社会人1年生から学ぶ、AI・データサイエンス超入門

社会人1年生から学ぶ、AI・データサイエンス超入門

デジタルアドバンテージ 一色 政彦

 この連載では、人工知能(AI)やデータ分析/データサイエンスをこれまでに学んだことがない社会人(新卒の社会人1年生からベテラン社員まで大歓迎!)に向けて、「データ&AIを活用したいなら、最初に知っておくべき全体概要」、具体的にはAI・データサイエンスの概要と、データ分析(数値予測などの分析系AI)、画像認識などの識別系AI、文章生成などの生成系AIを紹介します。
 難しい知識の習得よりもシンプルな経験を重視して、手を動かして体験しながら学べる内容ですので、肩の力を抜いてぜひとも気楽に読み進めてください。

第1回 社会人が学ぶべき、やさしいAI・データサイエンス(2023/05/18)

  • AI・データサイエンスとは何か?
  • AI・データサイエンスを学ばなければならない理由
  • AI・データサイエンスの整理と全体像
    ・分析系AI
    ・識別系AI
    ・生成系AI
  • AI・データサイエンスを学ぶ方法

第2回 初めてのデータ分析。手軽に体験してみよう(2023/07/13)

  • 1. データ分析の目標を設定する
  • 2. データを収集する
    ・データ分析ツールとしてのExcel/Googleスプレッドシート
  • 3. データを整理/変換する: 基本的なデータ操作
    ・整理:並べ替え
    ・整理:フィルタリング
    ・整理:その他の方法
    ・変換:カテゴリー値を数値に置き換える
  • 4. データを可視化する: グラフ作成
    ・対象とするデータ範囲の選択
    ・散布図の作成
  • 5. データの特徴を把握する: 統計量の確認
    ・統計量「相関係数」の算出
  • 6. データから数値(例えば売上金額)を予測する: 回帰分析
    ・回帰分析による数値予測(機械学習モデルの作成)
    ・回帰直線の引き方
  • 7. 得られた知見をビジネスに生かす: 意思決定

第3回 知識ゼロからのビジネスAI活用。議事録AIを作ってみよう(2023/09/07)

  • 識別系AIを作る/使う際の難易度レベル
    ・生成系AIの場合
  • 誰でも簡単に使える識別系AI作成ツール
    ・画像認識&音声認識: Teachable Machine
    ・画像認識: Lobe
    ・文章認識(テキスト分析)について
  • 初めての識別系AI。手軽に体験してみよう
  • 1. 問題を定義する
  • 2. 解決策を考える
  • 3. AIの技術や手法を選定する
  • 4. 試作版のAIを作成する: 音声認識AIの検証まで
    ・Whisperデモで音声認識を試す
    ・課題 1)句読点の不足
    ・課題 2)話者の識別
  • 5. 正式版のAIの開発に向けて

最終回 生成AI入門:議事録を答えるチャットAI(RAGアプリ)を作ってみよう【プログラミング不要】(2023/11/09)

  • 初めての生成系AI。手軽に体験してみよう
  • 1. 問題を定義する
  • 2. 解決策を考える
  • 3. AIの技術や手法を選定する
    ・チャットAIアプリの開発方法の選定
    ・RAG(検索拡張生成)の仕組みと技術の選定
  • 4. 試作版のAIを作成する: RAG採用のチャットAIの検証まで
    ・Azure OpenAI Serviceのリソースを作成する
    ・Azure OpenAI StudioでチャットAIを作成する
    ・データの追加(RAG)をセットアップする
    ・独自情報(議事録)ファイルをアップロードする
    ・RAGの仕組みを使ったチャットAIを試す
  • 5. 正式版のAIの開発に向けて

【番外編】 データ分析もChatGPTの機能(旧Code Interpreter)でできるか、やったみた(2023/12/14)

  • 1. ChatGPTに「データ分析」をしてもらおう
    ・問題定義と目標設定
    ・データ分析の手順
  • 2. 初っぱなから失敗の連続だった「データアップロード」
    ・データの準備(データファイルのアップロード)
    ・失敗:アップロード時に発生したエラーの原因究明
    ・失敗:問題解決に向けた試行錯誤
    ・成功:問題の回避
  • 3. 楽々と進んだ「前処理」と「データ可視化」と「相関分析」
    ・前処理
    ・データ可視化
    ・相関分析
  • 4. 機械学習の知識が試された「回帰分析」
    ・教訓1:ざっくりとした指示はダメ
    ・教訓2:機械学習の知識も不可欠
    ・単回帰分析
    ・決定係数
    ・散布図への回帰直線の描画
  • 5. 分析結果から得られる知見をまとめさせて「意思決定」
スポンサーからのお知らせPR

注目のテーマ

Microsoft & Windows最前線2025
AI for エンジニアリング
ローコード/ノーコード セントラル by @IT - ITエンジニアがビジネスの中心で活躍する組織へ
Cloud Native Central by @IT - スケーラブルな能力を組織に
あなたにおすすめの記事PR

RSSについて

アイティメディアIDについて

メールマガジン登録

@ITのメールマガジンは、 もちろん、すべて無料です。ぜひメールマガジンをご購読ください。