【Live配信 or アーカイブ配信 11/20】AI,機械学習と従来型研究開発の現実的な組み合わせ方法

セミナー№５１１５１５

【Live配信 or アーカイブ配信】
AI,機械学習と従来型研究開発の

現実的な組み合わせ方法
‐データベースの構築とAI・生成AI・機械学習との連携・運用‐

★データを精緻に管理し、効果的に利活用するためのデータ分析・AI化！
★属人的なデータ蓄積状況からの脱却！データ探査分析を意識した蓄積方法とは！

----------------------------------------------------------------------------------

■講師

(株)キャトルアイ・サイエンス　代表取締役　上島 豊 氏

■聴講料

1名につき 55,000円（消費税込，資料付）

〔1社2名以上同時申込の場合のみ１名につき49,500円(税込)〕

大学、公的機関、医療機関の方には割引制度があります。詳しくはお問い合わせください。

■Live配信セミナーの受講について
・下記リンクから視聴環境を確認の上、お申し込みください。
　→ https://zoom.us/test
・開催日が近くなりましたら、視聴用のURLとパスワードをメールにてご連絡申し上げます。セミナー開催日時に、視聴サイトにログインしていただき、ご視聴ください。
・Zoomクライアントは最新版にアップデートして使用してください。
　Webブラウザから視聴する場合は、Google Chrome、Firefox、Microsoft Edgeをご利用ください。
・セミナー資料はお申込み時にお知らせいただいた住所へお送りいたします。お申込みが直前の場合には、開催日までに資料の到着が間に合わないことがあります。ご了承ください。
・当日は講師への質問することができます。可能な範囲で個別質問にも対応いたします。
・本講座で使用される資料や配信動画は著作物であり、録音・録画・複写・転載・配布・上映・販売等を禁止いたします。
・本講座はお申し込みいただいた方のみ受講いただけます。複数端末から同時に視聴することや複数人での視聴は禁止いたします。
・Zoomのグループにパスワードを設定しています。部外者の参加を防ぐため、パスワードを外部に漏洩しないでください。万が一部外者が侵入した場合は管理者側で部外者の退出あるいはセミナーを終了いたします。

プログラム                                                                                    

【講演趣旨】
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、生成AIを実際の実験研究にどのように組み入れていくべきか？、どのように人材の育成を行っていくべきか？に関して、説明をさせていただきます。

【講演項目】
1.はじめに
　　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.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.報告書の共有及び生成AIに期待して良いこと、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と対策
　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.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.データ共有システム導入時に陥りがちな落とし穴とそれを防ぐ方策
　6-4.データ共有システム運用後陥りがちな落とし穴とそれを防ぐ方策

7.まとめ
【質疑応答】

セミナーの詳細についてはお気軽にお問い合わせください。

２名以上同時にお申込される場合、２人目以降の方の情報は【弊社への連絡事項がございましたら、こちらにお書きください】欄にご入力をお願いいたします。