AIの作り方・必要な知識が3分でわかる

AIを作るために必要な知識をまとめています。

AI（人工知能）とは
AI（人工知能）を作るために必要な知識

AI（人工知能）とは

AI（人工知能）とは人間の認識や学習をコンピューターなどで再現する事。

認識

AIが音声や画像を認識する。siriなどやAIスピーカーなどがこれにあたる。

音声認識
画像認識

学習

AIが学習する。IBMのWatsonなどがこれにあたる。

機械学習

あらかじめ人工知能に教えておいたことを、人工知能が分析、記憶する。

ディープラーニング

人工知能が自分で学び、分析、記憶する。

AI（人工知能）を作るために必要な知識

AI（人工知能）を作るためには、まずはAI(人工知能)のパッケージを使うのが一番早いです。

Googleの「Google Cloud」の「AIビルディングブロック」ではAIの知識がなくてもAIを構築することができます。

AIの学習

TECHAMADEMY（テックアカデミー）

AIコース（オンラインブートキャンプ）

最短4週間でAI（人工知能）の構築に必要なスキルを習得。現役エンジニアのパーソナルメンターが毎日の学習をサポート。

G検定（ディープラーニング検定）

日本ディープラーニング協会が開催するG検定（ディープラーニングジェネリスト検定）とE検定（ディプラーニング　エンジニア検定）があります。

人材育成 | 一般社団法人日本ディープラーニング協会 Japan Deep Learning Association

資格試験 Qualification Examination 当協会の実施する、資格試験について。検定・資格概要ディープラーニングに関する知識を有し、事業活用する人材（ジェネラリスト）と、ディープラーニングを実装する人材（エンジニア）の育成を目指します。各々に必要な知識やスキルセットを定義し、資格試験を行うとともに...

出題範囲

人工知能（AI）とは（人工知能の定義）
人工知能をめぐる動向
探索・推論、知識表現、機械学習、深層学習
人工知能分野の問題例題
トイプロブレム、フレーム問題、弱いAI、強いAI、身体性、シンボルグラウンディング問題、特徴量設計、チューリングテスト、シンギュラリティ
機械学習の具体的手法
代表的な手法、データの扱い、応用
ディープラーニングの概要例題
ニューラルネットワークとディープラーニング、既存のニューラルネットワークにおける問題、ディープラーニングのアプローチ、CPU と GPU
ディープラーニングにおけるデータ量
ディープラーニングの手法
活性化関数、学習率の最適化、更なるテクニック、CNN、RNN
深層強化学習、深層生成モデル
ディープラーニングの研究分野
画像認識、自然言語処理、音声処理、ロボティクス（強化学習）、マルチモーダル
ディープラーニングの応用に向けて
産業への応用、法律、倫理、現行の議論