MBAでAI＆データサイエンスを6回学んで分かったこと──Demo Dayで監査システムを作った話【機械学習入門⑩】
前回（機械学習入門⑨）は、生成AIをかしこく使うための方法──プロンプト・RAG・MCP・エージェント──をMBAでの学びをもとに整理した。 そして今回が、シリーズの締めくくりだ。MBAのデータサイエ […]
高層階で5Gが入らない。マンションのネット事情
13階建てマンションの最上階に引っ越した。内見の時点で5Gの電波が入ったり入らなかったりしていたのは気づいていた。当然確認するだろう。ただ、「まあどうにかなるだろう」と甘く見ていた。 結果、どうにかは […]
中山カントリークラブの口コミ・レポート｜名門の風格と美しい林間コースを女性目線で紹介
中山カントリークラブに行ってきました！ 千葉県八千代市にある、1961年開場の歴史ある名門コース。丸毛信勝設計の林間コースで、「日本のゴルフ聖地100」にも選出されています。関東近郊で本格的な名門コー […]
Getting More Out of Generative AI — Prompts, RAG, and the Age of Agents [Intro to ML #9]
In my previous post (Intro to ML #8), I covered how generative AI actually works — the next-word pre […]
生成AIをもっとかしこく使う——プロンプト・RAG・エージェントの世界【機械学習入門⑨】
前回（機械学習入門⑧）は、生成AIの仕組み——言語モデルが「次の単語を予測する」という原理から、ChatGPTの誕生（RLHF）、拡散モデルによる画像生成まで——を整理した。 今回は「どう使うか」の話 […]
何度申し込んでも2番手。5分差で負ける世界
何度申し込んでも2番手。5分差で負ける世界 シリーズ「50代、東京で18年ぶりの住み替え全記録」第1章：引越し先探し 2026年2〜3月、東京都内で賃貸物件を探した。条件に合う物件を見つけ、すぐに申し […]
What’s Actually Inside a Generative AI? — From Language Models to Diffusion Models [Intro to ML #8]
In my previous post (Intro to ML #7), I covered the difference between traditional data analysis and […]
「生成AI」って何が違うの？——言語モデルから拡散モデルまで、仕組みを理解する【機械学習入門⑧】
前回まで（機械学習入門⑦）は、AIで個人を予測するアプローチのメリットとリスクについて書いた。 今回からは、予測AIとは別の系譜——生成AIの話に入る。MBA講座でもまるごと一回分がこのテーマに割かれ […]
Analysis vs. AI Prediction: What’s Actually Different — and What Could Go Wrong [Intro to ML #7]
In my previous post (Intro to ML #6), I worked through the data exploration, feature engineering, an […]
「分析」と「AI予測」は何が違うのか——AIの可能性とリスクを考える【機械学習入門⑦】
前回の記事（機械学習入門⑥）では、製薬会社の離職問題を題材に、データ探索・フィーチャーエンジニアリング・予測モデル作成の流れを書いた。 今回はその続きとして、「どう打ち手に落とし込むか」「AIを使うこ […]