製造業関連情報総合ポータルサイト@engineer
WEB営業力強化支援サービスのご案内
研究・技術・事業開発のためのセミナー/書籍 サイエンス&テクノロジー
イベント

9/20 AI・機械学習の従来型研究開発への 現実的な組み込み方および、 データベースの構築と機械学習との連携・運用

  • このエントリーをはてなブックマークに追加
  • @engineer記事クリップに登録
基盤技術・材料共通技術 ICT・情報処理  / 2024年08月06日 /  医療・バイオ 化学・樹脂
イベント名 AI・機械学習の従来型研究開発への 現実的な組み込み方および、 データベースの構築と機械学習との連携・運用
開催期間 2024年09月20日(金)
10:30~16:30
【アーカイブの視聴期間】
視聴期間:終了翌営業日から7日間[12/21~12/29]を予定
※動画は未編集のものになります。
※視聴ページは、マイページにリンクを設定します。
※会社・自宅にいながら受講可能です※
会場名 【ZoomによるLive配信セミナー】アーカイブ(見逃し)配信付き
会場の住所 オンライン
お申し込み期限日 2024年09月20日(金)10時
お申し込み受付人数 30  名様
お申し込み

AI・機械学習の従来型研究開発への
現実的な組み込み方および、
データベースの構築と機械学習との連携・運用

~AI・機械学習を実運用にマッチさせる際の課題とその回避策~
~DX化に向けたデータ蓄積・共有・利活用体制の改善~

 

受講可能な形式:【Live配信(アーカイブ配信付)】のみ

「研究開発にAIを導入したが、従来の方法との相性が悪い。」「研究者がAI・機械学習に対してアレルギー反応を起こしている。」など、研究開発にAI・機械学習を導入したが実運用に上手くマッチしていないと感じている方におすすめです。

研究開発のDX化の要となるデータ蓄積・共有・利活用の効果的な方法、AI・機械学習を従来型の実験に組み込む際の課題と方法、データベースの構築と機械学習との連携・運用、データベースの導入・運用時に陥りやすい課題と回避策などについて、R&D部門のデータ活用の現場に精通している講師が現実に即した内容を解説します。
 
【得られる知識】
・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
 
【対象】
・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

【Live配信受講者 限定特典のご案内】
当日ご参加いただいたLive(Zoom)配信受講者限定で、特典(無料)として
「アーカイブ配信」の閲覧権が付与されます。
オンライン講習特有の回線トラブルや聞き逃し、振り返り学習にぜひ活用ください。 

 

講師

 

(株)キャトルアイ・サイエンス 代表取締役 博士(工学) 上島 豊 氏
【講師詳細はこちら】

 

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について、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を解説させていただきます。

 

セミナー講演内容

 

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.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?
 4.1 機械学習などのMIの特性と注意すべき点
 4.2 機械学習などのMIを研究へ組み込む方法
 
5.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
 5.1 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?
 5.2 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
 5.3 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
 5.4 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

 □質疑応答□

※本セミナーでは、講師が指名し皆様にご発言いただく場面がございます。

 

※詳細・お申込みは上記

「お申し込みはこちらから」(遷移先WEBサイト)よりご確認ください。

サイト内検索
ページカテゴリ一覧
新着ページ
月別ページ