回転ずし「スシロー」を運営するFOOD&LIFE COMPANIES(F&LC)は20年間蓄積した販売データを使って、食材やすしの廃棄を減らす取り組みを始めた。約200億皿分のビッグデータのうち約20億皿分を人工知能(AI)に学習させ、店舗ごとに当日の売上高や皿数を予測。適切な量の食材を準備し、作りすぎを減らす。原価率を低減し、原材料価格の高騰を乗り切ろうとしている。午後2時。
(Image by Pixabay) 気が付けば、日本における第一次データサイエンティストブームから6年、人工知能ブーム開始から3年が経ったようです。意外と言っては何ですが、これまでのところ人工知能ブームも、そしてそれにブーストされた形で起こった第二次データサイエンティストブームも、まだまだ続くどころかどんどん加速していきそうな状況です。 なのですが、これだけ統計学や機械学習のような高度なデータ分析技術がビジネスの現場に浸透するようになった現在でも、なぜかあまり多く見かけないものがあります。それは「機械学習(もしくは自動化された統計分析)によるビジネス上の成果を数値として示したもの」。意外かもしれませんが、個人的な観測範囲では例えば「Deep Learningを導入したら〇〇がXX%向上した」みたいなリリースや記事を見かけることは、正直なところ思った以上に少ないように思われます。それでも第
この記事は2年前の以下の記事のアップデートです。 前回はとりあえずデータサイエンティストというかデータ分析職一般としてのスキル要件として、「みどりぼん程度の統計学の知識」「はじパタ程度の機械学習の知識」「RかPythonでコードが組める」「SQLが書ける」という4点を挙げたのでした。 で、2年経ったらいよいよ統計分析メインのデータサイエンティスト(本物:及びその他の統計分析職)vs. 機械学習システム実装メインの機械学習エンジニアというキャリアの分岐が如実になってきた上に、各方面で技術革新・普及が進んで来たので、上記の過去記事のスキル要件のままでは対応できない状況になってきたように見受けられます。 そこで、今回の記事では「データサイエンティスト」*1「機械学習エンジニア」のそれぞれについて、現段階で僕が個人的に考える「最低限のスキル要件」をさっくり書いてみようかと思います。最初にそれらを書
AI〈人工知能〉による書籍の需給予測システムの開発――。先日、国内最大の印刷会社・大日本印刷株式会社が発表した新しい取り組みは、最近のAIへの関心の高さもあって新聞各社が報じるなど、注目された。 書籍の出版点数は1年に8万点近くあり、それぞれが多様な個性を持つ。単なる消費財、とは言えない文化的な側面がある商品の売り上げを、AIがどれだけ予測できるのか疑問の声もある。 はたして、AIは長引く出版不況の打開策になるのか? 担当者に話を聞いた。 取材・文/伊藤達也 本の売れ方には「サイクル」がある 「現状ではここ5年分、数万冊分の売り上げデータを学習したAIが、当該の書籍がどのような売り上げの経過をたどるかを予測しています。すでに実用化のレベルにあり、グループの出版社はもちろん、グループ外の出版社数社でも導入し、成果が確認できています」 AI予測についての責任者である、大日本印刷の若林尚樹氏はそ
印刷する メールで送る テキスト HTML 電子書籍 PDF ダウンロード テキスト 電子書籍 PDF クリップした記事をMyページから読むことができます ビッグデータや機械学習/ディープラーニング/人工知能(AI)といった、“データ活用”に関連するキーワードが次々と話題に登るが、実際に企業のビジネスにデータを生かすとなると、何から手をつければいいか分からないことも多いのではないだろうか。 ビジネスにおけるデータ活用を専門とし、『データを活用しようとするすべての企業を、人工知能(AI)を通し支援する会社』を標榜するDATUM STUDIO(データム スタジオ)の酒巻社長に、企業におけるデータ活用の基本から聞いてみた。 “ビジネスのデータ”とは 学術分野のデータや統計学的なデータが「きれいなデータ」と言えるのに対し、ビジネスのデータは「汚いデータ」と言えます。学校の授業などで統計を扱う場合、
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く