「AIエンジニアの実務と知識がこれ1冊でしっかりわかる教科書」の感想・備忘録

点数

50

感想

浅く広くといった印象で、たいした内容ではなかった。残念。

データを客観的な数値にする

「天気と来客数」という次のようなデータがあったとする。
('晴れ', 100), ('曇り', 70), ('雨', 50)

これをそのまま処理できるAIモデルはないため、数値のみにする。
(1, 100), (2, 70), (3, 50)

これだと「雨の値は晴れの値の3倍」という実際にはない情報が入り込んでしまう。
晴れを1, 曇りを0, 雨を-1として(1, 100), (0, 70), (-1, 50)と表すとよい。

一方、客観的にデータを分析したいのであれば、4次元のベクトルにして(1, 0, 0, 100), (0, 1, 0, 70), (0, 0, 1, 50)と表す。
ただし、これだと前の3つは0か1なのに4つ目は100や50となっていて不釣り合いな状態である。

例えば、6次元にして、4つ目を100人以上, 5つ目を51-99人, 6つ目を49人以下、とすると
(1, 0, 0, 1, 0, 0), (0, 1, 0, 0, 1, 0), (0, 0, 1, 0, 0, 1)と表すことができる。
こうすると、既に存在する「0と1の値からなる多次元のベクトルを処理するAIモデル」を使うことができる。

Google Vision AI

画像をアップロードすると、何が写っているかや、色、雰囲気などを分析してくれる。

AIの導入事例

  • 問い合わせ窓口
    音声認識により、簡単な問題はAIシステムだけで対応することができる。
  • 配管修理依頼
    画像解析AIにより、専門家が不在でも修理依頼を指示することができる。
  • 商品検索
    欲しい商品に近い画像をアップロードしてもらい、候補となる商品を表示することができる。

【新しい記事】

【古い記事】

コメントを残す

メールアドレスが公開されることはありません。