00:02
収録終わりです。おつかれさまでした。 雑談会ってやつですかね。そうですね。
よかった? いや、普通に雑談しましたね。雑談で
流す価値あるんですかね? いやでも、いつからデータサイエンス学んだのかとか話せて。
まあそうね。そんなことしてたんだっていうのを自分は知りましたけどね。 データサイエンスの入り口っていうバリューを提供できたと。
まあいいでしょう。ストックもないから流しましょう。 今日はAIの勉強をどうやってし始めたかっていうところを話してます。
ぜひ最後までお付き合いください。
隣のデータ分析屋さん。 この番組は隣の席に知らないことを気軽に聞けるデータ分析屋さんがいたらいいなぁ
を叶えるポッドキャストチャンネルです。 データアナリストのおりょっちです。データサイエンティストのたっちゃんです。
今日は、まあなんかでっかいトピック云々っていうよりは ここまでがっつりいろんな話してきたから、ちょっとふわっとした収録にしとこうかなみたいな。
ちょっと肩の力抜いて。 そうそう。はい。そうしましょう。 いつもはなんかお互いが基本的に一個ずつトピックを持ってきてやろうみたいな。
これはもう俺がバリュー中毒みたいになってたから、雑談とかを誰も聞いてくれねえだろうなっていう。 それバリュー中毒って言うんですか?
バリュー中毒、俺が作った今の言葉。 何か価値を届けないと。 喋っちゃダメ。きつい。喋りにくい。逆にね、そう思われてるんじゃないかっていう。
なんでこんな価値のない話をすっかりしてんの? 名神だと思って。聞いてくれてねえこれって。 普段の話はそういうことするわけじゃないし。
いや、ちょっとそういうとこありますよ。おちまだからとか。 言わないでよ、そんなこと。
ヒリヒリしてるんですから、みんな。集まるときは一個なんかお笑いエピソード持ってかんと、ちょっとこれ怖いなとか。
俺も自分に課税をつけて喋ってるからね。 確かに。
で、だから、あれなんだよね。このポッドキャストを始めるときも、なんか無理なのよ。その雑談系とかっていうのをできる性格じゃないというか。
ってなってやってる感じなんだけど、今回はその中でも緩めのデータサイエンスに関する話をここまで大急ぎで来ましたからやっていこうかなと思ってて。
前回のエピソードでAIの勉強の仕方みたいな、チラッと出て。 資格の話とかをしたから、それに関するとこだよね。
03:07
前回の資格の話は、なんだろうな、データサイエンティストになってからとか、ある程度やりたい方針が決まった状態になってからの勉強の仕方じゃん。
そうじゃなくて、俺らがデータサイエンス寄りのところに近寄っていったきっかけみたいな。
そもそも同じ研究室、大学で同じ研究室にいて、ほぼ始めたのは同じ時期なんだよ。
確かにそうだ。
研究室の研究テーマに、別に研究室の人誰も知らないのに、AIを使って星の爆発を探そうみたいなテーマが一個ドーンって出てきて。
急に現れましたよね。
これ誰やるみたいな。
結構牽制し合ってた感は。
ありましたね。
最初は。
よくわからん技術使わなきゃできないぞみたいな。
その時AIそんな流行ってたかなぐらいの時だよね。
AIって何みたいな、何ができるのっていうレベルでしたよ。
自分のそれ聞いた時ドラえもん的な、AIイコールドラえもん的な感じで。
何かこうきっかけのボタンを押したら、そのAIがデータを吸い上げて学んで、それをさらにまた何かこう自分で考えて学んでも繰り返すから、別に人間滞在する必要ないじゃんぐらいの感覚だったんですよ。
もうスーパー人工知能だよね。
そうそうそうそう。
でもそのイメージだったかな。
未だにそう思ってる人たぶんいるんだよ一部に。
AIの仕事してるって言うと、そう言われることが多々あった。
今もあるでしょ。
あるある。AIで終わっちゃう。
難しそうなシーンみたいな。
頭の中に想像してるのは、そういうドラえもんとかみたいな、自由に何でも動くロボットの中に入っている言語にも精通した、技術にも精通したスーパー脳みそみたいな。
たぶんありますよ、そのイメージ。
その感じでたぶんお互い目の前にそういうネタを置かれて、一個差だったけど二人とも、うーんみたいな。
最初はそんな触んなかったと思うんだよね。
そうだね。
ってなったところから、結構お互い軸全然違うところで最終的に一緒にAIを使った定文の研究をしたっていうのがあるから。
確かに。
で、そこから就職した後にデータサイエンスの仕事とかをしてるじゃん。
そうですね、それがきっかけでしたね。
ってなってくると、そこまでの研究でAIを使い始めるっていうところまでのステップがお互い全然違う。
確かに、知らないかもしれない。
06:01
と思う。
どっちどう勉強したかとか知らないし。
どっちからしゃべる?
じゃあまあ、自分からいきましょうか。
なんか自分はね、どう勉強したかというか、どうAIに歩み寄っていったかみたいな話になるんだけど、結局さっきの研究テーマを引き受けたのは自分だったんですよ。
そうね。
最初、研究室の中で。たまたまその時やってた研究テーマがちょっと難しいし、あんま面白くないなと思って。
で、自分は新しい物好きだし、すぐなんかAIかっこいいじゃんみたいな単純な思いで飛びついて、最終的にはそのテーマで中論書いたんですけど。
で、ただAI何勉強していいかわからなかったから、どっからスタートしていいかもわからなかったんですよ。
そうだね、確かに。あの時はそうだったね。
で、その時のテーマがAIを使って衛星の撮った画像から星の爆発を分類するっていうテーマだったんだけど、今聞けばわかるんですよ。画像を使って画像分類しろっていうシンプルなテーマだったんですけど。
この画像は爆発の画像で、この画像は何にも起こってない時の画像でっていうのを区分けるAIだよね。
だったんだけど、今はわかるけど、それをじゃあどう実装していいかわかんなくて。
マジでわかんなかったね。
マジでわかんなかった。で、とりあえずネットを調べて、画像分類とか、そしたらこんな風にコード書いたらできるよみたいな。
だからそれを本当にコピペして、どうにか動かしてみて、結果出ましたで、中間報告とかはしてて自分。
でも先生も何したかもよくわかってない状態だったから、こんなもんでいいのかなみたいな話をして。
当時は画像にCNNって言われる、いわゆるディープラーニング、ガチガチの画像分類の難しいAIモデルを当てはめてて、
コンボリューショナルニューラルネットワーク。
そんな難しいところを動かさなきゃいけなかったから。
でもいきなり衛星のデータにそれを当てはめるのが難しかったから、
自分でトランプの分類モデルを最初に作ったんですよ。
そんなのやってたっけ?
たぶんロッチがアメリカ行ってる間とかかもしれない。
半年ぐらい。
1年ぐらい?
1年か。NASAに行ってたじゃないですか。
あの時期は唯一、AIの会話をできる研究室の中で唯一できるロッチがいなくて、
もう自力でどうにかするしかない時期があって。
いきなり衛星データに対して当てはめるのが無理だったから、
ネットに転がってたトランプの分類させるためのAIの動かし方みたいなチュートリアルを上から順番に、
もう本当に手順が全部書いてるからポチポチ動かして、
自分で研究室の部屋のあちこちにトランプの絵柄を並べて、
09:03
自分のスマホで写真を撮って、画像を収集して、
その画像セットを作って、パソコンに入れて、
AIのモデルに分類できるかのチェックをしたんですよ。
へー。あちこちに置く意味なくね?
いや、確かに。
でもなんか、はい、はい。
なんで?
なんで置いてとって、置いてとってってやればいいのに。
確かに。
あちこちに置いたら。
ソファーの上とか机の上とか、テレビに貼ったりとか。
確かに。
背景が変わるからね。
背景変わるから精度変わるんじゃね?みたいな思いで。
そうだ。
で、6割ぐらいの精度が出たよみたいな報告をしたんですよ。
最初の半年間ぐらいから大学院の時。
今考えたらさ、6割ので人に見せるの超恥ずかしい。
恥ずかしい恥ずかしい。
だって6割ってさ、俺が何にも目つぶってこうやってさ、
名刺とトランプ並べられてさ、
トランプって言い続けたらさ、もう5割当たるわけじゃん。
ちょっと運良かった6割ぐらい。
だからもう多分ね、そんな精度も何も良くない
ポンコツAIを作って、
教授に発表して、もうすごいじゃん。
知らないからね。
からスタートでしたね。
だから自分は最初ネットにある記事を、
ポチポチ動かしたっていうのが最初のきっかけかもしれない。
あの時、まあでもそっか。
知らないからねとか言ったけど、
誰も知らないから俺らもすごいと思ってたしね。
6割当てれんじゃんみたいな。
そうだね。
ていうのがきっかけかな。
それ最初?
一番最初のAIを動かしたっていう経験は。
こないだどっかの話で、エピソードで話してたあの黄色い本も使ってなかった?
ああ、あれは大学院で機械学習の勉強ができるらしいぞって噂を聞いて、
で、履修したっていうのがその次の段階かな。
ああ、なるほどね。
そこで機械学習の基本的な知識を本を使って勉強していくみたいな。
ていうのを大学院の後半ぐらいから始めて、
徐々に自分の知識が広がっていったみたいな。
ああ、じゃあ一回まず手ガーって動かして、
そもそものきっかけは研究のネタがあって、
まあなんかかっこよさそうだからやってみよう、
手探りでいろいろ動かしてみて、ピペとかしまくったらまあそれっぽいの出るし。
そう、なんか動くなっていう。
そこか。
そう、自分のスタートはそれでしたね。
知らないな、確かにそのタイミング知らないな。
ちょうどアメリカ行ってた時だ、本当に。
まあそうだね。
じゃあ俺が全然違うわ、そう思うと。
いや、そう思う。どっちがどうだった?
俺は、たぶんきっかけは同じとこだね。
研究室でAIのネタが入ってきて、これやったらうまくいきそうみたいなので、
12:04
俺が選んだっていうよりは、
俺はその食わせるデータ処理の方のスペシャリストぐらいの感じでいたじゃん、その時に。
研究室の中で一番そのデータ触るならとりあえずリョッチに聞けみたいな感じになってて、
だからそっち側からサポートして、
で、え、どんなの出るの?みたいなのを横で見てたみたいな感じだったから、
で、それのまんまアメリカ行ったんだよね。
で、そのアメリカのNASAで研究してる間にアメリカの天文学会っていうのに参加したんだよね。
で、アメリカの天文学会っていうのがもうバカでかいの。
一緒に行った、一緒にハワイ行ってるじゃん。
で、その一緒に行ったやつの一年前かな、のアメリカの天文学会にも俺は参加してるんだ。
で、そのアメリカの天文学会が日本の天文学会の10倍とかの規模だったよね。
相当でかいよね。
あれすごかったじゃん。
すごいね。
参加してみた。 お祭りあれは。
そうね、マジでなんかこう。
その街の地域活性化というか、多分経済えげつないぐらい動かしてるよね、みたいな人が。
そうだよ。
1万人とかくるの?もっとか、違うな。日本の天文学会で1万人ぐらいいるのかな。
1万ぐらいいるのかな。
わかんねえな、全然。
じゃあもっとか。でもハワイで行ったときは、もうビーチがほとんど天文学者でしたよね。
そんな気がする。
ワイキキビーチが天文学者でいっぱいみたいな。
だって、日本のでも割と規模はすごいから。
どこだっけな、四国かどっかに学会行ったときに、空港にようこそっていう紙が出てたぐらいの人は行くぐらいなんだけど、それも10倍だったから。
相当だよね。
めちゃめちゃすごい規模のやつがあって、俺は星の爆発の研究をずっとしてるから、そういうセッションに行くわけ。
いろんなセッションがもう10とか20とか並行して進んでて、
そうだね、星ごとにあるぐらいですよ、太陽があってみたいな、ブラックホールがあってみたいな。
ってなってて、その中にAIっていうブースがあって、AIセッションっていうのがあって、日本にはないのよ、このAIセッションって。
ないね。
で、「え、何?」みたいな。しかも一番でかい会場なの。
一番でかい会場で丸一日ずっとAIに関する話をやるみたいな、天文学会で。
すごいっすね。
マジ?みたいな。そんなのある?と思って、自分の分野の発表とか全部終わって、そっち見に行ったりしたら、もう部屋も満杯だし、一番でかい部屋なのに部屋も満板だし。
で、本当にAI使ってこんなん見つけました、AI使ってこんなん見つけましたが、ドバーってみんなが発表してるみたいな。
15:06
今じゃね、ちょっとずつもうニュースになってきてますもんね。AI使ってブラックホールとかありますもんね。
うん。
確かに確かに。
そこの走りみたいな時期だったところを見て、すごいなみたいな。単純にすげえってなったのと、そういえば研究室でもAI触ってたな。
一人だな。
そういえば一緒にやってたなと思って、ここが天文学者として生き残っていく上で、必要な、いい感じの筋なんじゃねみたいな。日本でやってる人あんまいないし。と思って、それを経験してアメリカから帰ってるんだよ。
で、その頃はもう天文学者になる気満々だったから俺。
そうなんだ、よっちゃ天文学者になろうとしてたんだ。知らなかった。
仕事があんま頭良くないとこからスタートしてるから、最初の俺のポッドキャストの売り文句、偏差値36から天文学者になったっていう。マジなんだけど、偏差値36取ったらマジなんだけど。
それはマジって聞いたことある。
それだったぐらい、あんまり頭の良いあれはなかったから、天文学者って超すごそうじゃん。頭の悪い人のなる仕事じゃないから。ってなって、そこがなんか目指せるっぽいから、目指したいな。
ってなって、天文学者の中でも武器持つってなったら、AIいい感じじゃんって。で、日本帰ってきてからどうしようと思って、たっちゃんはなんかもう割とちょっと理解進んでるっぽいぞみたいな。
そうね、その間いろいろやってたから。 トランプをこうやって置いて取りに行ってみたいな。やってたわけだから、なんかがっつりやらないとまずいなってなって、日本帰ってきてAIを専門に学べるプログラミングスクールみたいなところを見つけて、大学の近くというか大学と家の帰り道の間ぐらいのところで、
新橋で週に1回、1回の授業2時間とか。 行ってましたよね。 結構したんだよね。 お金かかったって言ってましたよね。 ココットココット。なんかAIって機械学習とディープラーニングとみたいな、なんか2段階あるじゃん。で、それの機械学習講座で8万とか。ディープラーニング講座で10万。
そんなに? うん。 へー。ってなってたけど、もうNASA帰りの私は意識ブリブリですから。だってね、帰ってきてから雑談してくれなかったっすもん。 もうね、すごいから。意識が。 かかってかかって、もうほんとに。もうね、自意識が。俺はNASAから帰ってきた男の。
18:06
いやほんとね、空気悪かったっすよ、あの時の研究室は。 ウッチ全然なんか喋ってくんないな、みたいなずっと思ってるし。 喋ってはいる。 喋ってはいる。 違うんだよね、やっぱり。 ゲームしてなかったっけ? そう、ゲームしなかったし、雑談をスッと切り上げて、ちょっと研究室に来ると熱い。痛くなるんですよ。
嫌なやつ。 嫌なやつ。変わっちまったなーってみんなで喋ってましたけど、あの時期っすよね。 あの時期、あの時期。あの時期はもう博士課程のとこでも学費払ってるし、外でも。 確かに。 もう、まああと稼ぐべっつって。 はいはい。
やってたんですね。 やって、だから4ヶ月5ヶ月ぐらい、学校の外の授業受けに行って、AIの勉強してってなったら、まあ結構、たっちゃんの理解度に追いつき。 追い越されました、あっという間に。 なんかあの時、お互い教えるみたいな感じになって。 そう、教えてくれた。
いろんな評価指標っていうのがあってね、AIの評価方法をめちゃめちゃ親切に教えてくれる良いお兄ちゃんでした。 ちょっと鼻につくけどね。ちょっと鼻につくし、雑談はしてくれないけど、聞いたら教えてくれる良い人。
そこがきっかけだから、俺は課金してる。 そうなんだ、ゴリ課金してる。 いやー、だけえなーと思ったけど、まあしょうがないか。 まあまあまあ、すごいな。
それがきっかけで、たっちゃん1年先に卒業してるから、その後、なんかそのシステムもろもろを理解できてるのはほぼ俺だけみたいな状態。助教の人も分かってたけど。 そうですね。
けど、実際に触って組めるのは多分俺だけだったんだね。残ってる中だったら研究室に。博士課程長いからさ、修士の人は先にいなくなってくる。それで、聞かれたらちょっと答えてとか、後輩が引き継いだやつとかはやりつつで、そのまま卒業したかな。
俺も結局そのAI使って博士論文とかを書いてない。 そうですね。もともとテーマは別であったから、そうなんだよね。けどまあなんかそのうち使えたらいいなみたいな感じで、とりあえず勉強はしといたぐらいかな。
まあでも、そうやって講座を受けてある程度の基礎レベルは学んでましたもんね。一通りは習得できてる。機械学習とかディープラーニングは。それ強かったっすよね絶対。会話できますもんね。ちょっと知ってる人と。
その後、いやでもやっぱ20万は高いって思ってたのよ。20万高いなと思ったから、そこの講座をやってる会社に営業をかけて。で、なんか業務委託の仕事をしばらくもらってた。その業務委託の仕事で学費は全部回収した。2ヶ月ぐらい。
21:12
お給料で回収しきったってこと?そこでAI関連の仕事をしてたって言ってましたよね。
前回のエピソードで話した、クラウドサービスのAWS、GCP、AzureっていうAmazonとGoogleとマイクロソフトが出してるやつの、その頃もその頃クラウドも結構
走りとまでは行かないけど、まだ認知度は今ほど全然高くない。っていう時にクラウドすらむずい状態の中で、クラウドの中に各社がめっちゃ頑張って作ったAIのモデルがたくさん入ってるらしいみたいな。
ってなって、それを解き明かす仕事をさせられた。リサーチャーみたいな形で、うちの試験全部やってくれて、全部パスしてるし、元NASAなんですよねみたいな。じゃあいいですよってなって
仕事もらって、家でクラウドのやつ全部自分で登録して、ぽちぽちぽちぽちやって、こんな感じですみたいな。この画像入れたらこの会社のやつが一番良さそうとか、そういう性能の評価とかをやって学費を回収した。
そこでも学んでたんじゃないですか。学びはありますよね絶対に。
で、そこからどうやってデータサイエンティストになるかというと、研究でも触ってたし、業務委託でも仕事もらってたし、そもそもなんかこういう学校とかも出てますみたいな。卒業の証明のなんかあったのよ。経済産業証なんちゃらなんちゃらなんちゃら資格みたいな。受けただけでもらえるやつね。
修了証みたいな。第4次産業革命なんちゃら人材研修修了証みたいな。全然覚えてないけど。っていうのに、もうあるみたいな。
肩書きだらけだ。
ってなって、データサイエンティストに転職してる。全部博士課程終わった。そこで新卒じゃなかったから、新卒のがどうのこうのの話はわかんないけど、そこでデータサイエンティストっていう職にジョブチェンする。
ある程度もう学んでるし、触ってましたもんね、その時には。
俺はそっから博士終わって動いていってるけど、その研究の、たっちゃんはそれを触った後に、じゃあもうこれで仕事にしよう。仕事にしようと思った。AIが精度どんどん高くなるっていうところに面白みを感じてしまって。
24:01
データサイエンティストだねそれは。
ゲームみたいな感覚だったんですよ。ちょっと自分が工夫したら、さっき60%って言ってたものが70%になるとか、80%になるとか、どんどん賢くなっていく。可愛くなるんですよ。
人工知能を本当に人っぽく見てて、教えたら教えた分だけ伸びるこいつみたいな。
可愛いなこいつみたいな。データいっぱい上げたらめっちゃこいつ精度良くなるじゃんとか。
その感覚がちょっとやみつきになってて、これでも仕事にしたら面白そうだなと思って、じゃあデータサイエンスの仕事ができるってどこなんだろうみたいな。
っていうのをまず調べたところから、その時はデータサイエンスで働きたいなっていう思いがあって。
だからその間にも何勉強できるかなって。オンラインのコーセラとかっていう知ってます?
コーセラ?読むのかな?キョーセラじゃなくて。
キョーセラは日本の会社?
なんかオンラインで学位が取れるサービスがあって。
コーセラ?
コーセラっていうC-O-U-R-S-E-R-Aっていうコーセラっていう
コースのエラーだ。
っていうのがあって、ここの機械学習のコースがすごいいい。
スタンフォードの授業?
そう、スタンフォードの授業。
このアンドリュー・エン先生っていう人が有名なんだけど、多分機械学習関連やってる人みんな知ってると思う。
アンドリュー・エン、NGって書いてるし。
NG、そう。
え、ングじゃないんだ。
そうそう。
この人がやってる機械学習のコースを、自分は大学の時に家で受けたりとかしてて、
で、ちょっとずつ大気的に学ぶっていう経験は、こういうコースを勉強しながら知識蓄えたりはしたかな。
で、就職して、あとはもう働いちゃえば、もうイヤオンなしに仕事も来るし、研修とかもあるし、
で、同期もいるし、いろんなところから刺激受けつつ学びつつで、徐々に育ってたかなっていう。
十分意識高いと思うよ。
いや、なんかね、入社した時は本当に周りがすごすぎて、追いつかんといけないなみたいな意識はあったんですよ。
そんなのあるんだ。優秀なんですね。
みんな優秀すぎた、周りが。
データサイエンティストとして入ってくる人が。
そんな中にほぼ無知のトランプでAIを自分で作ってみたチュートリアル動かしてみたレベルの人がポツっていると、これはヤバいと思って。
まあ確かにね。
勉強したかな。
もうあとは、その中にいちゃえば、自分が一番もう底辺だったから、やっていくしかないで。
底辺楽だよね。
27:00
そう。
底辺は一番頑張れるからね。
頑張れたかなっていうのは。
恥もクソもないから。
ないない。分かんなかったら全部聞くっていう、その状態。
それが一番楽だよね。
そうですね。
意外と嫌な人いるらしいから。
自分が一番下。
いや、自分もその思いはありましたよ。一番下は嫌だから、頑張らんといけないっていう。
まあまあまあ。
そうそうそう。
認められないパターン。
なるほどね。無理だった、それは自分はもう。
圧倒的に。
圧倒的にすごすぎて、認めざるを得なかった。
なるほどね。
っていう感じかな。
入ってスタートはね、どうしてもスタートの時ってすげえ奴が目につくからさ。
しょうがないってしょうがないし。
そうだね。
結局そこからどう範囲を広げていくかみたいなところが、割と俺は独自性が出るかなと思ってて。
はいはい。
そうね。
それこそ前回の話で言ってたビジネスのスキルとコンピューターサイエンスのスキルとプログラミングのスキルとみたいな話あったときのどこを伸ばしていくか。
確かに。
コンピューターサイエンス先に先行されてて、追っかけても背中見えなそうだなと思ったら別の軸動かすみたいな。
そうだね。
どう広げていくか確かに大事かもしれない。
確かにな。
まあ最初はみんなそんなもんですよ。
そうだね。
入り口は何でもよくて、少しずつ学んでいくと徐々にできることが増えていくっていう感覚は絶対あるから。
まあそうだね。
そこを楽しめるかどうかもあるんじゃないですか。
そう、なんか勉強しようぜみたいな雰囲気すごいもんね、データサイエンティストって。
すぐ勉強会しますよね。
したがるね、本当に。
このポッドキャスト自体はそういうとこに身を置いてる人にも聞いてほしいけど、目指してる人にもなんとなく聞いてほしいみたいなところもあるから。
確かに確かに。
いろいろ聞きたいな。やってる人からはお便りフォーム概要欄に作ってるから、どうやってスタートさせたのかみたいな。
もちろん多分王道はコンピューターサイエンスの学部。
大学でも勉強したっていう人たち。
そんな気がするから。
まあそういう道ですよってパターンもあれば、俺らみたいな、なんかもうわけわかんないところが、アングラーからスタートしたデータサイエンティストもいるだろうから、なんかそういうとこも教えてほしいし。
あとでももう多分自分たちの先輩に当たる人たちは、まだ大学時代はデータサイエンスがない時代だったはずだから、多分働きながら勉強したい人も全然いますよね。
すごいね。
すごいですよね、そういう人たち。
ちょっとね、みんながどうやって勉強し始めたかみたいなところは、できればお便りフォームで教えていただけたらいいかなと。
ぜひぜひ。
30:00
まあそんな感じでいいですかね。
意外と緩くやってもいけるもんなんだね。
喋れますね。
意外といけるね。よかったよかった。
そんな感じでこう、基本的にはなんか価値のある話を。
なんでしたっけ、バリュー。
バリュー中毒で。
はいはい。
やっていかなきゃいけないなとは思いつつ、まあこういう雑談会的なのというか、のも定期的にやっていければというような感じですかね。
はい。
じゃあまあそんな感じで、次回はまたバリュー中毒の私めが、ちょっと前に紹介したWeb3関連のWeb3xデータサイエンスの話をもうちょい詳しくしたいなと思ってて。
なんか前概論の話をしたじゃん。
ブロックチェーンの分析するとなんかいろんなことわかりそうみたいな。そもそもブロックチェーンなんぞやみたいな。
まあそういう話はそのWeb3系のポッドキャストとか教科書に任せて、実際のサービス。
歩いて稼げるステップンっていう、もう一世を風靡し異常に詐欺臭のしたサービス。
急に終わりましたよね。
まだあるでしょ、一応。
あるのかな。
あるある。多分ある。
そうなんだ。
で、それをなんだろうな。データで見たら、詐欺臭がすごいっていうのを分析した結果見えたから、その話をちょっとしていきたい。
だから、次回一番聞いてほしいのは、Web3をうさんくさいと思ってる人に、「な、うさんくさいだろ?」を伝えたい。
というところで、もちろん良い面もあるんだけど、次回はデータ分析で解き明かすWeb3の悪い面みたいなところの話をしていければいいかなと思ってます。
楽しみにしておいてください。
隣のデータ分析屋さん、今回も面白いなと思ったらフォロー・レビューよろしくお願いいたします。
番組の感想や質問は、ハッシュタグとなりの分析屋、隣のがひらがなで、分析屋が漢字でお願いします。
また概要欄にお便りフォーム貼っておりますので、ぜひコメントだったり、AIの勉強の仕方いろいろ教えてください。
それではまた。バイバイ。
