AIサービスの開発に求められる予測性能以外のこととは？データ粒度の詳細化を例に学ぶ
現場のAIエンジニアから学ぶ「時系列データの予測モデルの作り方」 第2回
本稿では、NTTテクノクロスでAIエンジニアとして活躍する筆者が、実際にどのようなことを行っていて、どのような苦労があるのかを、実際に動かして試せる「時系列データの予測モデル作成」の題材を通して、4回にわたってお伝えします。第2回では、PoC（概念実証）進行中にサービス性向上のため、当初の目標スコープからの追加・変更があった場合、どのようなことが起こるのかをお伝えします。（編集部）
※印刷用ページ表示機能はメンバーのみが利用可能です（登録無料）。
この記事は参考になりましたか？
- 現場のAIエンジニアから学ぶ「時系列データの予測モデルの作り方」連載記事一覧
-
- ディープラーニングによる時系列データ予測モデルの問題点を解消する
- ディープラーニングによる時系列データ予測モデル――精度を高める2つの方法とは？
- AIサービスの開発に求められる予測性能以外のこととは？データ粒度の詳細化を例に学ぶ
- この記事の著者
-
阪本 正樹（NTTテクノクロス）（サカモト マサキ）
NTTテクノクロス株式会社 IoTイノベーション事業部 第一ビジネスユニット所属。NTT研究所内でのビッグデータ活用の研究開発に従事し、2012年から顧客企業でのビッグデータ活用、AI技術活用に取組む。NTTテクノクロスでは人にやさしい「みらい」を作るAIファースト活動を拡大中。
※プロフィールは、執筆時点、または直近の記事の寄稿時点での内容です
