保科学世の作品一覧
「保科学世」の「生成ＡＩ時代の「超」仕事術大全」「アクセンチュアのプロが教える AI時代の実践データ・アナリティクス」ほか、ユーザーレビューをお届けします！
- 作者をフォローする
- フォローすると、この作者の新刊が配信された際に、お知らせします。
作品一覧
-
3.7 -
3.9 -
3.0ＡＩに従うのではなく、人間中心の未来をつくる ＤＸ成功への新たなフレームワーク イノベーションを転換する「ＩＤＥＡＳの力」 Intelligence：知能――人工的から人間的へ Data:データ――最大規模から最小規模へ、最小規模から最大規模へ Expertise:専門性――機械学習からマシン教育へ Architecture:アーキテクチャ――レガシーシステムからリビングシステムへ Strategy：戦略――もはやすべての企業がテクノロジー企業 人間の本質に迫る「ラディカリー・ヒューマン」時代を勝ち抜く４つの重要領域 人材：あらゆるレベル・業種の従業員の手にデジタル活用力を 信頼：人間に信用され、信頼を得られるテクノロジーの活用 体験：人の心を強く捉える人間的な体験を設計する 持続可能性：テクノロジー自体の持続可能性を向上させる 【主要目次】 PART1 イノベーションを転換する――IDEASの力 第１章 知能――人工的から人間的へ 第２章 データ――最大規模から最小規模へ、最小規模から最大規模へ 第３章 専門性――機械学習からマシン教育へ 第４章 アーキテクチャ――レガシーシステムからリビングシステムへ 第５章 戦略――もはやすべてがテクノロジー企業 PART2 人間の本質に迫る未来を勝ち抜く 第６章 人材――人間の本質に迫る革新的テクノロジー 第７章 信頼――極めて根源的な人間の本能に訴える 第８章 体験――人間の本質に迫るデザインが力を発揮する 第９章 持続可能性――惑星「IDEAS」 結論――３つの事実と新たな機会 -
3.0「可視化」と「AI予測」が勝ち筋へ導く! アクセンチュアAI部門責任者による 実例ベースの組織変革方法 グローバル企業の経営幹部の84%が「AIの幅広い活用はビジネス戦略に不可欠である」と考えています。一方で「AI機能を本格的に備えた組織の構築を実現している」企業はわずか16%。この16%の企業は、その他の企業と比べてAI投資から3倍近い投資対効果を得ていることが明らかになりました。 AIを活用できる企業とそうでない企業との格差は広がる一方です。企業は適切な人材を集め、分野横断型のチームを組成し、組織全体で戦略的にデータとAIの活用に取り組まなければなりません。 データやAIの活用において日本は遅れているという声が聞こえてきます。遅れている所は遅れていると認識した上で、その弱点を補いつつ、他国と比べて優れている部分、潜在的に勝てる可能性がある領域をどう伸ばしていくべきかを解説します。 -
-「暴言」を吐くAIチャットボット 「人種差別」をする犯罪予測AI 「男女差別」をする人材採用AI・与信審査AI…… AIの「暴走」をどう防ぐか？ 「技術」「ブランド」「ガバナンス」「組織・人材」 ４つのアプローチで「責任あるＡＩ」を実現する 「責任あるＡＩ」のベースにあるのは 「人間中心」のデザインであり、人間が意思決定の中心となることである。 「責任あるＡＩ」実現のために守るべき規範が「ＡＩ倫理」である。 【主要目次】 Part1「責任あるＡＩ」「ＡＩ倫理」とは何か？ ●なぜ今「責任あるＡＩ」が重要なのか？ ・デジタルツインの波とＡＩ ・労働生産性におけるＡＩの貢献 ・意思決定におけるＡＩの役割 ・加速するＡＩへの法規制 ●求められる「AI倫理」とは？ ・アシモフの「ロボット工学原則」と抜け穴 ・ＡＩのガイダンス制定の世界的な流れ ・「責任あるＡＩ」と５つの行動原則「ＴＲＵＳＴ」 ●AIの潜在的リスクに備える４つの観点からのアプローチ ・ＡＩに混入する潜在的リスクとは？ ・各産業分野におけるＡＩ適用と考えうるリスク ・ＡＩの導入・定着のために求められる施策とは？ Part２「責任あるAI」を実践する４つのアプローチ ●技術のリスクを防ぐアセスメントの方法 ・ＡＩの開発プロセスで忍び寄るリスク ・リスクを表面化させるアルゴリズム・アセスメント（ＡＡ）とは？ ●ブランド価値を守り、高めるESGアプローチ ・ＥＳＧによるブランド価値の創出・向上 ・ＡＩ開発においても無縁ではない「環境」意識 ●ガバナンスにおける効果的な「火消し」の方法 ・ＡＩガバナンスのロードマップ ・日本企業で導入が広がるＡＩガバナンス ●組織・人材に「ＡＩ倫理」を根付かせる ・研修プログラムとコミュニケーション ・具体的事例を用いた演習 ・リーダー企業になるためのチェックリスト -
4.0PoCで終わらない! AI・データサイエンス本格導入のための基礎知識やポイントを徹底解説! AIを導入してビジネスに活かす――多くの日本企業が取り組んでいますが それがPoC(概念実証)レベルに終わってしまいがちで、 意思決定プロセスにまでAIが組み込まれることは稀です。 本書は、AIの「頭脳」に不可欠なデータサイエンスについて、 古典的統計解析から機械学習まで、ビジネス活用上のエッセンスを紹介します。 実際にPythonを用いたコーディングを通して分析実務を体験できます。 また、AI導入をPoCで終わらせないために企業が備えるべき視点や、 AIの本格導入までのステップ、チェックポイントを示した 「AIロードマップ」をもとに、AIのビジネス活用の要諦を解説します。 これからAI・データサイエンスの学習を始めたい方はもちろん、 AI活用を推進していかなければならない立場のビジネスパーソンまで、必読の一冊です。 -
4.3ビッグデータ分析、統計学、AI、機械学習の基礎理解と「使いこなし」を世界的総合コンサルティング企業のアクセンチュアのプロフェッショナルが徹底解説！ 本書は世界的なコンサルティング会社「アクセンチュア」のデータサイエンティスト工藤卓哉氏、保科学世氏を中心に、同社の専門チーム「アクセンチュア アナリティクス」のメンバーが、企業の実務家向けにデータ分析の考え方と具体的な実践手法を解説した本です。 第一部の「データアナリティクスの基礎」編ではアナリティクスのビジネス背景を業種向けに解説し、必要となる統計学の基礎的な考え方、課題の定義や立案の方法を紹介。第二部の「データアナリティクスの実践」では、機械学習や人工知能、ディープラーニングの動向とアナリティクスの関係を掘り下げ、ビジネス上必要となる、それぞれの分析手法を、無料ソフトウェアの「R」のパッケージやWebによる分析サービスなどを用いて、手を動かして実践するところまでを解説しています。 データアナリティクスの基礎から実践までを、専門家だけではなくビジネスパーソンが体系的に理解し、実践するための格好の定番書です。 ◎内容（抜粋） 【第一部】 ・データサイエンスが作り出すビジネス革新 ・分析で必須となる一般的な統計知識 ・課題の定義、仮説立案 ・データ収集・加工 ・システム処理基盤 【第二部】 ・機械学習とは ・アソシエーション分析 ・クラスター分析 ・決定木分析 ・経路探索、R言語と地図データによる実行 ・協調フィルタリング ・H2Oでディープラーニング ◎こんな方にお勧め ・データ分析などで課題解決をおこないたいビジネスパーソン ・データを収集・分析から事業立案をおこなおうとする事業開発部門、戦略部門の方 ・データ分析基盤や分析フローをつくるIT担当、情報システム関連の方 ・データ分析を普及したい教育担当の方 ・データ分析の基礎を習得したい学生の方 ※本電子書籍は同名出版物を底本として作成しました。記載内容は印刷出版当時のものです。 ※印刷出版再現のため電子書籍としては不要な情報を含んでいる場合があります。 ※印刷出版とは異なる表記・表現の場合があります。予めご了承ください。 ※プレビューにてお手持ちの電子端末での表示状態をご確認の上、商品をお買い求めください。 -
3.7複雑で難解になりがちな統計学に基づいたデータ分析の基礎知識を俯瞰的に理解してビジネスに活かせるようになるのが本書の狙いです。数多くのデータ分析プロジェクトの現場では、「ビジネス」ありきではなく「データ」ありきの曖昧な態度でデータ分析に取り組んでしまい、うまく行かなくなるケースが多々あります。 ビジネス領域におけるデータ分析は、企業戦略・戦術や業務プロセスでの意思決定を支援するためのものです。いかに画期的な分析結果が得られても、それがビジネス活動に影響を与えられなかったり、成果につながらなければ人材やシステム投資の無駄遣いです。 「データ」ありきではいけない。こうした著者の思いから、データサイエンティストになりたい人だけでなく、一般のビジネスパーソン、例えば、マーケティング部門や経営企画部門、営業部門、IT部門などに属する方にも読んでいただけるよう、「データ分析の基本」を具体的な事例を交えながら平易に説明しています。 【特徴】 ・日本屈指のデータサイエンティストによる書き下ろしです。 ・この1冊で、ビジネス活動に役立つデータサイエンスを一通り理解できます。 ・日々の生活で体験する身近な事例から先進的な企業事例までを具体的に紹介します。 ・統計学に基づいたデータ分析の基礎知識を平易に解説します。 ・巻末に「図解 統計の基本」を収録しています。
ユーザーレビュー
-
-
Posted by ブクログ
データ分析＋AI。
データ分析の手順をわかりやすく、かつ生成AIをどのように使えば効率的かを学べる本。
テクノロジー系の本は早く読まないと、時代遅れになってしまうと実感した年末年始でした。年明けてからの目標はテクノロジー系の本を月に1冊読むです。
その中でも新しく刊行されたこのデータ分析の本は非常に面白かったです。従来のデータ分析に加えて、生成AIを上手く活用している事例を出してくれる。
どんなに生成AIで簡単にデータ分析ができたとしても、その分析結果を人に伝えるためには自分が最低限の知識を持っておかないといけないと感じました。
あまり勉強してこなかった機械学習なども深掘りしてくれたので -
-
-
特集・キャンペーン
