本セミナーは登録受付を終了しました。
【特別講演】
10月30日（金）
18:30～21:00（受付開始 18:00）
| 講師プロフィール | 【伊藤 羊一 氏】 日本興業銀行、プラスを経て2015年4月ヤフーに転じ、次世代リーダー育成を行う。 グロービス経営大学院客員教授。ほか、外部企業に対する講演、講師多数。 武蔵野大学アントレプレナーシップ学部を2021年4月開設に向け準備中、学部長就任予定。 著書「1分で話せ」「0秒で動け」「やりたいことなんて、なくていい」「未来を創るプレゼン（共著）」 |
| 講座内容 | データサイエンティストにとって必要なことは、データを分析する知識、スキル、実装能力だけでなく、その分析結果をどのようにプレゼンテーションするかが重要となる。本講演では、実際の新たなAIシステム、サービスの提案などを想定したプレゼンテーションを実践しながら、そのプレゼンテーションをよりよく成功させるための極意を示す。 |
【AIビジネス編】
第1回 10月2日（金）
18:30～21:00（受付開始 18:00）
第2回 10月9日（金）
18:30～21:00（受付開始 18:00）
| 講師プロフィール | 【宮﨑 淳 氏】 工学博士（慶應義塾大学大学院）富士ゼロックス奉職後、早期退職し、株式会社オレンジテクラボを立ち上げ。 人工知能特に深層学習を中心とした人工知能システムの設計、コンサルティングに従事。シリコンバレーと日本を繋ぐ新規事業開発とインキュベーション、日本アジアパシフィックでの事業化・技術マーケティングを担当。 |
| 講座内容 | この講座では、ビジネスにおいて、データサイエンス、特にAI、機械学習を使うプロジェクトをスムーズに進めるために必要な前提知識、機械学習特有のプロジェクトの流れ、問題、成功させるためのプロセスを理解する。具体的には、 先端のAI技術について紹介していくことで、ビジネスにおいてイノベーションを起こすプロジェクトを見抜く眼力と鼻を養なっていく。具体的に、講座内において、ビジネス展開を想定した仮想的なAIプロジェクト企画の要求仕様の作成を行う。また、それに基づく見積もりを作成する。チームに別れてグループワークで仕様の議論を行ない、課題点を明確にする。 最後にクラス全体でチーム検討結果を共有し、AI企画、見積もりの課題点を浮き彫りにする。具体的なAI技術を想定した、AIプロジェクト企画の要求仕様の作成や、それに基づく見積もりの作成を体験することにより、ビジネスにおいて、データサイエンス、特にAI、機械学習を使うプロジェクトの具体的な進め方を理解していく。 |
| タイムスケジュール |
＜内容＞ ＜内容＞ ＜内容＞ |
| 本講座で実現できること | ①先端のAI技術の素性を見抜く力をつける ②ワークショップ形式にて、チームにわかれ、仮想AIプロジェクトの企画、要求仕様を描き、それに対するRFPプロポーザルを描く ➂チーム内で、企画と見積もりの議論を行い、課題を発見する。全体にて議論を行い、総括する 以上により、自社のAI企画をリードできる人材育成を目標とする |
| 利用ソフト、持参PC等、 機器について |
インターネットを検索し、AI技術の検索、アセスを行いながら、チーム討議を行います。検討、発表はホワイトボードにチームごとに描いて行います。 |
【AIビジネス編】
第3回 10月16日（金）
18:30～21:00（受付開始 18:00）
第4回 10月23日（金）
18:30～21:00（受付開始 18:00）
| 講師プロフィール | SAS Institute アライアンス戦略部 マネージャー、米フェア・アイザック 日本支社 戦略パートナー、株式会社シグマクシス プリンシパル、ブティックファーム CAO（最高解析責任者）＆ マネージング・ディレクター、ビジネスコンサルティングファーム パートナー ビジネス＆デジタル戦略統括、その他複数のコンサルティングファーム、電通デジタルを経て現在に至る。顧客情報データを活用した企業の収益率向上を実現する要件定義・提案・導入及び定着化のコンサルティングに従事。 数多くの業種へBPR、OPEX、IoTを利活用した調達業務プロセス改革、マーチャンダイジング、CRM最適化など上流工程からデリバリーまで一気通貫で顧客課題・要件に携わる。 統計学・数理計画法・線形計画法・金融工学・デザインスプリントに裏付けされたマーケティングモデル導入に関する多くの方法論を有する。 |
| 講座内容 | 本単元では、具体的にデータサイエンスやAIで何ができるのかを整理した上で、ビジネスでデータサイエンスやAIを生かす方法を学ぶ。具体的なビジネス事例を見ながら、どのようにプランニングをするかを学び、理解しAIを活かすための発想思考を醸成する。 |
| タイムスケジュール |
＜内容＞ ＜内容＞ ～アイスブレイク～ ＜内容＞ ＜内容＞ ～アイスブレイク～ |
| 本講座で実現できること | データサイエンスの使い所・勘所を習得し、各業界におけるデータドリブンを有用に活かすための方法論・思考論を習得することができる |
| 利用ソフト、持参PC等、 機器について |
特になし |
【AIビジネス編】
第5回 10月28日（水）
18:30～21:00（受付開始 18:00）
第6回 11月 6日（金）
18:30～21:00（受付開始 18:00）
| 講師プロフィール | Truffle Technologies株式会社 創業者CEO 1980年生まれ。慶應義塾大学総合政策学部卒業、同大学大学院政策・メディア研究科修士課程修了。2013年に米国カリフォルニアにてAppSocially Inc.を創業しCEOに就任。サンフランシスコ、東京、ハノイのメンバーとともに、テクノロジー、人工知能、データサイエンス、UXデザイン、心理学等の専門的知見と経験から、企業とそのお客様のコンバージョンに関連した会話の効率化と自動化を支援。専門は、データベース、知識ベース、マルチメディアデータベースとその応用、カスタマーデベロップメント。TechCrunch Japan、GrowthHacker.jp、日経BP、清水弘文堂等でグロース・ハックやモバイル、シリコンバレーのカルチャー等についての記事を執筆。『Hooked ハマるしかけ』（翔泳社）を監訳。『Lean UX』（オライリージャパン）の日本語化のレビューも担当した。サイクリング・ロードレーサー。ウルトラトレイル・ランナーとしては2021年よりワールドツアー（UTWT）参戦予定。2020年Truffle Technologies株式会社を設立し、代表取締役就任。デポルターレ・テクノロジーズCTO、慶應義塾大学SFC研究所上席所員を兼任。 |
| 講座内容 | AIプロダクトにおける実践的プロダクトマネジメントと題して、データとプロダクト・デザインと心理学の関係について、プロダクトの設計から実装、リリース、運用、改善に至るプロセスについて、プロセスや関連する知識、スキル等について紹介をしながら、実際のケーススタディを紹介します。 |
| タイムスケジュール |
＜内容＞ ＜内容＞ ＜内容＞ ＜内容＞ |
| 本講座で実現できること | AIプロダクトにおける実践的プロダクトマネジメントについて、データとプロダクト・デザインと心理学の関係に触れながら、プロダクトの設計から実装、リリース、運用、改善に至るプロセスについて、プロセスや関連する知識、スキル、さらに、実際のケーススタディを学ぶことができます。 |
| 利用ソフト、持参PC等、 機器について |
特になし （QRコードおよびリンクから講義資料をダウンロードしてただ開けるようにする予定ですので、スマートフォンもしくはラップトップPCを持参されていると便利かもしれません） |
【AIエンジニア編】
第1回 11月13日（金）
18:30～21:00（受付開始 18:00）
第2回 11月20日（金）
18:30～21:00（受付開始 18:00）
| 講師プロフィール | 東京理科大学理学部応用数学科卒業。沖電気工業、TDKを経て、2006年よりフォトロン。この間、1995年東京理科大学理工学部情報科学科受託研究員、1996年より2年間、走行支援道路システム開発機構研究員。2017年より2年間、IMAGICA GROUP リサーチディレクターを兼務。 現在は、映像とAIを活用した学習支援システムの研究開発に従事。 学習分析学会理事。教育システム情報学会産学連携委員。 自治医科大学客員研究員、共立女子大学文芸学部非常勤講師。 |
| 講座内容 | 本講座では、機械学習で最も使われている2つの手法「ディープラーニング」と「勾配ブースティング」を学びます。 ハンズオン形式で各自のPCからプログラムを実行し、手を動かしながら結果を確認することで、これらの手法がどのような技術なのかを把握し、自身の課題に適用するための足掛かりとなることを目指します。 ディープラーニングでは、画像分類のプログラムを動かします。学習済みのモデルを利用して短時間の学習で高精度な画像分類を体験します。 勾配ブースティングでは、どの特徴量が重要なのか抽出する方法についても紹介します。 プログラム言語は、データサイエンスで最も人気のあるPythonを使います。Pythonに初めて触れる人でも、2日の講義で、自分で収集したデータを機械学習に適用させることができるようになります。 |
| タイムスケジュール |
＜内容＞ ＜内容＞ ＜内容＞ ＜内容＞ |
| 本講座で実現できること | ①Google Colaboratory上で、TensorFlowやxgboostを使った機械学習プログラムを実行できる。 ②学習済みモデルの活用方法を理解できる。 ③アンサンブル手法を理解し使えるようになる。 |
| 利用ソフト、持参PC等、 機器について |
・演習環境には、Google Colaboratoryを使用する予定です。 ・受講生には、改めて環境設定方法をメール等でご連絡いたします。 ・PCの環境設定等は、ご自身の責任において行っていただきます。 |
【AIエンジニア編】
第3回 11月27日（金）
18:30～21:00（受付開始 18:00）
第4回 12月 4日（金）
18:30～21:00（受付開始 18:00）
| 講師プロフィール | 東京大学理学部数学科卒業 東京大学理学系研究科数学専門課程博士課程修了 富士ゼロックス株式会社総合研究所 東京大学先端科学技術研究センター 特任助手 カーネギーメロン大学日本校 教授 兵庫県立大学大学院応用情報科学研究科 教授 学習院大学 教授 |
| 講座内容 | 前半では、機械学習の最も基本的な考え方を、分かりやすい例題と、ハンズオンを用いて解説する。機械学習の基礎である「特徴設計▶類似度関数設計▶データ正規化▶パラメータ最適化▶学習アルゴリズム適用▶結果分析」の基本サイクルを実践することで、単に概念的にではなく、経験的に機械学習の手法を体験して貰う。 後半では、ニューラルコンピューティングについて、その基本原理を学んだ後、現在注目を浴びている畳み込みニューラルコンピューティングを用いて、Captcha攻略をハンズオンで行う。Captchaは本来自動化ツールによるログインアテンプトを防止する目的で導入され、広く用いられてきたが、今や、機械学習の手法を用いて無効化することが可能である。最新の技術成果を体験することで、機械学習の威力を理解してもらう。 |
| タイムスケジュール |
＜内容＞ ＜内容＞ ＜内容＞ ＜内容＞ |
| 本講座で実現できること | ①機械学習の基本的な考え方 ②機械学習の基本的なアルゴリズム、評価方法、指標など ➂ニューラルコンピューティングの基礎理論 |
| 利用ソフト、持参PC等、 機器について |
・演習環境には、Google Colaboratoryを使用する予定です。※Googleアカウントがあり、ログイン可能なこと ・受講生には、改めて環境設定方法をメール等でご連絡いたします。 ・ PCの環境設定等は、ご自身の責任において行っていただきます。 |
【AIエンジニア編】
第5回 12月11日（金）
18:30～21:00（受付開始 18:00）
第6回 12月18日（金）
18:30～21:00（受付開始 18:00）
| 講師プロフィール | 【福原 義久 氏】 慶應義塾大学 政策・メディア研究科にて博士（政策・メディア）の学位を取得。複数の企業で、フルスタックエンジニアとしてさまざまなデバイスやサービスの開発に従事。現在は、武蔵野大学准教授を務めるかたわら、スタートアップ企業でAIやIoTを駆使したサービス開発をおこなっている。大学では機械学習と深層学習についての講座を受け持つ。共著に「複雑系入門」（ＮＴＴ出版）がある。 |
| 【岡田 龍太郎 氏】 筑波大学大学院システム情報工学研究科の博士後期課程を単位取得退学し、その後、同大学にて論文博士で博士(工学)を取得。目白大学非常勤講師等を経て、現在は、武蔵野大学アジアAI研究所客員研究員および国際大学GLOCOMリサーチ・アソシエイトとして、企業との共同研究でデータサイエンス課題を複数担当。筑波大学非常勤講師。また、データサイエンティスト人財育成プログラムである一般社団法人サーキュラーエコノミー推進機構2018年度CEOプログラムに参加し、CEO Leadersに認定。 |
|
| 講座内容 | 本講座では、世界最大の機械学習のコンペティションであるKaggleの課題にディープラーニングとランダムフォレストの二つの手法を使って取り組むことで、実践的な機械学習の使い方について学びます。 昨今、機械学習の話題ではディープラーニングが多く取り上げられますが、ディープラーニングは画像や音声データ等に向いている一方、テーブルデータにはランダムフォレストがよく使われています。ランダムフォレストとは、アンサンブル機械学習と呼ばれる手法の一つで、複数の決定木を用いて分類や回帰の問題に適用されます。実際、Kaggleで扱われるような現実的な課題では、ランダムフォレストも優勢です。 また本講座では、欠損のあるデータの扱い方など、現場では必要になる実践的な知識についても課題の中で学びます。現実の課題に機械学習を用いる場合は、俗に前処理の比率が70%とも言われるぐらいに学習以外のプロセスが重要です。 最後にデータの持ち方について学びます。Kaggleは、企業が持ち込んだ課題に多くの参加者が挑戦する場を提供しており、そこにあるのはまさに今必要とされる実践的な問題です。自社がKaggleに課題を投げられるということはデータが整理できていることを意味します。機械学習を課題に適用するために、そもそもどのようにデータを持てばいいのかということについて考察します。 |
| タイムスケジュール |
＜内容＞ ＜内容＞ ＜内容＞ ＜内容＞ |
| 本講座で実現できること | ①ディープラーニングとランダムフォレストを用いて現実の課題に取り組めるようになる ②機械学習における前処理の重要性について知る ③機械学習が利用できるデータの持ち方について考えられるようになる |
| 利用ソフト、持参PC等、 機器について |
CPU：64bit 推奨 ハードウェア：プロセッサ2.6Ghz以上推奨 PCでの演習時の機種・環境設定等は、ご自身の責任において行っていただきます ネットワーク環境： 要ネットワーク ・Chromeブラウザがインストールされていること ・Googleアカウントがあり、ログイン可能なこと ※ Google Colaboratory[https://colab.research.google.com/]を使ってハンズオンを行います。 |
