Successfully reported this slideshow.
Your SlideShare is downloading. ×

DLLAB_Healthcare-Day_2022.pptx

Ad
Ad
Ad
Ad
Ad
Ad
Ad
Ad
Ad
Ad

Check these out next

1 of 25 Ad
Advertisement

More Related Content

Similar to DLLAB_Healthcare-Day_2022.pptx (20)

Recently uploaded (20)

Advertisement

DLLAB_Healthcare-Day_2022.pptx

  1. 1. DLLAB Healthcare Day 2022(株式会社キカガク) Azure Machine Learning で AI 開発体験
  2. 2. 2021 Kikagaku, Inc. All Rights Reserved ハンズオンの受講方法について 3 • オンライン講義の受講方法 • Azure アカウントの準備
  3. 3. 2021 Kikagaku, Inc. All Rights Reserved 会社紹介 – 株式会社キカガク 4
  4. 4. 2021 Kikagaku, Inc. All Rights Reserved 5 会社概要/事業紹介 ▪ 社名 : 株式会社キカガク ▪ 代表者 : 吉崎 亮介、大崎 将寛 ▪ 設 立 : 2017年1月17日 ▪ 従業員 : 40 名 ▪ 資本金 : 20,499,140円 会社概要 AIを始めとする先端技術の研修事業 対面オンライン研修 リアルタイムのハンズオン形式 で実施するスタイル 個社向けカスタム研修 企業の課題に合わせて内容や 期間をカスタマイズ DX推進事業 AI技術開発・コンサルティング 企業のDX推進を支援 0 10000 20000 30000 40000 50000 2017.3 2017.9 2018.1 2019.1 2020.4 2021.1 受講生 45,000名 500社以上のクライアント & パートナー 過去5年間で、45,000名以上の受講生
  5. 5. 2021 Kikagaku, Inc. All Rights Reserved 6 キカガクの取り組み 3つの機能 研修設計 コンサルティング 資料制作 研究開発 クリエイティブ 講義 ティーチング コーチング AIスタートアップ企業 大手企業 政府 / 一般社団法人 大学 / 教育機関 Azure を使用した様々なAIの 認定講座を展開 マネージャー向け研修や 製造業に特化した講座を展開 Preferred Networks社が提 供するディープラーニング フレームワーク Chainer チ ュートリアルの 制作および執筆に協力 経営層向けのAI講座を担当 PBL用に独自の シミュレータを開発 ビジネス向けの アセスメント講座を共同で 開発および実施 AI 講座の非常勤講師 データサイエンス人材育成講座を提供 第四次産業革命スキル 習得講座の受講生数日本一 日本ディープラーニング 協会のE資格認定 リテールAI検定の講座から 検定試験までの設計を担当 運輸業におけるDXのためのカスタマイズ研修を提供
  6. 6. 2021 Kikagaku, Inc. All Rights Reserved 7 基礎から実践までの研修ステップ 事前予習動画(AI, クラウド, IoT) AIビジネス活用コース 機械学習、データサイエンス ディープラーニングコース 画像、自然言語特化 PBL形式の研修 クラウド活用 アプリケーション開発 実践 技術の習得 共通認識 解くべき課題の 選定 ビジネス層 経営層・管理職 事業ドメインに沿って 企画・構想 エンジニア PM 自社開発 外部企業と連携 AIにできること、できないことを理解し テクノロジーに関して共通認識を持つ 機械学習の基礎から 最先端技術の習得 Step.4 Step.3 Step.2 Step.1 キカガクが提供する研修
  7. 7. 2021 Kikagaku, Inc. All Rights Reserved キカガクにおける医療×研修事例 8 • 国立大医学部に対する AI・機械学習のコーディング研修 • 社会人スクールの受講生と共にメディカル AI 学会での発表 • 国立大の研究グループと細胞の画像分類に関する共同研究 • DNA 解析に関する分析コード研修 興味がある方 ryo.kinoshita@kikagaku.co.jp までご連絡ください
  8. 8. 2021 Kikagaku, Inc. All Rights Reserved ハンズオンの概要 9
  9. 9. 2021 Kikagaku, Inc. All Rights Reserved 目的 Goal 10 • AI、機械学習、ディープラーニングの基礎的な概念について理解できる • AI を用いた基礎的な診断予測システムの作成の方法を理解できる • AI 作成のためのデータ収集方法が理解できる • AI の予測精度を向上するための基礎的な方法を理解できる AIを活用への一歩目を踏み出すことを目指します。
  10. 10. 2021 Kikagaku, Inc. All Rights Reserved 講義の流れ Flow 11 • AIの基礎知識 • 医療業界での活用事例 • Azure Machine Learning を用いた心臓病の診断予測 • Azure Custom Vision で画像から肺炎の診断予測≈
  11. 11. 2021 Kikagaku, Inc. All Rights Reserved AIの基礎知識 12
  12. 12. 2021 Kikagaku, Inc. All Rights Reserved 13 汎用型AI vs 特化型AI 汎用型AI 特化型AI 特定のタスクに限定されず、人間のよう に自ら考え、行動できるような人間と同 等かそれ以上の存在を目指す。SF映画 に出てくるようなイメージのAI。 脳の原理を解明し、 人間がどのように 思考し、行動を選択 しているかを物理的な 背景から解明している。 特定のタスクに限定し、人間の 行動を模倣できるような存在を 目指す。人間が100点の事例が多い。 産業応用の事例はほとんど特化型。
  13. 13. 2021 Kikagaku, Inc. All Rights Reserved 14 人工知能、機械学習、ディープラーニング 人工知能 > 機械学習 > アルゴリズムといっ た内包関係があります。 人工知能 (Artificial Intelligence) 機械学習 (Machine Learning) o 決定木 o サポートベクトルマシン o ディープラーニング
  14. 14. 2021 Kikagaku, Inc. All Rights Reserved 15 人工知能、機械学習、ディープラーニング ディープラーニングは画像、音声、自然言語の分野でブレイクスルーを起こした。
  15. 15. 2021 Kikagaku, Inc. All Rights Reserved 16 機械学習で必要な 2 つのステップ 学習 (training)
  16. 16. 2021 Kikagaku, Inc. All Rights Reserved 17 機械学習で必要な 2 つのステップ 推論 (inference)
  17. 17. 2021 Kikagaku, Inc. All Rights Reserved 18 機械学習の開発のロードマップ
  18. 18. 2021 Kikagaku, Inc. All Rights Reserved AI x 医療の活用事例と今後のAI活用 19
  19. 19. 2021 Kikagaku, Inc. All Rights Reserved 20 医療業界に機械学習が浸透しにくい理由 要因特定が難しい - 医療において重要である説明責任を果たすことができない データの質にバラつきがある - 病院などにより収集するデータの質やフォーマットが異なり、 AI 作成にうまく活用できない 法規制が厳しい - 法規制により AI を活用が可能な領域に大きく制限がある 予測精度 100% が期待できない - 時には人命に関わる意思決定を AI に任せることはできない 主な要因 医療従事者のサポート としての AI AI に対する共通理解から データの収集 求められる行動
  20. 20. 2021 Kikagaku, Inc. All Rights Reserved 21 医療業界での AI 活用事例 出典 : DataRobot 慢性疾患の発症リスクを早期予測 重篤な基礎疾患を持つ人々がCOVID-19に 感染した場合、重症化のリスクが上昇しま す。慢性疾患を早期発見と治療により流行 する COVID-19 の重症化を未然に防ぐこと が期待されています。 出典 : NTT データ 予防・先制医療 問診データから病気を予測 問診によって得られたデータを用い、患者 の病気が陽性か陰性かを見分ける AI。全て AI に任せる!ではなく、人間のアシスタン ト、意思決定のサポートとしての活躍が期 待されます。 診察・検査 治療方針の決定の支援 まだ実用的な段階では無く、これまでの非 学習的アプローチと比較して、より効率よ く確度高く新たな薬を作ることに貢献する ことが期待されています。5 年以上かかっ た研究を 1 年未満で実施することができた という例もあります。 治療・創薬 予定しない再入院の予測 再入院の患者は患者の早期退院を意味する と考えられます。患者の早期退院かを判定 することにより、適切なタイミングで退院 をおすすめできるようになります。 入院/退院 出典 : エクセンティア
  21. 21. 2021 Kikagaku, Inc. All Rights Reserved データ活用の時代の流れ Flow of time 22 学習 (2014 ~ 2017) • 数学 • 微分、線形代数、確率統計 • フレームワーク • scikit-learn, PyTorch • コンテナ • Docker • インフラ • Azure、AWS、GCP 推論 (2017 ~ 2019) • インフラ • Azure、 AWS、GCP • エッジデバイス • Raspberry Pi、Coral • フレームワーク • Fast API、Flask 活用 (2019 ~ ) • BI ツール • Power BI、Tableau • Auto ML • 特徴量抽出 • アルゴリズム選択 • ハイパーパラメータ調整 • ML DevOps • デプロイ • モデル再学習
  22. 22. 2021 Kikagaku, Inc. All Rights Reserved AI開発の方法 How to Develop AI 23 プログラミング APIの活用 ツールの活用 プログラミングを用いてのAI 開発。主に Python と呼ばれ るプログラミング言語を用い、 開発を行います。最も基本的 な開発方法になります。 Azure Machine Learningなど のツールを用いた開発方法。 基本的にはプログラミングな しで、AI開発を行うことがで きます。 公開された学習済みモデルを そのまま利用する方法。基本 的に開発不要ですぐに使い始 めることができます。
  23. 23. 2021 Kikagaku, Inc. All Rights Reserved ハンズオンの概要 24
  24. 24. 2021 Kikagaku, Inc. All Rights Reserved 心臓病診断と肺炎診断を AI で実践 Hands-on contents 25 GUI (マウス操作)で AI 作成を体験 AI 開発の流れや準備するべきデータのフ ォーマットなど AI 活用を進めるための第 一歩目について学びます。

×