あんみつ検事の捜査ファイルのあらすじ 第1話 あんみつ検事の捜査ファイル「女検事の涙は乾く」 2016年6月13日 TBS あんみつが大好物の検事・やよい(片平なぎさ)が事件の真相に迫る。やよいは昔の恋人である寺島(岡田浩暉)から離婚の相談を受けるが、直後に寺島が殺害される。その事件の担当になったやよいがあんみつ友達の刑事・石橋(石塚英彦)と捜査を進めると、容疑者として寺島の知人の栗山(六角慎司)が浮かび上がる。 片平なぎさ 石塚英彦 金田明夫 岡田浩暉 ふせえり 野村真美 詳細を見る
この番組は終了しました ◆キャスト ◆スタッフ 4Kアイコンについて このマークがついている番組は4K画質で収録されている番組です。BS-TBS 4Kにてご視聴いただくと、4K映像がお楽しみいただけます。4K放送の視聴方法など、詳しくは こちら をご覧ください。 次回の放送 これまでの放送 番組内容 お知らせ 番組からのお知らせ 番組へのご意見・ご感想
解説 片平なぎさと石塚英彦のコンビによる法廷ミステリー第2弾。母が子を思う気持ちが複雑に絡み合う京都宇治、伊根、天橋立と美しい風景を舞台にあんみつ検事が難事件に挑む! あらすじ 京都地検宇治支部の検事・風巻やよい(片平なぎさ)の中学時代の同級生・白洲泰子の息子の婚約者・小野南美子が自宅アパートで何者かによって殺害された。犯行を自供したことと、凶器と思われるサボテンの鉢に残された指紋が一致したため、泰子の息子・研一郎が逮捕される。そんな事件の担当検事となったやよい。やよいは石橋と事件の真相を探るため捜査に乗り出すが、その最中に新たな殺人事件が起こってしまう―。
2017年2月6日 みどころ イメージ 主演・片平なぎさ 石塚英彦とのコンビでお送りする法廷ミステリーシリーズ第2弾! 母親が子どもを思う強い気持ちが複雑に絡み合う京都宇治、伊根、天橋立と美しい風景を舞台に「あんみつ検事」こと風巻やよいが難事件に挑む!! 片平なぎさ演じる京都地検宇治支部の検事・風巻やよいと、石塚英彦演じる京都府警宇治南署の刑事・石橋大輔の"あんみつ大好きコンビ"が難事件に立ち向かう法廷ミステリーの第2弾!
さらに、ドラマの舞台・京都宇治の歴史ロマンと情緒のある街並みや史跡名所の美しい風景も作品に深みを与える。 殺人事件の謎解きとサスペンスの中に、ユーモアラスなシーンを盛り込んでお送りする上質なミステリー!! 2時間ドラマの女王の異名を持つ片平なぎさの新シリーズが月曜名作劇場に登場する。 コメント
全国のオススメの学校 情報工学研究者になるには 情報工学研究者を目指せる学校の学費(初年度納入金) 大学・短大 初年度納入金 55万 9200円 ~ 183万 8000円 学費(初年度納入金)の分布 学部・学科・コース数 専門学校 89万 9000円 ~ 151万円 ※ 記載されている金額は、入学した年に支払う学費(初年度納入金)です。また、その学費(初年度納入金)情報はスタディサプリ進路に掲載されている学費(初年度納入金)を元にしております。卒業までの総額は各学校の公式ホームページをご覧ください。 情報工学研究者の仕事内容 情報工学研究者の就職先・活躍できる場所は? 研究所 大学 情報工学研究者を育てる先生に聞いてみよう 情報工学研究者を目指す学生に聞いてみよう 興味と学問をリンクできるのが大学の研究。学びの醍醐味があります。 福井工業大学 工学研究科 社会システム学専攻 経営情報学コース 木森研究室
人間の存在そのものを変えてしまう可能性があるともいわれる 「シンギュラリティ」 。その意味について漠然と知ってはいるものの、正確に説明できない人も多いのではないでしょうか。 本稿では、シンギュラリティの意味から、その到来に関して割れる2つの主張、到来することによる具体的な変化など詳しく解説します。 シンギュラリティ(技術的特異点)とは? シンギュラリティ(技術的特異点)とは、 AIなどの技術が、自ら人間より賢い知能を生み出す事が可能になる時点 を指す言葉です。米国の数学者ヴァーナー・ヴィンジにより最初に広められ、人工知能研究の権威である レイ・カーツワイル博士 も提唱する概念です。 シンギュラリティはいつ来るのか?
これを30年の歴史を持つ日本の誇る最先端の機械翻訳技術で翻訳するとこうなります。 私達は、月に行くことを選ぶ!
私が考えるおそらく一番の近道は、大学で情報工学の勉強をすることです。 情報工学とはつまりパソコンの仕組みやその使い方、新しい理論について勉強する学部です。 先程お話したディープラーニングはそこまで難しい理論ではありませんが,それでも高校レベルと大学レベルの数学の知識が必要になります。 そのため人工知能をしっかりと勉強するためには、独学で勉強するよりも大学で勉強することをおすすめします。 ちょっとしたプログラムを書く程度でしたら、家庭用のコンピュータでも問題ありませんが、世界最先端の研究をするとなると、先程お話したように人工知能の研究には莫大なコンピュータの能力が必要になります。 そういう意味では、世界のスーパーコンピューターランキングで上位を占めているアメリカや中国の大学で勉強することを考えてみるのも、一つの戦略と言えるかもしれません。 最近では、オンラインで人工知能の授業を無料で受けられるウェブサイトも多く登場しており、雰囲気をつかむ程度でしたら、授業を受けてみるのも面白いかもしれません。 とはいえ先程申し上げた通り、きちんと理解するためには大学レベルの数学の知識が必要となります。 ⇒人工知能に負けない子育て方法とは?
現代社会の新たなインフラとして急速な普及をみせる人工知能(AI)。しかし現在のAI技術のあり方は、私たちが直感的にイメージする「人工知能」とは大きく隔たり、そして将来の不安を呼び起こしています。このギャップはどこから来て、どうすれば埋めていけるのか。新著 『人工知能が「生命」になるとき』 を上梓した三宅陽一郎さんが、ゲームAI開発の立場から、その難問に挑みます。 遅いインターネット 「人工知能」のイメージをめぐる違和感 皆さんが「人工知能」という言葉を聞くときに、あるいはその説明を受けるときに、何か胸の中で違和感を抱いたことはないでしょうか? 特に2010年代前半から現在にかけては、ディープラーニング(深層学習)技術のブレイクや「IBM Watson」などを通じて、たくさんの実用的なAIの可能性が切り拓かれてきました。けれども、多くの人にとっては「何だか思っていた人工知能と違う」「自分の直感に反する」「大筋はわかるけれど、何か違う気がする」という感想を、呼び起こしてはいないでしょうか?
研究を始めたのが2009年で、この研究成果を初めて学会で発表したのが2014年です。延べ5年間の研究成果です。 ---それでは、松田さんがどうして研究者になったのか、子どもの頃から遡っておしえていただけますか? 小学生の頃から何となく研究者になりたいと思っていました。ドラえもんが大好きで、ドラえもんの発明品を、工作して何とかつくれないかと奮闘したり、小学生男子のお決まり分野の一つの恐竜も大好きでした。自分で恐竜の研究ノートをつくって、図鑑や百科事典を使って、恐竜について片っ端から調べていました。そして、高校に入学すると、より多くの専門知識を学ぶことができ、世界が一気に広がりました。古生物学だけでなく、物理や数学に、特に強い興味を覚えるようになりました。 今でも覚えているんですが、先生が「物理や数学を勉強して、アメリカに留学して、新しいものを発明して、シリコンバレーに行ったら、君らならガッポリ儲かるぞ!」っておっしゃったんです。 今思うと、適当だな…って思いますが(笑)、その時、その言葉を鵜呑みにして正解だったと思っています。本当に、いい加減な言葉だと思いますが、その先生は、今にして思うと、研究者の「道」を示してくれていた気がします。 ---どういうポイントで、その道をすすみたいなと思えたのですか?! 研究者って、研究室に籠って地道に研究するということは、どうしても必要なんですが、その先生は、世界に向けてお金を生み出す価値のあるもの(世界に認められるもの)を生み出すことも、研究者には必要だ、ということを、言ってくれていた気がします。 ---そこから順調に大学に入って専門的に勉強しはじめるんですね。 それが、全然順調ではなくて。志望校の京都大学工学部に入学したものの、専門分野を勉強しはじめたとたん、つまらなく感じて。もう、部活のボウリングや、趣味の海外旅行しかしていない時期がありました。 ---どうやってそのスランプ的なところから脱出したんですか?
ベイズ理論なんてずいぶん昔からあるやつだし。 また、仕事で重要なのは、高度な人工知能技術を使いこなすことではなく、顧客の課題を解決すること。顧客の課題を的確に抽出するセンスや能力が低いと、見当違いなところに人工知能技術を使ってしまい、「で、それの何が嬉しいの?」って話になる。 適切な課題を抽出し、適切な課題解決方法を見ぬく能力こそが一番重要で、その解決方法の選択肢の1つとして人工知能を使いこなせる、そういう人材こそが、今後求められていくし、そういう人材は、今後もずっと不足し続ける。 そして、「顧客のかかえる課題を適切に抽出する能力」を身につけるには、人工知能を使いこなすスキルなんかより、はるかに時間がかかる。 数学もそう。数学力の土台がしっかりできてる人であれば、人工知能なんて簡単にマスターできるけど、そういうベーシックな数学力の土台を固めるには、人工知能スキルよりはるかに時間がかかる。 実は、ビッグデータとかデータサイエンティストとかの話も全く同じで、数学力とビジネス課題抽出能力が十分に高い人なら、ほとんどの会社で必要とされるデータ分析能力を身につけるにはそんなに時間がかからないし、逆に、それに必要な数学力とビジネス課題抽出能力を身に付けるには、すごい時間がかかる。 「でも、人工知能を勉強しないより、勉強した方がいい」って?