Suche senden
Hochladen
AIとの付き合い方
•
2 gefällt mir
•
2,397 views
Deep Learning Lab(ディープラーニング・ラボ)
Folgen
DLLAB DAY 2018 Track2 15:00-15:40
Weniger lesen
Mehr lesen
Technologie
Melden
Teilen
Melden
Teilen
1 von 19
Jetzt herunterladen
Downloaden Sie, um offline zu lesen
Empfohlen
[基調講演] Deep Learning: IoT's Driving Engine
[基調講演] Deep Learning: IoT's Driving Engine
Deep Learning Lab(ディープラーニング・ラボ)
20190924 沖縄ISCO AI セミナー: AIを自分の糧とするためのコツ
20190924 沖縄ISCO AI セミナー: AIを自分の糧とするためのコツ
Daiyu Hatakeyama
ML Ops 実装の現場から
ML Ops 実装の現場から
慎一郎 畠
HPCへの期待(NCAトップガンセミナー自己紹介)
HPCへの期待(NCAトップガンセミナー自己紹介)
Miki Yutani
企業情報システムにおける先進的な技術の活用
企業情報システムにおける先進的な技術の活用
Miki Yutani
CNET Japan Live - ビジネスにAgilityとFlexibilityを与える Data x IoT x AI 最前線
CNET Japan Live - ビジネスにAgilityとFlexibilityを与える Data x IoT x AI 最前線
Daiyu Hatakeyama
東北大学AIE - 機械学習入門編
東北大学AIE - 機械学習入門編
Daiyu Hatakeyama
早稲田大学 理工メディアセンター 機械学習とAI セミナー: 機械学習中級編
早稲田大学 理工メディアセンター 機械学習とAI セミナー: 機械学習中級編
Daiyu Hatakeyama
Empfohlen
[基調講演] Deep Learning: IoT's Driving Engine
[基調講演] Deep Learning: IoT's Driving Engine
Deep Learning Lab(ディープラーニング・ラボ)
20190924 沖縄ISCO AI セミナー: AIを自分の糧とするためのコツ
20190924 沖縄ISCO AI セミナー: AIを自分の糧とするためのコツ
Daiyu Hatakeyama
ML Ops 実装の現場から
ML Ops 実装の現場から
慎一郎 畠
HPCへの期待(NCAトップガンセミナー自己紹介)
HPCへの期待(NCAトップガンセミナー自己紹介)
Miki Yutani
企業情報システムにおける先進的な技術の活用
企業情報システムにおける先進的な技術の活用
Miki Yutani
CNET Japan Live - ビジネスにAgilityとFlexibilityを与える Data x IoT x AI 最前線
CNET Japan Live - ビジネスにAgilityとFlexibilityを与える Data x IoT x AI 最前線
Daiyu Hatakeyama
東北大学AIE - 機械学習入門編
東北大学AIE - 機械学習入門編
Daiyu Hatakeyama
早稲田大学 理工メディアセンター 機械学習とAI セミナー: 機械学習中級編
早稲田大学 理工メディアセンター 機械学習とAI セミナー: 機械学習中級編
Daiyu Hatakeyama
学生のための AI で考える近未来
学生のための AI で考える近未来
Daiyu Hatakeyama
SES2020 IoTアーキテクチャ・デザインパターン
SES2020 IoTアーキテクチャ・デザインパターン
Hironori Washizaki
Mobility Technologiesのデータ分析基盤・データ利活用事例のご紹介
Mobility Technologiesのデータ分析基盤・データ利活用事例のご紹介
Chigusa Junichiro
xAI meetup #1
xAI meetup #1
ru pic
KIXS Vol.000: Microsoft Cognitive Services 入門 & Azure サーバー管理ツール
KIXS Vol.000: Microsoft Cognitive Services 入門 & Azure サーバー管理ツール
Ayako Omori
深層学習による製造業のスマート化と産業応用の将来展望(クオリティフォーラム2020講演資料)
深層学習による製造業のスマート化と産業応用の将来展望(クオリティフォーラム2020講演資料)
Preferred Networks
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
DXの推進において企業内に求められる人材やデジタル人材の育て方
DXの推進において企業内に求められる人材やデジタル人材の育て方
Hironori Washizaki
Intel AI in Healthcare 各国事例からみるAIとの向き合い方
Intel AI in Healthcare 各国事例からみるAIとの向き合い方
Deep Learning Lab(ディープラーニング・ラボ)
Java Küche Introducing Cognitive Services_20171007
Java Küche Introducing Cognitive Services_20171007
Ayako Omori
リクルートが実践で学んできた“セルフBI”推進に求められる3つの要素
リクルートが実践で学んできた“セルフBI”推進に求められる3つの要素
Recruit Technologies
可視化の先にあるものとは
可視化の先にあるものとは
Core Concept Technologies
ビッグデータ
ビッグデータ
Shigeru Kishikawa
キャリアコンサルタント向け「企業で求められるITスキルの実態」と実践スキル向上研修
キャリアコンサルタント向け「企業で求められるITスキルの実態」と実践スキル向上研修
Daiyu Hatakeyama
機械学習ライブラリ「Spark MLlib」で作る アニメレコメンドシステムver 1.1
機械学習ライブラリ「Spark MLlib」で作る アニメレコメンドシステムver 1.1
Junichi Noda
メルペイの与信モデリングで安全・安心のために実践していること
メルペイの与信モデリングで安全・安心のために実践していること
Yuhi Kawakami
GPUいらずの高速動画異常検知
GPUいらずの高速動画異常検知
Core Concept Technologies
MISO20200530
MISO20200530
陽平 山口
ShangriLa Anime APIを利用してアニメ関連のビッグデータ解析を最速で行う
ShangriLa Anime APIを利用してアニメ関連のビッグデータ解析を最速で行う
Junichi Noda
秋葉原IT戦略研究所のご紹介
秋葉原IT戦略研究所のご紹介
Junichi Noda
kintone Cafe Japan 2016: kintone x 機械学習で実現する簡単名刺管理
kintone Cafe Japan 2016: kintone x 機械学習で実現する簡単名刺管理
Takahiro Kubo
Dyna traceによるuxマネジメント
Dyna traceによるuxマネジメント
伸夫 森本
Weitere ähnliche Inhalte
Was ist angesagt?
学生のための AI で考える近未来
学生のための AI で考える近未来
Daiyu Hatakeyama
SES2020 IoTアーキテクチャ・デザインパターン
SES2020 IoTアーキテクチャ・デザインパターン
Hironori Washizaki
Mobility Technologiesのデータ分析基盤・データ利活用事例のご紹介
Mobility Technologiesのデータ分析基盤・データ利活用事例のご紹介
Chigusa Junichiro
xAI meetup #1
xAI meetup #1
ru pic
KIXS Vol.000: Microsoft Cognitive Services 入門 & Azure サーバー管理ツール
KIXS Vol.000: Microsoft Cognitive Services 入門 & Azure サーバー管理ツール
Ayako Omori
深層学習による製造業のスマート化と産業応用の将来展望(クオリティフォーラム2020講演資料)
深層学習による製造業のスマート化と産業応用の将来展望(クオリティフォーラム2020講演資料)
Preferred Networks
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
DXの推進において企業内に求められる人材やデジタル人材の育て方
DXの推進において企業内に求められる人材やデジタル人材の育て方
Hironori Washizaki
Intel AI in Healthcare 各国事例からみるAIとの向き合い方
Intel AI in Healthcare 各国事例からみるAIとの向き合い方
Deep Learning Lab(ディープラーニング・ラボ)
Java Küche Introducing Cognitive Services_20171007
Java Küche Introducing Cognitive Services_20171007
Ayako Omori
リクルートが実践で学んできた“セルフBI”推進に求められる3つの要素
リクルートが実践で学んできた“セルフBI”推進に求められる3つの要素
Recruit Technologies
可視化の先にあるものとは
可視化の先にあるものとは
Core Concept Technologies
ビッグデータ
ビッグデータ
Shigeru Kishikawa
キャリアコンサルタント向け「企業で求められるITスキルの実態」と実践スキル向上研修
キャリアコンサルタント向け「企業で求められるITスキルの実態」と実践スキル向上研修
Daiyu Hatakeyama
機械学習ライブラリ「Spark MLlib」で作る アニメレコメンドシステムver 1.1
機械学習ライブラリ「Spark MLlib」で作る アニメレコメンドシステムver 1.1
Junichi Noda
メルペイの与信モデリングで安全・安心のために実践していること
メルペイの与信モデリングで安全・安心のために実践していること
Yuhi Kawakami
GPUいらずの高速動画異常検知
GPUいらずの高速動画異常検知
Core Concept Technologies
MISO20200530
MISO20200530
陽平 山口
ShangriLa Anime APIを利用してアニメ関連のビッグデータ解析を最速で行う
ShangriLa Anime APIを利用してアニメ関連のビッグデータ解析を最速で行う
Junichi Noda
秋葉原IT戦略研究所のご紹介
秋葉原IT戦略研究所のご紹介
Junichi Noda
Was ist angesagt?
(20)
学生のための AI で考える近未来
学生のための AI で考える近未来
SES2020 IoTアーキテクチャ・デザインパターン
SES2020 IoTアーキテクチャ・デザインパターン
Mobility Technologiesのデータ分析基盤・データ利活用事例のご紹介
Mobility Technologiesのデータ分析基盤・データ利活用事例のご紹介
xAI meetup #1
xAI meetup #1
KIXS Vol.000: Microsoft Cognitive Services 入門 & Azure サーバー管理ツール
KIXS Vol.000: Microsoft Cognitive Services 入門 & Azure サーバー管理ツール
深層学習による製造業のスマート化と産業応用の将来展望(クオリティフォーラム2020講演資料)
深層学習による製造業のスマート化と産業応用の将来展望(クオリティフォーラム2020講演資料)
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
DXの推進において企業内に求められる人材やデジタル人材の育て方
DXの推進において企業内に求められる人材やデジタル人材の育て方
Intel AI in Healthcare 各国事例からみるAIとの向き合い方
Intel AI in Healthcare 各国事例からみるAIとの向き合い方
Java Küche Introducing Cognitive Services_20171007
Java Küche Introducing Cognitive Services_20171007
リクルートが実践で学んできた“セルフBI”推進に求められる3つの要素
リクルートが実践で学んできた“セルフBI”推進に求められる3つの要素
可視化の先にあるものとは
可視化の先にあるものとは
ビッグデータ
ビッグデータ
キャリアコンサルタント向け「企業で求められるITスキルの実態」と実践スキル向上研修
キャリアコンサルタント向け「企業で求められるITスキルの実態」と実践スキル向上研修
機械学習ライブラリ「Spark MLlib」で作る アニメレコメンドシステムver 1.1
機械学習ライブラリ「Spark MLlib」で作る アニメレコメンドシステムver 1.1
メルペイの与信モデリングで安全・安心のために実践していること
メルペイの与信モデリングで安全・安心のために実践していること
GPUいらずの高速動画異常検知
GPUいらずの高速動画異常検知
MISO20200530
MISO20200530
ShangriLa Anime APIを利用してアニメ関連のビッグデータ解析を最速で行う
ShangriLa Anime APIを利用してアニメ関連のビッグデータ解析を最速で行う
秋葉原IT戦略研究所のご紹介
秋葉原IT戦略研究所のご紹介
Ähnlich wie AIとの付き合い方
kintone Cafe Japan 2016: kintone x 機械学習で実現する簡単名刺管理
kintone Cafe Japan 2016: kintone x 機械学習で実現する簡単名刺管理
Takahiro Kubo
Dyna traceによるuxマネジメント
Dyna traceによるuxマネジメント
伸夫 森本
誰もが AI を使う時代、作る時代
誰もが AI を使う時代、作る時代
Yoshitaka Seo
人類kintoneマスター化計画
人類kintoneマスター化計画
Cybozucommunity
IT業界理解お助け資料V2.0
IT業界理解お助け資料V2.0
Jun Chiba
ブロックチェーンと仮想通貨 -- 新しいビジネスに挑戦
ブロックチェーンと仮想通貨 -- 新しいビジネスに挑戦
Yuto Takei
[CTO of the year 2018] Lean AI開発により、3ヶ月でプロダクトマーケットフィット、1年で大手塾の2割に導入するまで至った話
[CTO of the year 2018] Lean AI開発により、3ヶ月でプロダクトマーケットフィット、1年で大手塾の2割に導入するまで至った話
Takanori Kawahara
ユーザ・エクスペリエンスからソーシャル・エクスペリエンスへ:現代ネットビジネスから読み解く「人間」「コンピュータ」「サービス」とは何か (in Japan...
ユーザ・エクスペリエンスからソーシャル・エクスペリエンスへ:現代ネットビジネスから読み解く「人間」「コンピュータ」「サービス」とは何か (in Japan...
Toshihiko Yamakami
05.日本マイクロソフト(株)_発表資料
05.日本マイクロソフト(株)_発表資料
wagatuma
エンタープライズソーシャルに必要な協力のためのインセンティブ
エンタープライズソーシャルに必要な協力のためのインセンティブ
Naohiko Maeda
「マシンリーダビリティ」がユーザー体験を加速する
「マシンリーダビリティ」がユーザー体験を加速する
Yoshinori OHTA
アドネットワーク凛 媒体資料
アドネットワーク凛 媒体資料
Harumasa Matsushita
みんなのPython勉強会#21 澪標アナリティクス 井原様
みんなのPython勉強会#21 澪標アナリティクス 井原様
Takeshi Akutsu
雇用・働き方の未来 人とインテリジェント・テクノロジー
雇用・働き方の未来 人とインテリジェント・テクノロジー
Accenture Japan
MOV お客さま探索ナビの GCP ML開発フローについて
MOV お客さま探索ナビの GCP ML開発フローについて
DeNA
MOV お客さま探索ナビの GCP ML開発フローについて
MOV お客さま探索ナビの GCP ML開発フローについて
Takashi Suzuki
JPC2018[D1]「信頼できるCloud」のために ― マイクロソフト法務部門からお伝えしたいこと
JPC2018[D1]「信頼できるCloud」のために ― マイクロソフト法務部門からお伝えしたいこと
MPN Japan
パソナテック Find Your Ability 講演資料 「ディレクターにとってのWeb業界って? 」
パソナテック Find Your Ability 講演資料 「ディレクターにとってのWeb業界って? 」
naoki ando
20190115 tech on-fintech_600xStripe
20190115 tech on-fintech_600xStripe
Hideki Ojima
190319量子機械学習
190319量子機械学習
Yuichiro MInato
Ähnlich wie AIとの付き合い方
(20)
kintone Cafe Japan 2016: kintone x 機械学習で実現する簡単名刺管理
kintone Cafe Japan 2016: kintone x 機械学習で実現する簡単名刺管理
Dyna traceによるuxマネジメント
Dyna traceによるuxマネジメント
誰もが AI を使う時代、作る時代
誰もが AI を使う時代、作る時代
人類kintoneマスター化計画
人類kintoneマスター化計画
IT業界理解お助け資料V2.0
IT業界理解お助け資料V2.0
ブロックチェーンと仮想通貨 -- 新しいビジネスに挑戦
ブロックチェーンと仮想通貨 -- 新しいビジネスに挑戦
[CTO of the year 2018] Lean AI開発により、3ヶ月でプロダクトマーケットフィット、1年で大手塾の2割に導入するまで至った話
[CTO of the year 2018] Lean AI開発により、3ヶ月でプロダクトマーケットフィット、1年で大手塾の2割に導入するまで至った話
ユーザ・エクスペリエンスからソーシャル・エクスペリエンスへ:現代ネットビジネスから読み解く「人間」「コンピュータ」「サービス」とは何か (in Japan...
ユーザ・エクスペリエンスからソーシャル・エクスペリエンスへ:現代ネットビジネスから読み解く「人間」「コンピュータ」「サービス」とは何か (in Japan...
05.日本マイクロソフト(株)_発表資料
05.日本マイクロソフト(株)_発表資料
エンタープライズソーシャルに必要な協力のためのインセンティブ
エンタープライズソーシャルに必要な協力のためのインセンティブ
「マシンリーダビリティ」がユーザー体験を加速する
「マシンリーダビリティ」がユーザー体験を加速する
アドネットワーク凛 媒体資料
アドネットワーク凛 媒体資料
みんなのPython勉強会#21 澪標アナリティクス 井原様
みんなのPython勉強会#21 澪標アナリティクス 井原様
雇用・働き方の未来 人とインテリジェント・テクノロジー
雇用・働き方の未来 人とインテリジェント・テクノロジー
MOV お客さま探索ナビの GCP ML開発フローについて
MOV お客さま探索ナビの GCP ML開発フローについて
MOV お客さま探索ナビの GCP ML開発フローについて
MOV お客さま探索ナビの GCP ML開発フローについて
JPC2018[D1]「信頼できるCloud」のために ― マイクロソフト法務部門からお伝えしたいこと
JPC2018[D1]「信頼できるCloud」のために ― マイクロソフト法務部門からお伝えしたいこと
パソナテック Find Your Ability 講演資料 「ディレクターにとってのWeb業界って? 」
パソナテック Find Your Ability 講演資料 「ディレクターにとってのWeb業界って? 」
20190115 tech on-fintech_600xStripe
20190115 tech on-fintech_600xStripe
190319量子機械学習
190319量子機械学習
Mehr von Deep Learning Lab(ディープラーニング・ラボ)
Edge AI ソリューションを支える Azure IoT サービス
Edge AI ソリューションを支える Azure IoT サービス
Deep Learning Lab(ディープラーニング・ラボ)
DLLAB Healthcare Day 2021 Event Report
DLLAB Healthcare Day 2021 Event Report
Deep Learning Lab(ディープラーニング・ラボ)
ICTを用いた健康なまちづくりの 取り組みとAI活用への期待
ICTを用いた健康なまちづくりの 取り組みとAI活用への期待
Deep Learning Lab(ディープラーニング・ラボ)
医学と工学の垣根を越えた医療AI開発
医学と工学の垣根を越えた医療AI開発
Deep Learning Lab(ディープラーニング・ラボ)
厚生労働分野におけるAI技術の利活用について
厚生労働分野におけるAI技術の利活用について
Deep Learning Lab(ディープラーニング・ラボ)
先端技術がもたらす「より良いヘルスケアのかたち」
先端技術がもたらす「より良いヘルスケアのかたち」
Deep Learning Lab(ディープラーニング・ラボ)
AIによる細胞診支援技術の紹介と、AI人材が考える医療バイオ領域における参入障壁の乗り越え方
AIによる細胞診支援技術の紹介と、AI人材が考える医療バイオ領域における参入障壁の乗り越え方
Deep Learning Lab(ディープラーニング・ラボ)
「言語」×AI Digital Device
「言語」×AI Digital Device
Deep Learning Lab(ディープラーニング・ラボ)
深層強化学習と実装例
深層強化学習と実装例
Deep Learning Lab(ディープラーニング・ラボ)
深層強化学習を用いた複合機の搬送制御
深層強化学習を用いた複合機の搬送制御
Deep Learning Lab(ディープラーニング・ラボ)
Azure ML 強化学習を用いた最新アルゴリズムの活用手法
Azure ML 強化学習を用いた最新アルゴリズムの活用手法
Deep Learning Lab(ディープラーニング・ラボ)
Jetson x Azure ハンズオン DeepStream With Azure IoT 事前準備
Jetson x Azure ハンズオン DeepStream With Azure IoT 事前準備
Deep Learning Lab(ディープラーニング・ラボ)
Jetson x Azure ハンズオン DeepStream With Azure IoT
Jetson x Azure ハンズオン DeepStream With Azure IoT
Deep Learning Lab(ディープラーニング・ラボ)
Jetson x Azure ハンズオン DeepStream Azure IoT
Jetson x Azure ハンズオン DeepStream Azure IoT
Deep Learning Lab(ディープラーニング・ラボ)
Jetson 活用による スタートアップ企業支援
Jetson 活用による スタートアップ企業支援
Deep Learning Lab(ディープラーニング・ラボ)
[Track 4-6] ディープラーニングxものづくりが日本を強くする ~高専DCONの挑戦~
[Track 4-6] ディープラーニングxものづくりが日本を強くする ~高専DCONの挑戦~
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)
[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)
[Track1-2] ディープラーニングを用いたワインブドウの収穫量予測
[Track1-2] ディープラーニングを用いたワインブドウの収穫量予測
Deep Learning Lab(ディープラーニング・ラボ)
[Track3-4] アカデミックにおけるAI/ディープラーニング の教育と学習支援に関する研究
[Track3-4] アカデミックにおけるAI/ディープラーニング の教育と学習支援に関する研究
Deep Learning Lab(ディープラーニング・ラボ)
Mehr von Deep Learning Lab(ディープラーニング・ラボ)
(20)
Edge AI ソリューションを支える Azure IoT サービス
Edge AI ソリューションを支える Azure IoT サービス
DLLAB Healthcare Day 2021 Event Report
DLLAB Healthcare Day 2021 Event Report
ICTを用いた健康なまちづくりの 取り組みとAI活用への期待
ICTを用いた健康なまちづくりの 取り組みとAI活用への期待
医学と工学の垣根を越えた医療AI開発
医学と工学の垣根を越えた医療AI開発
厚生労働分野におけるAI技術の利活用について
厚生労働分野におけるAI技術の利活用について
先端技術がもたらす「より良いヘルスケアのかたち」
先端技術がもたらす「より良いヘルスケアのかたち」
AIによる細胞診支援技術の紹介と、AI人材が考える医療バイオ領域における参入障壁の乗り越え方
AIによる細胞診支援技術の紹介と、AI人材が考える医療バイオ領域における参入障壁の乗り越え方
「言語」×AI Digital Device
「言語」×AI Digital Device
深層強化学習と実装例
深層強化学習と実装例
深層強化学習を用いた複合機の搬送制御
深層強化学習を用いた複合機の搬送制御
Azure ML 強化学習を用いた最新アルゴリズムの活用手法
Azure ML 強化学習を用いた最新アルゴリズムの活用手法
Jetson x Azure ハンズオン DeepStream With Azure IoT 事前準備
Jetson x Azure ハンズオン DeepStream With Azure IoT 事前準備
Jetson x Azure ハンズオン DeepStream With Azure IoT
Jetson x Azure ハンズオン DeepStream With Azure IoT
Jetson x Azure ハンズオン DeepStream Azure IoT
Jetson x Azure ハンズオン DeepStream Azure IoT
Jetson 活用による スタートアップ企業支援
Jetson 活用による スタートアップ企業支援
[Track 4-6] ディープラーニングxものづくりが日本を強くする ~高専DCONの挑戦~
[Track 4-6] ディープラーニングxものづくりが日本を強くする ~高専DCONの挑戦~
[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~
[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
[Track1-2] ディープラーニングを用いたワインブドウの収穫量予測
[Track1-2] ディープラーニングを用いたワインブドウの収穫量予測
[Track3-4] アカデミックにおけるAI/ディープラーニング の教育と学習支援に関する研究
[Track3-4] アカデミックにおけるAI/ディープラーニング の教育と学習支援に関する研究
AIとの付き合い方
1.
AIとの付き合い方 マネックス証券 システム開発部 マネージャー 谷田
寛明
2.
概要 人とAIの関係から 我々はAIをどのよ うに捉えるべきか マネックスにおけ る機械学習とAI企 業との協業事例 我々はAIとどう向 き合い企画開発に 取り組んでいるか 1 2 3
3.
自己紹介 名前 谷田 寛明 所属
マネックス証券システム開発部 マネージャー 仕事 モノづくり 領域 機械学習や仮想通貨・フィンテック等
4.
マネックスとは 事業 日・米・中・豪、等でオンライン金融事業を展開 データ 日本セグメント:170万口座、預り資産4兆円 話題
コインチェック社(仮想通貨取引所)の子会社化 今後 テクノロジーを用いた新しい金融サービスの創造
5.
マネックスにおける機械学習への取り組み 実施済み 実験中 試したい お客様サービス ・トレーディングアシスタントサービス:例① ・ FAQサービス 社内業務改善
・コンテンツ文章チェック:例② マーケティング ・ユーザーセグメント分析 投資 ・企業情報と相場の機械学習による投資モデル 取引監視 ・不公正取引検知 各種サポート ・組織(人事)改善 ・クリエイティブ(デザイン)サポート
6.
事例① トレーディングアシスタントAI 開発 HEROZ株式会社との共同開発 内容
トレーディング世界の乗換案内サービス 背景 ユーザーにトレーディングを上手くなっていただきたい 目標 ユーザーの“個性”に合わせてサポートをするサービス構築 教師 トレーディングデータ(数十GB) アルゴ ディープラーニング、強化学習、ブースティング、クラスタリング 時間 強化学習:数時間、登録者個別学習:数時間
7.
特化型AIに人の仮面を被せる レシピ ・クラスタリングにより特徴量空間における人の領域を定める ・ディープラーニングを用いて各局面で取引判断を行うAIを構築 ・人領域に属する事を報酬条件とした強化学習で人間らしさ獲得
8.
事例① トレーディングアシスタントAI 結果 HEROZ株式会社との共同開発 内容
トレーディング世界の乗換案内サービス 結果 ・トレーディングのスタイルや一貫性を捉えられた ・任意の“人間らしさ”を備えたトレーディング特化AIを構築した 効果 ・ユーザーの個性に応じた取引改善を指南可能となった ・相場状況に依らず目標を設定する事が可能となった 教訓 ・プロトタイピングとサービス開発フェーズでは体制を見直す ・実験フェーズに主導的に参加する事で良いエンジンが生まれる
9.
事例② 文章校正サポートAI 開発 DATUM
STUDIO株式会社と 内容 社内のコンテンツ文言チェック作業の改善 背景 コンテンツ審査は担当者の目検作業で行われており負担大 目標 文章内の“怪しい部分”に広く目ぼしを付け業務負担改善を 教師 全コンテンツ文章データ(数百MB) アルゴ LSTM(RNN) 時間 低スペックCPUで数百日、GPUで数日
10.
事例② 文章校正サポートAI 結果 DATUM
STUDIO株式会社と 内容 社内のコンテンツ文言チェック作業の改善 結果 ・90%程度の予測が可能となり文章チェック機構として活用 ・当社流儀の文章を学ぶ (ex.「本日の日・・・」→予測→「・・・経平均」) 効果 ・人力チェック業務のサポートをこなすには継続的な改善が必要 (90%では不足、句読点や助詞が苦手) 教訓 ・機械学習のみでなくルールベースも必要 ・文脈の高精度理解のためにLSTMの更なる改良を
11.
ありがち?な流れ ~検討時~ 「AIはとにかく凄いらしい! 当社でも導入しよう きっとXXの役に立つはずだ」 魔法の技術という意識がある (手段と目的もごっちゃに) 「XX社さんのAIが良いと聞く 我々も委託し開発しよう! 担当部門よろしく」 テック企業の技術がどうかより 自社でどう育てるかが重要 (ユーザーも置いてきぼりに)
12.
ありがち?な流れ ~開発時~ 「面白いモノが出来た! 何故こんな結果が出るか 把握しておいて欲しい」 AIをツールと誤認 (不可能ではないが理由付難) 「結局全然役に立たない! これなら人の方が良い もっとしっかり作れないか」 継続的な改善が必要 (開発だけで完了しない)
13.
人とAI
14.
便利ツールではなく個性的な友人として親しみをもって接する AIは人の“個性を尊重”した出力を与える事が出来る (マルチモーダル学習により“概念”自体も学ぶ事が可能に) 我々もAIの個性を尊重する 余裕を持って良いのでは? ・AIの判断はデータの学習の結果なので経験に基づく“勘”に近い ・概ね人の認識を学ばせるため人に似たセンスを有する AIへの投資には新しい人材を雇い育てる様なイメージを持ちたい (適切な学習環境・学習経験が不可欠) 人工知能とどう向き合うべきか ~友人として~
15.
AIとモノづくり
16.
人工知能とどう向き合うべきか ~モノづくり~ データサイエンティストというコックさん ・優秀な人を育てるには勉強、食事、遊び、睡眠が必要 豊富な素材データから調理された 食事を沢山食べられる環境が 優れたAIを育てる AIと日本 ・日本ではサービス品質を出し手・受け手共に深く追求 ・職人的要素が日常の至る所に溢れている ・阿吽の呼吸等のニュアンスを汲み取る事が重要 特徴を示し辛い感覚的な事柄への ルールベース対応は極めて難しく 今後機械学習の活用余地が大きい
17.
人工知能とどう向き合うべきか ~活躍領域~ AIと人の活躍領域 ・解決策(問題)提起や好奇心追及・創造が不得意 ・現状プロセスを回す指揮・統率には人の力が必要 概念・意味理解 創造 指揮・統率 多経路 集約 単一経路 処理 改良 課題発見 解決 個別領域 領域横断 転移学習 マルチモーダル
18.
どのように取り組むべきか ~まとめ~ 自分達のAIは自分達で育てる ・機械学習アルゴリズムを通して生まれるAIは自分たちの子供 ・環境や親次第で育ち方が変わる ・開発委託は赤ん坊の育ての親やシッターさんの様な役割 準備・実験・開発・運用 ・データ準備は念入りに行い目的に適したアルゴリズム設計に加わる ・特徴量設計が不要(不可能)な場合でも重視する点への意識を持つ ・どれ位の学習環境でどれ位育つかの調整を運用時も継続的に行う モノづくりとしてニーズを常に意識する
19.
マネックス証券について ■ マネックス証券は、マネックスグループの中核企業として日本でオンライン証券事 業を行っています ■ マネックス証券の親会社であるマネックスグループは、日本・米国・中国(香港) に主要な事業拠点を有し、中核ビジネスであるオンライン証券事業に加え、FX、 M&Aアドバイザリーサービスなどの事業を12のグローバル拠点で展開しています 商号
マネックス証券株式会社 登録番号 金融商品取引業者 関東財務局長(金商) 第165号 代表者 代表取締役社長 松本 大 本店所在地 東京都港区赤坂一丁目12番32号 設立 1999年5月 資本金 12,200百万円 株主 マネックスグループ株式会社 (東京証券取引所1部上場 8698) 会社概要 特徴 19 総口座数は約176万口座 ※ (稼働口座数約105万口座) 預かり資産は約4兆3,124億円 対面証券とは一線を画する顧客層 幅広い投資商品・サービス、投資情報による個人投資 家の長期分散投資による資産形成を支援 日本初、業界初の先進的・独創的な商品・サービスの 導入実績を多数持つ 632社のIPO引受実績 2018年2月末現在 ※ 総口座数は証券口座とFX専用口座の合計数
Jetzt herunterladen