【Coursera】「AI For Everyone(全ての人のためのAI) Week 2」〜AIプロジェクトの進め方を学びたい〜
昨今のDX（デジタルトランスフォーメーション）の流行により、どの会社も「AIを活用してみたい！」と考えているのではないでしょうか？
ただ、どう進めて良いか分からないですよね。
Coursera「AI For Everyone(全ての人のためのAI) Week 2」では、AIプロジェクトの進め方が学べます。
＜過去の記事＞
【Coursera】「AI For Everyone(全ての人のためのAI) Week 1」〜AIの得意・不得意を学びたい〜 - 継続力
講師
アンドリュー・エン（Andrew Ng）氏です。
人工知能研究の第一人者であり、Google Brainの共同設立者、 Baiduの元副社長兼チーフサイエンティスト、スタンフォード大学の教授という凄い経歴の持ち主です。
講義の概要
「Week 2 Building AI Projects」では、以下の内容が、約1時間程度で学べます。
- 機械学習、データサイエンスプロジェクトの進め方と実例。
- AIプロジェクトの立ち上げ方、進め方と目標設定の注意点。
講義の内訳
講義の内訳は以下の通りです。
■Workflow of a machine learning project
- machine learning（機械学習） プロジェクトを進める際のステップを説明。
- データ収集→反復学習→製品組み込みのステップでプロジェクトを進める。
■Workflow of a data science project
- data science（データサイエンス） プロジェクトを進める際のステップを説明。
- データ収集→データ分析→仮説・検証のステップでプロジェクトを進める。
■Every job function needs to learn how to use data
- 小売、工場の生産ライン、人材採用、マーケーティング、農業分野における、データサイエンスと機械学習の実例を説明。
■How to choose an AI project (Part 1)
- 各自のビジネスで何にAIを適用するかを考える方法を説明。
- AIの専門家とビジネス自体の専門家の混合チームでブレストするのが有効。
- ブレストでは、
「職種ではなく、タスクレベルで自動化できるものはないか？」
「自社のビジネスの価値の源泉は何か？」
「ビジネス上のウィークポイントは何か？」
を考えると良い。
■How to choose an AI project (Part 2)
- AIプロジェクトについて、技術面（性能、教師データ数、リリース期限）、ビジネス面（コスト、収益、新製品や新ビジネスを生み出すか）、倫理面で評価を行う必要がある。
- AIプロジェクトを進める上で、機械学習は自前、外注両方選択し得る。データサイエンスは自前で行うことが多い。
ただし、業界標準の技術は外注した方が必ず良いものが得られるため、自前で作ってはならない。
■Working with an AI team
- 機械学習の限界や、教師データの問題で、100%正確なAIを目指すことは難しい。実現可能なレベルの正確性を定義することが重要。
■Technical tools for AI teams (optional)
どういう人におすすめか
「会社でAI活用を進めたい！」と考えている人に対して、「具体的なステップ」を教えてくれる良い授業だと思います。
「Andrew Ng」氏の説明はとても分かりやすいため、是非動画を見てみてください。
