このサイトではJavaScriptを使用しています。ブラウザの設定でJavaScriptを有効にしてからお使いください。 製造業でのAI技術の導入・活用に必要な人材育成と実務 [講習会詳細] | テックデザイン
FAXでのお申し込みはこちらから

AI技術も他の技術と同じように導入・活用のためには“そのための人材と仕組み”が必要です。本講座では、『AI』『ビッグデータ』『IoT』『機械学習』『ディープラーニング』『時系列データ分析』等を実際に利用するための知識を説明します。

製造業でのAI技術の導入・活用に必要な人材育成と実務

〜製造業におけるデータサイエンスの必要性とデータサイエンティスト養成の道しるべ~

【日 程】

2019年7月12日(金) 13:00~17:00

【会 場】

都内中心部で調整しております。

【受講料】

29,980円(税込/テキスト付)

講師: テクノスデータサイエンス・エンジニアリング株式会社
    執行役員常務 博士(理学)  池田 拓史

経歴:1993年 筑波大学 第一学群 自然学類物理学 専攻卒業。1993年 筑波大学 大学院 博士課程 物理学研究
         科 物理学専攻 入学。1995年〜1997年 米フェルミ国立加速器研究所 客員科学者。1999年 筑波大学
         大学院 博士課程 物理学研究科 物理学専攻 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し、2014年 テクノスデータサイエンス・エンジニアリング株式
         会社 入社 執行役員。2015年 テクノスデータサイエンス・エンジニアリング株式会社 執行役員常務。
         企業活力研究所2018年度ものづくり競争力研究会委員、AIビジネス創出協会運営委員等に所属。

Ⅰ.AIとは? データサイエンティストとは?
 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
    
Ⅱ.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
 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

Ⅲ.代表的なAIモデル技術の紹介
 1.線形回帰
 2.ロジスティック回帰
 3.状態空間モデル
 4.ニューラルネットワーク
 5.ディープラーニング
 6.決定木
 7.ランダムフォレスト
 8.勾配ブースティング木
 9.SVM
 10.1クラスSVM

<対 象>
 ・AI技術の活用において課題を抱えている方
 ・AI技術の社内での導入を検討中の方
 ・AIが製造業でどう使われているかを調査したい方

<習得知識>
 ・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

<講演概要>
 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。


  • 講習会一覧(日付順)
  • 受講のしおり
  • 会場案内
  • お問い合わせ
  • よくある質問


  • facebook
       
ページTOPへ