AI/機械学習と従来型実験データの実用的な組み合わせ方法【LIVE配信】

データ共有、利活用が進まない状況がなぜ発生してしまうのか？データベースと機械学習の連携、運用を維持、拡張させていくときの課題を具体例を解説！ 

※本セミナーはZOOMを使ったLIVE配信セミナーです。会場での参加はございません。

セミナー講師

（株）キャトルアイ・サイエンス　代表取締役　上島 豊　氏講師HP：https://www.i4s.co.jp/■経歴1997年3月　大阪大学大学院 工学研究科 電磁エネルギー工学専攻 博士課程修了1997年4月　日本原子力研究所 関西研究所 研究員（～2006年3月）2006年4月　有限会社 キャトルアイ・サイエンス 代表取締役2008年8月　株式会社 キャトルアイ・サイエンス 代表取締役■主な参加国家プロジェクト2000年～2005年　総務省JGNプロジェクト「JGNを使った遠隔分散環境構築」2001年～2006年　文部科学省　ITBLプロジェクト2002年～2007年　文部科学省　バイオグリッドプロジェクト2003年～2012年　文部科学省　超高速コンピュータ網形成プロジェクト（NAREGI）2003年～2008年　文部科学省リーディングプロジェクト「生体細胞機能シミュレーション」■その他の活動2001年～　奈良県西大和学園 SSH（Super Science Highschool）指導委員2006年～　NPO法人 CAE懇話会 大規模データマネージメント研究会 担当幹事■受賞歴1999年6月 日本原子力研究所　有功賞「高並列計算機を用いたギガ粒子シミュレーションコードの開発」2003年4月 第7回サイエンス展示・実験ショーアイデアコンテスト　文部科学大臣賞「光速の世界へご招待」2004年12月 第1回理研ベンチマークコンテスト　無差別部門　優勝■出版物培風館「PSE book―シミュレーション科学における問題解決のための環境 (基礎編)」ISBN：456301558X培風館「PSE book―シミュレーション科学における問題解決のための環境 (応用編)」ISBN：4563015598培風館『ペタフロップス コンピューティング』 ISBN978-4-563-01571-8臨川書店『視覚とマンガ表現』 ISBN978-4-653-04012-5

セミナー受講料

55,000円（税込、資料付）■ セミナー主催者からの会員登録をしていただいた場合、1名で申込の場合49,500円、　 2名同時申込の場合計55,000円（2人目無料：1名あたり27,500円）で受講できます。（セミナーのお申し込みと同時に会員登録をさせていただきますので、　  今回の受講料から会員価格を適用いたします。）※ 会員登録とは　 ご登録いただきますと、セミナーや書籍などの商品をご案内させていただきます。　 すべて無料で年会費・更新料・登録費は一切かかりません。　 メールまたは郵送でのご案内となります。　 郵送での案内をご希望の方は、備考欄に【郵送案内希望】とご記入ください。

受講について

資料付き【PDFで配布いたします】【Zoomを使ったWEB配信セミナー受講の手順】１）Zoomを使用されたことがない方は、こちらからミーティング用Zoomクライアントを　　ダウンロードしてください。ダウンロードできない方はブラウザ版でも受講可能です。２）セミナー前日までに必ず動作確認をお願いします。３）開催日直前にWEBセミナーへの招待メールをお送りいたします。当日のセミナー開始　　10分前までに招待メールに記載されている視聴用URLよりWEB配信セミナーにご参加　　ください。・セミナー資料は開催前日までにお送りいたします。　無断転載、二次利用や講義の録音、録画などの行為を固く禁じます。

セミナー趣旨

　IoTやAIの普及により、製造工程以降のデータ利活用は急激に進展しています。一方、公的研究機関であれ、民間企業であれ、R&D部門におけるデータの取り扱いは属人的なままであり、研究の信頼性が阻害されたり、効果的なデータの利活用がほとんど進んでいないのが実態です。R&D部門は技術の源泉であり、データを精緻に管理して効果的に利活用する、つまりデータ分析・AI化を行うことは、今後の競争力にとって不可欠です。本講演では、まず、R&D部門のデータ共有、利活用の実情をお話しさせていただき、データ共有、利活用が進まない状況がなぜ発生してしまうのか？そのような状況にはどのような問題がはらんでいるのか？、AI、機械学習を実際の実験研究にどのように組み入れていくべきか？に関して、説明をさせていただきます。最後に、データベースと機械学習の連携、運用を維持、拡張させていくときの課題を具体例をもとに、陥りがちな落とし穴とそれらの回避方法に関して解説させていただきます。

受講対象・レベル

・機械学習などAIツール環境は整備できたが、実運用ベースにのせるのに困っている方・データ共有、利活用でお困りの方・蓄積データのデータ分析でお困りの方・自社及び他の一般的なR&D部門のデータ共有、利用、活用状況を知りたい方・R&D部門のデータに対して、AIを活用したい、させたいと考えられている方・R&D部門のデータの利用、活用を推進することのメリットを具体的に知りたい方

習得できる知識

・R&D部門のデータ共有、利活用の実情・属人的データ共有状況が生み出される原因・属人的データ共有状況が引き起こす問題・報告書の共有で期待して良いこと、良くないこと・機械学習などのMIの特性と注意すべき点・機械学習などのMIの研究への組み込み方法・R&D部門におけるデータ蓄積基盤としてデータベースがなぜ必要か？・R&D部門においてデータベースと機械学習を連携させていく場合の注意点・データベース導入時に陥りがちな落とし穴とそれを防ぐ方策・データベース運用時に陥りがちな落とし穴とそれを防ぐ方策

セミナープログラム

１．はじめに　　1-1　講演者のR&D実績とデータ共有、利活用の取り組みについて２．R&D部門のデータ共有の実情　　2-1　R&D部門のデータ蓄積の実情　　2-2　属人的データ蓄積状況が生み出される原因　　2-3　属人的データ蓄積状況が引き起こす問題３．AI、機械学習に必要なデータ共有はどう実現し、何が期待できるか？　　3-1　属人的データ蓄積状況を脱するために必要な方策　　3-2　報告書の共有で期待して良いこと、良くないこと　　3-3　データ共有で研究の何が改善できるのか？４．データ探査、分析を意識したデータ蓄積方法とその運用　　4-1　データ探査を意識したデータ蓄積方法　　4-2　データ分析は、どのようにして行うのか？　　4-3　データ共有、利活用状況を改善するために必要なプロジェクトチームの作り方　　4-4　プロジェクトメンバーに求められる資質５．AI、機械学習を実際の実験研究にどのように組み入れていくべきか？　　5-1　機械学習などのMIの特性と注意すべき点　　5-2　機械学習などのMIを研究へ組み込む方法６．データベースと機械学習の連携、運用を維持、拡張させていくときの課題　　6-1　R&D部門におけるデータ蓄積基盤としてデータベースがなぜ必要か？　　6-2　R&D部門においてデータベースと機械学習を連携させていく場合の注意点　　6-3　データ蓄積、データベース化着手時に陥りがちな落とし穴とそれを防ぐ方策　　6-4　データ蓄積、データベース運用時に陥りがちな落とし穴とそれを防ぐ方策