AI (人工知能) システム開発の注意点と性能評価、検収のポイント

ディープラーニングを始めとする機械学習は、その柔軟な問題解決能力から現在では様々な用途へと応用が進んでいますが、その開発メソッドについては十分な周知がなされているとは言えません。 　本セミナーでは、機械学習をシステム内の一要素として使用するシステム開発において、機械学習部分の設計・評価・機械学習以外の部分とのマッチングについて必要となる要素を紹介します。また、機械学習による開発特有の注意点、性能の評価方法など、機械学習システム開発プロジェクトを回すために必要な知識と、実際の開発者ではなくとも、開発を外注するために必要になる知識を紹介します。

1. 機械学習とは
   1. 人工知能研究史概略
   2. AIと機械学習
   3. ディープラーニングについて
2. 機械学習システムについて
   1. 機械学習の応用分野
   2. システムとしての人工知能
   3. 部分システムを機械学習で繋げる
3. 機械学習を組み込んだシステム設計
   1. 機械学習の得手不得手
   2. インターフェイス設計とサーバーAPI
   3. クライアントサイドで利用可能なライブラリ
4. 機械学習部分の性能評価
   1. 評価用データセットと交差検証
   2. 代表的な評価関数
   3. コンペティションにおける評価関数の実際
5. 機械学習部分の性能を向上させるには
   1. モデルのチューニング
   2. アンサンブル学習の導入
   3. 検証関数へのオーバーフィッティング
6. 性能の評価と仕事の評価
   1. データセットと評価関数の共有
   2. 実行時間についての制限
   3. プログラムのバグかモデルの問題か
7. 機械学習システムの検収方法
   1. 部分システムの評価と全体システムの評価
   2. 契約上の検収条件と性能向上のモチベーション
   3. バグと仕様の境界に溶け込む
8. 人工知能には難しい問題
   1. 直接学習が不可能な問題のクラス
   2. 計算能力が足りない問題のクラス
   3. 解決方法が見つかっていない問題のクラス
9. 機械学習ビジネスの今後
   1. 人工知能の本当の可能性
   2. 知的財産権とモデルの権利について
   3. 機械学習ビジネスの健全な発展のために (まとめ)
• 質疑応答