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)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

Pythonを使ってAIを作る

Pythonを使ってAIのパッケージとシステムを連携してAIを作ることができます。

Jupyter Notebook

pythonのプログラムを実行し記録することができるノートブック。

Anaconda

pythonのライブラリのパッケージ。

Pythhonの学習

Pythonコース(オンラインブートキャンプ)
最短4週間でPythonを習得できるオンラインブートキャンプ。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。

Google Colaboratory

Google Colaboratory は、クラウドでJupyter ノートブックを使うことができます。設定不要で、無料でご利用になれます。
Colaboratory では、コードの記述と実行、解析の保存や共有がきます。また、Tensorflowなども無料で行えます。

Google Colaboratory

APIを使ってAIを使う

データをAIと連携させるAPIなどもあります。

プラグインを使ってAIを使う

WordPressにはワトソンのプラグインなどがリリースされています。

 

 

タイトルとURLをコピーしました