CIOが驚くアイデア
IT部門 vs. ビジネス部門、機械学習チームはどこが統括する?
IT部門のサポートがなければ、機械学習を利用することはできない。だが、機械学習の射程はITよりも大きい。機械学習の実践者が「機械学習チームはどこが統括すべきか」について議論する。(2019/1/22)

AWS、Microsoft、Googleの機械学習認定資格【前編】
“機械学習のプロ”を認める「AWS Certified Machine Learning - Specialty」とは? 合格するには
大手クラウドベンダー3社は、キャリアアップに役立つ機械学習認定資格を用意している。AWSの機械学習資格「AWS Certified Machine Learning - Specialty」を取得するためのお役立ち情報をお届けする。(2022/2/2)

AWS、Microsoft、Googleの機械学習認定資格【中編】
初心者歓迎の機械学習資格「Azure Data Scientist Associate」とは? 合格するには
IT分野でのキャリアパスを広げるには、機械学習認定資格の取得が役立つ。実は機械学習の初心者でも挑戦できる資格がある。「Azure Data Scientist Associate」がそれだ。どのような知識があれば合格できるのか。(2022/2/9)

AWS、Microsoft、Googleの機械学習認定資格【後編】
Google認定の機械学習資格「Professional Machine Learning Engineer」とは? 合格するには
機械学習開発の最先端を走るGoogle。同社認定の機械学習認定資格「Professional Machine Learning Engineer」を取得すれば、キャリアアップにつながる可能性がある。取得するには、どうすればいいのか。(2022/2/16)

「AIOps」の肝 システム運用における機械学習の活用法【前編】
システム障害のよくある原因と、トラブル対処に使える「機械学習モデル」一覧
インシデント対処の質向上とコスト削減を図るための選択肢として、機械学習が注目されている。どのような問題に対して、どのような機械学習の手法が有効なのだろうか。(2022/3/25)

「AIOps」とは何か【第3回】
「MLOps」とは? 機械学習モデル開発にDevOpsを生かす
DevOpsの考え方を取り入れた機械学習モデルの開発手法が「MLOps」だ。従来の開発手法と何が違うのか。機械学習の要件を踏まえて登場したMLOpsの基礎を解説する。(2020/9/16)

オープンソースの活用も有効
機械学習プラットフォームをどう選ぶ? 検討したい技術要素を説明
機械学習プラットフォームを比較する際は、利用できるデータソース、使いやすさ、自動化の機能など、複数の要素を検討する必要がある。(2018/12/4)

多様性のある人材が必要
企業の“機械学習離れ”を生み出さないための3つのポイント
ただ最先端のテクノロジーだという理由だけで機械学習を導入しても、ビジネスの改善効果はない。事業における意思決定プロセスに機械学習ツールを組み込む方法について、3つのポイントを紹介する。(2019/3/14)

Z世代の顧客を効率的に獲得するには
機械学習でアプリマーケを変革、エン・ジャパンが挑む広告配信の新たな形
求人情報サイトを複数展開するエン・ジャパンは、“スマホネイティブ”なZ世代にリーチするため、Web広告からアプリ広告へのシフトを決めた。採用したのは、機械学習で高パフォーマンスをもたらし得る、あるプラットフォームだ。(2023/6/7)

金融機関が「AI」でコンプライアンスを効率化する方法【後編】
金融機関のコンプライアンスを阻む「過検知」とは? 機械学習が対策に
金融機関がコンプライアンスに関するシステムを運用する際に、直面する課題が「過検知」だ。その正体とは何なのか。対策として機械学習などの人工知能(AI)技術が有効である理由とは。(2023/3/3)

マルウェア対策としてのAI【第4回】
「AI」で未知の脅威に挑む 高精度化が期待できるマルウェア検出“3つの機能”
人工知能(AI)技術の一つである機械学習は、従来手法では検出が難しいマルウェアの検出精度を高めることができる。機械学習で強化可能な3つのマルウェア検出機能を紹介する。(2023/8/3)

セキュリティと低レイテンシが強み
機械学習をクラウドではなく「モバイルデバイス」で実行すべき理由
モバイルデバイスのローカルリソースを使った機械学習が、現実的な手段となりつつある。クラウドの機械学習サービスが充実する今、あえてモバイルデバイスでの機械学習を選ぶ意味とは。(2018/6/28)

「AIの消費電力」を考える【前編】
機械学習のCO2排出量は乗用車5台分? 「AI」の消費電力を減らすには
機械学習モデルの訓練には大量の電力を要することを、最近の研究が証明している。機械学習をはじめとする人工知能(AI)技術の運用にかかる消費電力を減らすために、考えるべきことは何か。(2019/7/31)

「AI」がマーケティングを進化させる【後編】
「機械学習」がマーケティングの“救世主”とは限らない理由
マーケティング担当者は機械学習がもたらす可能性を無視すべきではない。ただし機械学習があらゆるマーケティング活動にメリットをもたらすわけではないことに注意が必要だ。(2020/3/11)

「AutoML」の可能性と限界【前編】
「AutoML」(自動機械学習)がデータサイエンティストを楽にする?
多忙なデータサイエンティストの業務負荷をいかに軽減するか。その有力な手段となり得るのが、機械学習モデルの設計や構築を自動化する「AutoML」(自動機械学習)だ。どのような業務を効率化できるのか。(2020/2/14)

初期投資を抑え、自由に使いたい
AI/機械学習へのGPU活用、費用の問題をどうすればよいのか
ディープラーニングや機械学習にはGPUの利用が適している。だが高性能なGPU搭載サーバをオンプレミスで導入すると初期投資額がネックになる。パブリッククラウドのサービスは料金体系に不安が残る。どうすればよいのだろうか。(2022/8/5)

今の機械学習開発スタイルは時代遅れ
MLOpsで近代化する機械学習の開発ライフサイクル
機械学習の分野は自動化されておらずパイプラインは不安な、旧態依然とした体勢で運用されている。MLOpsを導入することで、機械学習の世界に産業革命をもたらすことができるという。(2020/8/26)

幅広いマルウェアの挙動を検知
「機械学習」を使ったAIセキュリティ製品が注目する “3つの挙動”
AI(人工知能)技術のうち、特に機械学習をセキュリティ製品に実装する取り組みが進んでいる。本稿では、機械学習ベースのセキュリティ製品の仕組みと、製品選定時の注意点を説明する。(2019/8/2)

「AIOps」の肝 システム運用における機械学習の活用法【後編】
AIにシステムを任せるのは危険? 部分的なシステム自動化が無難なのか
企業のシステムが複雑になる中で、機械学習をシステム運用に取り入れることが重要になってきた。全てを機械学習モデルに任せることは簡単ではないが、部分的に活用するだけでもメリットを享受できる可能性がある。(2022/4/1)

「AIOps」とは何か【第4回】
「MLOps」ツールの機能とは? 使える機械学習モデルを生み出す
「AIOps」に似た言葉として「MLOps」がある。機械学習モデルの開発における課題を解消することがその目的だ。MLOpsツールが持つ役割を紹介する。(2020/9/23)

機械学習を始めるなら知っておきたいアルゴリズム5選【後編】
機械学習の代表的アルゴリズム「SVM」「k平均法」「アプリオリ法」とは?
機械学習にはさまざまなアルゴリズムがあることを知っているだろうか。代表的な機械学習アルゴリズム「SVM」「k平均法」「アプリオリ法」について紹介する。(2019/12/24)

機械学習を始めるなら知っておきたいアルゴリズム5選【前編】
機械学習の代表的アルゴリズム「線形回帰」「決定木」とは?
機械学習にはさまざまなアルゴリズムがある。前後編の前編に当たるこの記事では、数あるアルゴリズムの中でも、代表的な機械学習アルゴリズムの「線形回帰」「決定木」について紹介する。(2019/12/16)

TechTarget発 世界のITニュース
AWS、製造業向け機械学習サービスを発表 産業機器の予知保全と品質管理を支援
AWSは製造業向けに、機械学習を生かした新たなサービスを発表した。産業機器の保全や品質管理を支援するために、ハードウェアやソフトウェア、クラウドサービスを組み合わせて提供する。(2020/12/28)

攻撃側と防御側の両方が利用
ネットワークセキュリティにおける機械学習の光と闇
機械学習による予測は、ネットワークセキュリティ戦略において役立つ。しかし同時に、ネットワークセキュリティを脅かす勢力も機械学習の恩恵を受けられる。(2019/3/20)

量子コンピュータへの道
量子コンピューティング実現の障害である環境ノイズを機械学習で解決
環境ノイズは量子コンピューティングにおける課題の一つだった。機械学習を応用することで、量子コンピューティングのエラーに際して環境ノイズとそれ以外の分離が可能になった。その意義とは?(2021/10/15)

失敗には理由がある
PoCで終わらせない「機械学習」のビジネス活用 5つのポイントを専門家が解説
データ活用に本腰を入れる動きが広がっている。しかし機械学習を導入しようとしてもPoC(概念実証)で終わり、実装まで進めないケースが少なくない。機械学習の導入を成功させる5つのポイントとは。(2019/11/5)

運用環境では予期しないことが起こる
機械学習導入のカギは「運用者と開発者のスキル差をどう埋めるか」
機械学習モデルの導入時には、その開発時とは全く異なるスキルセットが必要だ。データサイエンティストとエンジニアリングチームはこのギャップを埋める準備をしなければならない。(2019/2/22)

生物多様性にAIはどう役立つか【後編】
「オープンソースのAIモデル」は使えたのか? 英鉄道会社が“生態系”を分析
英国の鉄道事業者とロンドン動物学会は人工知能(AI)技術を活用した生物多様性の改善に取り組んでいる。AI技術を活用するにはデータと機械学習モデルが必要だ。どう用意したのか。(2023/12/5)

機械学習でBad Rabbitを発見
Microsoftが語る機械学習の成果と懸念
「Bad Rabbit」をわずか14分で悪意のあるマルウェアであると立証するなど、Microsoftの機械学習利用は成果を上げている。だがサイバーセキュリティ分野のCTOのケリー氏は機械学習に懸念を抱いている。(2019/9/19)

従来のネットワーク管理との違いは
ネットワーク管理に機械学習を利用するメリットとは
機械学習をネットワークの分析と監視のツールに関連付けると、ネットワーク管理に必要な労力を減らせる可能性がある。機械学習と他形式の自動分析との違いは何だろうか。(2018/6/6)