入門
JDMC Azureアプリ開発入門
Daiyu Hatakeyama
JAZUG12周年 俺の Azure Cosmos DB
JAZUG12周年 俺の Azure Cosmos DB
Daiyu Hatakeyama
Microsoft の変革
Microsoft の変革
Daiyu Hatakeyama
データ分析概略
データ分析概略
Daiyu Hatakeyama
法政大学 MBA 中小企業向けITとの付き合うコツ
法政大学 MBA 中小企業向けITとの付き合うコツ
Daiyu Hatakeyama
明治大学 データサイエンス・AIに関するオムニバス授業 エバンジェリストというキャリア
明治大学 データサイエンス・AIに関するオムニバス授業 エバンジェリストというキャリア
Daiyu Hatakeyama
Green Software Foundation Global Summit 2022 Tokyo グリーンソフトウェアとは?
Green Software Foundation Global Summit 2022 Tokyo グリーンソフトウェアとは?
Daiyu Hatakeyama
コミュニケーション戦略を前提にしたOutlookやTeams活用
コミュニケーション戦略を前提にしたOutlookやTeams活用
Daiyu Hatakeyama
Python に行く前に Excel で学ぶデータ分析のいろは
Python に行く前に Excel で学ぶデータ分析のいろは
Daiyu Hatakeyama
AI の光と影
AI の光と影
Daiyu Hatakeyama
東京大学 メディアコンテンツ特別講義 Sustainability
東京大学 メディアコンテンツ特別講義 Sustainability
Daiyu Hatakeyama
Wiz国際情報工科自動車大学校 特別講演 Teams活用しよう!
Wiz国際情報工科自動車大学校 特別講演 Teams活用しよう!
Daiyu Hatakeyama
Wiz国際情報工科自動車大学校_特別講演_ITの織り成す未来
Wiz国際情報工科自動車大学校_特別講演_ITの織り成す未来
Daiyu Hatakeyama
東洋経済 製造業DXフォーラム 2022: 製造業のための Sustainability との 向き合い方
東洋経済 製造業DXフォーラム 2022: 製造業のための Sustainability との 向き合い方
Daiyu Hatakeyama
Mehr von Daiyu Hatakeyama
(20)
ChatGPT Impact - その社会的/ビジネス価値を考える -
ChatGPT Impact - その社会的/ビジネス価値を考える -
Ethics of AI - AIの倫理-
Ethics of AI - AIの倫理-
郡山 Connect 2022 ハッカソン 基調講演 - Hackathon からサービスインになったらデータを扱いましょう
郡山 Connect 2022 ハッカソン 基調講演 - Hackathon からサービスインになったらデータを扱いましょう
テクノアカデミー郡山 現役ソフトウェアエンジニアが語る。IT の今と未来
テクノアカデミー郡山 現役ソフトウェアエンジニアが語る。IT の今と未来
Webサイトの最適化
Webサイトの最適化
DXのための内製化のススメ
DXのための内製化のススメ
JDMC Azureアプリ開発入門
JDMC Azureアプリ開発入門
JAZUG12周年 俺の Azure Cosmos DB
JAZUG12周年 俺の Azure Cosmos DB
Microsoft の変革
Microsoft の変革
データ分析概略
データ分析概略
法政大学 MBA 中小企業向けITとの付き合うコツ
法政大学 MBA 中小企業向けITとの付き合うコツ
明治大学 データサイエンス・AIに関するオムニバス授業 エバンジェリストというキャリア
明治大学 データサイエンス・AIに関するオムニバス授業 エバンジェリストというキャリア
Green Software Foundation Global Summit 2022 Tokyo グリーンソフトウェアとは?
Green Software Foundation Global Summit 2022 Tokyo グリーンソフトウェアとは?
コミュニケーション戦略を前提にしたOutlookやTeams活用
コミュニケーション戦略を前提にしたOutlookやTeams活用
Python に行く前に Excel で学ぶデータ分析のいろは
Python に行く前に Excel で学ぶデータ分析のいろは
AI の光と影
AI の光と影
東京大学 メディアコンテンツ特別講義 Sustainability
東京大学 メディアコンテンツ特別講義 Sustainability
Wiz国際情報工科自動車大学校 特別講演 Teams活用しよう!
Wiz国際情報工科自動車大学校 特別講演 Teams活用しよう!
Wiz国際情報工科自動車大学校_特別講演_ITの織り成す未来
Wiz国際情報工科自動車大学校_特別講演_ITの織り成す未来
東洋経済 製造業DXフォーラム 2022: 製造業のための Sustainability との 向き合い方
東洋経済 製造業DXフォーラム 2022: 製造業のための Sustainability との 向き合い方
Kürzlich hochgeladen
Postman LT Fukuoka_Quick Prototype_By Daniel
Postman LT Fukuoka_Quick Prototype_By Daniel
danielhu54
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet
Toru Tamaki
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Yuma Ohgami
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
Toru Tamaki
論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey
Toru Tamaki
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
Ryo Sasaki
スマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システム
sugiuralab
TSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdf
taisei2219
SOPを理解する 2024/04/19 の勉強会で発表されたものです
SOPを理解する 2024/04/19 の勉強会で発表されたものです
iPride Co., Ltd.
Kürzlich hochgeladen
(9)
Postman LT Fukuoka_Quick Prototype_By Daniel
Postman LT Fukuoka_Quick Prototype_By Daniel
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
スマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システム
TSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdf
SOPを理解する 2024/04/19 の勉強会で発表されたものです
SOPを理解する 2024/04/19 の勉強会で発表されたものです
学生のための AI で考える近未来
1.
AI について考ええる事か ら 見えてくる近未来 畠山 大有
| Daiyu Hatakeyama | dahatake 日本マイクロソフト株式会社 Cloud Solution Architect
2.
データが ビジネスを動かす 新しい原動力になる
3.
1950 1960 1970
1980 1990 2000 2010
4.
Perception Cognition
5.
6.
機械学習 深層学習 深層強化学習 画像解析 音声解析 データ分類 異常検知,
顧客グルーピング 数値予測 売上予測, 需要予測, 品質管理 ラベル分類 不良品分析, 故障予測, チャーン分析 機械学習より強力な分析 自律学習型ロボット 自動運転車 テキストや画像等の自動生成 活用例 主に多層のニューラルネットワーク を用いた手法での分析 分析のためには、莫大なデータ量、 計算量、知識・スキルを要する 統計に基づいた手法での分析 そのため、比較的少ないデータ量と 計算量で分析を行うことができる 定義したあるべき姿に従い試行錯誤 をして自ら学習を行うための分析手 法である 強化学習と、深層学習を組み合わせ た 分析 機械学習の技術
7.
機械 学習 教師あり 学習 教師なし 学習 強化学習 決定木 線形回帰 SVM ロジスティック回帰 ニューラルネットワー ク クラスタリン グ 次元削減 K-mean法 主成分分析 正準相関分析 ディープ ニューラル ネットワーク 畳みこみニュー ラルネットワー ク 再帰的ニューラ ルネットワーク 回帰結合ニュー ラルネットワー ク Q学習 深層学習 画像解析, 音声認識, 自動生成 深層強化学習 自立学習型ロボット 自動運転車
8.
数値予測 回帰分析 Regression ・売上予測 ・需要予測 ・品質管理 ラベル予測 分類 Classification ・不良品分析 ・故障予測 ・チャーン分析 ・販促効果測定 ・与信分析 クラスタリング Clustering ・セグメンテーション ・顧客グルーピング ・メール キャンペーン
9.
写真の中に鹿がいるか? 写真のどこに鹿がいる か? 写真のどの位置に 鹿がいるか? どのピクセ ルか? 似た写真はどれか? Image Classification Object detection Image segmentation Image Similarity Similar image Query imageYes
10.
推論 デプロイメントデータの準備 モデル構築・学習 世界中の研究者が 論文として公表。 多くの実証コードも 公開される。 最新の技術を利活用 んなデータを整備するか? 競争力のための 自社にしかないデータが 活用できるか? ビジネスフロー全体の中の どこでモデルを 利用すべきか?
11.
Alpha Go Zero
12.
“Volume” 膨大 “Velocity” スピード “Variety” 多様性 社内の 資産 サーチや ソーシャル オープン データ コラボ可視化
13.
ETL パイプライ ン スキーマの定義 Relational LOB Applications 事前 事 前 変換 Schema-on-Write 直ちに必要でないデータは、 別の場所に移動されているか、捨てられ
14.
無限に保存 分析 結果の参照 あらゆる データソー スからの データ収集 •
将来 実行時 全てのデータに価値がある: Schema-on- Read
15.
更に巨大なコンピューター環境が必要にな る 完全自動運転で100%無事故を 実現しようとすると最低でも 88億マイルを テストしなければならない。1 2020年、自動運転車は1日に 約4,000ギガバイ トのデータを生成し、消費する。2 Paris Auto Show
Automobility Los Angeles Gartner TechRadar Earthdata Automobility Los Angeles 2020年、204億のモ ノがつながる。3 90分のアニメーション映像を製作す るために、6,500万時 間分の 画像レンダリングが必要となる。4 2020年、飛行機から1日 に 40テラバイ NASAの地球観測システムおよび 情報システム(EODSIS)は、 1日に約28テラバイ トのデータを配信している。5
16.
17.
計算能力、集積度の向上 Intel 4004 (740
KHz) 0.092MIPS Intel Core i7 5960x (3.0GHz) 298,190 MIPS 1971年 2014年 324万個 =
18.
ストレージの進化 容量 低価格化 http://www.mkomo.com/cost-per-gigabyte
19.
世界の変化のスピード2007 $100,000 2013 $700 2007
$40,000 2014 $100 2007 $550,000 2014 $20,000 2000 $2.7bn 2007 $10m 2014 $1,000 1984 $30 2014 $0.16 2009 $30,000 2014 $80 2007 $499 2015 $10 DNA Solar Smartphones Drones 3D Printing Industrial Robots Sensor (3D) 手軽な価格で技術が手に入るようになり、 驚異的なペースで、変革が加速 2 2 3 3 4 4 5 6 6 8 20 0 2 4 6 8 10 12 14 16 18 20 22 1 2 3 4 5 6 7 8 9 10 11 years 時価総額が1,000億円に達するまで Source: World Economic Forum
20.
AI で自動化が期待されるビジネスの例
21.
Vision Analysis Decision making Analysis Decision making Speech Language Learning
22.
AI が人々の助けになる
23.
AnalysisVision Vision Knowledge LanguageSpeech
24.
25.
26.
27.
28.
交通渋滞 予測 ○○線 運行情報 △ △線 運行情報 イベント 開催情報 TV番組 情報 物流 車両情報 道路工事 情報 空調負荷 予測 販売計画 混雑予測 駅員・警 備計画 空調制御 計画 故障予知 集荷予測 天候情報 保守計画 売上予測 混雑予測 有機的に相互作用する社会
29.
交通渋滞 予測 ○○線 運行情報 イベント 開催情報 TV番組 情報 物流 車両情報 道路工事 情報 空調負荷 予測 販売計画 空調制御 計画 故障予知 集荷予測 天候情報 保守計画 売上予測 混雑予測 △ △線 運行情報 混雑予測 駅員・警 備計画 有機的に相互作用する社会
30.
© 2019 Microsoft
Corporation. All rights reserved. 本情報の内容(添付文書、リンク先などを含む)は、作成日時点でのものであり、予告なく変更される場合があります。
Jetzt herunterladen