表紙:AI技術のネクストウェーブ(第1の波:教師なし学習) - 真のインテリジェントへと向かう
市場調査レポート
商品コード
940867

AI技術のネクストウェーブ(第1の波:教師なし学習) - 真のインテリジェントへと向かう

Towards Being Truly Intelligent: Next Wave of AI Technologies (Wave 1 - Unsupervised Learning)

出版日: | 発行: Frost & Sullivan | ページ情報: 英文 26 Pages | 納期: 即日から翌営業日

価格
価格表記: USDを日本円(税抜)に換算
本日の銀行送金レート: 1USD=110.86円
AI技術のネクストウェーブ(第1の波:教師なし学習) - 真のインテリジェントへと向かう
出版日: 2020年05月19日
発行: Frost & Sullivan
ページ情報: 英文 26 Pages
納期: 即日から翌営業日
  • 全表示
  • 概要
  • 目次
概要

世界中の業界が機能全体のデジタル化を追求するにつれて、意思決定と洞察の生成を支援するために、ますます多くのデータが生成および利用されています。データの量と複雑さが増すにつれて、従来の機械学習(ML)アルゴリズムが多数の変数を理解することも困難になっています。このような大規模で複雑なデータセットのラベル付けと注釈は、非常に手間と時間がかかり、MLを拡張できなくなります。

当レポートでは、AI技術における教師無し学習について取り上げ、教師なし学習のイントロダクション、アプリケーション、イノベーターとイノベーションおよび成長機会などについて分析しています。。

第1章 エグゼクティブサマリー

  • 調査範囲
  • 調査手法

第2章 教師なし学習- イントロダクション

  • 教師なし学習は、人間の介入が最小限である真に自動化された機械学習のフレームワークを提供
  • 教師なし学習は、手動でラベル付けできない大規模なデータセットでも正確に機能
  • データをグループにクラスター化することで、データをさらに分析してより適切かつ理解しやすく
  • データセットのタイプおよび目的に基づいて、教師なし学習に基づくさまざまなデータクラスタリング手法が使用可能
  • 分析のために大規模なデータセットを準備する際に、次元縮小法が重要な役割を果たす
  • 教師なし学習システムにおける自律性と最小限の人間の介入により、出力にあいまいさが生じる

第3章 イノベーションと推奨行動

  • 教師なし学習は、自動運転車の自律性を向上
  • 教師なし学習は、NLPシステムが未知の言語とアクセントを用いて、より簡単かつ迅速に学習するのに役立つ
  • 前例のない独自の金融詐欺は、教師なし学習方法でより正確に特定可能
  • データセットから外れ値を特定することは、ULシステムの主要な強みであり、悪意のある行動の検出に適する
  • サイバーセキュリティは、教師なし学習のイノベーションの主要分野として出現

第4章 成長機会

  • 自動運転車の自律性をさらに追求することは、教師なし学習技術の採用を促進
  • 人工知能システムの精度は、アルゴリズムのトレーニングに使用されるトレーニングデータの品質に大きく依存
  • 産学連携により、教師なし学習の商業化のペースが加速

第5章 連絡先情報

  • 主な連絡先
  • 免責事項
目次
Product Code: D985

An Overview On Emerging Machine Learning/Artificial Intelligence Approach

As industries across the globe pursue digitization across functions, more and more data are being generated and utilized to empower decision making and insight generation. As the volume and complexity of data increases, it is also becoming difficult for traditional machine learning (ML) algorithms to make sense of a large number of variables. The labeling and annotation of such large and complex datasets are highly laborious and time consuming, making ML unscalable.

While most of the current ML-based systems depend largely on supervised ML algorithms, unsupervised learning (UL) systems after years of theoretical and lab research have found applicability in commercial applications and have been at the center of many initiatives in industries such as automotive, finance, and cybersecurity.

In brief, this research service covers the following points:

  • Introduction to Unsupervised Learning
  • Applications of Unsupervised Learning
  • Innovators and Innovations
  • Growth Opportunities

Table of Contents

1.0 Executive Summary

  • 1.1. Research Scope
  • 1.2. Research Methodology

2.0 Unsupervised Learning - Introduction

  • 2.1. Unsupervised Learning Lays the Framework for Truly Automated Machine Learning Where Human Intervention Is Minimal
  • 2.2. Unsupervised Learning Works Accurately with Large Datasets Which Cannot be Labeled Manually
  • 2.3. Clustering of Data into Groups Makes Them More Suitable and Understandable for Further Analysis
  • 2.4. A Variety of Data Clustering Methods Based on Unsupervised Learning can be Used Based on the Type of Dataset and the Objectives
  • 2.5. Dimensionality Reduction Techniques Play a Key Role in Prepping up Large Datasets for Analysis
  • 2.6. Autonomy and Minimal Human Intervention in Unsupervised Learning Systems Create Ambiguity in Output

3.0 Innovations and Companies to Action

  • 3.1. Unsupervised Learning Will Empower a Higher Level of Autonomy Among Self-driving Cars
  • 3.2. Unsupervised Learning can Help NLP Systems Learn More Easily and Rapidly with Unknown Languages and Accents
  • 3.3. Unique Financial Frauds with no Precedent can Be More Accurately Identified with Unsupervised Learning Methods
  • 3.4. Identifying Outliers From Datasets Is a Key Strength of UL Systems, Making Them Fit for Detecting Malicious Behavior
  • 3.5. Cybersecurity is Emerging as a Key Area of Innovation for Unsupervised Learning

4.0 Growth Opportunity

  • 4.1. Pursuit of Greater Degree of Autonomy Among Self-driving Cars Is Facilitating the Adoption of Unsupervised Learning Techniques
  • 4.2. The Accuracy of Artificial Intelligence System Is Highly Dependent on the Quality of Training Data Used to Train Algorithms
  • 4.3. Industry-academia Collaborations can Accelerate the Pace of Commercial Adoption of Unsupervised Learning

5.0 Industry Contacts

  • 5.1. Key Contacts
  • Legal Disclaimer