"機械学習(ML)"投稿一覧

嶋田印刷

デザイナー

最新情報が入ると個人・企業配信なSNSや動画などよりも、比較的に早く・広告収益が関係なく公正に、更新されるのはWikipediaです。ただし匿名ボランティアが編集なので、精度が低い場合もありますので、目安程度で使います。

直接多くのAIを使用という手もあります。インプットよりもアウトプットすることで、アウトプットされた例えば古い情報や間違った情報があるという事をインプットでき... 続きを見る

山田 亜樹

エンジニア

私は生成AIの最新情報をキャッチアップするために、X（旧Twitter）でAIメインに発信しているアカウントをフォローしたり、AI関連のウェブマガジンを読んだりして情報収集しています。
新しいモデルが出たらとりあえず触ってみるようにしています！

藤野博行

エンジニア

企業に寄るかと思います

私の知っている企業では

データサイエンティスト　博士号もち　アウトプットはスライドがメイン　Python/Rは使ったり使わなかったり　最新論文のキャッチアップもはやい
機械学習エンジニア　ごりごりにPythonで機械学習のコードを書ける　最新ライブラリのキャッチアップも早い

データエンジニア　機械学...

藤野博行

エンジニア

前職では、社内にそういう情報を広めるためのSlackルームがありました

自分では、YoutubeのPIVOTが、とても役に立っているように感じます。

リムチョン

エンジニア

コンテンツ生成

＝自動テキスト生成
１．自然言語処理（NLP）モデル（例: GPTシリーズ）を活用して、ブログ記事、ニュース記事、またはSNS向けコンテンツを自動生成。
２．eコマースでの商品説明を自動生成し、SEO最適化を行う仕組みを構築。

＝マーケティング支援ツール
広告文の生成やパーソナライズされたメールテンプレートを...

Masahiro Aikawa

エンジニア

AWS認定資格の追加取得や専門性の強化
例：AWS Certified Machine Learning – Specialty

ほかには、特定ドメインの知識を習得することで、機械学習＋業務理解の両面から提案できるコンサルのような立ち位置も単価は高くなりそうですね。

榎本 和馬

プロジェクトマネジメント

これらの要素で正答率を上げやすいものは何でしょうか。って内容になれば，データ量です．

そもそもデータ量であることはScaling lowによってデータ量が重要だと証明はされていたが，実際にLLMがそれを実証した感じですね．

hiroaki

プロジェクトマネジメント

機械学習エンジニアは、AIに対する機会学習教材の提供などプログラミング技術などのスキルが求められる純粋なITエンジニアの一種です。反対にデータサイエンティストは、AI・IoT・ビッグデータ等のテクノロジー分野に関わりますが一番必要なスキルとしては数学・統計学・経済学等のどちらかというとアナリスト分野の仕事です。

Suzuki Yutaro

エンジニア

AzureのほうはわからないのでAWSのほうに限定してお話します。
参考になるかわかりませんが、

CLF相当の知識では確実に足りません。
CLFはサンプル問題を見ても分かる通り、サービスの概要レベルのことが中心です。
私見ですが少なくともSAAに合格できる程度には学習できること（※）と、加えてSpecialtyの出題範囲に特化した学習をする必要が... 続きを見る

大井竹昭

データ分析

基本はあまり差がないかと

案件によっては

機械学習エンジニアはエンジンを設計したり作ったりする人→結果的にビジネスにプラスのインパクトを出す

データサイエンティストはエビデンスベースドにビジネス的な領域に踏み込んでパフォーマンスを発揮するための施策立案をはじめ、なんでもやる人

なイメージで切り分けられてる気がし...

大橋桃太郎

プロジェクトマネジメント

質問をAIが自動でつくってQAをハチャメチャに活性化させましょう！みんな多少のアウトプットしたがってる、そのための問いが必要..

Shinichi Kogiso

デザイナー

openaiの機能を、Offersのマッチング率アップに使えないか？と思いました。
具体的には、企業文化や仕事の内容などからスコアリングし、個々人の考えやスキルも合わせてスコアリングし、それぞれを比較して合っていそう、あるいは合っていない...などの判定に使えないかなぁと。

プロンプト次第では感情分析などもできるようなので、よくある回答結果による判定よりも制度の高い... 続きを見る

Dai Fujihara

プロジェクトマネジメント

みんな大好きダッシュボード！

ほとんどのお客さまが無敵のダッシュボードを欲しがるのですが、欲しがっているデータを考えてみると、以下に集約されるのかなと感じています。

- 開発チームの生産性（アウトプットを出せているのか経営者は心配しているのだと思います）
- 品質の度合い（品質がいいのか悪いのか知りたい）

取得方法は様々... 続きを見る

大井竹昭

データ分析

トップクラスの方がモデルを考案→パッケージ化→モデル利用のコンシューマー化→労働需要減
という流れをお考えのようですが、まずこのパッケージ化というところに行きつきませんので安心してください。

トップクラスが使えるモデルを考案するのと、ビジネスとして成り立つのは別の問題です。
ですので、坂本様がお考えのロジックで労働需要減にならないです。
続きを見る

sk

データ分析

データサイエンスはどちらかと言うとアルゴリズムの細かい話よりも使い方の方が大事だと思います。

例えば一つの問題に対し、解釈の仕方次第でそれをクラス分類と回帰のどちらでも解ける様なケースも時々有ったりします。

その時、どちらが良いかはアルゴリズムと言うよりも使い方、目的次第で異なります。

又、どのアルゴリズムが精度良く当て込めるかは複... 続きを見る

渡邉 錬

エンジニア

Web開発の例としてWixやwordpressを挙げられていますが、Web開発＝HP開発ではありません。

Webアプリケーションとして、社内システムやSaaS、リッチな会員制SNSなどは、未だノーコードでは難しく、Web開発に将来性がないというのは同意しかねるところです。

ただ、未来（将来）のことは予測できないという前提の上で、需要の無くならなそうな分野... 続きを見る

ryounko931

エンジニア

インフラエンジニアなくして開発など行えないので、インフラは重要だと思います。

特にクラウドとセキュリティは今後もっと普及すると考えています。

M

データ分析

まだまだこれから新しい手法が開発されて勉強する価値があり、将来性があると思います。

大好き!! ダッフィー

プロジェクトマネジメント

どの分野で働いたとしても日々情報の更新のために勉強は必要です。

Ryo Saotome

エンジニア

コミュニティ等で継続的に活動して自己研鑽に努める。