あらゆる情報＝ビッグデータをAIで分析すれば、新しい価値創造が起きそうなことは想像に難くないと思います。そのメカニズムはどうなっていて、そのために何をすればよいのかを知る必要があります。データサイエンスはビッグデータをコンピュータで扱う情報処理技術、その分析を行う統計知識、そしてデータから価値を引き出す価値創造から成り立ちます。多くの企業でデータ活用が進まない理由は、統計知識やデータサイエンスへの理解の不足だけではなく「目的や問題が定まる前に、データに手をつける」ことが主要因です。「データ分析の手法や統計学の知識」を増やすことだけを目的とせず、データを活用するとはどういうことかを知り、実践するための考え方やプロセスを学習します。ぜひサンプル動画をご覧ください。

【テックデザイン　データサイエンスシリーズ】

AIやデータ分析の失敗ポイントとその改善方法 【Google Colaboratry解析あり】

～AI・IoT・データ分析をビジネスとして理解し、製造業に活用する方法～

工学院大学 情報学部 コンピュータ科学科 教授 博士（工学） 三木 良雄先生

1986年、京都大学工学研究科電子工学専攻修士課程修。同年、（株）日立製作所入社。中央研究所、ITプラットフォーム事業本部にて、マイクロプロセッサ設計、LSI設計用CADの開発、音楽情報処理の研究、コンピュータサーバ製品の新規企画と事業設計、ITソフトウェアサービスの事業開発に従事。2015年より現職。主な研究テーマはビッグデータ解析、人工知能による実世界分析（路線バス最適化、ロボット学習、製造機器作業分析、人材分析）。IEEE, 情報処理学会、電子情報通信学会、経営情報学会などに所属。

Ⅰ．データサイエンスとは
　１．データ分析と問題解決
　２．統計解析と実世界データ分析

Ⅱ．最近ＩCＴの適用事例
　１．ビッグデータ （装置販売、製造業、スーパーなど）
　２．人工知能 （民生・金融・製造分野）
　３．ＩｏＴ （福祉、製造業、農業）

Ⅲ．実世界データ分析
　１．データ収集（情報量分析）
　２．課題定義 （課題分析）
　３．原因分析（因果推論）
　４．解決法探索（現象モデル化）

Ⅳ．データ分析方法
　１．Google Colaboratoryを活用したデータ分析
　２．オープンデータ活用

Ⅴ．データ活用による問題解決の実際
　１．製造機器における品質管理
　　①．相関関係と因果関係
　　②．MT法入門
　　③．機器動作と不良発生条件の分析
　２. 製造機器における生産性向上
　　①．人材と業務のマッチング
　　②．IoT投資が先か？　分析が先か？
　　③．消費電力測定と作業分析
　　④．熟練作業者の特徴抽出
　３. 小売り業における販促、在庫管理
　　①．POSデータ分析の基礎
　　②．販売予測と在庫・生産管理
　　③．商品推薦と販売促進

Ⅵ．まとめ
　１．データ以上に課題明確化と既知の事実関係認識が重要
　２．人工知能も正しい答えに基づく学習が無ければ賢くない