Submit Search
Upload
20200605_wids_explainableAI
•
2 likes
•
3,188 views
R
Rio Kurihara
Follow
2020/6/5に開催されたイベントの登壇資料です https://ibm-developer.connpass.com/event/175696/
Read less
Read more
Data & Analytics
Report
Share
Report
Share
1 of 40
Download now
Download to read offline
Recommended
20180730 ds womens
20180730 ds womens
Rio Kurihara
データサイエンティスト女子部での発表資料(20180730開催)
Ml15minutes 190330
Ml15minutes 190330
Rio Kurihara
2019/3/30に開催されたMachineLearning15minutesの発表資料です。
失敗から学ぶ機械学習応用
失敗から学ぶ機械学習応用
Hiroyuki Masuda
社内勉強会での発表資料です。 「失敗事例を通じて、機械学習の検討で抑えるべきポイントを学ぶ」をコンセプトに作成しました。AI・機械学習を検討する広くの方々に活用していただけると幸いです。 あとがきを下記に書きました。よければこちらもご参照ください。 https://qiita.com/bezilla/items/1e1abac767e10d0817d1
機械学習システム開発案件の事例紹介
機械学習システム開発案件の事例紹介
BrainPad Inc.
「ブレインパッドとエウレカが語る、データ分析と機械学習の活用」資料
機械学習システムのアーキテクチャアラカルト
機械学習システムのアーキテクチャアラカルト
BrainPad Inc.
Developers summit2019用資料
人工知能に任せないと難しい時代、何をどうやるべきか~楽天のAI技術活用から人材育成まで~
人工知能に任せないと難しい時代、何をどうやるべきか~楽天のAI技術活用から人材育成まで~
Rakuten Group, Inc.
楽天では,様々な種類の大規模データが存在し,それらを活用するためにはAI(人工知能)技術の適用が不可欠になってきています. 本発表では,楽天においてAIはどのように活用されているのかの事例を紹介すると共に,AIがあらゆる機能の基盤となっている昨今,人材育成や組織は同あるべきなのかについて議論をしています.
れこめん道~とあるエンジニアの苦闘の日々
れこめん道~とあるエンジニアの苦闘の日々
BrainPad Inc.
「ブレインパッドとエウレカが語る、データ分析と機械学習の活用」資料
機械学習に取り組んでいる企業の紹介
機械学習に取り組んでいる企業の紹介
Kazuma Kadomae
【全脳アーキテクチャ若手の会 関東】 機械学習に取り組んでいる企業の紹介 第12回勉強会 カジュアルトーク 機械学習に取り組んでいる企業の紹介WEB+アプリ+データ分析系のベンチャーでロボット系、メーカー系は取上げておりません。
Recommended
20180730 ds womens
20180730 ds womens
Rio Kurihara
データサイエンティスト女子部での発表資料(20180730開催)
Ml15minutes 190330
Ml15minutes 190330
Rio Kurihara
2019/3/30に開催されたMachineLearning15minutesの発表資料です。
失敗から学ぶ機械学習応用
失敗から学ぶ機械学習応用
Hiroyuki Masuda
社内勉強会での発表資料です。 「失敗事例を通じて、機械学習の検討で抑えるべきポイントを学ぶ」をコンセプトに作成しました。AI・機械学習を検討する広くの方々に活用していただけると幸いです。 あとがきを下記に書きました。よければこちらもご参照ください。 https://qiita.com/bezilla/items/1e1abac767e10d0817d1
機械学習システム開発案件の事例紹介
機械学習システム開発案件の事例紹介
BrainPad Inc.
「ブレインパッドとエウレカが語る、データ分析と機械学習の活用」資料
機械学習システムのアーキテクチャアラカルト
機械学習システムのアーキテクチャアラカルト
BrainPad Inc.
Developers summit2019用資料
人工知能に任せないと難しい時代、何をどうやるべきか~楽天のAI技術活用から人材育成まで~
人工知能に任せないと難しい時代、何をどうやるべきか~楽天のAI技術活用から人材育成まで~
Rakuten Group, Inc.
楽天では,様々な種類の大規模データが存在し,それらを活用するためにはAI(人工知能)技術の適用が不可欠になってきています. 本発表では,楽天においてAIはどのように活用されているのかの事例を紹介すると共に,AIがあらゆる機能の基盤となっている昨今,人材育成や組織は同あるべきなのかについて議論をしています.
れこめん道~とあるエンジニアの苦闘の日々
れこめん道~とあるエンジニアの苦闘の日々
BrainPad Inc.
「ブレインパッドとエウレカが語る、データ分析と機械学習の活用」資料
機械学習に取り組んでいる企業の紹介
機械学習に取り組んでいる企業の紹介
Kazuma Kadomae
【全脳アーキテクチャ若手の会 関東】 機械学習に取り組んでいる企業の紹介 第12回勉強会 カジュアルトーク 機械学習に取り組んでいる企業の紹介WEB+アプリ+データ分析系のベンチャーでロボット系、メーカー系は取上げておりません。
機械学習品質管理・保証の動向と取り組み
機械学習品質管理・保証の動向と取り組み
Shintaro Fukushima
Trends and Our Activities in Quality Management and Assurance of Machine Learning
Business utilization of real estate image classification system using deep le...
Business utilization of real estate image classification system using deep le...
BrainPad Inc.
第33回人工知能学会全国大会(新潟) OS-10不動産とAI 深層学習を用いた不動産画像の分類システムのビジネス適用
エンジニア勉強会資料_⑤広告プロダクトとプラットフォームの開発
エンジニア勉強会資料_⑤広告プロダクトとプラットフォームの開発
BrainPad Inc.
2018年3月13日にブレインパッドが開催した「エンジニア向け勉強会」の講演資料です。
あなたの業務に機械学習を活用する5つのポイント
あなたの業務に機械学習を活用する5つのポイント
Shohei Hido
2014/08/26 Machine Learning Casual Talks #2「あなたの業務に機械学習を活用する5つのポイント」の発表資料です。 http://mlct.connpass.com/event/8036/
2018.08.21-機械学習工学研究会 現場を交えた勉強会発表資料
2018.08.21-機械学習工学研究会 現場を交えた勉強会発表資料
BrainPad Inc.
機械学習工学研究会 現場を交えた勉強会発表資料
金融×AIで解くべき問題は何か?
金融×AIで解くべき問題は何か?
Tsunehiko Nagayama
20200313 CF + FinML 勉強会 https://finml.connpass.com/event/205664/
機械学習システムを受託開発 する時に気をつけておきたい事
機械学習システムを受託開発 する時に気をつけておきたい事
BrainPad Inc.
「ブレインパッドとエウレカが語る、データ分析と機械学習の活用」資料
DMPの分析機能を実現する技術
DMPの分析機能を実現する技術
BrainPad Inc.
「ブレインパッドとエウレカが語る、データ分析と機械学習の活用」資料
Smart SE: コロナ時代のAI・IoTの社会人オン・オフライン教育
Smart SE: コロナ時代のAI・IoTの社会人オン・オフライン教育
Hironori Washizaki
鷲崎弘宜, Smart SE: コロナ時代のAI・IoTの社会人オン・オフライン教育, eラーニングアワード2020フォーラム, 2020年11月12日
機械学習デザインパターン Machine Learning Design Patterns
機械学習デザインパターン Machine Learning Design Patterns
Hironori Washizaki
鷲崎弘宜, チュートリアル: 機械学習デザインパターン Machine Learning Design Patterns, MLSE夏合宿2021, 2021年7月2日
新しいソフトウェアエンジニアリングのためのパターンランゲージに向けて
新しいソフトウェアエンジニアリングのためのパターンランゲージに向けて
Hironori Washizaki
鷲崎弘宜, 新しいソフトウェアエンジニアリングのためのパターンランゲージに向けて, Agile Tour Osaka × miniPLoP 2020 基調講演, 2020年12月12日
機械学習システムの33のアーキテクチャパターンおよびデザインパターン
機械学習システムの33のアーキテクチャパターンおよびデザインパターン
Hironori Washizaki
鷲崎弘宜, 機械学習システムの33のアーキテクチャパターンおよびデザインパターン, スマートエスイーセミナー: 機械学習デザインパターンとアジャイル品質パターン, 2019年11月8日(金), 早稲田大学 西早稲田キャンパス
新卒2ヶ月でAIを社会実装させた3つのデザイン
新卒2ヶ月でAIを社会実装させた3つのデザイン
NodokaFujimoto
第56回 Machine Learning 15minutes! Broadcastで登壇した時のスライドです。 https://machine-learning15minutes.connpass.com/event/214810/ AIの導入ってハードルが高い...と思っている方、深層学習のモデル作成してみたけど実装には至らない...という方に、簡単な技術でAIを実装させるためのデザインについてお話ししました デザインのポイント3つ (1)ユーザが喜ぶ × すぐできそうな手法から初めてみる! (2)機能が完璧でなくてもデザインでカバーできる! (3)機能+デザインの提案によって方針決定を速める! データサイエンス&デザインをやっている人間に興味がある方は、ぜひ話しかけてください Twitter:https://twitter.com/p_lab_n
NLPソリューション開発の最前線
NLPソリューション開発の最前線
Deep Learning Lab(ディープラーニング・ラボ)
自然言語処理ナイト 株式会社 電通国際情報サービス 深谷勇次 氏 小川雄太郎 氏 FAISAL HADIPUTRA 氏
社会やビジネスに新たな価値を生み出すソフトウェア工学 SE4BS(Software Engineering for Business and Society)
社会やビジネスに新たな価値を生み出すソフトウェア工学 SE4BS(Software Engineering for Business and Society)
Hironori Washizaki
鷲崎弘宜、"社会やビジネスに新たな価値を生み出すソフトウェア工学 SE4BS(Software Engineering for Business and Society)"、JEITAソフトウェアエンジニアリング技術専門委員会11月度、2020年11月24日
データサイエンティストのつくり方
データサイエンティストのつくり方
Shohei Hido
2012/09/13 PFIセミナー「データサイエンティストのつくり方」資料 Ustreamの録画はこちらです→ http://www.ustream.tv/recorded/25376704
Teams + Power Platform でチームメンバーの状況報告を圧倒的効率化!
Teams + Power Platform でチームメンバーの状況報告を圧倒的効率化!
Teruchika Yamada
第30回 Office 365 勉強会 https://jpo365ug.connpass.com/event/191573/
個人的情報発信ノスゝメ~準備編~
個人的情報発信ノスゝメ~準備編~
Teruchika Yamada
Ikiga-IT #04 「IT技術や知識のアウトプット活動・コミュニティ活動について」 https://ikiga-it.connpass.com/event/193499/
ロボコンの為のFusion360講座 vol1.モデリング編
ロボコンの為のFusion360講座 vol1.モデリング編
Ryo Takahashi
作成過程の動画とサンプルデータをAutodesk Knowledge Networkで公開しております.不明な点がございましたら恐縮ですが以下URLを参照ください. https://autode.sk/2NxWWZx
キャリアコンサルタント向け「企業で求められるITスキルの実態」と実践スキル向上研修
キャリアコンサルタント向け「企業で求められるITスキルの実態」と実践スキル向上研修
Daiyu Hatakeyama
企業で今求められているITスキルの実態 今後の社会の変化、未来を見据えて身につけていくべきスキル・役立つ情報 各種プラットフォームの紹介 応用的なトラブルシューティングが必要なケースについて
ロボコンの為のFusion360講座 #CAD編
ロボコンの為のFusion360講座 #CAD編
電大 ヒュー研
3DCAD超初心者のために作成しました。今回はCAD操作についてのスライドです。Fusion360は非常に使いやすく多機能なのでロボコンやレポート等に使ってみてはいかがでしょうか。 スライド作成者:東京電機大学理工学部 高橋瞭 団体の活動や問い合わせは下記リンクよりご確認ください。 http://robototakutdu.web.fc2.com/
Jaws ug yokoyama-16
Jaws ug yokoyama-16
Akifumi Niida
JAWS-UG 横浜 #16 CircleCIとEKSによるCI/CD環境
More Related Content
What's hot
機械学習品質管理・保証の動向と取り組み
機械学習品質管理・保証の動向と取り組み
Shintaro Fukushima
Trends and Our Activities in Quality Management and Assurance of Machine Learning
Business utilization of real estate image classification system using deep le...
Business utilization of real estate image classification system using deep le...
BrainPad Inc.
第33回人工知能学会全国大会(新潟) OS-10不動産とAI 深層学習を用いた不動産画像の分類システムのビジネス適用
エンジニア勉強会資料_⑤広告プロダクトとプラットフォームの開発
エンジニア勉強会資料_⑤広告プロダクトとプラットフォームの開発
BrainPad Inc.
2018年3月13日にブレインパッドが開催した「エンジニア向け勉強会」の講演資料です。
あなたの業務に機械学習を活用する5つのポイント
あなたの業務に機械学習を活用する5つのポイント
Shohei Hido
2014/08/26 Machine Learning Casual Talks #2「あなたの業務に機械学習を活用する5つのポイント」の発表資料です。 http://mlct.connpass.com/event/8036/
2018.08.21-機械学習工学研究会 現場を交えた勉強会発表資料
2018.08.21-機械学習工学研究会 現場を交えた勉強会発表資料
BrainPad Inc.
機械学習工学研究会 現場を交えた勉強会発表資料
金融×AIで解くべき問題は何か?
金融×AIで解くべき問題は何か?
Tsunehiko Nagayama
20200313 CF + FinML 勉強会 https://finml.connpass.com/event/205664/
機械学習システムを受託開発 する時に気をつけておきたい事
機械学習システムを受託開発 する時に気をつけておきたい事
BrainPad Inc.
「ブレインパッドとエウレカが語る、データ分析と機械学習の活用」資料
DMPの分析機能を実現する技術
DMPの分析機能を実現する技術
BrainPad Inc.
「ブレインパッドとエウレカが語る、データ分析と機械学習の活用」資料
Smart SE: コロナ時代のAI・IoTの社会人オン・オフライン教育
Smart SE: コロナ時代のAI・IoTの社会人オン・オフライン教育
Hironori Washizaki
鷲崎弘宜, Smart SE: コロナ時代のAI・IoTの社会人オン・オフライン教育, eラーニングアワード2020フォーラム, 2020年11月12日
機械学習デザインパターン Machine Learning Design Patterns
機械学習デザインパターン Machine Learning Design Patterns
Hironori Washizaki
鷲崎弘宜, チュートリアル: 機械学習デザインパターン Machine Learning Design Patterns, MLSE夏合宿2021, 2021年7月2日
新しいソフトウェアエンジニアリングのためのパターンランゲージに向けて
新しいソフトウェアエンジニアリングのためのパターンランゲージに向けて
Hironori Washizaki
鷲崎弘宜, 新しいソフトウェアエンジニアリングのためのパターンランゲージに向けて, Agile Tour Osaka × miniPLoP 2020 基調講演, 2020年12月12日
機械学習システムの33のアーキテクチャパターンおよびデザインパターン
機械学習システムの33のアーキテクチャパターンおよびデザインパターン
Hironori Washizaki
鷲崎弘宜, 機械学習システムの33のアーキテクチャパターンおよびデザインパターン, スマートエスイーセミナー: 機械学習デザインパターンとアジャイル品質パターン, 2019年11月8日(金), 早稲田大学 西早稲田キャンパス
新卒2ヶ月でAIを社会実装させた3つのデザイン
新卒2ヶ月でAIを社会実装させた3つのデザイン
NodokaFujimoto
第56回 Machine Learning 15minutes! Broadcastで登壇した時のスライドです。 https://machine-learning15minutes.connpass.com/event/214810/ AIの導入ってハードルが高い...と思っている方、深層学習のモデル作成してみたけど実装には至らない...という方に、簡単な技術でAIを実装させるためのデザインについてお話ししました デザインのポイント3つ (1)ユーザが喜ぶ × すぐできそうな手法から初めてみる! (2)機能が完璧でなくてもデザインでカバーできる! (3)機能+デザインの提案によって方針決定を速める! データサイエンス&デザインをやっている人間に興味がある方は、ぜひ話しかけてください Twitter:https://twitter.com/p_lab_n
NLPソリューション開発の最前線
NLPソリューション開発の最前線
Deep Learning Lab(ディープラーニング・ラボ)
自然言語処理ナイト 株式会社 電通国際情報サービス 深谷勇次 氏 小川雄太郎 氏 FAISAL HADIPUTRA 氏
社会やビジネスに新たな価値を生み出すソフトウェア工学 SE4BS(Software Engineering for Business and Society)
社会やビジネスに新たな価値を生み出すソフトウェア工学 SE4BS(Software Engineering for Business and Society)
Hironori Washizaki
鷲崎弘宜、"社会やビジネスに新たな価値を生み出すソフトウェア工学 SE4BS(Software Engineering for Business and Society)"、JEITAソフトウェアエンジニアリング技術専門委員会11月度、2020年11月24日
データサイエンティストのつくり方
データサイエンティストのつくり方
Shohei Hido
2012/09/13 PFIセミナー「データサイエンティストのつくり方」資料 Ustreamの録画はこちらです→ http://www.ustream.tv/recorded/25376704
What's hot
(16)
機械学習品質管理・保証の動向と取り組み
機械学習品質管理・保証の動向と取り組み
Business utilization of real estate image classification system using deep le...
Business utilization of real estate image classification system using deep le...
エンジニア勉強会資料_⑤広告プロダクトとプラットフォームの開発
エンジニア勉強会資料_⑤広告プロダクトとプラットフォームの開発
あなたの業務に機械学習を活用する5つのポイント
あなたの業務に機械学習を活用する5つのポイント
2018.08.21-機械学習工学研究会 現場を交えた勉強会発表資料
2018.08.21-機械学習工学研究会 現場を交えた勉強会発表資料
金融×AIで解くべき問題は何か?
金融×AIで解くべき問題は何か?
機械学習システムを受託開発 する時に気をつけておきたい事
機械学習システムを受託開発 する時に気をつけておきたい事
DMPの分析機能を実現する技術
DMPの分析機能を実現する技術
Smart SE: コロナ時代のAI・IoTの社会人オン・オフライン教育
Smart SE: コロナ時代のAI・IoTの社会人オン・オフライン教育
機械学習デザインパターン Machine Learning Design Patterns
機械学習デザインパターン Machine Learning Design Patterns
新しいソフトウェアエンジニアリングのためのパターンランゲージに向けて
新しいソフトウェアエンジニアリングのためのパターンランゲージに向けて
機械学習システムの33のアーキテクチャパターンおよびデザインパターン
機械学習システムの33のアーキテクチャパターンおよびデザインパターン
新卒2ヶ月でAIを社会実装させた3つのデザイン
新卒2ヶ月でAIを社会実装させた3つのデザイン
NLPソリューション開発の最前線
NLPソリューション開発の最前線
社会やビジネスに新たな価値を生み出すソフトウェア工学 SE4BS(Software Engineering for Business and Society)
社会やビジネスに新たな価値を生み出すソフトウェア工学 SE4BS(Software Engineering for Business and Society)
データサイエンティストのつくり方
データサイエンティストのつくり方
Similar to 20200605_wids_explainableAI
Teams + Power Platform でチームメンバーの状況報告を圧倒的効率化!
Teams + Power Platform でチームメンバーの状況報告を圧倒的効率化!
Teruchika Yamada
第30回 Office 365 勉強会 https://jpo365ug.connpass.com/event/191573/
個人的情報発信ノスゝメ~準備編~
個人的情報発信ノスゝメ~準備編~
Teruchika Yamada
Ikiga-IT #04 「IT技術や知識のアウトプット活動・コミュニティ活動について」 https://ikiga-it.connpass.com/event/193499/
ロボコンの為のFusion360講座 vol1.モデリング編
ロボコンの為のFusion360講座 vol1.モデリング編
Ryo Takahashi
作成過程の動画とサンプルデータをAutodesk Knowledge Networkで公開しております.不明な点がございましたら恐縮ですが以下URLを参照ください. https://autode.sk/2NxWWZx
キャリアコンサルタント向け「企業で求められるITスキルの実態」と実践スキル向上研修
キャリアコンサルタント向け「企業で求められるITスキルの実態」と実践スキル向上研修
Daiyu Hatakeyama
企業で今求められているITスキルの実態 今後の社会の変化、未来を見据えて身につけていくべきスキル・役立つ情報 各種プラットフォームの紹介 応用的なトラブルシューティングが必要なケースについて
ロボコンの為のFusion360講座 #CAD編
ロボコンの為のFusion360講座 #CAD編
電大 ヒュー研
3DCAD超初心者のために作成しました。今回はCAD操作についてのスライドです。Fusion360は非常に使いやすく多機能なのでロボコンやレポート等に使ってみてはいかがでしょうか。 スライド作成者:東京電機大学理工学部 高橋瞭 団体の活動や問い合わせは下記リンクよりご確認ください。 http://robototakutdu.web.fc2.com/
Jaws ug yokoyama-16
Jaws ug yokoyama-16
Akifumi Niida
JAWS-UG 横浜 #16 CircleCIとEKSによるCI/CD環境
20201107 四国クラウドお遍路 2020 LT
20201107 四国クラウドお遍路 2020 LT
Jun Yamanaka
四国クラウドお遍路 2020 LT
デジタルが切り開く未来ビジネス
デジタルが切り開く未来ビジネス
Osaka University
試行錯誤からしかイノベーションは生まれない. 0勝0敗10分の秀才型社員が重用される会社はもうだめ,デジタル時代こそ,5勝3敗2分の挑戦者が評価される会社にしよう 趣旨: ◆デジタル技術が加速度的に進化を遂げ、革新的なサービス・製品が人々の生活に大きな変化をもた らしています。GAFAなどを筆頭に世界のあらゆる企業がテクノロジーを活かしながら次なるイノ ベーションに挑む、まさに革新の時代を迎えていると言えるでしょう。その中で、日本企業はこれ からどのように未来を見据え、新しいビジネスを創造するべきなのでしょうか。 本セッションでは、“未来創造×デジタル”をテーマに、今一度、10年後・20年後の決して遠くない 未来を見据え、捉え直して参ります。そして、実践者や有識者の方々とともに、日本企業はどのよ うなビジネスを創出するべきなのか、捉えるべき視点・技術革新によって広がる可能性・見落とし てはならないリスクにつき議論を展開しながら、日本企業の勝機に迫って参ります 【ご登壇者】 ◆株式会社村田製作所 執行役員 企画管理本部 知的財産部 部長 谷野 能孝 氏 ◆パロアルトネットワークス株式会社 日本担当最高セキュリティ責任者(Field CSO)林 薫 【モデレーター】 ◆大阪大学 先導的学際研究機構 教授 (元 株式会社 NTTドコモ 執行役員 イノベーション統括部長) 栄藤 稔 氏 【テーマ】 「未来創造×デジタル ~10年後・20年後の未来を創造し、ビジネスを考察せよ~」 【当日の流れ】 12:30~ ご来場・講演環境確認 12:55~ スタンバイ 13:00~ ショート講演Ⅰ:「デジタルが切り開く未来ビジネス」 栄藤 氏 13:15~ ショート講演Ⅱ(新規事業創出の取り組み事例) 谷野 氏 13:30~ ショート講演Ⅲ:「パロアルトネットワークスが提唱する、未来創造とセキュリティの在り方」林氏 13:40~ 全員ステージにご登壇ディスカッションスタート! Q&A まとめ 14:40 終了
第79回 Machine Learning 15minutes ! 生成AIをエンタープライズで活用するWatsonx.aiの紹介
第79回 Machine Learning 15minutes ! 生成AIをエンタープライズで活用するWatsonx.aiの紹介
Tsuyoshi Hirayama
第79回 Machine Learning 15minutes ! 生成AIをエンタープライズで活用するWatsonx.aiの紹介 日本アイ―・ビー・エム株式会社 平山 毅(Tsuyoshi Hirayama)、岡田 拓也(Takuya Okada)
Rapid PrototypingからRapid Manufacturingへ
Rapid PrototypingからRapid Manufacturingへ
Shigeru Kobayashi
産業デザイントライアルコア 3Dプリンター活用シンポジウム http://www.chubu.jida.or.jp/info/kenkyuu_20131213 連絡先はこちらです☞http://www.iamas.ac.jp/inquiry/joint-research
Yahoo!の急上昇ワード1位になった話
Yahoo!の急上昇ワード1位になった話
Takayuki Saito
突然、Yahoo!の急上昇ワードになって焦った話。
予約したくても遅すぎるホテルのWebサイト ~ ホテルの命運を左右するDX時代のデジタルホスピタリティ
予約したくても遅すぎるホテルのWebサイト ~ ホテルの命運を左右するDX時代のデジタルホスピタリティ
Yoichiro Takehora
ホテルの顧客体験はWebサイトの閲覧からスタートしています。ホテルのWebサイトで表示が遅延していたり、繋がりにくかったりしたら、そのホテルでの宿泊に期待が持てるでしょうか? お客様へのホスピタリティを考えるならば、Webサイトでの顧客体験というデジタルホスピタリティを改善しなくてはいけないのです。 デジタルトランスフォーメーション(DX)とは、現実世界とデジタル世界が1対1で対応することを指します。 御社のホテルの快適さは、Webサイトでの快適さから始まり、そこに象徴されるのです。 日本のホテルのWebサイトは高速とは言い難いが故に、高速化に余念がない予約ポータルサイトへお客様が流れています。 本セミナーでは、日本のホテルのWebサイトの表示速度について、実際の計測データをご覧頂き、現状を知るきっかけをご提供します。
本当に知ってる!? リアルなデータ分析の世界~サイカのエンジニアが語る、話題の技術の「いま」と「未来」~
本当に知ってる!? リアルなデータ分析の世界~サイカのエンジニアが語る、話題の技術の「いま」と「未来」~
Hisao Soyama
2017/03/17 ヒカラボにて発表した資料 https://atnd.org/events/85720
Custom Visionで仏像を画像分類
Custom Visionで仏像を画像分類
Yoshitaka Seo
みんなのITもくもく会@オンライン+プチLT (2020年10月25日 開催) LT資料 Cognitive Services の Custom Visionで仏像の写真を分類してみました。 https://itmokumoku.connpass.com/event/191367/
構造化データをツールで簡単に分析
構造化データをツールで簡単に分析
Yoshitaka Seo
第3回 八王子AI (2019年10月26日開催) のショートセッション資料 構造化データを Excel, Power BI, Predict One, Azure Machine Learning service Automated ML を使って "教師データ" としてどの程度使い物になるかを簡単に調べてみます
第1回八子クラウドナイト事前配布・趣旨説明資料です。 20170714
第1回八子クラウドナイト事前配布・趣旨説明資料です。 20170714
知礼 八子
2017年7月14日開催の第1回八子クラウドナイト事前配布趣旨説明資料ですぅ。 通常は週末土曜日に6時間ぶっ通しで開催する座談会を平日夜バージョンでおこなったものです。 テーマは「クラウドに繋がる身近なデバイス」です。 イベント概要はこちら https://eventon.jp/7712/ 登壇企業はこちら Netatmo ロジクール セーフィー ノバルス(Mabee) Japan Fitbit User Group (JaFUG)
WebDB Forum 2013
WebDB Forum 2013
Recruit Technologies
WebDB Forum 2013での西郷の発表資料になります。
20121124 学生セミナー「基礎からわかる! IT業界とプログラミング」
20121124 学生セミナー「基礎からわかる! IT業界とプログラミング」
Takashi Uemura
Wiz国際情報工科自動車大学校_特別講演_ITの織り成す未来
Wiz国際情報工科自動車大学校_特別講演_ITの織り成す未来
Daiyu Hatakeyama
専門学校に入学した1年生に向けてのメッセージです。 専門家ではなく、誰もが使うツールになったITの今と未来を考えるための、IoT、AI、そしてメタバースを追っています。 技術の負の面を知ることも大事で、BiasやFakeについても考えるきっかけにします。
より良い登壇を目指して今すぐできること 〜楽しい? 面白い? 伝わる?〜
より良い登壇を目指して今すぐできること 〜楽しい? 面白い? 伝わる?〜
Genki Fujii
2020年4月9日に社内で「第2回登壇勉強会」が開催されました。その際に話した資料です。
Similar to 20200605_wids_explainableAI
(20)
Teams + Power Platform でチームメンバーの状況報告を圧倒的効率化!
Teams + Power Platform でチームメンバーの状況報告を圧倒的効率化!
個人的情報発信ノスゝメ~準備編~
個人的情報発信ノスゝメ~準備編~
ロボコンの為のFusion360講座 vol1.モデリング編
ロボコンの為のFusion360講座 vol1.モデリング編
キャリアコンサルタント向け「企業で求められるITスキルの実態」と実践スキル向上研修
キャリアコンサルタント向け「企業で求められるITスキルの実態」と実践スキル向上研修
ロボコンの為のFusion360講座 #CAD編
ロボコンの為のFusion360講座 #CAD編
Jaws ug yokoyama-16
Jaws ug yokoyama-16
20201107 四国クラウドお遍路 2020 LT
20201107 四国クラウドお遍路 2020 LT
デジタルが切り開く未来ビジネス
デジタルが切り開く未来ビジネス
第79回 Machine Learning 15minutes ! 生成AIをエンタープライズで活用するWatsonx.aiの紹介
第79回 Machine Learning 15minutes ! 生成AIをエンタープライズで活用するWatsonx.aiの紹介
Rapid PrototypingからRapid Manufacturingへ
Rapid PrototypingからRapid Manufacturingへ
Yahoo!の急上昇ワード1位になった話
Yahoo!の急上昇ワード1位になった話
予約したくても遅すぎるホテルのWebサイト ~ ホテルの命運を左右するDX時代のデジタルホスピタリティ
予約したくても遅すぎるホテルのWebサイト ~ ホテルの命運を左右するDX時代のデジタルホスピタリティ
本当に知ってる!? リアルなデータ分析の世界~サイカのエンジニアが語る、話題の技術の「いま」と「未来」~
本当に知ってる!? リアルなデータ分析の世界~サイカのエンジニアが語る、話題の技術の「いま」と「未来」~
Custom Visionで仏像を画像分類
Custom Visionで仏像を画像分類
構造化データをツールで簡単に分析
構造化データをツールで簡単に分析
第1回八子クラウドナイト事前配布・趣旨説明資料です。 20170714
第1回八子クラウドナイト事前配布・趣旨説明資料です。 20170714
WebDB Forum 2013
WebDB Forum 2013
20121124 学生セミナー「基礎からわかる! IT業界とプログラミング」
20121124 学生セミナー「基礎からわかる! IT業界とプログラミング」
Wiz国際情報工科自動車大学校_特別講演_ITの織り成す未来
Wiz国際情報工科自動車大学校_特別講演_ITの織り成す未来
より良い登壇を目指して今すぐできること 〜楽しい? 面白い? 伝わる?〜
より良い登壇を目指して今すぐできること 〜楽しい? 面白い? 伝わる?〜
20200605_wids_explainableAI
1.
機械学習の説明可能性 Women in Data
Science TOKYO@IBM 2020/6/5 株式会社ブレインパッド 栗原 理央
2.
2 はじめに 資料は後日公開予定 SNSアップOK #WiDS2020 #WiDSTokyoIBM • テキストのみの投稿 •
スクリーンショットを含んだ投稿 slidoで感想・質問ください (初オンライン登壇で、皆様の反応が見えないと不安です・・・) セクション 15:35-16:15 DATA SCIENCETALK
3.
3 Ajenda ▪ 自己紹介 ▪ イントロダクション ▪
アプローチ概要 ▪ アプローチ詳細 ▪ まとめ ▪ 質疑応答 30分 10分
4.
自己紹介 4
5.
5 栗原 理央 株式会社ブレインパッド データサイエンティスト 2016年入社 経験領域 機械学習/深層学習 • 自然言語処理 •
画像処理 • 需要予測
6.
イントロダクション 6
7.
7 本日お伝えしたい内容 機械学習モデルの説明性が必要な場合があること 目的に合わせて手法を選択すること
8.
8 本日お話する/しない内容 • 機械学習そのものについて • 説明性を与える手法の詳細 ※参考になるリンクを本資料Appendixに記載 •
機械学習の説明性とは何か • 何故必要か、具体的にどういうケースで必要か • その手法の概要
9.
9 機械学習の説明性が注目されている背景 機械学習は研究から社会実装のフェーズへ入っている ⇒ ブラックボックスだと業務適用しにくい 総務省がAI利活用ガイドラインを公表(10個の原則のうち下記二つ) • 公平性の原則 •
透明性の原則 参考:https://www.soumu.go.jp/main_content/000637099.pdf
10.
10 機械学習は研究から社会実装のフェーズへ 機械学習モデルはシステム全体の一部で、それ以外の部分が注目されている モデルがブラックボックスだと、使いにくい・使われにくい 機械学習モデル Aさんは癌です 医者 なんで? わかりません
11.
11 公平性の原則 AI利活用ガイドラインには下記のような記載がある AIサービスプロバイダ、ビジネス利用者及びデータ提供者は、AIシステム又はAIサービスの判 断にバイアスが含まれる可能性があることに留意し、また、AIシステム又はAIサービスの判断 によって個人及び集団が不当に差別されないよう配慮する • 学習等に用いられるデータの代表性やデータに内在する社会的なバイアス • アルゴリズムによるバイアスへの留意 •
AIシステムよりなされた判断に対する人間の判断の介在 参考:https://www.soumu.go.jp/main_content/000637099.pdf
12.
12 例えば・・・ 採用システムによる、意図しない性別バイアス は採用しましょう。 は不採用にしましょう。 理由は? Aさんは男性、Bさんは女性だからです。 Aさん Bさん データセットの偏りのせいで、意図せず性別が重要な特徴量になってしまった
13.
13 透明性の原則 AIサービスプロバイダ及びビジネス利用者は、AIシステム又はAIサービスの入出力の検証可能性及び 判断結果の説明可能性に留意する ▪ 生命、身体、財産に危害が及ぼし得る分野で利活用する場合におけるAIの入出力等のログの記録・ 保存 ▪
個人の権利・利益に重大な影響を及ぼす可能性のある分野で利活用する場合におけるAIシステム又はAI サービスの判断結果の説明可能性の確保 ▪ 行政機関が利用する際の透明性の確保 (※アルゴリズム、ソースコード、学習データの開示を想定するものではない。) AI利活用ガイドラインには下記のような記載がある 例えば・・・ ▪ 医療 ▪ 自動運転 ▪ 与信審査 参考:https://www.soumu.go.jp/main_content/000637099.pdf
14.
14 なぜ説明性が必要か サービスを提供する事業者としての説明責任 ユーザーの信頼や納得感の獲得、関係者への説得材料 モデル開発における精度改善、デバッグ 人間の知的好奇心 ※ユーザー≒MLモデルの推論結果を活用する人
15.
15 実プロジェクトにおいて説明性が必要だったケース 「機械学習モデルの根拠がないと信用してもらえない!」 「もっと精度改善したいけど、何を変更したらいいんだろう?」 「この需要の増減ってなんで?」 「ユーザー離脱を防ぐ、マーケティング施策を打ちたい!」 「どんな説明が必要か」によって手法を適切に選択
16.
16 まとめると、 公平性:想定外のバイアスがないか? 透明性:サービスに必要十分な説明性があるか? を考えてサービスへ適用する
17.
アプローチ概要 17
18.
18 アプローチ概要 ブラックボックスモデルを近似して説明性を付与する 深層学習など、より複雑なアルゴリズムの発展とともに研究が進んでいます 解釈性の高いモデルを設計する 決定木や線形モデルなど、多くの場面で使われています
19.
19 アプローチ概要 ブラックボックスモデルを近似して説明性を付与する 深層学習など、より複雑なアルゴリズムの発展とともに研究が進んでいます 解釈性の高いモデルを設計する 決定木や線形モデルなど、多くの場面で使われています
20.
20 「説明性が確保できている」とはどういう状態か ①特定のサンプルに対してどんな特徴量を 判断根拠としているかがわかっている シマウマ この画像のココを見て シマウマと判断しました 例:画像による動物分類器 ②機械学習モデル全体の推論ルールがわかっている 明日何時集合にす る? 件名:ー 例:スパムメール分類器 スパム おめでとうございま す!!↓↓当選ペー ジはこちら↓↓ https://abc.1234/ 件名:【宝くじ☆当 ★選☆通★知☆】 非スパム このモデルにとって 重要な特徴量 記号の数 文字数 URLの有無
21.
21 局所的な説明と大局的な説明 シマウマ この画像のココを見て シマウマと判断しました 例:画像による動物分類器 明日何時集合にす る? 件名:ー 例:スパムメール分類器 スパム おめでとうございま す!!↓↓当選ペー ジはこちら↓↓ https://abc.1234/ 件名:【宝くじ☆当 ★選☆通★知☆】 非スパム このモデルにとって 重要な特徴量 記号の数 文字数 URLの有無 局所的な説明 ある入力に対して各特徴量が どのように予測に寄与して いるか 大局的な説明 モデル全体に対して 重要な特徴量は何か それぞれ局所的な説明、大局的な説明と呼ばれる
22.
22 様々な手法 それぞれの手法について、簡単にご紹介いたします Exampleでイメージを掴んでいただければと思います 局所的な説明 • LIME • SHAP •
Anchor • TCAV 大局的な説明 • Born Again Trees • Making Tree Ensembles Interpretable • Node Harvest
23.
アプローチ詳細 23
24.
24 Born Again Trees ▪
学習で得られた(ブラックボックス)モデルを決定木で近似する手法 ▪ 追加の教師データを大量に生成し、追加データを使って決定木を学習する https://www.stat.berkeley.edu/users/breiman/BAtrees.pdf 学習済みの (ブラックボックス)モデル 入力 出力 犬 猫 ・・・ 決定木を構築 ブラックボックスモデルの 出力を目的変数として 決定木を構築
25.
25 LIME (Local Interpretable
Model-agnostic Explanations) https://www.kdd.org/kdd2016/papers/files/rfp0573-ribeiroA.pdf 特定の入力点(説明を知りたいデータ) 近似したモデルの決定境界 データ点(左図+)の近傍でランダムサンプリングを行い、 局所的な線形分類器で近似する。 その線形モデルの係数の大小を、各特徴量の重要度とする。 ▪ 任意の分類器に対して、特定のデータサンプルを分類するときに有効な特徴量を出力する手法 ▪ 画像データを処理する機械学習モデルの解釈性に用いられることが多いようです
26.
26 Example 1/2:画像分類 エレキギター入力画像 アコースティックギター
ラブラドール (p=0.32) (p=0.24) (p=0.21) ギターのネック ギターのボディ 顔 https://www.kdd.org/kdd2016/papers/files/rfp0573-ribeiroA.pdf
27.
27 Example 2/2:ハスキーor狼分類 背景の雪を見て狼と分類している https://www.kdd.org/kdd2016/papers/files/rfp0573-ribeiroA.pdf
28.
28 SHAP (SHapley Additive
exPlanation) ▪ 任意のブラックボックスモデルを線形モデルで近似するという方針はLIMEと同様 ▪ Shapely値を利用して変数の寄与を説明する手法 ▪ テーブルデータを処理する機械学習モデルの解釈性に用いられることが多いようです https://papers.nips.cc/paper/7062-a-unified-approach-to-interpreting-model-predictions.pdf モデルの予測値 特徴量 報酬の大きさ=寄与の大きさ ⇒ 協力ゲームにおいて、報酬を各プレイヤーに対して公平に分配するアイデア
29.
29 Example 1/2:ボストンの住宅価格予測 https://github.com/slundberg/shap (解釈例) 予測値を押し上げた特徴量:LSTAT(給与の低い職業に従事する人口の割合 (%)が低い) 予測値を押し下げた特徴量:RM(住居の部屋数) 予測を押し上げる特徴量は赤で表示され、予測を押し下げる特徴量は青で表示
30.
30 Example 2/2:0~9の画像分類 0 1
2 3 4 5 6 7 8 9 入 力 画 像 https://github.com/slundberg/shap ←各クラス 0と予測する際は、真ん中の空白を重視している 4と予測する際は、上部の接続を重視している. 上部の接続がないため予測クラスは 9ではなく4になる
31.
31 Anchors ▪ 特徴量がどの範囲にあれば(分布していれば)予測に十分かを提示する手法 ▪ なくても精度が変わらない特徴量は任意の値に置き換えても構わないという考え方が根底にある “This
movie is not bad.”という文章を ポジティブに分類するために必要な特徴量は ”not bad” https://homes.cs.washington.edu/~marcotcr/aaai18.pdf
32.
32 Example:画像分類 https://homes.cs.washington.edu/~marcotcr/aaai18.pdf 足がない 人間の体 水にいる 空にいる 90%以上の確率でビーグルと予測した画像元画像 ビーグルのAnchor
33.
33 TCAV (Testing with
Concept Activation Vectors) ▪ 予測クラスの概念(色、性別、人種など)の重要度を示す ▪ 各クラスに対する説明を生成するので、人間にわかりやすい説明性を持つ https://qiita.com/_rio_/items/2c3eca260beb1a86a711 https://arxiv.org/pdf/1711.11279.pdf
34.
34 Example:画像分類 データセットのバイアスが確認できる https://arxiv.org/pdf/1711.11279.pdf 「シマウマ」クラスにおいて 「ストライプ」の概念が 関連 「エプロン」クラスにおいて 「女性」の概念が関連 「ラグビーボール」において 「白人」の概念が関連
35.
まとめ 35
36.
36 まとめ 機械学習の説明性が注目されているが、目的に合わせて手法を選択 解釈性の高いモデルを設計する/ブラックボックスモデルを近似す るアプローチがある 後者は、局所的/大局的説明にわけられる まだ研究段階のため、MLモデルの公平性・説明性を担保するのは容 易ではない
37.
質疑応答 37
38.
38 コメント&アンケートはこちら slido.com #wids0605 セクション 15:35-16:15 DATA SCIENCETALK
39.
Appendix 39
40.
40 参考リンク集 ▪ https://www.slideshare.net/SatoshiHara3/ss-126157179 ▪ https://www.slideshare.net/SatoshiHara3/ver2-225753735 ▪
https://tjo.hatenablog.com/entry/2019/12/19/190000 ▪ https://www.ai-gakkai.or.jp/my-bookmark_vol33-no3/
Download now