SlideShare a Scribd company logo

機械学習工学の進展と課題 2021

•
•
Fuyuki Ishikawa
Fuyuki Ishikawa

第3回AI/IoTシステム安全性シンポジウム

Software
1 of 41
Download to read offline
◼ ◼ ◼ ◼ ◼ ◼ ◼ ◼
◼ ◼ ◼ ◼ ◼ ◼
◼ ◼ ◼ ◼ ◼
◼ ◼ ◼ ◼ ◼ ◼ ◼
◼ ◼ ◼ ◼
◼ ◼ ◼ ◼ ◼ ◼ ◼
◼ ◼ ◼ ◼ ◼
◼
◼ ◼ ◼ ◼ ◼
◼ ◼ ◼ ◼ ◼ ◼
◼ ◼ ◼ ◼ ◼ ◼ ◼ ◼ ◼
◼ ◼ ◼ ◼ ◼ ◼ ◼
◼ ◼ ◼ ◼ ◼
◼ ◼ ◼ ◼ ◼
◼ ◼
◼ ◼ ◼ ◼ ◼
◼ ◼ ◼ ◼
◼ ◼ ◼ ◼ ◼ ◼
◼ ◼ ◼ ◼ ◼ ◼ ◼
◼ ◼ ◼
◼ ◼ ◼ ◼ ◼ → ◼ ◼ ◼
◼ ◼ ◼ ◼ ◼
◼ ◼ ◼ ◼ ◼ ◼
◼ ◼ ◼
◼ ◼ ◼ ◼ ◼ ◼ ◼
◼ ◼ ◼ ◼
◼ ◼ ◼
◼ ◼ ◼
◼ ◼ ◼ ◼
◼
◼ ◼ ◼ ◼
◼ ◼ ◼ ◼ ◼ ◼ ◼
◼ ◼
◼ ◼ ◼ ◼ ◼ ◼ ◼ ◼
◼ ◼
◼ ◼ ◼ ◼ ◼
◼ ◼ ◼
◼ ◼ ◼ ◼ ◼ ◼ ◼
◼ ◼ ◼ ◼ ◼ ◼
◼ ◼ ◼ ◼ ◼ ◼ ◼

Recommended

モデルではなく、データセットを蒸留する
モデルではなく、データセットを蒸留するモデルではなく、データセットを蒸留する
モデルではなく、データセットを蒸留する
Takahiro Kubo
 
推薦アルゴリズムの今までとこれから
推薦アルゴリズムの今までとこれから推薦アルゴリズムの今までとこれから
推薦アルゴリズムの今までとこれから
cyberagent
 
失敗から学ぶ機械学習応用
失敗から学ぶ機械学習応用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
 
研究室における研究・実装ノウハウの共有
研究室における研究・実装ノウハウの共有研究室における研究・実装ノウハウの共有
研究室における研究・実装ノウハウの共有
Naoaki Okazaki
 
SSII2020TS: 機械学習モデルの判断根拠の説明​ 〜 Explainable AI 研究の近年の展開 〜​
SSII2020TS: 機械学習モデルの判断根拠の説明​ 〜 Explainable AI 研究の近年の展開 〜​SSII2020TS: 機械学習モデルの判断根拠の説明​ 〜 Explainable AI 研究の近年の展開 〜​
SSII2020TS: 機械学習モデルの判断根拠の説明​ 〜 Explainable AI 研究の近年の展開 〜​
SSII
 
ナレッジグラフ入門
ナレッジグラフ入門ナレッジグラフ入門
ナレッジグラフ入門
KnowledgeGraph
 
XAI (説明可能なAI) の必要性
XAI (説明可能なAI) の必要性XAI (説明可能なAI) の必要性
XAI (説明可能なAI) の必要性
西岡 賢一郎
 
最適化超入門
最適化超入門最適化超入門
最適化超入門
Takami Sato
 

Recommended

モデルではなく、データセットを蒸留する
モデルではなく、データセットを蒸留するモデルではなく、データセットを蒸留する
モデルではなく、データセットを蒸留する
Takahiro Kubo
 
推薦アルゴリズムの今までとこれから
推薦アルゴリズムの今までとこれから推薦アルゴリズムの今までとこれから
推薦アルゴリズムの今までとこれから
cyberagent
 
失敗から学ぶ機械学習応用
失敗から学ぶ機械学習応用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
 
研究室における研究・実装ノウハウの共有
研究室における研究・実装ノウハウの共有研究室における研究・実装ノウハウの共有
研究室における研究・実装ノウハウの共有
Naoaki Okazaki
 
SSII2020TS: 機械学習モデルの判断根拠の説明​ 〜 Explainable AI 研究の近年の展開 〜​
SSII2020TS: 機械学習モデルの判断根拠の説明​ 〜 Explainable AI 研究の近年の展開 〜​SSII2020TS: 機械学習モデルの判断根拠の説明​ 〜 Explainable AI 研究の近年の展開 〜​
SSII2020TS: 機械学習モデルの判断根拠の説明​ 〜 Explainable AI 研究の近年の展開 〜​
SSII
 
ナレッジグラフ入門
ナレッジグラフ入門ナレッジグラフ入門
ナレッジグラフ入門
KnowledgeGraph
 
XAI (説明可能なAI) の必要性
XAI (説明可能なAI) の必要性XAI (説明可能なAI) の必要性
XAI (説明可能なAI) の必要性
西岡 賢一郎
 
最適化超入門
最適化超入門最適化超入門
最適化超入門
Takami Sato
 
[Ridge-i 論文よみかい] Wasserstein auto encoder
[Ridge-i 論文よみかい] Wasserstein auto encoder[Ridge-i 論文よみかい] Wasserstein auto encoder
[Ridge-i 論文よみかい] Wasserstein auto encoder
Masanari Kimura
 
研究効率化Tips Ver.2
研究効率化Tips Ver.2研究効率化Tips Ver.2
研究効率化Tips Ver.2
cvpaper. challenge
 
MLOps に基づく AI/ML 実運用最前線 ～画像、動画データにおける MLOps 事例のご紹介～（映像情報メディア学会2021年冬季大会企画セッショ...
MLOps に基づく AI/ML 実運用最前線 ～画像、動画データにおける MLOps 事例のご紹介～（映像情報メディア学会2021年冬季大会企画セッショ...MLOps に基づく AI/ML 実運用最前線 ～画像、動画データにおける MLOps 事例のご紹介～（映像情報メディア学会2021年冬季大会企画セッショ...
MLOps に基づく AI/ML 実運用最前線 ～画像、動画データにおける MLOps 事例のご紹介～（映像情報メディア学会2021年冬季大会企画セッショ...
NTT DATA Technology & Innovation
 
ブラックボックスからXAI (説明可能なAI) へ - LIME (Local Interpretable Model-agnostic Explanat...
ブラックボックスからXAI (説明可能なAI) へ - LIME (Local Interpretable Model-agnostic Explanat...ブラックボックスからXAI (説明可能なAI) へ - LIME (Local Interpretable Model-agnostic Explanat...
ブラックボックスからXAI (説明可能なAI) へ - LIME (Local Interpretable Model-agnostic Explanat...
西岡 賢一郎
 
ブレインパッドにおける機械学習プロジェクトの進め方
ブレインパッドにおける機械学習プロジェクトの進め方ブレインパッドにおける機械学習プロジェクトの進め方
ブレインパッドにおける機械学習プロジェクトの進め方
BrainPad Inc.
 
工学系大学4年生のための論文の読み方
工学系大学4年生のための論文の読み方工学系大学4年生のための論文の読み方
工学系大学4年生のための論文の読み方
ychtanaka
 
機械学習モデルの判断根拠の説明（Ver.2）
機械学習モデルの判断根拠の説明（Ver.2）機械学習モデルの判断根拠の説明（Ver.2）
機械学習モデルの判断根拠の説明（Ver.2）
Satoshi Hara
 
SHAP値の考え方を理解する（木構造編）
SHAP値の考え方を理解する（木構造編）SHAP値の考え方を理解する（木構造編）
SHAP値の考え方を理解する（木構造編）
Kazuyuki Wakasugi
 
機械学習モデルの判断根拠の説明
機械学習モデルの判断根拠の説明機械学習モデルの判断根拠の説明
機械学習モデルの判断根拠の説明
Satoshi Hara
 
分散学習のあれこれ～データパラレルからモデルパラレルまで～
分散学習のあれこれ～データパラレルからモデルパラレルまで～分散学習のあれこれ～データパラレルからモデルパラレルまで～
分散学習のあれこれ～データパラレルからモデルパラレルまで～
Hideki Tsunashima
 
ReAct: Synergizing Reasoning and Acting in Language Models
ReAct: Synergizing Reasoning and Acting in Language ModelsReAct: Synergizing Reasoning and Acting in Language Models
ReAct: Synergizing Reasoning and Acting in Language Models
harmonylab
 
Bayesian Neural Networks : Survey
Bayesian Neural Networks : SurveyBayesian Neural Networks : Survey
Bayesian Neural Networks : Survey
tmtm otm
 
backbone としての timm 入門
backbone としての timm 入門backbone としての timm 入門
backbone としての timm 入門
Takuji Tahara
 
階層ベイズによるワンToワンマーケティング入門
階層ベイズによるワンToワンマーケティング入門階層ベイズによるワンToワンマーケティング入門
階層ベイズによるワンToワンマーケティング入門shima o
 
最適輸送の解き方
最適輸送の解き方最適輸送の解き方
最適輸送の解き方
joisino
 
自然言語処理による議論マイニング
自然言語処理による議論マイニング自然言語処理による議論マイニング
自然言語処理による議論マイニング
Naoaki Okazaki
 
[DL輪読会]A Bayesian Perspective on Generalization and Stochastic Gradient Descent
[DL輪読会]A Bayesian Perspective on Generalization and Stochastic Gradient Descent [DL輪読会]A Bayesian Perspective on Generalization and Stochastic Gradient Descent
[DL輪読会]A Bayesian Perspective on Generalization and Stochastic Gradient Descent
Deep Learning JP
 
Counterfaual Machine Learning（CFML）のサーベイ
Counterfaual Machine Learning（CFML）のサーベイCounterfaual Machine Learning（CFML）のサーベイ
Counterfaual Machine Learning（CFML）のサーベイ
ARISE analytics
 
Domain Adaptation 発展と動向まとめ（サーベイ資料）
Domain Adaptation 発展と動向まとめ（サーベイ資料）Domain Adaptation 発展と動向まとめ（サーベイ資料）
Domain Adaptation 発展と動向まとめ（サーベイ資料）
Yamato OKAMOTO
 
CV分野におけるサーベイ方法
CV分野におけるサーベイ方法CV分野におけるサーベイ方法
CV分野におけるサーベイ方法
Hirokatsu Kataoka
 
Quality Assurance of Machine Learning-based AI Systems
Quality Assurance of Machine Learning-based AI Systems Quality Assurance of Machine Learning-based AI Systems
Quality Assurance of Machine Learning-based AI Systems
Fuyuki Ishikawa
 
機械学習システムの品質に関するソフトウェア工学の動向（と安全性）
機械学習システムの品質に関するソフトウェア工学の動向（と安全性）機械学習システムの品質に関するソフトウェア工学の動向（と安全性）
機械学習システムの品質に関するソフトウェア工学の動向（と安全性）
Fuyuki Ishikawa
 

More Related Content

What's hot

[Ridge-i 論文よみかい] Wasserstein auto encoder
[Ridge-i 論文よみかい] Wasserstein auto encoder[Ridge-i 論文よみかい] Wasserstein auto encoder
[Ridge-i 論文よみかい] Wasserstein auto encoder
Masanari Kimura
 
研究効率化Tips Ver.2
研究効率化Tips Ver.2研究効率化Tips Ver.2
研究効率化Tips Ver.2
cvpaper. challenge
 
MLOps に基づく AI/ML 実運用最前線 ～画像、動画データにおける MLOps 事例のご紹介～（映像情報メディア学会2021年冬季大会企画セッショ...
MLOps に基づく AI/ML 実運用最前線 ～画像、動画データにおける MLOps 事例のご紹介～（映像情報メディア学会2021年冬季大会企画セッショ...MLOps に基づく AI/ML 実運用最前線 ～画像、動画データにおける MLOps 事例のご紹介～（映像情報メディア学会2021年冬季大会企画セッショ...
MLOps に基づく AI/ML 実運用最前線 ～画像、動画データにおける MLOps 事例のご紹介～（映像情報メディア学会2021年冬季大会企画セッショ...
NTT DATA Technology & Innovation
 
ブラックボックスからXAI (説明可能なAI) へ - LIME (Local Interpretable Model-agnostic Explanat...
ブラックボックスからXAI (説明可能なAI) へ - LIME (Local Interpretable Model-agnostic Explanat...ブラックボックスからXAI (説明可能なAI) へ - LIME (Local Interpretable Model-agnostic Explanat...
ブラックボックスからXAI (説明可能なAI) へ - LIME (Local Interpretable Model-agnostic Explanat...
西岡 賢一郎
 
ブレインパッドにおける機械学習プロジェクトの進め方
ブレインパッドにおける機械学習プロジェクトの進め方ブレインパッドにおける機械学習プロジェクトの進め方
ブレインパッドにおける機械学習プロジェクトの進め方
BrainPad Inc.
 
工学系大学4年生のための論文の読み方
工学系大学4年生のための論文の読み方工学系大学4年生のための論文の読み方
工学系大学4年生のための論文の読み方
ychtanaka
 
機械学習モデルの判断根拠の説明（Ver.2）
機械学習モデルの判断根拠の説明（Ver.2）機械学習モデルの判断根拠の説明（Ver.2）
機械学習モデルの判断根拠の説明（Ver.2）
Satoshi Hara
 
SHAP値の考え方を理解する（木構造編）
SHAP値の考え方を理解する（木構造編）SHAP値の考え方を理解する（木構造編）
SHAP値の考え方を理解する（木構造編）
Kazuyuki Wakasugi
 
機械学習モデルの判断根拠の説明
機械学習モデルの判断根拠の説明機械学習モデルの判断根拠の説明
機械学習モデルの判断根拠の説明
Satoshi Hara
 
分散学習のあれこれ～データパラレルからモデルパラレルまで～
分散学習のあれこれ～データパラレルからモデルパラレルまで～分散学習のあれこれ～データパラレルからモデルパラレルまで～
分散学習のあれこれ～データパラレルからモデルパラレルまで～
Hideki Tsunashima
 
ReAct: Synergizing Reasoning and Acting in Language Models
ReAct: Synergizing Reasoning and Acting in Language ModelsReAct: Synergizing Reasoning and Acting in Language Models
ReAct: Synergizing Reasoning and Acting in Language Models
harmonylab
 
Bayesian Neural Networks : Survey
Bayesian Neural Networks : SurveyBayesian Neural Networks : Survey
Bayesian Neural Networks : Survey
tmtm otm
 
backbone としての timm 入門
backbone としての timm 入門backbone としての timm 入門
backbone としての timm 入門
Takuji Tahara
 
階層ベイズによるワンToワンマーケティング入門
階層ベイズによるワンToワンマーケティング入門階層ベイズによるワンToワンマーケティング入門
階層ベイズによるワンToワンマーケティング入門shima o
 
最適輸送の解き方
最適輸送の解き方最適輸送の解き方
最適輸送の解き方
joisino
 
自然言語処理による議論マイニング
自然言語処理による議論マイニング自然言語処理による議論マイニング
自然言語処理による議論マイニング
Naoaki Okazaki
 
[DL輪読会]A Bayesian Perspective on Generalization and Stochastic Gradient Descent
[DL輪読会]A Bayesian Perspective on Generalization and Stochastic Gradient Descent [DL輪読会]A Bayesian Perspective on Generalization and Stochastic Gradient Descent
[DL輪読会]A Bayesian Perspective on Generalization and Stochastic Gradient Descent
Deep Learning JP
 
Counterfaual Machine Learning（CFML）のサーベイ
Counterfaual Machine Learning（CFML）のサーベイCounterfaual Machine Learning（CFML）のサーベイ
Counterfaual Machine Learning（CFML）のサーベイ
ARISE analytics
 
Domain Adaptation 発展と動向まとめ（サーベイ資料）
Domain Adaptation 発展と動向まとめ（サーベイ資料）Domain Adaptation 発展と動向まとめ（サーベイ資料）
Domain Adaptation 発展と動向まとめ（サーベイ資料）
Yamato OKAMOTO
 
CV分野におけるサーベイ方法
CV分野におけるサーベイ方法CV分野におけるサーベイ方法
CV分野におけるサーベイ方法
Hirokatsu Kataoka
 

What's hot (20)

[Ridge-i 論文よみかい] Wasserstein auto encoder
[Ridge-i 論文よみかい] Wasserstein auto encoder[Ridge-i 論文よみかい] Wasserstein auto encoder
[Ridge-i 論文よみかい] Wasserstein auto encoder
 
研究効率化Tips Ver.2
研究効率化Tips Ver.2研究効率化Tips Ver.2
研究効率化Tips Ver.2
 
MLOps に基づく AI/ML 実運用最前線 ～画像、動画データにおける MLOps 事例のご紹介～（映像情報メディア学会2021年冬季大会企画セッショ...
MLOps に基づく AI/ML 実運用最前線 ～画像、動画データにおける MLOps 事例のご紹介～（映像情報メディア学会2021年冬季大会企画セッショ...MLOps に基づく AI/ML 実運用最前線 ～画像、動画データにおける MLOps 事例のご紹介～（映像情報メディア学会2021年冬季大会企画セッショ...
MLOps に基づく AI/ML 実運用最前線 ～画像、動画データにおける MLOps 事例のご紹介～（映像情報メディア学会2021年冬季大会企画セッショ...
 
ブラックボックスからXAI (説明可能なAI) へ - LIME (Local Interpretable Model-agnostic Explanat...
ブラックボックスからXAI (説明可能なAI) へ - LIME (Local Interpretable Model-agnostic Explanat...ブラックボックスからXAI (説明可能なAI) へ - LIME (Local Interpretable Model-agnostic Explanat...
ブラックボックスからXAI (説明可能なAI) へ - LIME (Local Interpretable Model-agnostic Explanat...
 
ブレインパッドにおける機械学習プロジェクトの進め方
ブレインパッドにおける機械学習プロジェクトの進め方ブレインパッドにおける機械学習プロジェクトの進め方
ブレインパッドにおける機械学習プロジェクトの進め方
 
工学系大学4年生のための論文の読み方
工学系大学4年生のための論文の読み方工学系大学4年生のための論文の読み方
工学系大学4年生のための論文の読み方
 
機械学習モデルの判断根拠の説明（Ver.2）
機械学習モデルの判断根拠の説明（Ver.2）機械学習モデルの判断根拠の説明（Ver.2）
機械学習モデルの判断根拠の説明（Ver.2）
 
SHAP値の考え方を理解する（木構造編）
SHAP値の考え方を理解する（木構造編）SHAP値の考え方を理解する（木構造編）
SHAP値の考え方を理解する（木構造編）
 
機械学習モデルの判断根拠の説明
機械学習モデルの判断根拠の説明機械学習モデルの判断根拠の説明
機械学習モデルの判断根拠の説明
 
分散学習のあれこれ～データパラレルからモデルパラレルまで～
分散学習のあれこれ～データパラレルからモデルパラレルまで～分散学習のあれこれ～データパラレルからモデルパラレルまで～
分散学習のあれこれ～データパラレルからモデルパラレルまで～
 
ReAct: Synergizing Reasoning and Acting in Language Models
ReAct: Synergizing Reasoning and Acting in Language ModelsReAct: Synergizing Reasoning and Acting in Language Models
ReAct: Synergizing Reasoning and Acting in Language Models
 
Bayesian Neural Networks : Survey
Bayesian Neural Networks : SurveyBayesian Neural Networks : Survey
Bayesian Neural Networks : Survey
 
backbone としての timm 入門
backbone としての timm 入門backbone としての timm 入門
backbone としての timm 入門
 
階層ベイズによるワンToワンマーケティング入門
階層ベイズによるワンToワンマーケティング入門階層ベイズによるワンToワンマーケティング入門
階層ベイズによるワンToワンマーケティング入門
 
最適輸送の解き方
最適輸送の解き方最適輸送の解き方
最適輸送の解き方
 
自然言語処理による議論マイニング
自然言語処理による議論マイニング自然言語処理による議論マイニング
自然言語処理による議論マイニング
 
[DL輪読会]A Bayesian Perspective on Generalization and Stochastic Gradient Descent
[DL輪読会]A Bayesian Perspective on Generalization and Stochastic Gradient Descent [DL輪読会]A Bayesian Perspective on Generalization and Stochastic Gradient Descent
[DL輪読会]A Bayesian Perspective on Generalization and Stochastic Gradient Descent
 
Counterfaual Machine Learning（CFML）のサーベイ
Counterfaual Machine Learning（CFML）のサーベイCounterfaual Machine Learning（CFML）のサーベイ
Counterfaual Machine Learning（CFML）のサーベイ
 
Domain Adaptation 発展と動向まとめ（サーベイ資料）
Domain Adaptation 発展と動向まとめ（サーベイ資料）Domain Adaptation 発展と動向まとめ（サーベイ資料）
Domain Adaptation 発展と動向まとめ（サーベイ資料）
 
CV分野におけるサーベイ方法
CV分野におけるサーベイ方法CV分野におけるサーベイ方法
CV分野におけるサーベイ方法
 

More from Fuyuki Ishikawa

Quality Assurance of Machine Learning-based AI Systems
Quality Assurance of Machine Learning-based AI Systems Quality Assurance of Machine Learning-based AI Systems
Quality Assurance of Machine Learning-based AI Systems
Fuyuki Ishikawa
 
機械学習システムの品質に関するソフトウェア工学の動向（と安全性）
機械学習システムの品質に関するソフトウェア工学の動向（と安全性）機械学習システムの品質に関するソフトウェア工学の動向（と安全性）
機械学習システムの品質に関するソフトウェア工学の動向（と安全性）
Fuyuki Ishikawa
 
ロバスト機械学習へのソフトウェア工学からのアプローチ
ロバスト機械学習へのソフトウェア工学からのアプローチロバスト機械学習へのソフトウェア工学からのアプローチ
ロバスト機械学習へのソフトウェア工学からのアプローチ
Fuyuki Ishikawa
 
機械学習工学への誘い：SES'20チュートリアル
機械学習工学への誘い：SES'20チュートリアル機械学習工学への誘い：SES'20チュートリアル
機械学習工学への誘い：SES'20チュートリアル
Fuyuki Ishikawa
 
Introduction at MLSE Int'l Symposiuim 2019
Introduction at MLSE Int'l Symposiuim 2019Introduction at MLSE Int'l Symposiuim 2019
Introduction at MLSE Int'l Symposiuim 2019
Fuyuki Ishikawa
 
高信頼自動運転システム実現にむけて： ソフトウェア工学・機械学習の視点からの技術俯瞰
高信頼自動運転システム実現にむけて： ソフトウェア工学・機械学習の視点からの技術俯瞰高信頼自動運転システム実現にむけて： ソフトウェア工学・機械学習の視点からの技術俯瞰
高信頼自動運転システム実現にむけて： ソフトウェア工学・機械学習の視点からの技術俯瞰
Fuyuki Ishikawa
 
IoT/AI時代のテスティング・検証技術の最前線
IoT/AI時代のテスティング・検証技術の最前線IoT/AI時代のテスティング・検証技術の最前線
IoT/AI時代のテスティング・検証技術の最前線
Fuyuki Ishikawa
 
（今ちゃんと振り返る） ゴール指向要求分析 入門
（今ちゃんと振り返る） ゴール指向要求分析 入門（今ちゃんと振り返る） ゴール指向要求分析 入門
（今ちゃんと振り返る） ゴール指向要求分析 入門
Fuyuki Ishikawa
 
品質保証における発見的・経験的アプローチの活用：ソフトウェアテスティング分野からの知見
品質保証における発見的・経験的アプローチの活用：ソフトウェアテスティング分野からの知見品質保証における発見的・経験的アプローチの活用：ソフトウェアテスティング分野からの知見
品質保証における発見的・経験的アプローチの活用：ソフトウェアテスティング分野からの知見
Fuyuki Ishikawa
 
スマートなシステム、スマートなディペンダビリティ保証－次世代システムを頼れるものへ
スマートなシステム、スマートなディペンダビリティ保証－次世代システムを頼れるものへスマートなシステム、スマートなディペンダビリティ保証－次世代システムを頼れるものへ
スマートなシステム、スマートなディペンダビリティ保証－次世代システムを頼れるものへ
Fuyuki Ishikawa
 
機械学習応用システムの品質保証に向けて
機械学習応用システムの品質保証に向けて機械学習応用システムの品質保証に向けて
機械学習応用システムの品質保証に向けて
Fuyuki Ishikawa
 
自動（運転）車システムのためのAI的自動テスト生成
自動（運転）車システムのためのAI的自動テスト生成自動（運転）車システムのためのAI的自動テスト生成
自動（運転）車システムのためのAI的自動テスト生成
Fuyuki Ishikawa
 
AIによるテスト・デバッグ技術 イントロ＆チュートリアル
AIによるテスト・デバッグ技術 イントロ＆チュートリアルAIによるテスト・デバッグ技術 イントロ＆チュートリアル
AIによるテスト・デバッグ技術 イントロ＆チュートリアル
Fuyuki Ishikawa
 

More from Fuyuki Ishikawa (13)

Quality Assurance of Machine Learning-based AI Systems
Quality Assurance of Machine Learning-based AI Systems Quality Assurance of Machine Learning-based AI Systems
Quality Assurance of Machine Learning-based AI Systems
 
機械学習システムの品質に関するソフトウェア工学の動向（と安全性）
機械学習システムの品質に関するソフトウェア工学の動向（と安全性）機械学習システムの品質に関するソフトウェア工学の動向（と安全性）
機械学習システムの品質に関するソフトウェア工学の動向（と安全性）
 
ロバスト機械学習へのソフトウェア工学からのアプローチ
ロバスト機械学習へのソフトウェア工学からのアプローチロバスト機械学習へのソフトウェア工学からのアプローチ
ロバスト機械学習へのソフトウェア工学からのアプローチ
 
機械学習工学への誘い：SES'20チュートリアル
機械学習工学への誘い：SES'20チュートリアル機械学習工学への誘い：SES'20チュートリアル
機械学習工学への誘い：SES'20チュートリアル
 
Introduction at MLSE Int'l Symposiuim 2019
Introduction at MLSE Int'l Symposiuim 2019Introduction at MLSE Int'l Symposiuim 2019
Introduction at MLSE Int'l Symposiuim 2019
 
高信頼自動運転システム実現にむけて： ソフトウェア工学・機械学習の視点からの技術俯瞰
高信頼自動運転システム実現にむけて： ソフトウェア工学・機械学習の視点からの技術俯瞰高信頼自動運転システム実現にむけて： ソフトウェア工学・機械学習の視点からの技術俯瞰
高信頼自動運転システム実現にむけて： ソフトウェア工学・機械学習の視点からの技術俯瞰
 
IoT/AI時代のテスティング・検証技術の最前線
IoT/AI時代のテスティング・検証技術の最前線IoT/AI時代のテスティング・検証技術の最前線
IoT/AI時代のテスティング・検証技術の最前線
 
（今ちゃんと振り返る） ゴール指向要求分析 入門
（今ちゃんと振り返る） ゴール指向要求分析 入門（今ちゃんと振り返る） ゴール指向要求分析 入門
（今ちゃんと振り返る） ゴール指向要求分析 入門
 
品質保証における発見的・経験的アプローチの活用：ソフトウェアテスティング分野からの知見
品質保証における発見的・経験的アプローチの活用：ソフトウェアテスティング分野からの知見品質保証における発見的・経験的アプローチの活用：ソフトウェアテスティング分野からの知見
品質保証における発見的・経験的アプローチの活用：ソフトウェアテスティング分野からの知見
 
スマートなシステム、スマートなディペンダビリティ保証－次世代システムを頼れるものへ
スマートなシステム、スマートなディペンダビリティ保証－次世代システムを頼れるものへスマートなシステム、スマートなディペンダビリティ保証－次世代システムを頼れるものへ
スマートなシステム、スマートなディペンダビリティ保証－次世代システムを頼れるものへ
 
機械学習応用システムの品質保証に向けて
機械学習応用システムの品質保証に向けて機械学習応用システムの品質保証に向けて
機械学習応用システムの品質保証に向けて
 
自動（運転）車システムのためのAI的自動テスト生成
自動（運転）車システムのためのAI的自動テスト生成自動（運転）車システムのためのAI的自動テスト生成
自動（運転）車システムのためのAI的自動テスト生成
 
AIによるテスト・デバッグ技術 イントロ＆チュートリアル
AIによるテスト・デバッグ技術 イントロ＆チュートリアルAIによるテスト・デバッグ技術 イントロ＆チュートリアル
AIによるテスト・デバッグ技術 イントロ＆チュートリアル
 

機械学習工学の進展と課題 2021