AI・機械学習・深層学習関連のベンチャー系企業 メモ
AI・機械学習・深層学習関連のベンチャー系企業（大企業除く）を調べてみました。各企業のWEBページやwantedlyでデータを集めてみました。個人的調べたメモなので、ぬけとかはたくさんあると思いますが、気にしないでください。
＜株式会社Preferred Networks＞
https://www.preferred-networks.jp/ja/
・設立年月 ：2014年3月
・社員数 ：100 人
・創業者：西川 徹（1982年生まれ）
◇備考、コメント
ディープラーニングの中では一番有名な会社だと思います
ディープラーニングフレームワークのChainerを開発
＜株式会社ABEJA＞
・設立年月 ：2012年9月
・社員数 ：48 人
・代表者：岡田 陽介（1988年生まれ）
＜LeapMind株式会社＞
・設立年月 ：2012年12月
・社員数 ：40 人
・代表者：松田 総一（1983年生まれ）
＜エルピクセル株式会社＞
・設立年月 ：2014年3月
・社員数 ：30人
・代表者：島原 佑基（1987年生まれ）
◇備考、コメント
ライフサイエンス研究者向けクラウド型画像解析プラットフォーム「IMACEL」を開発
＜ 株式会社 PKSHA Technology＞
・設立年月 ：2012年10月
・社員数 ：30 人
・代表者：上野山 勝也（1982年生まれ）
◇備考、コメント
2017年9月22日 マザーズ上場
上野山氏は東京大学松尾研究室にて博士取得
＜株式会社エクサウィザーズ ＞
・設立年月 ：2016 年２月
・社員数 ：15人以上？
・代表者：春田 真
◇備考、コメント
京大・阪大の研究者等と元DeNA会長の春田氏が共同設立
＜株式会社UEI＞
・設立年月 ：2003年8月
・社員数 ：20人
・代表者：清水亮（1976年生まれ）
◇備考、コメント
ベンチャーではないのかもしれません
＜株式会社クロスコンパス・インテリジェンス＞
・設立年月 ：2015年4月
・社員数 ：27 人
・創業者：佐藤 聡
＜Araya Inc.＞
・設立年月 ：2013年12月
・社員数 ：23 人
・代表者：金井良太
＜マシンラーニング・ソリューションズ株式会社＞
https://machine-learning.co.jp/
・設立年月 ：2017年5月
・社員数 ：？
・代表者：森山 雅勝
◇備考、コメント
最高技術顧問に理研AIP杉山将氏
＜株式会社Ridge-i＞
・設立年月 ：2016年7月
・社員数 ：9 人
・代表者：柳原 尚史
ストレスチェックを公開して、ブラック企業を壊滅できないか
自分の会社でもストレスチェックが昨年行われて、最近結果が返ってきました。
「あなたはストレスをあまりかかえておらず、またストレスの原因となる要素もあまりないようです。」
予想通り可も不可もない結果が出てきて、まあそんなもんかなという感想でした。
とはいえ、
全企業でのストレスチェックの結果を公開することで、明らかなブラック企業を壊滅できないものか
と思うのです。
学生の頃、バイトをしていた飲食店は、社員にとってはまさにブラックでした。２４時間営業だったので、月100時間の残業なんて序の口という感じでした。
会社の中で働けば、すぐわかるものですが、就職活動の時に内部の正確に知ることは難しいものです。また、一度就職してしまうと、転職にはそれなりのコストがかかりますし、ストレスを抱えながらもブラックな環境に慣れてしまうものだと思います。
なので、ブラック企業に就職して苦労している人を減らすためには、就職活動時に正確な情報を得られることが重要だと思うのです。
このストレスチェックで出てくるグラフなんて大部分の人にとってあまり意味はないと思いますが、企業単位で集計したものが公表されれば、この会社はあきらかにヤバイってのはわかるはずです。
この結果、明らかなブラック企業は淘汰されていき、普通の企業でも人材を確保するため、社員の働きやすさ高めるインセンティブがはたらくはずです。いわゆる働き方改革が情報を公開するだけで促進されると思うのです。
しかしながら、公表したとしても過労死がなくなるわけではないと思います。同じ部署であっても、上司との関係性によって、ストレスが非常に高くなる人と全然感じない人がいるものです。こういった場合、集計すると埋もれるので、別な方法でカバーしていく必要があると思います。
ディープラーニングと機械学習
ディープラーニングやり始めて一年ちょっとのsamacobaです。
ちまたで人工知能（＝AI）がブームな中、自分もそれにのっかっていろいろ遊んでいるわけですが、機械学習とディープラーニング（＝深層学習）という言葉の違いについて、最初はよくわかなかったのですが簡単にいうと以下の図な関係なようです。
というわけで、機械学習はディープラーニングを含みます。しかしながら、いきなりディープラーニングから始めると、自分の脳内のウェイトは下のように機械学習の占める割合はほとんどありません。
専門家の方と話す場合、「ディープラーニング」という言葉は使わず「機械学習」という言葉が使われることがたまにあります。これに若干の違和感を感じることがあります。カテゴリとしては間違ってないのですが、自分の脳がそうできてないのです。
また、ディープラーニングを使うのに機械学習を理解しないといけないというのにも違和感があります。pythonでプログラムを書くのに、プログラミング言語全体に関して理解している必要はあるのでしょうか。知っていたほうがスキルは上がるもしれませんが、必須ではないはずです。
最近話題となっているディープラーニングによる線画の自動着色ですが、非常にきれいに着色されていておもしろいです。
漫画やアニメで多くの時間をかけて手作業で塗っていたものが、そのうち自動で彩色できるようになると思います。当然、そういったソフトを製品として開発しようと思うとディープラーニングに関する層構造や学習方法の知識は必要になってきます。一方、従来の機械学習では必須な統計・数学的知識は必須なわけではないと思います（見た目できれいに着色されていればOKなので）
というわけで、自分の脳内ではこれからもディープラーニングと機械学習は別物として扱っていくのだろうと思います。（ディープラーニング以外の機械学習手法に関しても興味はあるのですが、そこまで時間がないもので…）
