AI、機械学習と従来型研究開発の現実的な組み合わせ方法 ～データベースの構築と機械学習との連携・運用～

セミナー趣旨

　IoTやAIの普及により、製造工程以降のデータ利活用は急激に進展しています。一方、公的研究機関であれ、民間企業であれ、R&D部門におけるデータの取り扱いは属人的なままであり、研究の信頼性が阻害されたり、効果的なデータの利活用がほとんど進んでいないのが実態です。R&D部門は技術の源泉であり、データを精緻に管理して効果的に利活用する、つまりデータ分析・AI化を行うことは、今後の競争力にとって不可欠です。

　本講演では、まず、R&D部門のデータ共有、利活用の実情をお話しさせていただき、データ共有、利活用が進まない状況がなぜ発生してしまうのか？そのような状況にはどのような問題がはらんでいるのか？、AI、機械学習を実際の実験研究にどのように組み入れていくべきか？に関して、説明をさせていただきます。最後に、データベースと機械学習の連携、運用を維持、拡張させていくときの課題に関して具体例をもとに、陥りがちな落とし穴とそれらの回避方法に関して解説させていただきます。

受講者の声

• ここ数年で一番良いセミナーでした。現場で実務をやってこられた上でのノウハウがたくさん含まれており、自分自身が進めてきたデータベース基盤整備の方向性が間違っていない事が感じれて良かったです。
• 実務で役立てられそうな内容で満足です。ありがとうございました。
• とてもわかりやすく、理解しやすい内容でした。実践的に紹介していただき参考になりました。
• まずは実験DB作成から取り組む事になりますが、その際の注意点(データセットの単純化・文字列データの排除等)が理解出来ました。その後のデータ蓄積やシステムとして構築する為には更に人間関係や組織形態も考慮し、取り組む必要があると認識出来ました。
• 研究開発組織全体に対してアプローチする必要があると感じたので、今後、アクションしてみようかと思いました。貴重なお話をありがとうございました。

受講対象・レベル

・機械学習などAIツール環境は整備できたが、実運用ベースにのせるのに困っている方
・データ共有、利活用でお困りの方
・蓄積データのデータ分析でお困りの方
・自社及び他の一般的なR&D部門のデータ共有、利用、活用状況を知りたい方
・R&D部門のデータに対して、AIを活用したい、させたいと考えられている方
・R&D部門のデータの利用、活用を推進することのメリットを具体的に知りたい方

必要な予備知識

特に必要ありません。
R&D部門の自社での実情を知っていたり、知りたいと思っていることが必要です。

習得できる知識

１）R&D部門のデータ共有、利活用の実情
２）属人的データ共有状況が生み出される原因
３）属人的データ共有状況が引き起こす問題
４）報告書の共有で期待して良いこと、良くないこと
５）機械学習などのMIの特性と注意すべき点
６）機械学習などのMIの研究への組み込み方法
７）R&D部門におけるデータ蓄積基盤としてデータベースがなぜ必要か？
８）R&D部門においてデータベースと機械学習を連携させていく場合の注意点
９）データベース導入時に陥りがちな落とし穴とそれを防ぐ方策
１０）データベース運用時に陥りがちな落とし穴とそれを防ぐ方策   など

セミナープログラム

１．はじめに
　講演者のR&D実績とデータ共有、利活用の取り組みについて

２．R&D部門のデータ共有の実情
　2.1 R&D部門のデータ蓄積の実情
　2.2 属人的データ蓄積状況が生み出される原因
　2.3 属人的データ蓄積状況が引き起こす問題

３．データ共有はどう実現し、何が期待できるか？
　3.1 属人的データ蓄積状況を脱するために必要な方策
　3.2 報告書の共有で期待して良いこと、良くないこと
　3.3 データ共有で研究の何が改善できるのか？

４．データ探査、分析を意識したデータ蓄積方法とその運用
　4.1 データ探査を意識したデータ蓄積方法
　4.2 データ分析は、どのようにして行うのか？
　4.3 データ共有、利活用状況を改善するために必要なプロジェクトチームの作り方
　4.4 プロジェクトメンバーに求められる資質

５．AI、機械学習を実際の実験研究にどのように組み入れていくべきか？
　5.1 機械学習などのMIの特性と注意すべき点
　5.2 機械学習などのMIを研究へ組み込む方法

６．データベースと機械学習の連携、運用を維持、拡張させていくときの課題と対策
　6.1 R&D部門におけるデータ蓄積基盤としてデータベースがなぜ必要か？
　6.2 データベースと機械学習を連携させていく場合の注意点
　6.3 データ共有システム導入時に陥りがちな落とし穴とそれを防ぐ方策
　6.4 データ共有システム運用後陥りがちな落とし穴とそれを防ぐ方策

質疑・応答

セミナー講師

株式会社キャトルアイ・サイエンス　代表取締役　博士（工学）上島 豊   先生　

元,日本原子力研究開発機構

1992年3月　大阪大学工学部　原子力工学科　卒業
1997年3月　大阪大学大学院工学研究科　電磁エネルギー工学専攻　博士課程修了
1997年4月　日本原子力研究所　博士研究員
2000年4月　日本原子力研究所　研究職員
2006年3月　日本原子力研究開発機構（旧日本原子力研究所）　退職
2006年4月　キャトルアイ・サイエンス設立　代表取締役　就任

主な参加国家プロジェクト
文部科学省e-Japanプロジェクト「ITBLプロジェクト」、「バイオグリッドプロジェクト」
総務省JGNプロジェクト「JGNを使った遠隔分散環境構築」
文部科学省リーディングプロジェクト「生体細胞機能シミュレーション」

主な受賞歴
1999年6月 日本原子力研究所　有功賞 「高並列計算機を用いたギガ粒子シミュレーションコードの開発」
2003年4月 第7回サイエンス展示・実験ショーアイデアコンテスト文部科学大臣賞「光速の世界へご招待」
2004年12月 第１回理研ベンチマークコンテスト　無差別部門　優勝

著作
培風館「PSE book―シミュレーション科学における問題解決のための環境 (基礎編)」
培風館「PSE book―シミュレーション科学における問題解決のための環境 (応用編)」
培風館『ペタフロップス コンピューティング』
臨川書店『視覚とマンガ表現』
技術情報協会『研究開発部門へのDX導入によるR&Dの効率化、実験の短縮化』　
技術情報協会『実験の自動化・自律化によるR&Dの効率化と運用方法』など

セミナー受講料

（消費税率10%込）1名：49,500円　同一セミナー同一企業同時複数人数申込みの場合　1名：44,000円

テキスト：PDF資料（受講料に含む）

主催者

開催場所