→ディープラーニング
→自然言語処理／全文検索
→Python関連
→アルゴリズム
→数学・物理
→データサイエンス
一般 †
- なぜ「AIによる株式投資」は普及していないのか？ - GIGAZINE 2022.4
- Sahakian氏らがレビューした論文では約95％という非常に高い精度で市場予測ができたそうですが、現実の市場予測では5％の間違いが大きな問題になり得ます。5％の間違いはそのまま「5％の損失」になるわけではなく、重大な局面で読み違いが発生した場合、運用資金のほとんどを失ってしまう危険性もある
- また、ほとんどのAIアルゴリズムはその中身が「ブラックボックス」であり、「この投資アルゴリズムはこうして機能する」といった透明性を担保できません。現実の世界においては、この点が投資家にとって懸念となる可能性が高いほか、規制の観点からも問題になり得る
- 現時点では、人間のアナリストやマネージャーを好む非常に強いケースがあると結論づけました。あらゆる不完全性にもかかわらず、実証的な証拠は人間がAIに勝っていることを強く示唆しています。これは不確実性の下で迅速な意思決定をしなければならない時、人間が効率的に精神のショートカットを行うことが一因だと考えられ
- ヨーロッパはAI時代の競争においてなぜ絶望的なのか 2019.2
- VCと起業家のエコシステムがない
- アメリカの起業家のような革新性がなく、中国の起業家の粘り強さもない
- 今の時代に必要なソフトウェアとAIの問題を解決するのに必要になる経験がない
- コンシューマー・インターネット、ソーシャルメディア、モバイルのアプリケーションの３分野で大きく成功した企業を作ったことがない
- 現在、参考にすべきなのは、アメリカであり中国であり、アメリカの場合は特にシリコンバレー
- 「人工知能が仕事を奪う」に怯えている人たちが、今絶対にすべきこと 2017.29
- 「人工知能が人の仕事を奪う」どころか、「人工知能は世話がやける」こそが真実
- そのため新しい人間の仕事が生まれる。そのために関連のリテラシーを身につけること
- 世話ができるのは、世話をする相手のことを知っている人だけ。専門的な人的投資・研修なくしては、到底キャッチアップできないものです。今までのビジネス経験を応用してなんとかなるようなレベルではない
- 日本企業は、アメリカ・イギリス・ドイツ・フランスのわずか1/3程度しか費用をかけていません
- 幸い、過去の技術革新の時と比べて、私達の時代は学習しようとする人たちに有利
機械学習 †
- 機械学習帳 2021.12
- 機械学習帳は、機械学習を学ぶためのノート（帳）を、デジタル（機械）による新しいカタチの学習帳として実現することを目指しています。
- 結局、機械学習と統計学は何が違うのか？ 2018.5
- 統計も機械学習もデータサイエンスへ貢献しているという点では変わりないのですが、ゴールが違い貢献の仕方も違います。手法や理論は重なる部分があるかもしれませんが、その目的はまったく違います。ですので、機械学習を「応用統計」と呼ぶのは誤解の元ですし、二つのそれぞれの分野に対しての侮辱です。
応用事例 †
その他のフレームワーク、開発環境 †
オンライン学習 †
|
![[PukiWiki]](image/pukiwiki.png "[PukiWiki]")
