AI技術を用いた問題解決への取り組み方と製造業における活用

人工知能（AI）をものづくりで上手に活用するポイントは、
実は、、、 データサイエンティストやその管理者の仕事の進め方にあり！

講師

テクノスデータサイエンス・エンジニアリング（株）
執行役員　常務　博士（理学） 池田 拓史 氏

《略歴》
1970　埼玉県に生まれる
1993　筑波大学第一学群自然学類物理学専攻を卒業、
　筑波大学大学院博士課程物理学研究科物理学専攻へ入学
1995-97　米フェルミ国立加速器研究所　客員科学者
1999　筑波大学大学院博士課程物理学研究科物理学専攻を修了
　博士号を取得（博士（理学））
　その後、データサイエンス・コンサルティング業界へ転身
2014　テクノスデータサイエンス・エンジニアリング株式会社へ入社
　執行役員
2015　同社執行役員常務
《活動等》
・NPO法人　ITスキル研究フォーラム データ利活用WGメンバー（2015,2016）
・IoTビジネス共創ラボ　製造WGメンバー （2016-）
・一般社団法人　人工知能ビジネス創出協会 運営委員（2016-）
　その他、データサイエンス普及のための講演を多数実施

受講料

■ R&D会員登録していただいた場合、通常1名様申込で49,980円（税込）から
・1名で申込の場合、47,250円（税込）へ割引になります。
・2名同時申込で両名とも会員登録をしていただいた場合、計49,980円（2人目無料）です。

(まだR&D会員未登録の方は、申込みフォームの通信欄に「会員登録情報希望」と記入してください。詳しい情報を送付します。ご登録いただくと、今回から会員受講料が適用可能です。)

受講対象・レベル

製造業において、AI技術活用の取り組みでお悩みの方や、活用を検討されている方。　

必要な予備知識

特に必要なし。　

習得できる知識

・なぜAI技術でビジネス課題が解決できるのか
・AI技術を使いこなすためにはどのような活動を行なえばよいのか
・AI技術以外ではどのような要素を考慮すべきなのか
・AI技術による問題解決のパターンはどのように一般化できるのか
・統計的学習手法と機械学習手法のどちらから選んだらよいのか
・良く使われるAI技術は実際のところ何を計算しているのか　

趣旨

　AI技術の活用が製造業においても大きな注目を集めていますが、皆さまの直面する具体的な課題は様々であり、特定の局面における応用事例をいくら学んでも目の前の課題解決には当てはめることが出来ないとお悩みになっていらっしゃる方も多いのではないでしょうか。実はAI技術の活用のポイントはAI技術そのものではなく、AI技術を問題解決に使役するデータサイエンティストやその管理者の仕事の進め方にあります。
　本講演では、企業におけるデータサイエンス・コンサルティングの黎明期より様々なデータサイエンス・プロジェクトでの活動を経験してきた講演者が、AI技術活用のためのコツを大局的な観点からまとめなおし、その後技術の細部へと案内します。技術的の本質的な理解のためには数式も有用ですので使用いたしますが、イメージを伝えることに重きを置きます。これからAI技術の活用を検討中の皆さま、現在進行形でお悩みの皆さま、データサイエンティストを管理する立場の皆さまにもご参加いただきたいセミナーです。　

プログラム

第１部　AIによる問題解決のために誰もが知っておくべき知識
　1.AI技術に期待できること、出来ないこと
　2.なぜAI技術を使って問題解決が出来るのか
　3.データサイエンティストの果たす役割
　4.データサイエンティストの管理者の果たす役割
　5.データサイエンティストに必要な素養と教育のためのリソース
　6.データサイエンスの推進に必要な道具立て

第２部　AIによる問題解決のためにデータサイエンティストとして知っておくべき知識
　1.AIモデル技術による問題解決を取り巻く諸要素の関係性
　2.モデルとは何か
　3.AIモデルによるビジネス課題の解決パターン
　　3.1 用語の整理
　　3.2 パターン１：予測や推定
　　3.3 パターン２：システムのコントロール
　　3.4 パターン３：異常データの検知
　　3.5 パターン４：成功パターンの模倣
　　3.6 パターン５：変数の効果の抽出
　　3.7 パターン６：隠れた構造の抽出
　4.データの量と品質がAI技術の選定に与える制約とは
　5.実世界への接続方法がAI技術の選定に与える制約とは
　6.代表的なAIモデル技術は何をやっているのか
　　6.1 線形回帰
　　6.2 ロジスティック回帰
　　6.3 多項ロジスティック回帰
　　6.4 COX回帰
　　6.5 ニューラルネットワーク
　　6.6 決定木
　　6.7 ランダムフォレスト
　　6.8 勾配ブースティング木
　　6.9 サポートベクトルマシン
　　6.10 １クラスＳＶＭ
　　6.11 潜在クラス・クラスタリング
　7.活用シナリオ
　　7.1  歩留まり向上への適用シナリオ
　　7.2 品質改善への適用シナリオ
　　7.3 予兆保守への適用シナリオ

 【質疑応答・名刺交換】

 キーワード 人工知能,AI,ものづくり,企業,メーカー,製造業,現場,活用,応用,セミナー,研修,講座