需要予測

過去のデータから将来発生しそうな出来事について予測（売上、在庫、株価、生涯価値、不動産価格等）　
EC、webサイトで過去のお客様の購買履歴をもとに好みを分析
小売業の需要予測、在庫最適化

異常検知

IoTやセンサー等の学習データから抽出した特徴量から本質的な構造を学習し、異常や故障を検知（電気、センサー、気温、モーター動作等）
製造現場における部品（画像）の異常検知

分類・推薦

画像の分類、手書き伝票の画像認識
デジタル画像・動画内に映っている特定のクラス（人間、建物、車といったカテゴリー）の物体を検出　
異常検知同様に、学習データから抽出した特徴量から学習し、自動分類や推薦（顧客クラスタリング、画像分類、商品レコメンド等）　
組合せ最適化
深層学習モデルによる自然言語処理

ディープラーニング（深層学習）

ディープラーニングは音声の認識や画像の特定、識別、予測など、人間が行うタスクをコンピューターに学習させる機械学習の手法の一つ。十分なデータ量を用意することで、機械が自動的にデータから特徴を抽出してくれるディープニューラルネットワーク（DNN）を用いた機械学習で、今脚光を浴びている。 DNNとは、人間や動物の脳神経回路をモデルにしたアルゴリズムを用い、パターン認識をするように設計されたニューラルネットワーク（NN）を、さらに多層構造化したもの。

人工知能（AI）・機械学習との違い

人間の脳のしくみから着想を得たニューラルネットワークを使い、入力されたデータのパターンを判断、学習し、分類や識別していくためのパターン学習を行うのがディープラーニング。

ディープラーニング（画像認識の例）

ニューラルネットワークの中間層を、画像のように増やして複数列を作り、多層化することで、情報伝達と処理の増加、特徴量・汎用性・予測の精度を向上させた。

ディープラーニングの代表的な手法

CNN（畳み込みニューラルネットワーク）
最もよく使用されているネットワーク構造。主に画像認識や動体検知に使用される。
　
RNN（再帰型ニューラルネットワーク）
時系列データの学習や、自然言語処理分野（機械翻訳、文章生成、音声認識など）で使われる。
LSTM法（Long Short Term Memory）
RNNの欠点を解消し、長期の時系列データを学習することができるモデルによって画像からのキャプション生成や自然なテキストの読み上げなど自然言語分野での処理に活用される。

ディープラーニングの応用例・ビジネスモデル

自動運転
車載カメラによって周囲を認知し、障害物や走行レーンを識別することで、安全な自動運転を行っている。
　
IoT
物のITであるIoTは複数のモノを繋ぐ時、複数の情報を蓄積して次のアクションを予見する。
自動翻訳
自然言語分野で文脈などを読み取り判断して、より文脈に沿った単語を選択することで、人が翻訳したような自然な翻訳をする自動翻訳にも、LSTM法を用いたディープラーニングが活用されている。
医療研究
AIが過去に蓄積された診断画像や健康診断の数値、各種の論文やデータ報告などの医療データを解析することで、病気の早期発見と適切な治療を見つけ、提案する。
在庫管理
顧客のデータをAIが解析し、パターンや傾向を見つけ出すことで、天候や季節、曜日などによって商品の購買傾向を導き出し、発注数を決定することで、在庫の無駄なく仕入れを行い廃棄の量を抑えることができる。
サイバーセキュリティ
サーバーの平常状態を学習させておき、外部からサイバー攻撃を受けたとき、システムの状態を分析して平常状態と比較、なにが起きているのか判断してリアルタイムでの検知することが可能になる。