Soumettre la recherche
Mettre en ligne
[Ridge-i] Deep Learning Lab - ディープラーニング 導入の課題と実例
•
Télécharger en tant que PPTX, PDF
•
2 j'aime
•
3,408 vues
Ridge-i
Suivre
Deep Learning Lab 第4回
Lire moins
Lire la suite
Ingénierie
Signaler
Partager
Signaler
Partager
1 sur 35
Télécharger maintenant
Recommandé
DLL Community Update 10月版
DLL Community Update 10月版
Hirono Jumpei
深層学習の導入で抱える課題とユースケース実例
深層学習の導入で抱える課題とユースケース実例
Hirono Jumpei
製造業の画像検査におけるDeep Learningの現状とdeep inspectionの特徴
製造業の画像検査におけるDeep Learningの現状とdeep inspectionの特徴
Rist Inc.
DLL #3 株式会社standard
DLL #3 株式会社standard
Hirono Jumpei
20171201 deep learning lab albert
20171201 deep learning lab albert
Hirono Jumpei
Deep inspectionの特徴
Deep inspectionの特徴
Rist Inc.
Dll講演資料 2017616
Dll講演資料 2017616
NORIKO HOSAKA
【20170414みんなのAI】機械学習の民主化を促進するAI活用術
【20170414みんなのAI】機械学習の民主化を促進するAI活用術
ナレッジコミュニケーション
Recommandé
DLL Community Update 10月版
DLL Community Update 10月版
Hirono Jumpei
深層学習の導入で抱える課題とユースケース実例
深層学習の導入で抱える課題とユースケース実例
Hirono Jumpei
製造業の画像検査におけるDeep Learningの現状とdeep inspectionの特徴
製造業の画像検査におけるDeep Learningの現状とdeep inspectionの特徴
Rist Inc.
DLL #3 株式会社standard
DLL #3 株式会社standard
Hirono Jumpei
20171201 deep learning lab albert
20171201 deep learning lab albert
Hirono Jumpei
Deep inspectionの特徴
Deep inspectionの特徴
Rist Inc.
Dll講演資料 2017616
Dll講演資料 2017616
NORIKO HOSAKA
【20170414みんなのAI】機械学習の民主化を促進するAI活用術
【20170414みんなのAI】機械学習の民主化を促進するAI活用術
ナレッジコミュニケーション
【金融機関アクセラレータ参加ベンチャーと学ぶAI】クラウド×AIで機械学習の民主化を目指すナレコムAI
【金融機関アクセラレータ参加ベンチャーと学ぶAI】クラウド×AIで機械学習の民主化を目指すナレコムAI
ナレッジコミュニケーション
一般社団法人 日本ディープラーニング協会の取り組み
一般社団法人 日本ディープラーニング協会の取り組み
Hirono Jumpei
深層学習の導入で抱える課題とユースケース実例
深層学習の導入で抱える課題とユースケース実例
Hirono Jumpei
[Track4-5] CDLEへの招待~CDLEハッカソンが、自分の人生のターニングポイントになった話~
[Track4-5] CDLEへの招待~CDLEハッカソンが、自分の人生のターニングポイントになった話~
Deep Learning Lab(ディープラーニング・ラボ)
DIMoの操作実演とSCSKが提供する研修プログラム
DIMoの操作実演とSCSKが提供する研修プログラム
Hirono Jumpei
【Dll3】scskプレゼン20170904
【Dll3】scskプレゼン20170904
Hirono Jumpei
データサイエンス業務と「ツール」
データサイエンス業務と「ツール」
The Japan DataScientist Society
【Dll171201】深層学習利活用の紹介 掲載用
【Dll171201】深層学習利活用の紹介 掲載用
Hirono Jumpei
ADセキュリティワークショップ WG活動報告 _第2回全体ミーティング
ADセキュリティワークショップ WG活動報告 _第2回全体ミーティング
ID-Based Security イニシアティブ
20171201_02_idb_security_wg発表_p
20171201_02_idb_security_wg発表_p
ID-Based Security イニシアティブ
[Japan Tech summit 2017] SEC 012
[Japan Tech summit 2017] SEC 012
Microsoft Tech Summit 2017
20180604 株式会社ディー・ディー・エス様
20180604 株式会社ディー・ディー・エス様
ID-Based Security イニシアティブ
[Track3-1] ビジネスで役立つAIリテラシーから機械学習エンジニアリングまで実践形式で学ぶ課題解決型AI人材育成とは?〜国内最大AIコンペサイトの...
[Track3-1] ビジネスで役立つAIリテラシーから機械学習エンジニアリングまで実践形式で学ぶ課題解決型AI人材育成とは?〜国内最大AIコンペサイトの...
Deep Learning Lab(ディープラーニング・ラボ)
Active Directory とシームレスにマルチに連携する多要素認証基盤の活用方法
Active Directory とシームレスにマルチに連携する多要素認証基盤の活用方法
ID-Based Security イニシアティブ
[Track1-1] AIの売上予測を発注システムに組み込んだリンガーハットのデータ活用戦略
[Track1-1] AIの売上予測を発注システムに組み込んだリンガーハットのデータ活用戦略
Deep Learning Lab(ディープラーニング・ラボ)
[Track3-2] AI活用人材の社内育成に関する取り組みについて ~ダイキン情報技術大学~
[Track3-2] AI活用人材の社内育成に関する取り組みについて ~ダイキン情報技術大学~
Deep Learning Lab(ディープラーニング・ラボ)
NRIが全社利用するビジネスチャットツールMattermostのご紹介
NRIが全社利用するビジネスチャットツールMattermostのご紹介
aslead
[Track1-5] 製造業における最新AI適用事例のご紹介
[Track1-5] 製造業における最新AI適用事例のご紹介
Deep Learning Lab(ディープラーニング・ラボ)
Microsoft Ignite! AI ソリューションアップデート
Microsoft Ignite! AI ソリューションアップデート
Hirono Jumpei
ChainerMNが即座に使える環境を提供するXTREME DNA HPC Cloud
ChainerMNが即座に使える環境を提供するXTREME DNA HPC Cloud
Hirono Jumpei
20171024 DLLab#04_PFN_Hiroshi Maruyama
20171024 DLLab#04_PFN_Hiroshi Maruyama
Preferred Networks
[Ridge-i] Dll講演資料 2017616
[Ridge-i] Dll講演資料 2017616
Ridge-i
Contenu connexe
Tendances
【金融機関アクセラレータ参加ベンチャーと学ぶAI】クラウド×AIで機械学習の民主化を目指すナレコムAI
【金融機関アクセラレータ参加ベンチャーと学ぶAI】クラウド×AIで機械学習の民主化を目指すナレコムAI
ナレッジコミュニケーション
一般社団法人 日本ディープラーニング協会の取り組み
一般社団法人 日本ディープラーニング協会の取り組み
Hirono Jumpei
深層学習の導入で抱える課題とユースケース実例
深層学習の導入で抱える課題とユースケース実例
Hirono Jumpei
[Track4-5] CDLEへの招待~CDLEハッカソンが、自分の人生のターニングポイントになった話~
[Track4-5] CDLEへの招待~CDLEハッカソンが、自分の人生のターニングポイントになった話~
Deep Learning Lab(ディープラーニング・ラボ)
DIMoの操作実演とSCSKが提供する研修プログラム
DIMoの操作実演とSCSKが提供する研修プログラム
Hirono Jumpei
【Dll3】scskプレゼン20170904
【Dll3】scskプレゼン20170904
Hirono Jumpei
データサイエンス業務と「ツール」
データサイエンス業務と「ツール」
The Japan DataScientist Society
【Dll171201】深層学習利活用の紹介 掲載用
【Dll171201】深層学習利活用の紹介 掲載用
Hirono Jumpei
ADセキュリティワークショップ WG活動報告 _第2回全体ミーティング
ADセキュリティワークショップ WG活動報告 _第2回全体ミーティング
ID-Based Security イニシアティブ
20171201_02_idb_security_wg発表_p
20171201_02_idb_security_wg発表_p
ID-Based Security イニシアティブ
[Japan Tech summit 2017] SEC 012
[Japan Tech summit 2017] SEC 012
Microsoft Tech Summit 2017
20180604 株式会社ディー・ディー・エス様
20180604 株式会社ディー・ディー・エス様
ID-Based Security イニシアティブ
[Track3-1] ビジネスで役立つAIリテラシーから機械学習エンジニアリングまで実践形式で学ぶ課題解決型AI人材育成とは?〜国内最大AIコンペサイトの...
[Track3-1] ビジネスで役立つAIリテラシーから機械学習エンジニアリングまで実践形式で学ぶ課題解決型AI人材育成とは?〜国内最大AIコンペサイトの...
Deep Learning Lab(ディープラーニング・ラボ)
Active Directory とシームレスにマルチに連携する多要素認証基盤の活用方法
Active Directory とシームレスにマルチに連携する多要素認証基盤の活用方法
ID-Based Security イニシアティブ
[Track1-1] AIの売上予測を発注システムに組み込んだリンガーハットのデータ活用戦略
[Track1-1] AIの売上予測を発注システムに組み込んだリンガーハットのデータ活用戦略
Deep Learning Lab(ディープラーニング・ラボ)
[Track3-2] AI活用人材の社内育成に関する取り組みについて ~ダイキン情報技術大学~
[Track3-2] AI活用人材の社内育成に関する取り組みについて ~ダイキン情報技術大学~
Deep Learning Lab(ディープラーニング・ラボ)
NRIが全社利用するビジネスチャットツールMattermostのご紹介
NRIが全社利用するビジネスチャットツールMattermostのご紹介
aslead
[Track1-5] 製造業における最新AI適用事例のご紹介
[Track1-5] 製造業における最新AI適用事例のご紹介
Deep Learning Lab(ディープラーニング・ラボ)
Tendances
(18)
【金融機関アクセラレータ参加ベンチャーと学ぶAI】クラウド×AIで機械学習の民主化を目指すナレコムAI
【金融機関アクセラレータ参加ベンチャーと学ぶAI】クラウド×AIで機械学習の民主化を目指すナレコムAI
一般社団法人 日本ディープラーニング協会の取り組み
一般社団法人 日本ディープラーニング協会の取り組み
深層学習の導入で抱える課題とユースケース実例
深層学習の導入で抱える課題とユースケース実例
[Track4-5] CDLEへの招待~CDLEハッカソンが、自分の人生のターニングポイントになった話~
[Track4-5] CDLEへの招待~CDLEハッカソンが、自分の人生のターニングポイントになった話~
DIMoの操作実演とSCSKが提供する研修プログラム
DIMoの操作実演とSCSKが提供する研修プログラム
【Dll3】scskプレゼン20170904
【Dll3】scskプレゼン20170904
データサイエンス業務と「ツール」
データサイエンス業務と「ツール」
【Dll171201】深層学習利活用の紹介 掲載用
【Dll171201】深層学習利活用の紹介 掲載用
ADセキュリティワークショップ WG活動報告 _第2回全体ミーティング
ADセキュリティワークショップ WG活動報告 _第2回全体ミーティング
20171201_02_idb_security_wg発表_p
20171201_02_idb_security_wg発表_p
[Japan Tech summit 2017] SEC 012
[Japan Tech summit 2017] SEC 012
20180604 株式会社ディー・ディー・エス様
20180604 株式会社ディー・ディー・エス様
[Track3-1] ビジネスで役立つAIリテラシーから機械学習エンジニアリングまで実践形式で学ぶ課題解決型AI人材育成とは?〜国内最大AIコンペサイトの...
[Track3-1] ビジネスで役立つAIリテラシーから機械学習エンジニアリングまで実践形式で学ぶ課題解決型AI人材育成とは?〜国内最大AIコンペサイトの...
Active Directory とシームレスにマルチに連携する多要素認証基盤の活用方法
Active Directory とシームレスにマルチに連携する多要素認証基盤の活用方法
[Track1-1] AIの売上予測を発注システムに組み込んだリンガーハットのデータ活用戦略
[Track1-1] AIの売上予測を発注システムに組み込んだリンガーハットのデータ活用戦略
[Track3-2] AI活用人材の社内育成に関する取り組みについて ~ダイキン情報技術大学~
[Track3-2] AI活用人材の社内育成に関する取り組みについて ~ダイキン情報技術大学~
NRIが全社利用するビジネスチャットツールMattermostのご紹介
NRIが全社利用するビジネスチャットツールMattermostのご紹介
[Track1-5] 製造業における最新AI適用事例のご紹介
[Track1-5] 製造業における最新AI適用事例のご紹介
En vedette
Microsoft Ignite! AI ソリューションアップデート
Microsoft Ignite! AI ソリューションアップデート
Hirono Jumpei
ChainerMNが即座に使える環境を提供するXTREME DNA HPC Cloud
ChainerMNが即座に使える環境を提供するXTREME DNA HPC Cloud
Hirono Jumpei
20171024 DLLab#04_PFN_Hiroshi Maruyama
20171024 DLLab#04_PFN_Hiroshi Maruyama
Preferred Networks
[Ridge-i] Dll講演資料 2017616
[Ridge-i] Dll講演資料 2017616
Ridge-i
S07 Azure バックアップを利用したオンプレミス Windows Server のバックアップ
S07 Azure バックアップを利用したオンプレミス Windows Server のバックアップ
Microsoft Azure Japan
Tutorial-DeepLearning-PCSJ-IMPS2016
Tutorial-DeepLearning-PCSJ-IMPS2016
Takayoshi Yamashita
最近のSingle Shot系の物体検出のアーキテクチャまとめ
最近のSingle Shot系の物体検出のアーキテクチャまとめ
Yusuke Uchida
Scikit learnで学ぶ機械学習入門
Scikit learnで学ぶ機械学習入門
Takami Sato
En vedette
(8)
Microsoft Ignite! AI ソリューションアップデート
Microsoft Ignite! AI ソリューションアップデート
ChainerMNが即座に使える環境を提供するXTREME DNA HPC Cloud
ChainerMNが即座に使える環境を提供するXTREME DNA HPC Cloud
20171024 DLLab#04_PFN_Hiroshi Maruyama
20171024 DLLab#04_PFN_Hiroshi Maruyama
[Ridge-i] Dll講演資料 2017616
[Ridge-i] Dll講演資料 2017616
S07 Azure バックアップを利用したオンプレミス Windows Server のバックアップ
S07 Azure バックアップを利用したオンプレミス Windows Server のバックアップ
Tutorial-DeepLearning-PCSJ-IMPS2016
Tutorial-DeepLearning-PCSJ-IMPS2016
最近のSingle Shot系の物体検出のアーキテクチャまとめ
最近のSingle Shot系の物体検出のアーキテクチャまとめ
Scikit learnで学ぶ機械学習入門
Scikit learnで学ぶ機械学習入門
Similaire à [Ridge-i] Deep Learning Lab - ディープラーニング 導入の課題と実例
深層学習の導入で抱える課題とユースケース実例
深層学習の導入で抱える課題とユースケース実例
Hirono Jumpei
Dlc ri
Dlc ri
Hirokuni Uchida
コグニティブ・ファクトリーの実像とIoT時代に求められるデータ・サイエンティストとは?ー製造業の視点からー
コグニティブ・ファクトリーの実像とIoT時代に求められるデータ・サイエンティストとは?ー製造業の視点からー
The Japan DataScientist Society
ドライブレコーダーの Scene Text Recognitionにおける Multi-task Learning
ドライブレコーダーの Scene Text Recognitionにおける Multi-task Learning
Fumihiko Takahashi
[GTC 2018] GTCテクニカルセッション_0913 Ridge-i発表資料
[GTC 2018] GTCテクニカルセッション_0913 Ridge-i発表資料
Ridge-i
Microsoft de:code 2019 AI05 session
Microsoft de:code 2019 AI05 session
Ridge-i
「企業のデジタルトランスフォーメーション ビッグデータ利活用に関する活動と課題」
「企業のデジタルトランスフォーメーション ビッグデータ利活用に関する活動と課題」
scirexcenter
Deep Learning Lab 2周年 - Deeplearning 導入 PoCを超えるノウハウ
Deep Learning Lab 2周年 - Deeplearning 導入 PoCを超えるノウハウ
Ridge-i
Ridge-iの画像解析アルゴリズムの実用事例の紹介_DLLAB Case Study Day
Ridge-iの画像解析アルゴリズムの実用事例の紹介_DLLAB Case Study Day
Deep Learning Lab(ディープラーニング・ラボ)
[GTC 2018] DGXフォーラム Ridge-i発表資料
[GTC 2018] DGXフォーラム Ridge-i発表資料
Ridge-i
データの見える化で進めるデータドリブンカンパニー #devsumiC
データの見える化で進めるデータドリブンカンパニー #devsumiC
Yahoo!デベロッパーネットワーク
Struggling with BIGDATA -リクルートおけるデータサイエンス/エンジニアリング-
Struggling with BIGDATA -リクルートおけるデータサイエンス/エンジニアリング-
Recruit Technologies
事業会社が開催する人材育成プログラム ”Data Science BOOTCAMP”とは?
事業会社が開催する人材育成プログラム ”Data Science BOOTCAMP”とは?
Norihiko Nakabayashi
JapanTaxiにおけるML Ops 〜機械学習の開発運用プロセス〜
JapanTaxiにおけるML Ops 〜機械学習の開発運用プロセス〜
Tetsutaro Watanabe
JapanTaxiが保有するデータとデータ分析について
JapanTaxiが保有するデータとデータ分析について
Masatoshi Ida
JPC2017 [D1-1] MS HoloLens と MS Azure で実現する製造業における経営の意思決定変革
JPC2017 [D1-1] MS HoloLens と MS Azure で実現する製造業における経営の意思決定変革
MPN Japan
[総務省宇宙データ活用] 4次元サイバーシティ タスクフォース会合資料
[総務省宇宙データ活用] 4次元サイバーシティ タスクフォース会合資料
Ridge-i
広告における機械学習の適用例とシステムについて
広告における機械学習の適用例とシステムについて
Yahoo!デベロッパーネットワーク
[GTC 2018] Inception Award Ridge-i発表資料
[GTC 2018] Inception Award Ridge-i発表資料
Ridge-i
MANABIYA 2018 DB kinoshita DB for AItech
MANABIYA 2018 DB kinoshita DB for AItech
Yasufumi Kinoshita
Similaire à [Ridge-i] Deep Learning Lab - ディープラーニング 導入の課題と実例
(20)
深層学習の導入で抱える課題とユースケース実例
深層学習の導入で抱える課題とユースケース実例
Dlc ri
Dlc ri
コグニティブ・ファクトリーの実像とIoT時代に求められるデータ・サイエンティストとは?ー製造業の視点からー
コグニティブ・ファクトリーの実像とIoT時代に求められるデータ・サイエンティストとは?ー製造業の視点からー
ドライブレコーダーの Scene Text Recognitionにおける Multi-task Learning
ドライブレコーダーの Scene Text Recognitionにおける Multi-task Learning
[GTC 2018] GTCテクニカルセッション_0913 Ridge-i発表資料
[GTC 2018] GTCテクニカルセッション_0913 Ridge-i発表資料
Microsoft de:code 2019 AI05 session
Microsoft de:code 2019 AI05 session
「企業のデジタルトランスフォーメーション ビッグデータ利活用に関する活動と課題」
「企業のデジタルトランスフォーメーション ビッグデータ利活用に関する活動と課題」
Deep Learning Lab 2周年 - Deeplearning 導入 PoCを超えるノウハウ
Deep Learning Lab 2周年 - Deeplearning 導入 PoCを超えるノウハウ
Ridge-iの画像解析アルゴリズムの実用事例の紹介_DLLAB Case Study Day
Ridge-iの画像解析アルゴリズムの実用事例の紹介_DLLAB Case Study Day
[GTC 2018] DGXフォーラム Ridge-i発表資料
[GTC 2018] DGXフォーラム Ridge-i発表資料
データの見える化で進めるデータドリブンカンパニー #devsumiC
データの見える化で進めるデータドリブンカンパニー #devsumiC
Struggling with BIGDATA -リクルートおけるデータサイエンス/エンジニアリング-
Struggling with BIGDATA -リクルートおけるデータサイエンス/エンジニアリング-
事業会社が開催する人材育成プログラム ”Data Science BOOTCAMP”とは?
事業会社が開催する人材育成プログラム ”Data Science BOOTCAMP”とは?
JapanTaxiにおけるML Ops 〜機械学習の開発運用プロセス〜
JapanTaxiにおけるML Ops 〜機械学習の開発運用プロセス〜
JapanTaxiが保有するデータとデータ分析について
JapanTaxiが保有するデータとデータ分析について
JPC2017 [D1-1] MS HoloLens と MS Azure で実現する製造業における経営の意思決定変革
JPC2017 [D1-1] MS HoloLens と MS Azure で実現する製造業における経営の意思決定変革
[総務省宇宙データ活用] 4次元サイバーシティ タスクフォース会合資料
[総務省宇宙データ活用] 4次元サイバーシティ タスクフォース会合資料
広告における機械学習の適用例とシステムについて
広告における機械学習の適用例とシステムについて
[GTC 2018] Inception Award Ridge-i発表資料
[GTC 2018] Inception Award Ridge-i発表資料
MANABIYA 2018 DB kinoshita DB for AItech
MANABIYA 2018 DB kinoshita DB for AItech
[Ridge-i] Deep Learning Lab - ディープラーニング 導入の課題と実例
1.
ディープラーニング 導入の課題と実例 2017/10/24 Deep
Learning Lab 第4回
2.
1©2017 Ridge-i All
Rights Reserved. • Ridge-i について • AI導入の課題 • 課題の実例 • さいごに Agenda
3.
2©2017 Ridge-i All
Rights Reserved. Ridge-i について
4.
3©2017 Ridge-i All
Rights Reserved. Ridge-i について ビジネスニーズにあった最適なAI技術を追求・提供します パートナーシップ Employees 10名 + α 主に機械学習エンジニア、 コンサルタント出身 外国人比率 50% Office 千代田区大手町 1-6-1-442 事業領域 AI コンサルティング AI ソリューション開発 例:モノクロ映像 カラー化AI 特にディープラーニング 機械学習、強化学習 会社概要 Style 裁量労働制
5.
4©2017 Ridge-i All
Rights Reserved. RI 自社開発事例 モノクロ映像自動彩色AI 大相撲 (5/21 NHKで放送) NHKスペシャル「戦後ゼロ年 東京 ブラックホール 1945-1946」 (8/20放送)
6.
5©2017 Ridge-i All
Rights Reserved. Ridge-i 担当について 柳原 尚史 • 小4からプログラマー。大学時代はプレイステーションのゲーム開発 • ブラックロック、HSBC、大和証券でリスク分析、アルゴリズム取引の開発 • 証券アナリスト、ネットワークスペシャリスト、宅建 など資格多数 趣味はトレイルランニング 富士山1日3往復 モンブラン170Kmを45時間寝ずに走破 数式に眠くならない強さ
7.
6©2017 Ridge-i All
Rights Reserved. AI導入の課題
8.
7©2017 Ridge-i All
Rights Reserved. ©2017 Ridge-i All Rights Reserved. 相談 検討 開始 活用 戦略 技術 詳細 開発 POC 周辺開発 実業務に デプロイ 多多 中 中 少 AI導入 プロセス 人的 リソース 人材不足が AI導入を阻む最大のボトルネック AIで何か したい 課題と方向性 省力化・新商品・ 新ビジネス データ戦略 どの技術と データの組合せで 解決 実装・学習・検証 チューニング AI導入 達成 AI導入の流れとボトルネック
9.
8©2017 Ridge-i All
Rights Reserved. ● 本来あるべき姿 「この課題はAIなら解決できるのか?」 「解決する事によるインパクトはなにか?」 「そのために必要なデータは何か?」 活用戦略の課題 導入自体の目的化 ● ありがちな問題 「とにかく AIを入れたい」 「いまあるデータから宝が見つからないか?」 検討 開始 活用 戦略 技術 詳細 開発 POC 周辺 開発
10.
9©2017 Ridge-i All
Rights Reserved. 技術詳細の課題 • AIで 運搬機器を映像で検出し、最適な動線解析を行いたい • AIで 白黒映像の彩色作業の手間を削減したい • AIで 炉の制御を自動化したい • AIで 電力マネージメントを最適化したい • AIで 製造装置の異常の兆候を捉えたい • AIで 徘徊老人を探したい AIが意味するところは玉石混合 検討 開始 活用 戦略 技術 詳細 開発 POC 周辺 開発
11.
10©2017 Ridge-i All
Rights Reserved. 「AI」という言葉の曖昧さ 階層ベイズ MCMC GLMM 最尤法 ベイズ理論 主成分分析、GLM 検定 相関、共分散 確率、正規分布、分散 機械学習 統計解析 機械翻訳 トピックモデル 文章生成 ディープラーニング (RNN, Skip-gram) BWT, Wavelet Tree TF-IDF, Word2Vec 検索、N-Gram 形態素解析 自然言語解析 どれでもAI 分散協調 深層強化学習 強化学習 ディープラーニング LSTM, DBM, CNN, RNN 協調フィルタリング SVM, K-Means, 近傍法 探索木 ロジスティック回帰 最小二乗法 + ナップザック問題、動的計画法、最適化問題等も 検討 開始 活用 戦略 技術 詳細 開発 POC 周辺 開発
12.
11©2017 Ridge-i All
Rights Reserved. ディープラーニングのパターン 検討 開始 活用 戦略 技術 詳細 開発 POC 周辺 開発 汎用最強はなくて、課題毎に複数試す必要 アンサンブル、ブースティングみたいに組合せも
13.
12©2017 Ridge-i All
Rights Reserved. ©2017 Ridge-i All Rights Reserved. ● ユーザーがAI活用を企画するための知識・理解の不足 ● あいまいなAIの定義 ● 日々進化するディープラーニング ニーズとシーズのギャップ 相談 検討開始 活用 戦略 技術 詳細検討 開発 実証実験 周辺開発 実業務に デプロイ 一人で向こうまで行けって そんな無茶な。。 (AI推進 担当) 深い谷 AI導入 できた!
14.
13©2017 Ridge-i All
Rights Reserved. Ridge-i の役割 導入支援、カスタマイズ Ridge-iが自社・共同開発 コンサルテーションフェーズ ソリューション開発フェーズ 課題と効果 最適な技術構成 複数のAIと他技術を どう組み合わせるか AIの導入価値の判定 PFN – DIMo、他AIを活用 自社・共同開発 相談 検討開始 活用 戦略 技術 詳細検討 開発 実証実験 周辺開発 実業務に デプロイ 導入 達成 AI導入 プロセス パートナー企業
15.
14©2017 Ridge-i All
Rights Reserved. 課題の実例
16.
15©2017 Ridge-i All
Rights Reserved. ケース1 活用戦略の必要性 「ビッグデータあるある」
17.
16©2017 Ridge-i All
Rights Reserved. ビッグデータ活用あるある ● 車の任意の画像から、査定額を見積りたい ビッグデータを使いたい あるある ● 「いまあるビッグデータを使ってほしい」
18.
17©2017 Ridge-i All
Rights Reserved. ビッグデータあるある その1 ● データが不整形(画像の縦横比率もバラバラ) ● 対象物体が映っているアングルが揃っていない ● 対象物体以外に色々映りすぎ ● 顧客データのマスキング、セキュリティ確保 教師データを抜き出すだけで一つのプロジェクト
19.
18©2017 Ridge-i All
Rights Reserved. ビッグデータあるある その2 ● ラベルに大きな偏り ● 画像だけじゃ わからないケース(内装) ● 同じ画像でも、作業者、画像外要因で結果が違うことも 現状の誤った出力に、モデルをあわせる、 という本末転倒な結果にも。 入力データにモデル構築するのに十分な情報が入っていない
20.
19©2017 Ridge-i All
Rights Reserved. ケース 1 のまとめ 将来の競争優位のために 早めのデータマネージメント戦略が重要 いまあるデータに拘らない柔軟な姿勢 相談 検討開始 活用 戦略 技術 詳細検討 開発 実証実験 周辺開発 実業務に デプロイ 販売 サポート やっておけばよかった場所 機械学習・ディープラーニングを活用しやすい データを貯めよう
21.
20©2017 Ridge-i All
Rights Reserved. ケース2 技術詳細設計の必要性 「多目的は無目的」
22.
21©2017 Ridge-i All
Rights Reserved. 2年前に作った汎用AI
23.
22©2017 Ridge-i All
Rights Reserved. 放送レベルに特化させたAI 実証実験映像(4K)
24.
23©2017 Ridge-i All
Rights Reserved. WEB上の汎用AIサービス Ridge-i + NHK ART 汎用的なAIと、RI彩色技術との比較
25.
24©2017 Ridge-i All
Rights Reserved. モノクロ映像自動彩色AI - 活用実例 大相撲 (5/21 NHKで放送) NHKスペシャル「戦後ゼロ年 東京 ブラックホール 1945-1946」 (8/20放送) 数百倍の省力化を実現しながらも、放送クオリティを確保
26.
25©2017 Ridge-i All
Rights Reserved. ケース2 まとめ ©2017 Ridge-i All Rights Reserved. ビジネス要件を満たす条件の見極め 相談 検討開始 活用 戦略 技術 詳細検討 開発 実証実験 周辺開発 実業務に デプロイ 販売 サポート やってよかった場所 目的が定まれば、技術の最適化が可能 汎用モデルはビジネスでは使えないことも
27.
26©2017 Ridge-i All
Rights Reserved. ケース3 開発力の必要性 「ブラックボックスじゃ困るんだよ」
28.
27©2017 Ridge-i All
Rights Reserved. ケース3 ブラックボックス問題 ■よくある質問 「AIが理由を説明できないと、問い合わせがあった時に困る」 「じゃぁ、決定木でも使えば?精度は落ちるかもね」 ■技術者的 模範解答 囲碁有段者 実際の解説 「単純にして荒々しい一手」 、 「そこの1目が厚いと思ったので」 「人間はもっともらしく言うのが得意なだけ」
29.
28©2017 Ridge-i All
Rights Reserved. DNN Prediction 2輪車 飛行機 Visual Explanation R&D – Visual Explanations of DNN output ディープラーニングが注目した箇所を図示する機能を追加
30.
29©2017 Ridge-i All
Rights Reserved. ケース3 まとめ ©2017 Ridge-i All Rights Reserved. ディープラーニングの構造まで踏み込んだ技術力 相談 検討開始 活用 戦略 技術 詳細検討 開発 実証実験 周辺開発 実業務に デプロイ 販売 サポート 強くてよかった場所 ニーズをコードまで落とす理解力
31.
30©2017 Ridge-i All
Rights Reserved. おまけ 社内R&D 事例
32.
31©2017 Ridge-i All
Rights Reserved. R&D case - Super Resolution Low quality (Input) Deep Learning (Output) Grand Truth 1/36 1/1 1/1
33.
32©2017 Ridge-i All
Rights Reserved. R&D case - Depth estimation (single camera) Single RGB Image (Input) Deep Learning (Output)
34.
33©2017 Ridge-i All
Rights Reserved. さいごに
35.
34©2017 Ridge-i All
Rights Reserved. どの課題に、どのAI技術を使うのか、見極めが重要 お気軽にご相談ください 問い合わせ contact@ridge-i.com 相談 検討 開始 活用 戦略 技術 詳細 開発 POC 周辺開発 実業務に デプロイ AI導入 達成 新しい技術とビジネス機会を一緒に見つけていきましょう! (We’re hiring!!)
Télécharger maintenant