SlideShare a Scribd company logo
Copyright(c) SCSK Corporation
2017.9.20
DLラボ分科会の募集説明
Copyright(c) SCSK Corporation
お問い合わせ窓口
24
お問い合わせ窓口:
DLL-Subcommittee-seminar@ml.scsk.jp
申込について:
上記窓口(e-Mailアドレス)宛にメールを送付願います。
件名:「DLラボ分科会申込」
本文 : ①会社名 ②所属部署 ③氏名 ④電話番号 ⑤メールアドレス
※参加申込書を返送いたします。
※お客様の個人情報は、下記の目的以外では一切利用いたしません。
1.DLラボ分科会を遂行するための業務
2.DLラボ分科会のサポート情報の提供
Copyright(c) SCSK Corporation
DLラボ:実践の場
AIビジネス推進の課題
2
ユーザー企業 パートナー企業
・ビジネス課題詳細が分からない
・学習データが揃わない
・技術力をアピールしきれない
・研究開発の方向性に迷っている
・実プロジェクト経験が不足している
・ビジネス課題への適用技術が不明
・社内でAI技術を評価しきれない
・ベンチャー企業との取引には慎重
・現段階で大きな予算を付けられない
・実プロジェクト経験が不足している
DLラボ分科会で共同実験の場を提供!
実証機会
プレPoC
Copyright(c) SCSK Corporation
DLラボ分科会:概要
コンセプト
「実ビジネス課題に対し、オープンイノベーションの場を提供する」
• 実施期間 2017年10月~2018年2月(5ヶ月)
• 参加資格 DLラボ参加の「ユーザー企業」と「パートナー企業」
• 参加費用 無料
• テーマ 第一弾「製造業×画像認識技術」
※ 金融・その他サービス業種向けも順次検討
※ 本分化会の成果は参加各社にて共有し、結果サマリーは
DLラボ本体ミーティングにて発表予定
3
Copyright(c) SCSK Corporation
実施スケジュール(予定)
• 推進スケジュール
4
9月 10月 11月 12月 1月 2月
イベント
フェーズ
ユーザー
企業様
パートナー
企業様
▲9/4
DLL第3回
ミーティング ▲9/20
参加説明会
▲10/31
第1回打合せ
(課題検討)
参加募集
参加検討
課題
テーマ
選定
▲11/22
第2回打合せ
(ソリューション提案)
ソリューション
提案作成
▲12/8
第3回打合せ
(トライアル開始)
ソリューション
選定
提供データ準備
課題テーマ
×
ソリューション
選定
トライアル
実験
課題準備
トライアル
▲1/22
第4回打合せ
(結果報告)
評価
▲2/15
第5回打合せ
▲2/下旬
DLL成果報告
参加検討
評価
まとめ
Copyright(c) SCSK Corporation
ユーザー企業への依頼事項
• 実現課題
• データの提供
• 評価
5
・深層学習のビジネス課題をもっており、特に画像認識技術について
研究開発を行いたい企業であること
・適用候補領域で画像/映像データを取得しており、提供可能なこと
(機械学習・ディープラーニングの学習に活用しやすいデータで
あることが望ましい)
・共同実験結果に対し、業務的な評価ができること
Copyright(c) SCSK Corporation
パートナー企業への依頼事項
• AI技術ソリューションの提案
• 実験提供
• 評価
6
・機械学習・深層学習アルゴリズムなどの人工知能要素技術を持つ
企業であること
・課題テーマに対する解決策を提案できること
・共同実験結果に対し、技術的な評価できること
・トライアルフェーズにおいて、Azure環境上での学習や実験提供を
パートナー自らの負担で持ち出しが可能であること
Copyright(c) SCSK Corporation
事務局による支援
• 推進支援
• 環境提供
7
・全体プロジェクト推進を支援する
・データ管理環境/場所を提供する
Copyright(c) SCSK Corporation
その他(留意事項)
• 共同実験の学習データ/課題などの権利は、ユーザー企業に帰属する。
• AIアルゴリズム/ソリューションの権利はパートナーに帰属する。
• 共同実験研究の結果は、分科会参加社にて共有するものとする。
• 共同実験後にさらに研究推進や本格実証に進む場合は、
個別に協議し書面合意をもって個社で推進するものとする。
(ex. ユーザー企業:研究結果を進展 / パートーナー企業:本格実証参画など)
• 学習データの管理・廃棄は、実験終了後に事務局が責任をもって行う。
(基本的に、Azureデータ管理層以外への学習データの複製はNG)
13
Copyright(c) SCSK Corporation
その他(留意事項)
• 機密事項とは本会において、関係者が機密である旨を明示、または告知
した上で開示した情報とする。
• 本会における機密事項は、ユーザー企業、パートナー企業、事務局(以
下 関係者)は、それぞれの機密事項は外部にもらしてはならない。
• 機密情報が漏えいした場合は、関係者の協議をもって解決を図る。
• 機密情報を本会以外で活用する場合は、別途口頭や書面で関係者と合意
するものとする。
• 機密保持義務期間の有効期間は、実験期間終了後の1か年とする。
14
Copyright(c) SCSK Corporation
参加募集フェーズ
15
9/20 10/13 10/23~ 10/31
参加
説明会
募集
締め切り
募集結果連絡
分科会
受入企業 募集期間
DLラボ分科会
第1回MTG
※募集状況により募集期間を延長する場合がございます。
※ユーザー企業の課題準備、シナリオ構想検討を支援致します。
9/21
募集
開始
Copyright(c) SCSK Corporation
課題テーマ選定フェーズ
17
10/31PM 11/1~ 11/22
DLラボ分科会
第1回MTG
※状況により複数回となる可能性がございます。
【参加者】
・ユーザー企業
・パートナー企業
【目的】
・ビジネス課題の確認
・ユースケース/シナリオの検討
・データ有無確認&制約事項の確認
DLラボ分科会
第2回MTG
ソリューション提案作成
11/17
締切Sol募集
Copyright(c) SCSK Corporation
ソリューション選定フェーズ
18
11/22 11/27~ 12/8
DLラボ分科会
第2回MTG
※状況により複数回となる可能性がございます。
【参加者】
・パートナー企業
・ユーザー企業
【目的】
・ソリューション概要のピッチ
・トライアルのスコープ確認
DLラボ分科会
第3回MTG課題テーマとソリューションの
マッチング
12/4
情報
整理
No シナリオ
AIソリューション
A B C D E
1 XXXX ◎ ○ ○ ○ ○
2 XXXX ◎ ◎ ○ ◎ ○
3 XXXX ◎ ○ ◎ △
4 XXXX ○ △ △ ◎ ◎
5 XXXX ○ ◎ △
6 XXXX △ ○ △ △
マッチング候補共有
選定
Copyright(c) SCSK Corporation
トライアルフェーズ
19
12/8 12/8~ 1/22
DLラボ分科会
第3回MTG
※状況により複数回となる可能性がございます。
【参加者】
・ユーザー企業
・パートナー企業
【目的】
・マッチング候補を基にチーム構築
DLラボ分科会
第4回MTG
トライアル
実施期間
1/12
終了トライアル
開始
DLラボ分科会
第3.5回MTG
トライアル経過報告会
Aチーム:ユーザー企業①+パートナー企業①
Bチーム:ユーザー企業②+パートナー企業②③
・・・
Copyright(c) SCSK Corporation
DLラボ分科会:環境
Azure上のAI/DL実行環境
14
サービス&ソリューション
データ管理
パートナー
A社
ソリュー
ション
ユーザー
データ
パートナー
B社
ソリュー
ション
パートナー
C社
ソリュー
ション
ご提供範囲
ユーザー企業
パートナー企業
(各社インスタンス)
事務局
(全体管理)
Copyright(c) SCSK Corporation
評価フェーズ
21
1/22 2/下旬
DLラボ分科会
第4回MTG
【参加者】
・チーム単位(テーマ単位)
【目的】
・パートナー企業の技術評価
・ユーザー企業の業務評価
DLL
成果報告
2/15
DLラボ分科会
第5回MTG
【参加者】
・パートナー企業
・ユーザー企業
【目的】
・全体総括
【参加者】
・DLL参加者
【目的】
・公表可能な成果を
発表
Copyright(c) SCSK Corporation
運営体制
22
DLラボ体制 運営メンバー
 事務局
SCSK株式会社
日本マイクロソフト株式会社
 ユーザー企業
DLL会員の分科会参加企業
 パートナー企業
DLL会員の分科会参加企業
 リーダー企業
TBD
(トライアルフェーズ以降に
チーム単位で検討)
リーダー企業
ユーザー
企業
パートナー
企業
リーダー企業
ユーザー
企業
パートナー
企業
リーダー企業
ユーザー
企業
パートナー
企業
事務局
Copyright(c) SCSK Corporation
活動拠点
23
日本マイクロソフト品川本社
→参加説明会、第5回MTGなど
SCSK豊洲オフィス
→第1回~第4回MTGなど
SCSK多摩センターオフィス
→集中ディスカッション(宿泊可)

More Related Content

Viewers also liked

[Ridge-i] Deep Learning Lab - ディープラーニング 導入の課題と実例
[Ridge-i] Deep Learning Lab - ディープラーニング 導入の課題と実例[Ridge-i] Deep Learning Lab - ディープラーニング 導入の課題と実例
[Ridge-i] Deep Learning Lab - ディープラーニング 導入の課題と実例
Ridge-i
 

Viewers also liked (7)

DLL Community Update 10月版
DLL Community Update 10月版DLL Community Update 10月版
DLL Community Update 10月版
 
ChainerMNが即座に使える環境を提供するXTREME DNA HPC Cloud
ChainerMNが即座に使える環境を提供するXTREME DNA HPC CloudChainerMNが即座に使える環境を提供するXTREME DNA HPC Cloud
ChainerMNが即座に使える環境を提供するXTREME DNA HPC Cloud
 
一般社団法人 日本ディープラーニング協会の取り組み
一般社団法人 日本ディープラーニング協会の取り組み一般社団法人 日本ディープラーニング協会の取り組み
一般社団法人 日本ディープラーニング協会の取り組み
 
[Ridge-i] Deep Learning Lab - ディープラーニング 導入の課題と実例
[Ridge-i] Deep Learning Lab - ディープラーニング 導入の課題と実例[Ridge-i] Deep Learning Lab - ディープラーニング 導入の課題と実例
[Ridge-i] Deep Learning Lab - ディープラーニング 導入の課題と実例
 
Microsoft Ignite! AI ソリューションアップデート
Microsoft Ignite! AI ソリューションアップデートMicrosoft Ignite! AI ソリューションアップデート
Microsoft Ignite! AI ソリューションアップデート
 
20171024 DLLab#04_PFN_Hiroshi Maruyama
20171024 DLLab#04_PFN_Hiroshi Maruyama20171024 DLLab#04_PFN_Hiroshi Maruyama
20171024 DLLab#04_PFN_Hiroshi Maruyama
 
AI and Machine Learning Demystified by Carol Smith at Midwest UX 2017
AI and Machine Learning Demystified by Carol Smith at Midwest UX 2017AI and Machine Learning Demystified by Carol Smith at Midwest UX 2017
AI and Machine Learning Demystified by Carol Smith at Midwest UX 2017
 

Similar to 【Dlラボ】分科会概要説明資料20170920

Similar to 【Dlラボ】分科会概要説明資料20170920 (20)

DLL製造分科会からの告知
DLL製造分科会からの告知DLL製造分科会からの告知
DLL製造分科会からの告知
 
【最小限の学習コスト】効率的なビッグデータ収集・連携とは?
【最小限の学習コスト】効率的なビッグデータ収集・連携とは?【最小限の学習コスト】効率的なビッグデータ収集・連携とは?
【最小限の学習コスト】効率的なビッグデータ収集・連携とは?
 
自社で実運用中!Power Apps・Power Automate 活用事例
自社で実運用中!Power Apps・Power Automate 活用事例自社で実運用中!Power Apps・Power Automate 活用事例
自社で実運用中!Power Apps・Power Automate 活用事例
 
RDFのチェックツール「rdflint」と コミュニティによるオープンデータの作成
RDFのチェックツール「rdflint」とコミュニティによるオープンデータの作成RDFのチェックツール「rdflint」とコミュニティによるオープンデータの作成
RDFのチェックツール「rdflint」と コミュニティによるオープンデータの作成
 
Oracle Data Miner で始める簡単・高速な機械学習
Oracle Data Miner で始める簡単・高速な機械学習Oracle Data Miner で始める簡単・高速な機械学習
Oracle Data Miner で始める簡単・高速な機械学習
 
Service Cloud Trailblazers Meetup #03
Service Cloud Trailblazers Meetup #03Service Cloud Trailblazers Meetup #03
Service Cloud Trailblazers Meetup #03
 
Office 365 による業務効率化
Office 365 による業務効率化Office 365 による業務効率化
Office 365 による業務効率化
 
データサイエンティストの就労意識
データサイエンティストの就労意識データサイエンティストの就労意識
データサイエンティストの就労意識
 
Redmineの情報を自分好みに見える化した話
Redmineの情報を自分好みに見える化した話Redmineの情報を自分好みに見える化した話
Redmineの情報を自分好みに見える化した話
 
KLabのSI事業について
KLabのSI事業についてKLabのSI事業について
KLabのSI事業について
 
DX実践!~ビジネスアジリティ向上とマイクロサービス技術GraphQLの活用~(NTTデータ テクノロジーカンファレンス 2020 発表資料)
DX実践!~ビジネスアジリティ向上とマイクロサービス技術GraphQLの活用~(NTTデータ テクノロジーカンファレンス 2020 発表資料)DX実践!~ビジネスアジリティ向上とマイクロサービス技術GraphQLの活用~(NTTデータ テクノロジーカンファレンス 2020 発表資料)
DX実践!~ビジネスアジリティ向上とマイクロサービス技術GraphQLの活用~(NTTデータ テクノロジーカンファレンス 2020 発表資料)
 
【14-E-7】Technology Enterprise Development「悪ふざけに関する真面目な話」
【14-E-7】Technology Enterprise Development「悪ふざけに関する真面目な話」【14-E-7】Technology Enterprise Development「悪ふざけに関する真面目な話」
【14-E-7】Technology Enterprise Development「悪ふざけに関する真面目な話」
 
【de:code 2020】 Power Platform で広がるデータ インテグレーションの世界 (1/2)
【de:code 2020】 Power Platform で広がるデータ インテグレーションの世界 (1/2)【de:code 2020】 Power Platform で広がるデータ インテグレーションの世界 (1/2)
【de:code 2020】 Power Platform で広がるデータ インテグレーションの世界 (1/2)
 
20111014説明会資料(勉強会)
20111014説明会資料(勉強会)20111014説明会資料(勉強会)
20111014説明会資料(勉強会)
 
ビッグデータ処理データベースの全体像と使い分け
ビッグデータ処理データベースの全体像と使い分けビッグデータ処理データベースの全体像と使い分け
ビッグデータ処理データベースの全体像と使い分け
 
チームトポロジーから学び、 データプラットフォーム組織を考え直した話.pptx
チームトポロジーから学び、 データプラットフォーム組織を考え直した話.pptxチームトポロジーから学び、 データプラットフォーム組織を考え直した話.pptx
チームトポロジーから学び、 データプラットフォーム組織を考え直した話.pptx
 
データサイエンティスト協会スキル委員会2ndシンポジウム講演資料
データサイエンティスト協会スキル委員会2ndシンポジウム講演資料データサイエンティスト協会スキル委員会2ndシンポジウム講演資料
データサイエンティスト協会スキル委員会2ndシンポジウム講演資料
 
Sfdg spring19 flow_20190306
Sfdg spring19 flow_20190306Sfdg spring19 flow_20190306
Sfdg spring19 flow_20190306
 
houjin.pdf
houjin.pdfhoujin.pdf
houjin.pdf
 
Service Cloud Trailblazers Meetup #02
Service Cloud Trailblazers Meetup #02Service Cloud Trailblazers Meetup #02
Service Cloud Trailblazers Meetup #02
 

Recently uploaded

2024年5月25日Serverless Meetup大阪 アプリケーションをどこで動かすべきなのか.pptx
2024年5月25日Serverless Meetup大阪 アプリケーションをどこで動かすべきなのか.pptx2024年5月25日Serverless Meetup大阪 アプリケーションをどこで動かすべきなのか.pptx
2024年5月25日Serverless Meetup大阪 アプリケーションをどこで動かすべきなのか.pptx
ssuserbefd24
 
FIDO Alliance Osaka Seminar: PlayStation Passkey Deployment Case Study.pdf
FIDO Alliance Osaka Seminar: PlayStation Passkey Deployment Case Study.pdfFIDO Alliance Osaka Seminar: PlayStation Passkey Deployment Case Study.pdf
FIDO Alliance Osaka Seminar: PlayStation Passkey Deployment Case Study.pdf
FIDO Alliance
 

Recently uploaded (14)

【DLゼミ】XFeat: Accelerated Features for Lightweight Image Matching
【DLゼミ】XFeat: Accelerated Features for Lightweight Image Matching【DLゼミ】XFeat: Accelerated Features for Lightweight Image Matching
【DLゼミ】XFeat: Accelerated Features for Lightweight Image Matching
 
2024年5月25日Serverless Meetup大阪 アプリケーションをどこで動かすべきなのか.pptx
2024年5月25日Serverless Meetup大阪 アプリケーションをどこで動かすべきなのか.pptx2024年5月25日Serverless Meetup大阪 アプリケーションをどこで動かすべきなのか.pptx
2024年5月25日Serverless Meetup大阪 アプリケーションをどこで動かすべきなのか.pptx
 
【AI論文解説】Consistency ModelとRectified Flow
【AI論文解説】Consistency ModelとRectified Flow【AI論文解説】Consistency ModelとRectified Flow
【AI論文解説】Consistency ModelとRectified Flow
 
YugabyteDB適用に向けた取り組みと隠れた魅力 (DSS Asia 2024 発表資料)
YugabyteDB適用に向けた取り組みと隠れた魅力 (DSS Asia 2024 発表資料)YugabyteDB適用に向けた取り組みと隠れた魅力 (DSS Asia 2024 発表資料)
YugabyteDB適用に向けた取り組みと隠れた魅力 (DSS Asia 2024 発表資料)
 
FIDO Alliance Osaka Seminar: NEC & Yubico Panel.pdf
FIDO Alliance Osaka Seminar: NEC & Yubico Panel.pdfFIDO Alliance Osaka Seminar: NEC & Yubico Panel.pdf
FIDO Alliance Osaka Seminar: NEC & Yubico Panel.pdf
 
FIDO Alliance Osaka Seminar: Welcome Slides.pdf
FIDO Alliance Osaka Seminar: Welcome Slides.pdfFIDO Alliance Osaka Seminar: Welcome Slides.pdf
FIDO Alliance Osaka Seminar: Welcome Slides.pdf
 
FIDO Alliance Osaka Seminar: PlayStation Passkey Deployment Case Study.pdf
FIDO Alliance Osaka Seminar: PlayStation Passkey Deployment Case Study.pdfFIDO Alliance Osaka Seminar: PlayStation Passkey Deployment Case Study.pdf
FIDO Alliance Osaka Seminar: PlayStation Passkey Deployment Case Study.pdf
 
MPAなWebフレームワーク、Astroの紹介 (その2) 2024/05/24の勉強会で発表されたものです。
MPAなWebフレームワーク、Astroの紹介 (その2) 2024/05/24の勉強会で発表されたものです。MPAなWebフレームワーク、Astroの紹介 (その2) 2024/05/24の勉強会で発表されたものです。
MPAなWebフレームワーク、Astroの紹介 (その2) 2024/05/24の勉強会で発表されたものです。
 
FIDO Alliance Osaka Seminar: LY-DOCOMO-KDDI-Mercari Panel.pdf
FIDO Alliance Osaka Seminar: LY-DOCOMO-KDDI-Mercari Panel.pdfFIDO Alliance Osaka Seminar: LY-DOCOMO-KDDI-Mercari Panel.pdf
FIDO Alliance Osaka Seminar: LY-DOCOMO-KDDI-Mercari Panel.pdf
 
FIDO Alliance Osaka Seminar: CloudGate.pdf
FIDO Alliance Osaka Seminar: CloudGate.pdfFIDO Alliance Osaka Seminar: CloudGate.pdf
FIDO Alliance Osaka Seminar: CloudGate.pdf
 
LoRaWAN 4チャンネル電流センサー・コンバーター CS01-LB 日本語マニュアル
LoRaWAN 4チャンネル電流センサー・コンバーター CS01-LB 日本語マニュアルLoRaWAN 4チャンネル電流センサー・コンバーター CS01-LB 日本語マニュアル
LoRaWAN 4チャンネル電流センサー・コンバーター CS01-LB 日本語マニュアル
 
論文紹介: Exploiting semantic segmentation to boost reinforcement learning in vid...
論文紹介: Exploiting semantic segmentation to boost reinforcement learning in vid...論文紹介: Exploiting semantic segmentation to boost reinforcement learning in vid...
論文紹介: Exploiting semantic segmentation to boost reinforcement learning in vid...
 
論文紹介: Offline Q-Learning on diverse Multi-Task data both scales and generalizes
論文紹介: Offline Q-Learning on diverse Multi-Task data both scales and generalizes論文紹介: Offline Q-Learning on diverse Multi-Task data both scales and generalizes
論文紹介: Offline Q-Learning on diverse Multi-Task data both scales and generalizes
 
2024年度_サイバーエージェント_新卒研修「データベースの歴史」.pptx
2024年度_サイバーエージェント_新卒研修「データベースの歴史」.pptx2024年度_サイバーエージェント_新卒研修「データベースの歴史」.pptx
2024年度_サイバーエージェント_新卒研修「データベースの歴史」.pptx
 

【Dlラボ】分科会概要説明資料20170920