close
プログラミング クラウド Microsoft Azure 情報処理資格 基本情報技術者 IT基礎 応用情報技術者 開発・設計方法 オブジェクト指向 内定者・新人研修 プログラミング基礎 アルゴリズム コンピュータ数学 内定者研修 新人研修 ヒューマンスキル プロジェクトマネジメント プレゼンテーション リーダーシップ 組織マネジメント ネゴシエーション ロジカルシンキング Java UI/UX HTTP JavaScript基礎 情報処理資格 ネットワークスペシャリスト ネットワーク インターネットルーティング応用 IPアドレス データベース応用 SQL応用 パフォーマンスチューニング データベース設計 ER図 概念設計(データベース) 論理設計(データベース) IT資格 Linux基礎 OS・システム基盤 セキュリティ TCP/IP OSI参照モデル データベースセキュリティ ファイアウォール 標的型攻撃 SQLインジェクション ネットワーク基本設計 CCNA Cisco プロジェクトマネジメント資格 情報処理資格プロジェクトマネージャ 情報処理安全確保支援士 人事給与 財務会計 管理会計 簿記 生産管理 在庫管理 ERP バランススコアカード 情報処理資格 ITアーキテクト 情報処理資格 ITストラテジスト 情報処理資格 ITサービスマネジメント 情報処理資格 システム監査 PMBOK® PMP® プロジェクト計画 WBS リスクコントロール ITIL ITサービスマネジメント 要求定義 要件定義 見積手法 ビジネスインダストリ 業種・業界知識 業務知識 提案力 ソフトウェアテスト基礎 情報処理資格 データベーススペシャリスト ハードウェア基礎 外部設計(基本設計) 内部設計(詳細設計) データベース基礎 SQL基礎 RDBMS 物理設計(データベース) C++ Ruby MVC基礎 Webアプリケーション開発 JavaEE Javaプログラミング応用 フレームワーク MVC応用 Spring フレームワーク ソフトウェアテスト応用 テスト手法 JUnit スマートフォンアプリ開発 Androidアプリ開発 C# 基礎 C# 応用 負荷テスト Javaプログラミング基礎 ソフトウェアテスト コーチング メンタリング HTML/CSS サーバー構築 仮想化技術 KVS (NoSQL) アジャイル スクラム ファシリテーション C言語 ITパスポート JSTQB データサイエンス 単体テスト ユニットテスト キャリアアップ インターネットルーティング基礎 パケット解析 LAN構築 データベース データサイエンティスト トレンド 障害対応 インフラ監視 HTTP/2.0 コンピュータサイエンス VPN ネットワーク物理設計 データベース障害 JavaScript モダンJS (Modern JavaScript) 応用 MVS応用 バックアップ/リカバリ 分散処理 Hadoop Hive Python AI 深層学習(DeepLearning) CentOS Linux応用 Zabbix シェルスクリプト Infrastructure as Code Windowsサーバー基礎 内部設計 Docker DevOps Windowsサーバー応用 NginX chef Ainsible ロジカルライティング R テスト自動化 Jenkins Git 継続的インテグレーション (CI) バージョン管理 Vagrant 要求分析 Redmine 継続的インテグレーション(CI) 継続的デリバリー (CD) ヒューマンリソース管理 Web API マイクロサービス コミュニケーション 業務知識/業界知識 マーケティング 語学 AWS 法務 IoT ビジネスマナー OJT 業務効率化 表計算ソフト オフィスソフト コンプライアンス フロントエンド Subversion PHP 関数型プログラミング Laravel モダンJS (Modern JavaScript) 基礎 Android Studio 機械学習 iOSアプリ開発 ぷプログラミング React 次世代高度IT人材 共創 IPA Raspberry Pi Xamarin スクリプト言語 GoF CUI VBA 資格 ビジネス文書 jQuery 研修参加レポート マネジメント OSPF テーブル設計 アンガーマネジメント クリティカル・シンキング PDU 経営改善 Pマーク 問題解決技法 サイバー攻撃 エンジニア 参加してみた エンゲージメントマネジメント 労働関連法 新人育成 ネットワーク構築 情報セキュリティマネジメント デザインパターン リファクタリング マルチスレッドプログラミング ベンダーコントロール Modern JavaScript 冗長化 VLAN インフラエンジニア チームビルディング テストケース リーダブルコード セキュリティ入門 ネットワーク入門 Node.js npm gulp ビルドツール Python入門 冗長化入門 インフラ実機演習 プロジェクト管理 Active Directory ネットワーク管理 コンテナ 正規化理論 Haskell 品質管理 OpenStack シンギュラリティ DBA中級 プロトコル UX 基本設計 FinTech トラブルシューティング 並列処理 見える化 PMO ロジカルコミュニケーション Deep Learning インデックス設計 超上流工程 BGP Excel C-CENT Selenide プライベートクラウド アセンブラ コンピュータ基礎 工数見積 CCENT 法律知識 失敗から学ぶ プロジェクト失敗事例 PDCA プログラミング入門 非エンジニア向け 4Biz DNS セルフマネジメント 片付け術 サーバーダウン サーバー タイムマネジメント GO言語 プロダクトマネジメント プロダクトマネージャ LVS ロードバランサー 負荷分散 仮想通過 犯罪心理学 情報漏えい SEカレッジ導入事例 IT研修制度を聞いてみた CentOS7 開発環境構築 数字力 財務 IT人材 UI Machine Learning Go言語 (golang) データマイニング 統計学 新人教育 やり直し数学 RDB つながる工場 モチベーション WebSocket WebWorker HTML5 CSS3 Bootstrap 微分・積分 システム設計 決断力 LAMP環境 教育研修担当者向け ルーティング Linux入門 図解術 目標設定 試験対策 インタビュー技法 Vue.js ブロックチェーン DHCP 仕掛け学 BSC 財務諸表 自己分析 RIP スタティックルート バッファオーバーフロー DoS攻撃 システム開発 Wireshark パケットキャプチャ 管理職研修 部下育成 文章力 情報システム部門向け プロジェクトリーダー プロジェクトマネージャ 塗り絵 リスク管理 法改定 会社の仕組み Chainer AI人材 会話術 テスト技法 会社規模199名まで 会社規模49名まで 会社規模99名まで アプリ開発 サーバサイドJava 営業知識 Cloud 栄養学 基本コマンド ウォーターフォールモデル ヘルスケア 論理設計 ニューラルネットワーク ハンズオン UML 顧客ヒアリング マウスで学ぶ Apache EC2 Lightsail M5Stack DevSecOps プロジェクト成果 画像認識 チャットポット コマンド レビュー 基本用語 自動構築 LPIC-1 サーバーサイドJavascript キャリア形成 ワークライフバランス インバスケット テック用語 GitHub Windows エディタ 教養 令和時代 RESTful API 物理設計 会社規模300名以上 データモデリング サーバーサイドJava Webサーバー基礎 Webサーバー応用 Watson IBMWatson Learning Topics OS モバイル コンテスト トレーニング手法 アーキテクチャ 人材モデル インフラ CI/CD Infrastructure as a Code チーム開発 制度づくり Special_Intro AI市場分析 研修ロードマップ 仕事術 デジタルトランスフォーメーション 財務分析手法 情報整理 PowerPoint 新しい研修 オンライン研修 見どころ紹介 統計分析 ディープラーニング G検定 情報処理技術者試験 販売管理 C# テスト計画 Linuxサーバー WEBサーバ構築 http/2 Postfix イーサリアム プロジェクト・メンバ 正規化 パケット実験 作業分解 トラブル調査 ネットワーク設計 Windows server 2016 ネットワーク機器 DX 管理職 最新動向 ポストコロナ時代 IoTデバイス マイコンボード センサ サーバー仮想化 仮想ルータ WAN インターネットVPN 若手エンジニア ITプロジェクト 人事面談 DX人材育成 Java基礎 ZAP 脆弱性診断 NWサービス構築 イノベーション・マネジメント ネットワークセキュリティ ストレッチ Google Cloud Platform 不動産業界 テレワーク(WFH) ドリル GCP ( Google Cloud Platform ) システム業界 PMS テレワーク ビッグデータ NoSQL OWASP CentOS8 ネットワーク技術 データ分析 デザインシンキング 保険業界 会議リーダー システムエンジニア 段取り術 プロジェクト原論 文章書き換え術 ノーコード No Code MongoDB Redis Cassandra 運用管理 Windows10 仮想マシン リモートワーク 働き方 生産性 IPSec Office セキュリティマナー ソフトウェア・レビュー ライフハック 新しい働き方 エクササイズ ビジネスモデルキャンバス 状況認識 ストレス 必須コマンド Web 今日わかる きほん 状況把握 意思決定 心の健康 IT書籍 書籍紹介 営業マン 類推法 クラス プロセス指向 PdM 共用 ウェビナーレポート 地方創生 GraphQL CSS OWASP ZAP セキュリティマネジメント 問題解決 ソフトウェア 新技術 雑談力 テスト見積もり Scala Go Rust Relay Cloud AI Kaggle ITエンジニア フレッシャーズ 経営戦略 事業戦略 マインドフルネス 基本情報技術者試験 ニューノーマル プロジェクト会議 メソドロジ 講師インタビュー システム障害 販売管理システム VMware セキュリティ事例 ケーススタディ インターネット通信 ビジネスマン 品質向上 提案 ロジック図解術 バーチャルマシン 対策事例 アスリート 国の動向 アンチパターン リモートアクセス 脳ヨガ 自律神経 整え方 組み立て方 コミュニケーション術 リーダー 新人 知っておきたいこと 対人能力 洞察力 一文作成 サッカー業界 グループワーク マネジメント手法 IT業界 Octave セキュリティ管理 IT ネットワーク機器の特徴 ネットワーク機器の仕組み 基本のキ プレゼンテーションの組み立て方 伝え力 試験合格後 時短術 作成のコツ 導入事例 メンタルマネジメント メンタルヘルスケア DXプロジェクト プログラミング教育 プログラミング的思考 子供向けプログラミング データ定義言語 DDL モダンWebアプリケーション ドキュメント作成 Docker Compose Docker Hub AR VBAエキスパート試験 Azure メディア掲載 サーバーアーキテクチャ データ操作言語 DML NewSQL ソフトウェアセキュリティ 数学 VR アパレル業界 Kubernetes Power BI Android プロダクトオーナーシップ プロダクトオーナー 内製化 情報システム部門

ノーコード ( NoCode ) で体験する AI 開発のキホン 研修コースに参加してみた


2021-06-16 更新

今回参加したコースは ノーコード ( NoCode ) で体験する AI 開発のキホン です。

AI 、機械学習と言うと、どうしても線形代数などの数学、機械学習アルゴリズムなどなどのイメージがあり、ちょっと気重になってしまいます。このコース名にある「ノーコード」と言っても、「とはいえ数学成分多いんでしょ」と私は思っていました。

それが…

ものの 30 分で学習モデルが作れて、さらに動いたんです!! これには驚きました!

学習モデルを作る体験をしたことで、まずはデータ分析をして、データの特徴が見えてきたら機械学習のアルゴリズムを使って ・・・ という流れが、覚えずともイメージできるようになりました! 素人でも AI は作れるんです!!

 

では、どんな内容だったのか、レポートします!

コース情報

想定している受講者 PC の基本的操作(アプリのインストール、 Web ブラウザの操作等)ができること
受講目標
  • AI の基本を理解する
  • ノーコードで学習モデルを開発できる

講師紹介

この参加してみたレポートでは初登場の 井上 研一 さんが登壇されました。

講師インタビュー 井上 研一 「 AI のハードルを下げて、 AI で何かを生み出す人を増やしたい!」

その自己紹介にあったのが、井上さんは AI の研究者ではなく、普通に SE ・プログラマをやっていて、そこから AI が面白くて勉強し始めて、今に至っているとのことでした。

「面白い!作ってみたい」と思うことが、何よりスキルアップには効くのかも知れませんね。

今日の狙い

続いて、今日のコース内容について説明いただきました。

  • AI は実はそんなに難しいものじゃない
  • 画面上の操作で作ってみる
  • 作る題材は 2 つ
    • 画像認識
    • 予測を行うモデル
  • AI プロジェクトと他プロジェクトの違い

AI とは

まずは AI について、いまどのように活用されているのか、紹介いただきました。

  • 画像認識
  • チャットボット
  • 予測
    • ゑびや (飲食店・伊勢市) では来店予測 AI を開発し、利益率の向上につなげている
    • この AI には自社サイトへのアクセスや気象庁のデータなど非常に多くのデータを収集して開発されている
    • モデルの開発だけでなく、使用するデータの特定やその収集に工数が掛かる
  • 生成
    • 比較的新しい
    • 動画や画像の生成
  • ガートナー・ハイプサイクルによると AI は過度な期待のあとの幻滅期にある

Adobe が発表していたものも「生成」に分類されるものですね。

画像の解像度を「2倍」にするPhotoshopの新機能「スーパー解像度」の使い方&仕組みはこんな感じ – GIGAZINE

AI のこれから

  • 汎用人工知能 (強い人工知能) が出てきてる
    • 人間のような知能
  • 過去の歴史をたどると…
    • 実は AI は実用化されると AI と呼ばれない
      • 昔は漢字変換も AI と言われていた
    • 漢字変換も今ではとりたてて AI と言わなくなっている
  • 経産省の新産業構造ビジョン ( 2018 ) におけるディープラーニング技術の発展と社会への影響
    • 画像などの認識から、今後は「運動の習熟」や「言葉の意味理解」に進む
      • 文脈に応じて「優しく動かす」のようなことができる
  • コグニティブ
    • 言語や画像などを人間のように AI が理解する

確かに先日開催された Google I/O 2021 では以前 ( 2019 ) のように AI というキーワードを連発する場面は少なくなりました。もはや AI は日常の機能の一つに溶け込んでいると言えそうです。

Google I/O 2021基調講演まとめ:Google I/O 2021 – ITmedia NEWS
Google I/O 2019まとめ 「AI for Everyone」、Pixel 3aも発表:Google I/O 2019 – ITmedia NEWS

機械学習の進め方

AI つまり機械学習とはどのようなもので、どのように作るのか、いよいよメインテーマに差し掛かります。

訓練データからどのように学習モデルを作るのか、解説いただき、実際にその手法を紹介いただきました。

機械学習の手法 ( ex. 線形回帰)

  • 線形回帰の式: y = w1x1 + w0
  • x という値が与えられた場合、 y の値が求まる
    • こうした式が機械学習アルゴリズムであり、訓練データを用いて学習すると学習済みモデルになる
    • ディープラーニングも機械学習アルゴリズムの一種
    • この x( x は x1, x2 … のように複数存在することもある)を特徴量という
    • 特徴量として何を用いるかは人間が考える必要がある
  • 人間が考えなくとも特徴量を見出すのがディープラーニング
    • ただし万能ではなく、画像や時系列データなどの分野で用いられる

続いて、どのように AI を作るのか、その手法を解説いただき、今回の演習内容を説明されました。

  • 今回は学習済みモデルをノーコードで開発
  • 1 つめの演習は Google Teachable Machine を使用
    • 機械学習アルゴリズムはブラックボックス
    • 学習済みのモデルをファインチューニング
  • 2 つめの演習は Azure Machine Learning を使用
    • 機械学習アルゴリズムとして何を用いるかなど自分で決められる
    • 学習モデルをゼロから開発

コードを書かなくてよいこともそうですが、機械学習のアルゴリズムなどを詳しくなくても開発できるとはスゴい時代です。  AI の裾野は広がっていますね。

Teachable Machine で画像認識モデルを作ってみよう

今回は画像認識の中でも、画像を分類するモデルを作ってみます。

  1. Google が開発した Teachable Machine を利用
  2. 井上さんに用意頂いたデータセットをもとにトレーニング
    • 犬と猫の画像を 10 枚ずつ
  3. テストデータを入れて判定してみる
    • ググった画像を入れてみよう

    • 100 % 犬という判定
  4. エクスポートして利用もできる
    • モデルをアップロード後、埋め込み用のコードをサイトにコピペすると動く(!!)

ものの 30 分ぐらいで、しかも少ないデータセットで出来ました! スゴい!!

さらに Teachable Machine が作ったものをホストしてくれてると言うので、実際に埋め込み用コードを貼り付けてみました。ぜひお試しください!

Teachable Machine Image Model
    Usage

  1. Web カメラを用意
  2. Start ボタンを押す
  3. Web カメラ使用許可のダイアログが出るので OK
  4. Web カメラの領域が表示される
  5. カメラに写るものが 犬 or 猫 で判定される



なお、オンプレでやってみたい場合は「Microsoft Lobe を使ってみるとよいですよ」とのことでした。

Azure Machine Learning で価格予測モデルを作ってみよう

先ほどは予め学習してあるモデルを使ったので、スグに作れましたが、次は学習モデルをゼロから開発してみます。

今回は自動車のスペックデータから価格を予測する学習モデルを開発します。

Microsoft Azure Machine Learning Studio (classic) を使ってみる

井上さんの画面キャプチャ付きのスライドと解説をもとにポチポチ進めていきます。丁寧なスライドのおかげで迷子にならずに済みました!

そして、これまた 45 分ぐらいで作成できました! スゴい...

ここでは大まかにその手順を紹介します。 体験したい方はぜひコースを受講ください!

  1. Microsoft Azure Machine Learning Studio (classic) を使用
  2. データセットを選択
  3. アルゴリズムを選択し、学習モデルをトレーニング
  4. 結果を評価
    • 値がないところがある = データセットに欠損値がある
    • 精度が悪い
  5. 精度を改善する
  6. 結果を確認

さらに精度を上げるには

井上さんから補足として、ここから精度を上げる方法を紹介いただきました。

  • 訓練データの分け方を変える
  • 相関がないカラムを排除する
  • アルゴリズムを変えてみる

精度を上げるには機械学習やデータ分析手法の知識は必要ですが、引き続き、画面ポチポチするだけなので、実装コストを考えると遥かにラクができます。

「ノーコードツールで価値検証して、いい感じに問題解決と精度が上げられそうなら、実装する」という使い方がとてもハマりそうですね。

AI の開発と従来プロジェクトの違い

一通り開発したところで、ふりかえりを兼ねて、 AI の開発と従来のシステム開発との違いをお話いただきました。

  1. 作って終わりではない
    • 想定するデータが集まらないこともある(むしろ多い)
      • たとえば画像認識でパン屋のレジ打ちを自動化するのあれば、コロナによって個装されるようになり再学習が必要になったと考えられる
    • 継続してデータを収集しながら開発を継続する必要がある
  2. ユーザが抵抗することもある
    • AI に仕事が奪われると思われることもある
  3. データが差別化の鍵
    • 同業他社の A 社がうまくいったからと言って自社が上手くいくわけではない
    • なぜなら活用の方法や、訓練に使ったデータが違うから

ユーザの抵抗があるというお話やデータが違えば、システムも違うというお話は、考えていなかったのですが、確かに「 AI 開発あるある」に感じますね。

 

このお話をもって、このコースは修了しました。

まとめ

AI の現状と機械学習でやっていることの大まかな流れを、ノーコードで体験しながら理解できました。

この体験があると動いたときの感動とともに、行ったこと学んだことを記憶するので、これはとってもいい学習でした! 思わずウキウキしてしまいますね。

AI は幻滅期を迎えているという話もありましたが、それだけ裾野が広がり、日常に溶け込んだと感じられるコースでした。

「機械学習を勉強するのはちょっと重いな」と思う方には、こういった体験からワクワクして学習を進められるので、とってもオススメです!!

 


SEカレッジについて

label SEカレッジを詳しく知りたいという方はこちらから !!

SEcollege logo
SEカレッジ
IT専門の定額制研修 月額28,000円 ~/ 1社 で IT研修 制度を導入できます。
年間 670 講座をほぼ毎日開催中!!

午前免除 FAQ

タグ一覧