如何获取连接AI和营销领域的框架
新时代，高科技越来越发达。朋友们读了很多关于科技的重要新闻。我们也应该在生活中使用很多这些高科技的东西。朋友应该注意什么？今天，我想和大家分享一条关于科技的知识。我希望你会喜欢它。
如何利用AI实现营销DX (Digital Conversion)，最后一部分将是第三部分，介绍营销人员介绍AI的最小知识获取方法。需要的不是AI的专业知识，而是通过输入数据可以获得什么以及可以识别什么结果的“想象”。教如何成为“公司内部的创新者”。
即使在AIX(AI转型)和营销DX等新领域，我在第2部分也解释过，激情、灵活性和探究性等模拟部分是必不可少的。然而，没有知识就很难实现AIX和营销DX。那么，这种“知识”是什么意思，我们应该如何把它作为信息获取呢？毕竟有AI技术的专业知识有必要吗？
虽然需要技术知识，对于工程师来说是完全不可能的，但是AI领域知识不多的营销人员毫无基础的进入这里。这就是我们上次介绍的“创新者之旅地图”的来源，以及参与这个项目的人。但是他们用行动来补充。
首先，他们的行动是基于强烈的好奇心和积极的求见态度。首先在公司内部，我们采取了一些措施，比如研究公司内部AI项目的存在，寻找公司可以利用的资源。同时，在公司之外，我们积极参加与AI相关的研讨会和活动，以提高我们的知识水平。有些人试图获得日本深度学习协会的G考试(通才考试)，这被称为衡量深度学习基础知识的资格。通过积累这样的日常工作，他说他为理解技术信息奠定了基础。
但是，这里我想提一下，严格来说，人工智能是它发展的机器学习技术，是一个去中心化的研究领域，比如图像领域、自然语言领域、语音领域、强化学习领域，是必不可少的。这意味着知识据说是完全不同的。其实机器学习工程师作为开发专业，通常都有专门的领域，比如图像领域、自然语言领域，每个领域都是广泛而深入的。创新者所采取的行动并不是对这些领域有与工程师同等水平的专业理解，而是根据自己的职责来决定应该理解哪些技术领域。有人强调。
这和推销DX的营销人员是一样的。例如，在与设计相关的领域(如产品包装)，它来自用于图像识别和图像检测以及图像特征提取的CNN(卷积神经网络)。对算法的理解将是核心。SNS和口碑都需要关于RNN(递归神经网络)的信息来进行自然语言处理和时间序列数据处理，而Google开发的BERT(以transformer的双向编码器为代表)取得了很大的突破。这将是。如果客户的声音是在实际商店中收集的，了解语音技术(如语音分离)将增加可用客户数据的范围。
本文就为大家讲解到这里了。