AI・機械学習・ディープラーニング

AIはデータ分析の手法の1つ

投稿日:2018年3月25日 更新日:

に過ぎない。

AIと切っても切れない。AIが成立する大前提になってるのが、ビッグデータです。

ビッグデータを成立させているのが、大規模分散処理による高速化です。

今まで何十時間もかかっていたことが、数分でできるようになったこと。この「高速化」により、ビッグデータが起こり、AI が起こっています。

「高速化」はこれからも重要であり続けるでしょう。

NHKスペシャルでマツコ・デラックスがでているAIの回があったのですが、それを見て、件名のことを悟りました。

AIは人工知能ではありません。データ分析方法の1つに過ぎないのです。

-AI・機械学習・ディープラーニング

執筆者:


comment

メールアドレスが公開されることはありません。 * が付いている欄は必須項目です

関連記事

no image

numpy 配列の乗算

import numpy as np x = np.array([0,1]) w = np.array([0,5],[0.5]) print x*w >>>[0. 0.5] このよう …

no image

AIの俯瞰

AI=Artifical Inteligence=人口知能 AIの適用領域 画像認識 Visual Recognition ImageNet というコンテストがある。何の画像かAIが見極める競技である …

no image

ディープラーニングは機械自体か学習する仕組みがキモ

ディープラーニングの入門書を読んで思うのが、エンジニアが押さえるべきは、機械自体が学習する仕組みを押さえることです。 ディープラーニング オートエンコーダー(自己符号化) 入力と出力の値が同じになるよ …

no image

ニューラルネットワーク

パーセプトロンのyに対して、活性化関数を掛けたもの。 活性化関数 シグモイド関数 ステップ関数 ReLU(Rectified Jiner Unit) 両者は非線形関数である。ニューラルネットワークでは …

no image

線形関数を活性化関数に用いてはいけない理由

線形関数とは y=ax(aは定数)のこと。 線形関数で層を重ねると 1層目 y=ax 2層目 y=a(ax)=a2x 3層目 y=a(a(ax)=a3x ・・・ n層目 y=anx このようになってし …