SlideShare a Scribd company logo
1 of 36
© 2017 Knowledge Communication Co., Ltd.
機械学習の民主化を促進するAI活用術
2017年04月14日
株式会社ナレッジコミュニケーション
小泉 裕二
© 2017 Knowledge Communication Co., Ltd.
本日のポイント
2
[1]AIの中の機械学習
[2]機械学習の利用シーン
[3]機械学習プラットフォーム「ナレコムAIについて」
© 2017 Knowledge Communication Co., Ltd.
ナレッジコミュニケーションについて
3
■会社名:株式会社ナレッジコミュニケーション
■設立日 :2008年11月 (創立2006年5月)
■資本金:9,000,000円
■代表者:代表取締役 奥沢 明
■本社:東京都江東区
■支社:千葉オフィス、熊本オフィス
■従業員:20名
会社情報
© 2017 Knowledge Communication Co., Ltd.
自社メディア
&受託開発
スマートフォンアプリ
クラウド
ナレッジコミュニケーションについて
4
教育系コミュニティ
『ナレコム』
法人向けモバイルサイト用CMS
『ナレコムモバイル』
© 2017 Knowledge Communication Co., Ltd. 5
特にクラウドAI(機械学習)の分野に注力して事業展開
設 計 構 築 運 用 保 守
ナレッジコミュニケーションについて
© 2017 Knowledge Communication Co., Ltd.
AIの中の機械学習
6
人工知能という大きな枠の中に機械学習・深層学習がある
参考 : https://blogs.nvidia.co.jp/2016/08/09/whats-difference-artificial-intelligence-machine-learning-deep-learning-ai/
人工知能
Artificial Intelligence
人間の知性を機械的に再現
深層学習
Deep Learning
データ分類や認識の基準をデー
タ自ら見つけ出す機械学習の手
法
機械学習
Machine Learning
データ解析の結果から、
判断材料となるルールを見つ
け出す手法
データ
規則性の抽出
アルゴリズム
猫と判断
今日は↓の話をします
© 2017 Knowledge Communication Co., Ltd.
機械学習とは
7
性別
年齢
年収
勤続年数 ローンOK
機械学習
・あるデータとその答えをもとにコンピュータが予測方法を自動的に学習
・新しいデータを入れるとその予測結果を返してくれる
© 2017 Knowledge Communication Co., Ltd.
これまでのデータ分析と予測
8
 過去の経験からの予測
 業務が属人化
勘と経験
金>月>水・木>火の順で多い
給料日、年金支給日は多い
五十日は多い、など
月 火 水 木 金 土 日
27日 28日 3月1日 2日 3日 4日 5日
6日 7日 8日 9日 10日 11日 12日
13日 14日 15日 16日 17日 18日 19日
20日 21日 22日 23日 24日 25日 26日
27日 28日 29日 30日 31日 4月1日 2日
来店者数予測
 過去の実績からの予測
 ルールを作る手間
ルールベース
来店者数予測
27日 28日 29日 30日 31日
190人 190人 200人 200人 240人
ルール例
・前年同月来店者数の平均を求める
・曜日ごとの係数をかける
月 火 水 木 金
+5% -5% 0% 0% +20%
© 2017 Knowledge Communication Co., Ltd.
機械学習による自動化・精度向上
9
データ(過去の来店者実績)
日付
予測
来店者数
4月1日 175
4月2日 201
4月3日 221
4月4日 205
4月5日 195
学習
(モデル作成) 予測
予測結果
日付 曜日
給与
支給日
五十日 来店者数
3月15日 水 Y 230
3月16日 木 180
3月17日 金 215
3月18日 土 ー
3月19日 日 ー
3月20日 月 Y ー
3月21日 火 206
3月22日 水 200
3月23日 木 176
3月24日 金 Y 241
他にも、月末、週末、年金支給日、
四半期末、半期末、年度末など
・データを自動的に分析してモデルを自動作成
・大量のデータから人間が気づいていなかった特徴を捉えてモデルに反映するため
予測精度が向上
© 2017 Knowledge Communication Co., Ltd.
様々な分野で利用される機械学習
10
機械学習
データからパターン・規則・関係などの抽出
特徴をモデル化
銀行 工場 ヒトの行動 医療 物流 企業活動
融資判断支援
不正取引検出
設備の予兆保全
自動検品
購買活動予測
効率化
診断精度向上
ゲノム解析作業
需要予測
商品レコメンド
人材マッチング
企業戦略案策定
© 2017 Knowledge Communication Co., Ltd.
様々な分野で利用される機械学習
11
機械学習
データからパターン・規則・関係などの抽出
特徴をモデル化
銀行 工場 ヒトの行動 医療 物流 企業活動
融資判断支援
不正取引検出
設備の予兆保全
自動検品
購買活動予測
効率化
診断精度向上
ゲノム解析作業
需要予測
商品レコメンド
人材マッチング
企業戦略案策定
機械学習で出来ること
=
高度な予測・分析を少ない労力で実現
© 2017 Knowledge Communication Co., Ltd.
12
しかし、データを活用するには色々な課題が
20年でデータ量は約7000倍に 国内では4.8万人が不足
出典元:週刊ダイヤモンド 2017年3/4号
潜在人員規模
112,090人
IT企業
34,940
IT企業
41,160
IT企業
48,510
ユーザー企業
61,960
ユーザー企業
70,790
ユーザー企業
80,880
15,190
31,500
47,810
2016
年
18
(予想)
20
(予想)
潜在人員規模
143,450人
潜在人員規模
177,200人
不
足
数
人
材
数
不
足
数
人
材
数
2000
年
03 07 10 13 20
(予想)
0
20
30
40
50 (兆ギガバイト)
10 62億
ギガバイト
44兆
ギガバイト
先端IT人材の不足数推計
© 2017 Knowledge Communication Co., Ltd. 13
データを扱う職種が人気が高い、様々なスキルが必要
4種類のスキルが必要米国人気職業ランキング1位
順位 職業 年収(万円)
1位 データサイエンティスト 1410
2位 統計学者 879
3位 情報セキュリティアナリスト 977
4位 聴覚医 803
5位 超音波診断技師 687
6位 数学者 1140
7位 ソフトウェアエンジニア 1077
8位 コンピューター・システム・ア
ナリスト
909
9位 医療言語聴覚士 787
10位 アクチュアリー 1063
出典元:週刊ダイヤモンド 2017年3/4号
解析技術
人工知能・機械学習・ディープラーニング
統計学 数学
プログラ
ミング
© 2017 Knowledge Communication Co., Ltd. 14
データを扱うのはとても大変=AIを扱うのはとても大変
結果がわかるのに
時間がかかるコストが高い
高いスキルを持っ
た人的リソース
© 2017 Knowledge Communication Co., Ltd.
クラウドAIの活用でデータ分析の敷居が下がる
15
-主な特徴
・強力なクラウド ベースの予測分析
・MS Research、Xbox、Bing で実証済みのアルゴリズム
・オープン ソースの R 言語を高度にサポート
・ビッグ データ ソリューション用の HDInsight へのシームレスな接続
・モデルのAPI化もクラウドサービスを利用することにより対応
機械学習の演算処理をクラウド上で行うことにより、
データを送り処理結果を受け取るだけで機械学習処理を行うことが可能。
機械学習のために大規模なインフラを用意することが不要になる。
© 2017 Knowledge Communication Co., Ltd.
Azure MLのアルゴリズム
Azure
Machine Learning
回帰分析
多項分類
二項分類
クラスタリング・Linear
・Bayesian Liner
・Neural Network
・Decision Forest
・Boosted Decision Tree
・Fast Forest Quantile
・Ordinal
・Poisson
・Logistic Regression
・Decision Forest
・Decision Jungle
・Boosted Decision Tree
・K-Means Clustering
・Averaged Perceptron
・Bayes Point Machine
・Boosted Decision Tree
・Decision Forest
・Decision Jungle
・Support Vector Machine
・Locally-Deep Support Vector Machine
・Logistic Regression
・Neural Network
16
© 2017 Knowledge Communication Co., Ltd.
Azure MLユーザーインターフェイス
17
**********
ドラッグ&ドロップ操作
(コーディング不要)
基本的なモデルは
数個のモジュールをつなぐだけ
© 2017 Knowledge Communication Co., Ltd.
機械学習の活用例の紹介
18
© 2017 Knowledge Communication Co., Ltd. 19
頭数?
出荷出産
予測したい!>
日数?
配送
手配
養豚-グローバルピッグファーム株式会社様
© 2017 Knowledge Communication Co., Ltd. 20
利用データ:生産データ、天候データ等
出荷分娩 肥育離乳
①生産イベント ②事故率等係数 ③出荷仕切りデータ
④天候データ
© 2017 Knowledge Communication Co., Ltd.
PoC結果
21
生産データ 気象データ データクレンジング
予測誤差: ± 53 日
予測誤差: ± 28 日
予測誤差: ± 14 日
農場別:最小 ± 6 日
© 2017 Knowledge Communication Co., Ltd.
Azure Storage
構成イメージ
22
Machine Learning
Web Service
(Predictive API)
Web
Service
発行
Azure
Machine Learning
Azure Storage
気象データ
過去の
生産データ
生産データ
可視化
© 2017 Knowledge Communication Co., Ltd. 23
大学-立教大学様
Azure
Machine Learning
Azure
BLOB Storage
Local Storage
■タンパク質の化学分野での活用
■膨大なデータに対して、データ同士の関連性を見つける
ことができる
■実験の結果を機械学習で予測することで、「解析すべき
データ」の自動整理・圧縮に活用
© 2017 Knowledge Communication Co., Ltd. 24
今のビジネスマンにとってパソコンが使える
のは当たり前のように、これからはAIを使い
こなせて当たり前の時代になろうとしている。
© 2017 Knowledge Communication Co., Ltd.
AIを金融の分野にも活用できるか
RISE UP CLUB:https://www.riseupclub.com/CS202_CorpMbrshpArticleRefPage?name=0354
マルチクラウドの
機械学習から自動的に
最適化を行う
「ナレコムAI」
クラウドAI×専門家不要
© 2017 Knowledge Communication Co., Ltd. 26
私達の仮説:データ分析はデータサイエン
ティストだけのものではない
課題発掘・
ゴール設定
データ
設計
データ
加工
モデル
作成
テスト 活用
データサイエンティストで
ないと出来ない範囲
業務担当者が
できる範囲
© 2017 Knowledge Communication Co., Ltd. 27
業務担当者が直接データ分析ができるようにする
機械学習プラットフォーム
データサイエンティストIT担当業務担当
データ分析の敷居を下げるため
データサイエンティストの担当箇所をカバーする
プロダクト「ナレコムAI」
課題発掘・
ゴール設定
データ
設計
データ
加工
モデル
作成
テスト 活用
© 2017 Knowledge Communication Co., Ltd. 28
機械学習の予測モデルの自動最適化
課題発掘・
ゴール設定
データ
設計
データ
加工
モデル
作成
テスト 活用
アルゴリズム選択 パラメーターチューニング
アセスメント
[今まで]数千万通りから数週間以上かけて
経験と勘で選んだ数十~数百パターンで最適化
© 2017 Knowledge Communication Co., Ltd.
アルゴリズム1
アルゴリズム2
アルゴリズム3
モードA
モードB
レート0.1
レート0.2
レート0.3
Data Source
最適
モデル
作成
難しいアルゴリズム選定、パラメーター調整を自動最適化
[ナレコムAIなら] 1時間以内に数百~数千の組
み合わせから自動的に最適な予測モデルを構築
機械学習の予測モデルの自動最適化
35
マルチクラウド
アルゴリズム
© 2017 Knowledge Communication Co., Ltd.
特徴
36
アルゴリズム
パラメータ
モデル1 正解率91%
モデル2 正解率71%
モデル3 正解率45%
モデル4 正解率86%
モデル5 正解率65%
Microsoft Azure
■簡単 :アップロードして予測対象を指定するだけ
➡最適なアルゴリズム、パラメータを自動選択
■高精度:最新のアルゴリズムを利用可能
➡複数のクラウドサービスの機械学習APIを利用
■速い :数十分でモデル作成完了
➡クラウド上でモデル作成を並列実行
© 2017 Knowledge Communication Co., Ltd.
補足資料 : モデル精度について
36
世界の統計の専門家やデータ分析家が最適モデルを競う
「 Kaggle 」におけるナレコムAIの結果
モデル スコア(pt) 備考
世界トップが作成したモデル 0.829072
ナレコムAIで生成したモデル 0.821963 トップと僅か0.008pt差
未チューニングモデル 0.688330
トップクラスのデータサイエンティストが300回近く試行錯誤したスコア
© 2017 Knowledge Communication Co., Ltd. 32
ナレコムAI費用感:スモールスタートで従量課金
ナレコムAI 競合製品
予測モデル構築:5万
モデル実行:5千円
/10,000件数
(つかっただけ課金)
ライセンス費用が数百万~約1千万~
アウトソース:200万~
モデリング選択、
パラメータ設定を自動最適化
自社のエンジニアが
アルゴリズムを作成
数ステップで機械学習の利用が可能 一定のスキルが必要
利用料金
アルゴリズム
簡単さ
© 2017 Knowledge Communication Co., Ltd. 33
AI活用の課題を解決
結果がわかるのに
時間がかかるコストが高い
高いスキルを持っ
た人的リソース
数万円から 1時間以内
業務担当者
が直接
© 2017 Knowledge Communication Co., Ltd. 34
簡単3ステップでデータ分析
STEP1:データ投入
STEP2:予測対象選択
STEP3:予測モデル構築
© 2017 Knowledge Communication Co., Ltd. 35
まとめ
■色々な業種・業界で利用されている機械学習
■早く、安く、簡単にAIを試せる「ナレコムAI」
■データ分析の敷居を下げるクラウドAI
© 2017 Knowledge Communication Co., Ltd. 36
AIに興味があるエンジニアを
絶賛大募集中です。
ご興味ある方はメッセージください。
https://www.facebook.com/yuji.koizumi.9

More Related Content

What's hot

[Track1-1] AIの売上予測を発注システムに組み込んだリンガーハットのデータ活用戦略
[Track1-1] AIの売上予測を発注システムに組み込んだリンガーハットのデータ活用戦略[Track1-1] AIの売上予測を発注システムに組み込んだリンガーハットのデータ活用戦略
[Track1-1] AIの売上予測を発注システムに組み込んだリンガーハットのデータ活用戦略Deep Learning Lab(ディープラーニング・ラボ)
 
Dll講演資料 2017616
Dll講演資料 2017616Dll講演資料 2017616
Dll講演資料 2017616NORIKO HOSAKA
 
Deep inspectionの特徴
Deep inspectionの特徴Deep inspectionの特徴
Deep inspectionの特徴Rist Inc.
 
[Track3-2] AI活用人材の社内育成に関する取り組みについて ~ダイキン情報技術大学~
[Track3-2] AI活用人材の社内育成に関する取り組みについて ~ダイキン情報技術大学~[Track3-2] AI活用人材の社内育成に関する取り組みについて ~ダイキン情報技術大学~
[Track3-2] AI活用人材の社内育成に関する取り組みについて ~ダイキン情報技術大学~Deep Learning Lab(ディープラーニング・ラボ)
 
IBM Data Science Experience and Watson Machine Learning 20170429
IBM Data Science Experience and Watson Machine Learning 20170429IBM Data Science Experience and Watson Machine Learning 20170429
IBM Data Science Experience and Watson Machine Learning 20170429Tsuyoshi Hirayama
 
[Track4-5] CDLEへの招待~CDLEハッカソンが、自分の人生のターニングポイントになった話~
[Track4-5] CDLEへの招待~CDLEハッカソンが、自分の人生のターニングポイントになった話~[Track4-5] CDLEへの招待~CDLEハッカソンが、自分の人生のターニングポイントになった話~
[Track4-5] CDLEへの招待~CDLEハッカソンが、自分の人生のターニングポイントになった話~Deep Learning Lab(ディープラーニング・ラボ)
 
コグニティブ・ファクトリーの実像とIoT時代に求められるデータ・サイエンティストとは?ー製造業の視点からー
コグニティブ・ファクトリーの実像とIoT時代に求められるデータ・サイエンティストとは?ー製造業の視点からーコグニティブ・ファクトリーの実像とIoT時代に求められるデータ・サイエンティストとは?ー製造業の視点からー
コグニティブ・ファクトリーの実像とIoT時代に求められるデータ・サイエンティストとは?ー製造業の視点からーThe Japan DataScientist Society
 
ADセキュリティワークショップ WG活動報告 _第2回全体ミーティング
ADセキュリティワークショップ WG活動報告  _第2回全体ミーティングADセキュリティワークショップ WG活動報告  _第2回全体ミーティング
ADセキュリティワークショップ WG活動報告 _第2回全体ミーティングID-Based Security イニシアティブ
 
2020/05/18 Alibaba cloud AIソリューションセミナー
2020/05/18 Alibaba cloud  AIソリューションセミナー2020/05/18 Alibaba cloud  AIソリューションセミナー
2020/05/18 Alibaba cloud AIソリューションセミナー寛之 松浦
 
「リクルートデータセット」 ~公開までの道のりとこれから~
「リクルートデータセット」 ~公開までの道のりとこれから~「リクルートデータセット」 ~公開までの道のりとこれから~
「リクルートデータセット」 ~公開までの道のりとこれから~Recruit Technologies
 
八子クラウド座談会事前配布 20191214
八子クラウド座談会事前配布 20191214八子クラウド座談会事前配布 20191214
八子クラウド座談会事前配布 20191214知礼 八子
 
SKYDISCのIoTを支えるテクノロジー
SKYDISCのIoTを支えるテクノロジーSKYDISCのIoTを支えるテクノロジー
SKYDISCのIoTを支えるテクノロジーYuji Otani
 
製造現場におけるAI×IoT導入と利活用~IoTによる設備のモニタリングとAIによる設備監視の高度化~
製造現場におけるAI×IoT導入と利活用~IoTによる設備のモニタリングとAIによる設備監視の高度化~製造現場におけるAI×IoT導入と利活用~IoTによる設備のモニタリングとAIによる設備監視の高度化~
製造現場におけるAI×IoT導入と利活用~IoTによる設備のモニタリングとAIによる設備監視の高度化~The Japan DataScientist Society
 
DIMoの操作実演とSCSKが提供する研修プログラム
DIMoの操作実演とSCSKが提供する研修プログラムDIMoの操作実演とSCSKが提供する研修プログラム
DIMoの操作実演とSCSKが提供する研修プログラムHirono Jumpei
 

What's hot (19)

データサイエンス業務と「ツール」
データサイエンス業務と「ツール」データサイエンス業務と「ツール」
データサイエンス業務と「ツール」
 
[Track1-1] AIの売上予測を発注システムに組み込んだリンガーハットのデータ活用戦略
[Track1-1] AIの売上予測を発注システムに組み込んだリンガーハットのデータ活用戦略[Track1-1] AIの売上予測を発注システムに組み込んだリンガーハットのデータ活用戦略
[Track1-1] AIの売上予測を発注システムに組み込んだリンガーハットのデータ活用戦略
 
Dll講演資料 2017616
Dll講演資料 2017616Dll講演資料 2017616
Dll講演資料 2017616
 
Deep inspectionの特徴
Deep inspectionの特徴Deep inspectionの特徴
Deep inspectionの特徴
 
[Track3-2] AI活用人材の社内育成に関する取り組みについて ~ダイキン情報技術大学~
[Track3-2] AI活用人材の社内育成に関する取り組みについて ~ダイキン情報技術大学~[Track3-2] AI活用人材の社内育成に関する取り組みについて ~ダイキン情報技術大学~
[Track3-2] AI活用人材の社内育成に関する取り組みについて ~ダイキン情報技術大学~
 
IBM Data Science Experience and Watson Machine Learning 20170429
IBM Data Science Experience and Watson Machine Learning 20170429IBM Data Science Experience and Watson Machine Learning 20170429
IBM Data Science Experience and Watson Machine Learning 20170429
 
[Track4-5] CDLEへの招待~CDLEハッカソンが、自分の人生のターニングポイントになった話~
[Track4-5] CDLEへの招待~CDLEハッカソンが、自分の人生のターニングポイントになった話~[Track4-5] CDLEへの招待~CDLEハッカソンが、自分の人生のターニングポイントになった話~
[Track4-5] CDLEへの招待~CDLEハッカソンが、自分の人生のターニングポイントになった話~
 
20171201_02_idb_security_wg発表_p
20171201_02_idb_security_wg発表_p20171201_02_idb_security_wg発表_p
20171201_02_idb_security_wg発表_p
 
コグニティブ・ファクトリーの実像とIoT時代に求められるデータ・サイエンティストとは?ー製造業の視点からー
コグニティブ・ファクトリーの実像とIoT時代に求められるデータ・サイエンティストとは?ー製造業の視点からーコグニティブ・ファクトリーの実像とIoT時代に求められるデータ・サイエンティストとは?ー製造業の視点からー
コグニティブ・ファクトリーの実像とIoT時代に求められるデータ・サイエンティストとは?ー製造業の視点からー
 
ADセキュリティワークショップ WG活動報告 _第2回全体ミーティング
ADセキュリティワークショップ WG活動報告  _第2回全体ミーティングADセキュリティワークショップ WG活動報告  _第2回全体ミーティング
ADセキュリティワークショップ WG活動報告 _第2回全体ミーティング
 
[Track1-2] ディープラーニングを用いたワインブドウの収穫量予測
[Track1-2] ディープラーニングを用いたワインブドウの収穫量予測[Track1-2] ディープラーニングを用いたワインブドウの収穫量予測
[Track1-2] ディープラーニングを用いたワインブドウの収穫量予測
 
2020/05/18 Alibaba cloud AIソリューションセミナー
2020/05/18 Alibaba cloud  AIソリューションセミナー2020/05/18 Alibaba cloud  AIソリューションセミナー
2020/05/18 Alibaba cloud AIソリューションセミナー
 
20180604 株式会社ディー・ディー・エス様
20180604 株式会社ディー・ディー・エス様20180604 株式会社ディー・ディー・エス様
20180604 株式会社ディー・ディー・エス様
 
「リクルートデータセット」 ~公開までの道のりとこれから~
「リクルートデータセット」 ~公開までの道のりとこれから~「リクルートデータセット」 ~公開までの道のりとこれから~
「リクルートデータセット」 ~公開までの道のりとこれから~
 
八子クラウド座談会事前配布 20191214
八子クラウド座談会事前配布 20191214八子クラウド座談会事前配布 20191214
八子クラウド座談会事前配布 20191214
 
オンライン教育サービスにおけるデータ活用方法
オンライン教育サービスにおけるデータ活用方法オンライン教育サービスにおけるデータ活用方法
オンライン教育サービスにおけるデータ活用方法
 
SKYDISCのIoTを支えるテクノロジー
SKYDISCのIoTを支えるテクノロジーSKYDISCのIoTを支えるテクノロジー
SKYDISCのIoTを支えるテクノロジー
 
製造現場におけるAI×IoT導入と利活用~IoTによる設備のモニタリングとAIによる設備監視の高度化~
製造現場におけるAI×IoT導入と利活用~IoTによる設備のモニタリングとAIによる設備監視の高度化~製造現場におけるAI×IoT導入と利活用~IoTによる設備のモニタリングとAIによる設備監視の高度化~
製造現場におけるAI×IoT導入と利活用~IoTによる設備のモニタリングとAIによる設備監視の高度化~
 
DIMoの操作実演とSCSKが提供する研修プログラム
DIMoの操作実演とSCSKが提供する研修プログラムDIMoの操作実演とSCSKが提供する研修プログラム
DIMoの操作実演とSCSKが提供する研修プログラム
 

Similar to 【20170414みんなのAI】機械学習の民主化を促進するAI活用術

ポストAiを見据えた日本企業の経営戦略 加藤整 20171020_v1.2
ポストAiを見据えた日本企業の経営戦略 加藤整 20171020_v1.2ポストAiを見据えた日本企業の経営戦略 加藤整 20171020_v1.2
ポストAiを見据えた日本企業の経営戦略 加藤整 20171020_v1.2Sei Kato (加藤 整)
 
「企業のデジタルトランスフォーメーション ビッグデータ利活用に関する活動と課題」
「企業のデジタルトランスフォーメーション   ビッグデータ利活用に関する活動と課題」「企業のデジタルトランスフォーメーション   ビッグデータ利活用に関する活動と課題」
「企業のデジタルトランスフォーメーション ビッグデータ利活用に関する活動と課題」scirexcenter
 
Ibm watson api サービス
Ibm watson api サービスIbm watson api サービス
Ibm watson api サービスHiroaki Komine
 
[ML15]Class Cat佐々木さん「いち早く人工知能テクノロジーを取り入れた製品・サービスを市場に展開するには?」
[ML15]Class Cat佐々木さん「いち早く人工知能テクノロジーを取り入れた製品・サービスを市場に展開するには?」[ML15]Class Cat佐々木さん「いち早く人工知能テクノロジーを取り入れた製品・サービスを市場に展開するには?」
[ML15]Class Cat佐々木さん「いち早く人工知能テクノロジーを取り入れた製品・サービスを市場に展開するには?」AINOW
 
基調講演「データのグループウェア化」
基調講演「データのグループウェア化」基調講演「データのグループウェア化」
基調講演「データのグループウェア化」Cybozucommunity
 
(2017.6.2) Azure HDInsightで実現するスケーラブル分析環境
(2017.6.2) Azure HDInsightで実現するスケーラブル分析環境(2017.6.2) Azure HDInsightで実現するスケーラブル分析環境
(2017.6.2) Azure HDInsightで実現するスケーラブル分析環境Mitsutoshi Kiuchi
 
AIベンチャー企業のパフォーマンス
AIベンチャー企業のパフォーマンスAIベンチャー企業のパフォーマンス
AIベンチャー企業のパフォーマンスCore Concept Technologies
 
意思決定を早めて採用加速
意思決定を早めて採用加速意思決定を早めて採用加速
意思決定を早めて採用加速Katsuhiro Honda
 
新サービス活用おけるUXの活用事例
新サービス活用おけるUXの活用事例新サービス活用おけるUXの活用事例
新サービス活用おけるUXの活用事例Fixel Inc.
 
スタートアップが始める機械学習はじめの一歩
スタートアップが始める機械学習はじめの一歩スタートアップが始める機械学習はじめの一歩
スタートアップが始める機械学習はじめの一歩Kimitaka Nakazawa
 
Azure ADとLINE連携により実現する学校や企業における次世代ID/メッセージ基盤
Azure ADとLINE連携により実現する学校や企業における次世代ID/メッセージ基盤Azure ADとLINE連携により実現する学校や企業における次世代ID/メッセージ基盤
Azure ADとLINE連携により実現する学校や企業における次世代ID/メッセージ基盤Naohiro Fujie
 
YakoCloud presen 141213
YakoCloud presen 141213YakoCloud presen 141213
YakoCloud presen 141213知礼 八子
 
脆弱性の探し方 ~発見と対応のノウハウ in NTTDATA~
脆弱性の探し方 ~発見と対応のノウハウ in NTTDATA~脆弱性の探し方 ~発見と対応のノウハウ in NTTDATA~
脆弱性の探し方 ~発見と対応のノウハウ in NTTDATA~apkiban
 

Similar to 【20170414みんなのAI】機械学習の民主化を促進するAI活用術 (20)

(2017.9.7) Neo4jご紹介
(2017.9.7) Neo4jご紹介(2017.9.7) Neo4jご紹介
(2017.9.7) Neo4jご紹介
 
AWSでの金融系システム構築・運用勘所
AWSでの金融系システム構築・運用勘所AWSでの金融系システム構築・運用勘所
AWSでの金融系システム構築・運用勘所
 
ポストAiを見据えた日本企業の経営戦略 加藤整 20171020_v1.2
ポストAiを見据えた日本企業の経営戦略 加藤整 20171020_v1.2ポストAiを見据えた日本企業の経営戦略 加藤整 20171020_v1.2
ポストAiを見据えた日本企業の経営戦略 加藤整 20171020_v1.2
 
「企業のデジタルトランスフォーメーション ビッグデータ利活用に関する活動と課題」
「企業のデジタルトランスフォーメーション   ビッグデータ利活用に関する活動と課題」「企業のデジタルトランスフォーメーション   ビッグデータ利活用に関する活動と課題」
「企業のデジタルトランスフォーメーション ビッグデータ利活用に関する活動と課題」
 
Ibm watson api サービス
Ibm watson api サービスIbm watson api サービス
Ibm watson api サービス
 
[ML15]Class Cat佐々木さん「いち早く人工知能テクノロジーを取り入れた製品・サービスを市場に展開するには?」
[ML15]Class Cat佐々木さん「いち早く人工知能テクノロジーを取り入れた製品・サービスを市場に展開するには?」[ML15]Class Cat佐々木さん「いち早く人工知能テクノロジーを取り入れた製品・サービスを市場に展開するには?」
[ML15]Class Cat佐々木さん「いち早く人工知能テクノロジーを取り入れた製品・サービスを市場に展開するには?」
 
基調講演「データのグループウェア化」
基調講演「データのグループウェア化」基調講演「データのグループウェア化」
基調講演「データのグループウェア化」
 
20190117 teamup
20190117 teamup20190117 teamup
20190117 teamup
 
(2017.6.2) Azure HDInsightで実現するスケーラブル分析環境
(2017.6.2) Azure HDInsightで実現するスケーラブル分析環境(2017.6.2) Azure HDInsightで実現するスケーラブル分析環境
(2017.6.2) Azure HDInsightで実現するスケーラブル分析環境
 
AIベンチャー企業のパフォーマンス
AIベンチャー企業のパフォーマンスAIベンチャー企業のパフォーマンス
AIベンチャー企業のパフォーマンス
 
意思決定を早めて採用加速
意思決定を早めて採用加速意思決定を早めて採用加速
意思決定を早めて採用加速
 
scrum_fest_osaka_2020
scrum_fest_osaka_2020scrum_fest_osaka_2020
scrum_fest_osaka_2020
 
Data-Centric AIの紹介
Data-Centric AIの紹介Data-Centric AIの紹介
Data-Centric AIの紹介
 
IoT時代のソフトウェアエンジニアリング
IoT時代のソフトウェアエンジニアリングIoT時代のソフトウェアエンジニアリング
IoT時代のソフトウェアエンジニアリング
 
新サービス活用おけるUXの活用事例
新サービス活用おけるUXの活用事例新サービス活用おけるUXの活用事例
新サービス活用おけるUXの活用事例
 
スタートアップが始める機械学習はじめの一歩
スタートアップが始める機械学習はじめの一歩スタートアップが始める機械学習はじめの一歩
スタートアップが始める機械学習はじめの一歩
 
Azure ADとLINE連携により実現する学校や企業における次世代ID/メッセージ基盤
Azure ADとLINE連携により実現する学校や企業における次世代ID/メッセージ基盤Azure ADとLINE連携により実現する学校や企業における次世代ID/メッセージ基盤
Azure ADとLINE連携により実現する学校や企業における次世代ID/メッセージ基盤
 
YakoCloud presen 141213
YakoCloud presen 141213YakoCloud presen 141213
YakoCloud presen 141213
 
脆弱性の探し方 ~発見と対応のノウハウ in NTTDATA~
脆弱性の探し方 ~発見と対応のノウハウ in NTTDATA~脆弱性の探し方 ~発見と対応のノウハウ in NTTDATA~
脆弱性の探し方 ~発見と対応のノウハウ in NTTDATA~
 
Smfl20201001
Smfl20201001Smfl20201001
Smfl20201001
 

Recently uploaded

株式会社デジタルフォルン_会社説明資料~その他の働く環境~         2024年版
株式会社デジタルフォルン_会社説明資料~その他の働く環境~         2024年版株式会社デジタルフォルン_会社説明資料~その他の働く環境~         2024年版
株式会社デジタルフォルン_会社説明資料~その他の働く環境~         2024年版DIGITAL VORN
 
【株式会社オプティマインド】会社紹介資料_2024年4月11日更新(採用資料).pdf
【株式会社オプティマインド】会社紹介資料_2024年4月11日更新(採用資料).pdf【株式会社オプティマインド】会社紹介資料_2024年4月11日更新(採用資料).pdf
【株式会社オプティマインド】会社紹介資料_2024年4月11日更新(採用資料).pdf株式会社オプティマインド
 
株式会社デジタルフォルン_会社説明資料~カルチャー~         2024年版
株式会社デジタルフォルン_会社説明資料~カルチャー~         2024年版株式会社デジタルフォルン_会社説明資料~カルチャー~         2024年版
株式会社デジタルフォルン_会社説明資料~カルチャー~         2024年版DIGITAL VORN
 
20240318_case___________________________
20240318_case___________________________20240318_case___________________________
20240318_case___________________________i Smart Technologies
 
Sportip, Inc. Company Deck 2024|株式会社Sportip紹介資料
Sportip, Inc. Company Deck 2024|株式会社Sportip紹介資料Sportip, Inc. Company Deck 2024|株式会社Sportip紹介資料
Sportip, Inc. Company Deck 2024|株式会社Sportip紹介資料ssuser5a38bf
 
Sportip, Inc. Company Deck 2024|株式会社Sportip紹介資料
Sportip, Inc. Company Deck 2024|株式会社Sportip紹介資料Sportip, Inc. Company Deck 2024|株式会社Sportip紹介資料
Sportip, Inc. Company Deck 2024|株式会社Sportip紹介資料ssuser5a38bf
 
総合カタログ_日東工営株式会社
総合カタログ_日東工営株式会社総合カタログ_日東工営株式会社
総合カタログ_日東工営株式会社nittohkoeiweb
 
20240319_case___________________________
20240319_case___________________________20240319_case___________________________
20240319_case___________________________i Smart Technologies
 
株式会社デジタルフォルン_会社説明資料~仕事内容~         2024年版
株式会社デジタルフォルン_会社説明資料~仕事内容~         2024年版株式会社デジタルフォルン_会社説明資料~仕事内容~         2024年版
株式会社デジタルフォルン_会社説明資料~仕事内容~         2024年版DIGITAL VORN
 
20240209_case___________________________
20240209_case___________________________20240209_case___________________________
20240209_case___________________________i Smart Technologies
 
ENECHANGE株式会社 データ事業(エネルギークラウド事業)紹介資料_20240408.pdf
ENECHANGE株式会社 データ事業(エネルギークラウド事業)紹介資料_20240408.pdfENECHANGE株式会社 データ事業(エネルギークラウド事業)紹介資料_20240408.pdf
ENECHANGE株式会社 データ事業(エネルギークラウド事業)紹介資料_20240408.pdfryoichinojima
 
「育て」「動かし」「評価する」PRMツール。「PartnerProp」パートナープロップサービス資料
「育て」「動かし」「評価する」PRMツール。「PartnerProp」パートナープロップサービス資料「育て」「動かし」「評価する」PRMツール。「PartnerProp」パートナープロップサービス資料
「育て」「動かし」「評価する」PRMツール。「PartnerProp」パートナープロップサービス資料inoue13
 
株式会社デジタルフォルン_会社説明資料~事業内容~         2024年版
株式会社デジタルフォルン_会社説明資料~事業内容~         2024年版株式会社デジタルフォルン_会社説明資料~事業内容~         2024年版
株式会社デジタルフォルン_会社説明資料~事業内容~         2024年版DIGITAL VORN
 
【株式会社オプティマインド】会社紹介資料(2024年04月更新)_中途採用.pdf
【株式会社オプティマインド】会社紹介資料(2024年04月更新)_中途採用.pdf【株式会社オプティマインド】会社紹介資料(2024年04月更新)_中途採用.pdf
【株式会社オプティマインド】会社紹介資料(2024年04月更新)_中途採用.pdf株式会社オプティマインド
 
令和5年度_サステナブルツーリズムセミナー_ビジュアルレポート(公開用).pdf
令和5年度_サステナブルツーリズムセミナー_ビジュアルレポート(公開用).pdf令和5年度_サステナブルツーリズムセミナー_ビジュアルレポート(公開用).pdf
令和5年度_サステナブルツーリズムセミナー_ビジュアルレポート(公開用).pdfjun_suto
 

Recently uploaded (15)

株式会社デジタルフォルン_会社説明資料~その他の働く環境~         2024年版
株式会社デジタルフォルン_会社説明資料~その他の働く環境~         2024年版株式会社デジタルフォルン_会社説明資料~その他の働く環境~         2024年版
株式会社デジタルフォルン_会社説明資料~その他の働く環境~         2024年版
 
【株式会社オプティマインド】会社紹介資料_2024年4月11日更新(採用資料).pdf
【株式会社オプティマインド】会社紹介資料_2024年4月11日更新(採用資料).pdf【株式会社オプティマインド】会社紹介資料_2024年4月11日更新(採用資料).pdf
【株式会社オプティマインド】会社紹介資料_2024年4月11日更新(採用資料).pdf
 
株式会社デジタルフォルン_会社説明資料~カルチャー~         2024年版
株式会社デジタルフォルン_会社説明資料~カルチャー~         2024年版株式会社デジタルフォルン_会社説明資料~カルチャー~         2024年版
株式会社デジタルフォルン_会社説明資料~カルチャー~         2024年版
 
20240318_case___________________________
20240318_case___________________________20240318_case___________________________
20240318_case___________________________
 
Sportip, Inc. Company Deck 2024|株式会社Sportip紹介資料
Sportip, Inc. Company Deck 2024|株式会社Sportip紹介資料Sportip, Inc. Company Deck 2024|株式会社Sportip紹介資料
Sportip, Inc. Company Deck 2024|株式会社Sportip紹介資料
 
Sportip, Inc. Company Deck 2024|株式会社Sportip紹介資料
Sportip, Inc. Company Deck 2024|株式会社Sportip紹介資料Sportip, Inc. Company Deck 2024|株式会社Sportip紹介資料
Sportip, Inc. Company Deck 2024|株式会社Sportip紹介資料
 
総合カタログ_日東工営株式会社
総合カタログ_日東工営株式会社総合カタログ_日東工営株式会社
総合カタログ_日東工営株式会社
 
20240319_case___________________________
20240319_case___________________________20240319_case___________________________
20240319_case___________________________
 
株式会社デジタルフォルン_会社説明資料~仕事内容~         2024年版
株式会社デジタルフォルン_会社説明資料~仕事内容~         2024年版株式会社デジタルフォルン_会社説明資料~仕事内容~         2024年版
株式会社デジタルフォルン_会社説明資料~仕事内容~         2024年版
 
20240209_case___________________________
20240209_case___________________________20240209_case___________________________
20240209_case___________________________
 
ENECHANGE株式会社 データ事業(エネルギークラウド事業)紹介資料_20240408.pdf
ENECHANGE株式会社 データ事業(エネルギークラウド事業)紹介資料_20240408.pdfENECHANGE株式会社 データ事業(エネルギークラウド事業)紹介資料_20240408.pdf
ENECHANGE株式会社 データ事業(エネルギークラウド事業)紹介資料_20240408.pdf
 
「育て」「動かし」「評価する」PRMツール。「PartnerProp」パートナープロップサービス資料
「育て」「動かし」「評価する」PRMツール。「PartnerProp」パートナープロップサービス資料「育て」「動かし」「評価する」PRMツール。「PartnerProp」パートナープロップサービス資料
「育て」「動かし」「評価する」PRMツール。「PartnerProp」パートナープロップサービス資料
 
株式会社デジタルフォルン_会社説明資料~事業内容~         2024年版
株式会社デジタルフォルン_会社説明資料~事業内容~         2024年版株式会社デジタルフォルン_会社説明資料~事業内容~         2024年版
株式会社デジタルフォルン_会社説明資料~事業内容~         2024年版
 
【株式会社オプティマインド】会社紹介資料(2024年04月更新)_中途採用.pdf
【株式会社オプティマインド】会社紹介資料(2024年04月更新)_中途採用.pdf【株式会社オプティマインド】会社紹介資料(2024年04月更新)_中途採用.pdf
【株式会社オプティマインド】会社紹介資料(2024年04月更新)_中途採用.pdf
 
令和5年度_サステナブルツーリズムセミナー_ビジュアルレポート(公開用).pdf
令和5年度_サステナブルツーリズムセミナー_ビジュアルレポート(公開用).pdf令和5年度_サステナブルツーリズムセミナー_ビジュアルレポート(公開用).pdf
令和5年度_サステナブルツーリズムセミナー_ビジュアルレポート(公開用).pdf
 

【20170414みんなのAI】機械学習の民主化を促進するAI活用術

  • 1. © 2017 Knowledge Communication Co., Ltd. 機械学習の民主化を促進するAI活用術 2017年04月14日 株式会社ナレッジコミュニケーション 小泉 裕二
  • 2. © 2017 Knowledge Communication Co., Ltd. 本日のポイント 2 [1]AIの中の機械学習 [2]機械学習の利用シーン [3]機械学習プラットフォーム「ナレコムAIについて」
  • 3. © 2017 Knowledge Communication Co., Ltd. ナレッジコミュニケーションについて 3 ■会社名:株式会社ナレッジコミュニケーション ■設立日 :2008年11月 (創立2006年5月) ■資本金:9,000,000円 ■代表者:代表取締役 奥沢 明 ■本社:東京都江東区 ■支社:千葉オフィス、熊本オフィス ■従業員:20名 会社情報
  • 4. © 2017 Knowledge Communication Co., Ltd. 自社メディア &受託開発 スマートフォンアプリ クラウド ナレッジコミュニケーションについて 4 教育系コミュニティ 『ナレコム』 法人向けモバイルサイト用CMS 『ナレコムモバイル』
  • 5. © 2017 Knowledge Communication Co., Ltd. 5 特にクラウドAI(機械学習)の分野に注力して事業展開 設 計 構 築 運 用 保 守 ナレッジコミュニケーションについて
  • 6. © 2017 Knowledge Communication Co., Ltd. AIの中の機械学習 6 人工知能という大きな枠の中に機械学習・深層学習がある 参考 : https://blogs.nvidia.co.jp/2016/08/09/whats-difference-artificial-intelligence-machine-learning-deep-learning-ai/ 人工知能 Artificial Intelligence 人間の知性を機械的に再現 深層学習 Deep Learning データ分類や認識の基準をデー タ自ら見つけ出す機械学習の手 法 機械学習 Machine Learning データ解析の結果から、 判断材料となるルールを見つ け出す手法 データ 規則性の抽出 アルゴリズム 猫と判断 今日は↓の話をします
  • 7. © 2017 Knowledge Communication Co., Ltd. 機械学習とは 7 性別 年齢 年収 勤続年数 ローンOK 機械学習 ・あるデータとその答えをもとにコンピュータが予測方法を自動的に学習 ・新しいデータを入れるとその予測結果を返してくれる
  • 8. © 2017 Knowledge Communication Co., Ltd. これまでのデータ分析と予測 8  過去の経験からの予測  業務が属人化 勘と経験 金>月>水・木>火の順で多い 給料日、年金支給日は多い 五十日は多い、など 月 火 水 木 金 土 日 27日 28日 3月1日 2日 3日 4日 5日 6日 7日 8日 9日 10日 11日 12日 13日 14日 15日 16日 17日 18日 19日 20日 21日 22日 23日 24日 25日 26日 27日 28日 29日 30日 31日 4月1日 2日 来店者数予測  過去の実績からの予測  ルールを作る手間 ルールベース 来店者数予測 27日 28日 29日 30日 31日 190人 190人 200人 200人 240人 ルール例 ・前年同月来店者数の平均を求める ・曜日ごとの係数をかける 月 火 水 木 金 +5% -5% 0% 0% +20%
  • 9. © 2017 Knowledge Communication Co., Ltd. 機械学習による自動化・精度向上 9 データ(過去の来店者実績) 日付 予測 来店者数 4月1日 175 4月2日 201 4月3日 221 4月4日 205 4月5日 195 学習 (モデル作成) 予測 予測結果 日付 曜日 給与 支給日 五十日 来店者数 3月15日 水 Y 230 3月16日 木 180 3月17日 金 215 3月18日 土 ー 3月19日 日 ー 3月20日 月 Y ー 3月21日 火 206 3月22日 水 200 3月23日 木 176 3月24日 金 Y 241 他にも、月末、週末、年金支給日、 四半期末、半期末、年度末など ・データを自動的に分析してモデルを自動作成 ・大量のデータから人間が気づいていなかった特徴を捉えてモデルに反映するため 予測精度が向上
  • 10. © 2017 Knowledge Communication Co., Ltd. 様々な分野で利用される機械学習 10 機械学習 データからパターン・規則・関係などの抽出 特徴をモデル化 銀行 工場 ヒトの行動 医療 物流 企業活動 融資判断支援 不正取引検出 設備の予兆保全 自動検品 購買活動予測 効率化 診断精度向上 ゲノム解析作業 需要予測 商品レコメンド 人材マッチング 企業戦略案策定
  • 11. © 2017 Knowledge Communication Co., Ltd. 様々な分野で利用される機械学習 11 機械学習 データからパターン・規則・関係などの抽出 特徴をモデル化 銀行 工場 ヒトの行動 医療 物流 企業活動 融資判断支援 不正取引検出 設備の予兆保全 自動検品 購買活動予測 効率化 診断精度向上 ゲノム解析作業 需要予測 商品レコメンド 人材マッチング 企業戦略案策定 機械学習で出来ること = 高度な予測・分析を少ない労力で実現
  • 12. © 2017 Knowledge Communication Co., Ltd. 12 しかし、データを活用するには色々な課題が 20年でデータ量は約7000倍に 国内では4.8万人が不足 出典元:週刊ダイヤモンド 2017年3/4号 潜在人員規模 112,090人 IT企業 34,940 IT企業 41,160 IT企業 48,510 ユーザー企業 61,960 ユーザー企業 70,790 ユーザー企業 80,880 15,190 31,500 47,810 2016 年 18 (予想) 20 (予想) 潜在人員規模 143,450人 潜在人員規模 177,200人 不 足 数 人 材 数 不 足 数 人 材 数 2000 年 03 07 10 13 20 (予想) 0 20 30 40 50 (兆ギガバイト) 10 62億 ギガバイト 44兆 ギガバイト 先端IT人材の不足数推計
  • 13. © 2017 Knowledge Communication Co., Ltd. 13 データを扱う職種が人気が高い、様々なスキルが必要 4種類のスキルが必要米国人気職業ランキング1位 順位 職業 年収(万円) 1位 データサイエンティスト 1410 2位 統計学者 879 3位 情報セキュリティアナリスト 977 4位 聴覚医 803 5位 超音波診断技師 687 6位 数学者 1140 7位 ソフトウェアエンジニア 1077 8位 コンピューター・システム・ア ナリスト 909 9位 医療言語聴覚士 787 10位 アクチュアリー 1063 出典元:週刊ダイヤモンド 2017年3/4号 解析技術 人工知能・機械学習・ディープラーニング 統計学 数学 プログラ ミング
  • 14. © 2017 Knowledge Communication Co., Ltd. 14 データを扱うのはとても大変=AIを扱うのはとても大変 結果がわかるのに 時間がかかるコストが高い 高いスキルを持っ た人的リソース
  • 15. © 2017 Knowledge Communication Co., Ltd. クラウドAIの活用でデータ分析の敷居が下がる 15 -主な特徴 ・強力なクラウド ベースの予測分析 ・MS Research、Xbox、Bing で実証済みのアルゴリズム ・オープン ソースの R 言語を高度にサポート ・ビッグ データ ソリューション用の HDInsight へのシームレスな接続 ・モデルのAPI化もクラウドサービスを利用することにより対応 機械学習の演算処理をクラウド上で行うことにより、 データを送り処理結果を受け取るだけで機械学習処理を行うことが可能。 機械学習のために大規模なインフラを用意することが不要になる。
  • 16. © 2017 Knowledge Communication Co., Ltd. Azure MLのアルゴリズム Azure Machine Learning 回帰分析 多項分類 二項分類 クラスタリング・Linear ・Bayesian Liner ・Neural Network ・Decision Forest ・Boosted Decision Tree ・Fast Forest Quantile ・Ordinal ・Poisson ・Logistic Regression ・Decision Forest ・Decision Jungle ・Boosted Decision Tree ・K-Means Clustering ・Averaged Perceptron ・Bayes Point Machine ・Boosted Decision Tree ・Decision Forest ・Decision Jungle ・Support Vector Machine ・Locally-Deep Support Vector Machine ・Logistic Regression ・Neural Network 16
  • 17. © 2017 Knowledge Communication Co., Ltd. Azure MLユーザーインターフェイス 17 ********** ドラッグ&ドロップ操作 (コーディング不要) 基本的なモデルは 数個のモジュールをつなぐだけ
  • 18. © 2017 Knowledge Communication Co., Ltd. 機械学習の活用例の紹介 18
  • 19. © 2017 Knowledge Communication Co., Ltd. 19 頭数? 出荷出産 予測したい!> 日数? 配送 手配 養豚-グローバルピッグファーム株式会社様
  • 20. © 2017 Knowledge Communication Co., Ltd. 20 利用データ:生産データ、天候データ等 出荷分娩 肥育離乳 ①生産イベント ②事故率等係数 ③出荷仕切りデータ ④天候データ
  • 21. © 2017 Knowledge Communication Co., Ltd. PoC結果 21 生産データ 気象データ データクレンジング 予測誤差: ± 53 日 予測誤差: ± 28 日 予測誤差: ± 14 日 農場別:最小 ± 6 日
  • 22. © 2017 Knowledge Communication Co., Ltd. Azure Storage 構成イメージ 22 Machine Learning Web Service (Predictive API) Web Service 発行 Azure Machine Learning Azure Storage 気象データ 過去の 生産データ 生産データ 可視化
  • 23. © 2017 Knowledge Communication Co., Ltd. 23 大学-立教大学様 Azure Machine Learning Azure BLOB Storage Local Storage ■タンパク質の化学分野での活用 ■膨大なデータに対して、データ同士の関連性を見つける ことができる ■実験の結果を機械学習で予測することで、「解析すべき データ」の自動整理・圧縮に活用
  • 24. © 2017 Knowledge Communication Co., Ltd. 24 今のビジネスマンにとってパソコンが使える のは当たり前のように、これからはAIを使い こなせて当たり前の時代になろうとしている。
  • 25. © 2017 Knowledge Communication Co., Ltd. AIを金融の分野にも活用できるか RISE UP CLUB:https://www.riseupclub.com/CS202_CorpMbrshpArticleRefPage?name=0354 マルチクラウドの 機械学習から自動的に 最適化を行う 「ナレコムAI」 クラウドAI×専門家不要
  • 26. © 2017 Knowledge Communication Co., Ltd. 26 私達の仮説:データ分析はデータサイエン ティストだけのものではない 課題発掘・ ゴール設定 データ 設計 データ 加工 モデル 作成 テスト 活用 データサイエンティストで ないと出来ない範囲 業務担当者が できる範囲
  • 27. © 2017 Knowledge Communication Co., Ltd. 27 業務担当者が直接データ分析ができるようにする 機械学習プラットフォーム データサイエンティストIT担当業務担当 データ分析の敷居を下げるため データサイエンティストの担当箇所をカバーする プロダクト「ナレコムAI」 課題発掘・ ゴール設定 データ 設計 データ 加工 モデル 作成 テスト 活用
  • 28. © 2017 Knowledge Communication Co., Ltd. 28 機械学習の予測モデルの自動最適化 課題発掘・ ゴール設定 データ 設計 データ 加工 モデル 作成 テスト 活用 アルゴリズム選択 パラメーターチューニング アセスメント [今まで]数千万通りから数週間以上かけて 経験と勘で選んだ数十~数百パターンで最適化
  • 29. © 2017 Knowledge Communication Co., Ltd. アルゴリズム1 アルゴリズム2 アルゴリズム3 モードA モードB レート0.1 レート0.2 レート0.3 Data Source 最適 モデル 作成 難しいアルゴリズム選定、パラメーター調整を自動最適化 [ナレコムAIなら] 1時間以内に数百~数千の組 み合わせから自動的に最適な予測モデルを構築 機械学習の予測モデルの自動最適化 35 マルチクラウド アルゴリズム
  • 30. © 2017 Knowledge Communication Co., Ltd. 特徴 36 アルゴリズム パラメータ モデル1 正解率91% モデル2 正解率71% モデル3 正解率45% モデル4 正解率86% モデル5 正解率65% Microsoft Azure ■簡単 :アップロードして予測対象を指定するだけ ➡最適なアルゴリズム、パラメータを自動選択 ■高精度:最新のアルゴリズムを利用可能 ➡複数のクラウドサービスの機械学習APIを利用 ■速い :数十分でモデル作成完了 ➡クラウド上でモデル作成を並列実行
  • 31. © 2017 Knowledge Communication Co., Ltd. 補足資料 : モデル精度について 36 世界の統計の専門家やデータ分析家が最適モデルを競う 「 Kaggle 」におけるナレコムAIの結果 モデル スコア(pt) 備考 世界トップが作成したモデル 0.829072 ナレコムAIで生成したモデル 0.821963 トップと僅か0.008pt差 未チューニングモデル 0.688330 トップクラスのデータサイエンティストが300回近く試行錯誤したスコア
  • 32. © 2017 Knowledge Communication Co., Ltd. 32 ナレコムAI費用感:スモールスタートで従量課金 ナレコムAI 競合製品 予測モデル構築:5万 モデル実行:5千円 /10,000件数 (つかっただけ課金) ライセンス費用が数百万~約1千万~ アウトソース:200万~ モデリング選択、 パラメータ設定を自動最適化 自社のエンジニアが アルゴリズムを作成 数ステップで機械学習の利用が可能 一定のスキルが必要 利用料金 アルゴリズム 簡単さ
  • 33. © 2017 Knowledge Communication Co., Ltd. 33 AI活用の課題を解決 結果がわかるのに 時間がかかるコストが高い 高いスキルを持っ た人的リソース 数万円から 1時間以内 業務担当者 が直接
  • 34. © 2017 Knowledge Communication Co., Ltd. 34 簡単3ステップでデータ分析 STEP1:データ投入 STEP2:予測対象選択 STEP3:予測モデル構築
  • 35. © 2017 Knowledge Communication Co., Ltd. 35 まとめ ■色々な業種・業界で利用されている機械学習 ■早く、安く、簡単にAIを試せる「ナレコムAI」 ■データ分析の敷居を下げるクラウドAI
  • 36. © 2017 Knowledge Communication Co., Ltd. 36 AIに興味があるエンジニアを 絶賛大募集中です。 ご興味ある方はメッセージください。 https://www.facebook.com/yuji.koizumi.9