人工知能や機械学習への注目とともに紹介されることが増えてきたのが、具体的な機械学習のプロセスについてです。 機械学習における学習プロセスには様々な方法が用いられてきましたが、中でもポピュラーな手法として採用されてきたのが、決定木分析です。 決定木分析は機械学習はもちろんのこと、その他の分野でも活躍している優れた分析手法で、一般的な知識として知っておいても損はありません。

人工知能の活用には欠かせないのが、機械学習によるインプットです。 柔軟な思考力を持たせるための基本的な学習形態ですが、機械学習にもいくつかの種類があります。 機械学習を進めていくための二つの手法について、ご紹介していきます。

機械学習のアプローチにはいくつかのバリエーションが存在しますが、アンサンブル学習はその精度を高める方法として注目を集めています。アンサンブル学習の特徴や、その運用方法についてご紹介していきます。

Pythonで扱えるライブラリには、それぞれ異なる役割があり、複数のライブラリを併用して使う事で、真価を発揮する事ができます。 ライブラリの一種であるNumPyは、中でも非常に重要な役割を果たしているため、様々な局面で利用することになるでしょう。 NumPyの使い方や、その強みについてご紹介していきます。

Pythonでは実に様々なライブラリを使用する事ができ、それぞれの特徴を生かしながら、併用していく事がエンジニアには求められます。 そして今回紹介するMatplotlibも非常に有力な特徴を持ったライブラリで、自由に数値をグラフ化し、人間およびAIの視覚的な理解を促してくれます。 Matplotlibの使い方や、どのような事ができるのかについて、ご紹介していきます。

機械学習向けのライブラリは、無料で扱えるものが数多く発表されてきましたが、中でも比較的新しく、それでいて評価の高いライブラリがPyTorchです。 いくつもの有益なライブラリが存在する中、PyTorchはどのような点で優れ、差別化しているのでしょうか。 その特徴や他のライブラリとの違いについて、ご紹介していきます。

人工知能開発において、重要なのが効率的なデータのインプットです。 優れたAIを構築するためには、膨大な量の情報を読み込ませる必要がありますが、それを効率的に行うことを実現するのがMNISTデータです。 今回はMNISTデータの概要や、なぜ多くのAI開発の現場で重宝されているのかについて、ご紹介していきます。

AIの利活用に注目が集まる中、一方でAIに対して不信感を抱く声も少なくありません。 人工知能は確かに優秀なプログラムですが、いつか人間のそれを超えてしまうとも危惧されています。 いわゆるシンギュラリティという現象ですが、果たしてこれはどのような結果をもたらすのでしょうか。

今最も注目を集めている職業の一つに、データサイエンティストが挙げられます。 データサイエンティストは、アメリカにおいては一時期「最もセクシーな職業」と言われるほどの人気を博した仕事ですが、具体的にはどのような仕事内容なのでしょうか。

近年耳にすることも増えているビッグデータですが、その真価はそれをどのように扱うかによって大きく変わってくるものです。 ビッグデータの代表的な活用方法として、人工知能(AI)の運用が挙げられます。 ビッグデータはAIの利活用にどう影響しているのか、見ていきましょう。

人工知能のパフォーマンスは、インプットの時点でどれだけ情報を吸収できるかにかかっているといっても過言ではありません。 そして、AIのインプットを支える技術として活躍しているのが、ディープラーニングです。 今回はディープラーニングとはどのような方法で、なぜ重要なのかについてご紹介していきます。