Suche senden
Hochladen
[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~
•
0 gefällt mir
•
2,280 views
Deep Learning Lab(ディープラーニング・ラボ)
Folgen
2020/8/1 Deep Learning Digital Conference ダイキン工業株式会社 下津 直武 氏 株式会社電通国際情報サービス 久保田 敏宏 氏
Weniger lesen
Mehr lesen
Technologie
Melden
Teilen
Melden
Teilen
1 von 31
Jetzt herunterladen
Downloaden Sie, um offline zu lesen
Empfohlen
BERT入門
BERT入門
Ken'ichi Matsui
ディープラーニングによる時系列データの異常検知
ディープラーニングによる時系列データの異常検知
Core Concept Technologies
Transformer メタサーベイ
Transformer メタサーベイ
cvpaper. challenge
Optimizer入門&最新動向
Optimizer入門&最新動向
Motokawa Tetsuya
不均衡データのクラス分類
不均衡データのクラス分類
Shintaro Fukushima
文字認識はCNNで終わるのか?
文字認識はCNNで終わるのか?
Seiichi Uchida
[DL輪読会]1次近似系MAMLとその理論的背景
[DL輪読会]1次近似系MAMLとその理論的背景
Deep Learning JP
グラフ構造のデータモデルをPower BIで可視化してみた
グラフ構造のデータモデルをPower BIで可視化してみた
CData Software Japan
Empfohlen
BERT入門
BERT入門
Ken'ichi Matsui
ディープラーニングによる時系列データの異常検知
ディープラーニングによる時系列データの異常検知
Core Concept Technologies
Transformer メタサーベイ
Transformer メタサーベイ
cvpaper. challenge
Optimizer入門&最新動向
Optimizer入門&最新動向
Motokawa Tetsuya
不均衡データのクラス分類
不均衡データのクラス分類
Shintaro Fukushima
文字認識はCNNで終わるのか?
文字認識はCNNで終わるのか?
Seiichi Uchida
[DL輪読会]1次近似系MAMLとその理論的背景
[DL輪読会]1次近似系MAMLとその理論的背景
Deep Learning JP
グラフ構造のデータモデルをPower BIで可視化してみた
グラフ構造のデータモデルをPower BIで可視化してみた
CData Software Japan
機械学習モデルの判断根拠の説明(Ver.2)
機械学習モデルの判断根拠の説明(Ver.2)
Satoshi Hara
CV分野におけるサーベイ方法
CV分野におけるサーベイ方法
Hirokatsu Kataoka
これからの Vision & Language ~ Acadexit した4つの理由
これからの Vision & Language ~ Acadexit した4つの理由
Yoshitaka Ushiku
形態素解析
形態素解析
Works Applications
【メタサーベイ】Transformerから基盤モデルまでの流れ / From Transformer to Foundation Models
【メタサーベイ】Transformerから基盤モデルまでの流れ / From Transformer to Foundation Models
cvpaper. challenge
機械学習で泣かないためのコード設計
機械学習で泣かないためのコード設計
Takahiro Kubo
独立成分分析 ICA
独立成分分析 ICA
Daisuke Yoneoka
全社のデータ活用を一段階上げる取り組み
全社のデータ活用を一段階上げる取り組み
株式会社MonotaRO Tech Team
見やすいプレゼン資料の作り方 - リニューアル増量版
見やすいプレゼン資料の作り方 - リニューアル増量版
MOCKS | Yuta Morishige
【DL輪読会】SimCSE: Simple Contrastive Learning of Sentence Embeddings (EMNLP 2021)
【DL輪読会】SimCSE: Simple Contrastive Learning of Sentence Embeddings (EMNLP 2021)
Deep Learning JP
データサイエンティスト協会 木曜勉強会 #09 『意志の力が拓くシステム~最適化の適用事例から見たデータ活用システムの現在と未来~』
データサイエンティスト協会 木曜勉強会 #09 『意志の力が拓くシステム~最適化の適用事例から見たデータ活用システムの現在と未来~』
The Japan DataScientist Society
Anomaly detection survey
Anomaly detection survey
ぱんいち すみもと
灯油タンク内の液面高計測を用いた灯油残量推定システムに関する研究
灯油タンク内の液面高計測を用いた灯油残量推定システムに関する研究
harmonylab
文献紹介:Simple Copy-Paste Is a Strong Data Augmentation Method for Instance Segm...
文献紹介:Simple Copy-Paste Is a Strong Data Augmentation Method for Instance Segm...
Toru Tamaki
メッセージとストーリーのない発表はカスだ アカデミック・プレゼンテーションのコツ
メッセージとストーリーのない発表はカスだ アカデミック・プレゼンテーションのコツ
Kei Gomi
Active Learning 入門
Active Learning 入門
Shuyo Nakatani
PyData.Tokyo Meetup #21 講演資料「Optuna ハイパーパラメータ最適化フレームワーク」太田 健
PyData.Tokyo Meetup #21 講演資料「Optuna ハイパーパラメータ最適化フレームワーク」太田 健
Preferred Networks
データサイエンス概論第一 5 時系列データの解析
データサイエンス概論第一 5 時系列データの解析
Seiichi Uchida
機械学習で嘘をつく話
機械学習で嘘をつく話
Satoshi Hara
固有表現抽出について
固有表現抽出について
Syo Kyojin
オンライン教育サービスにおけるデータ活用方法
オンライン教育サービスにおけるデータ活用方法
Deep Learning Lab(ディープラーニング・ラボ)
企業が求めるデータサイエンティスト人材像-データサイエンティスト 国内企業動向調査(2019)より
企業が求めるデータサイエンティスト人材像-データサイエンティスト 国内企業動向調査(2019)より
The Japan DataScientist Society
Weitere ähnliche Inhalte
Was ist angesagt?
機械学習モデルの判断根拠の説明(Ver.2)
機械学習モデルの判断根拠の説明(Ver.2)
Satoshi Hara
CV分野におけるサーベイ方法
CV分野におけるサーベイ方法
Hirokatsu Kataoka
これからの Vision & Language ~ Acadexit した4つの理由
これからの Vision & Language ~ Acadexit した4つの理由
Yoshitaka Ushiku
形態素解析
形態素解析
Works Applications
【メタサーベイ】Transformerから基盤モデルまでの流れ / From Transformer to Foundation Models
【メタサーベイ】Transformerから基盤モデルまでの流れ / From Transformer to Foundation Models
cvpaper. challenge
機械学習で泣かないためのコード設計
機械学習で泣かないためのコード設計
Takahiro Kubo
独立成分分析 ICA
独立成分分析 ICA
Daisuke Yoneoka
全社のデータ活用を一段階上げる取り組み
全社のデータ活用を一段階上げる取り組み
株式会社MonotaRO Tech Team
見やすいプレゼン資料の作り方 - リニューアル増量版
見やすいプレゼン資料の作り方 - リニューアル増量版
MOCKS | Yuta Morishige
【DL輪読会】SimCSE: Simple Contrastive Learning of Sentence Embeddings (EMNLP 2021)
【DL輪読会】SimCSE: Simple Contrastive Learning of Sentence Embeddings (EMNLP 2021)
Deep Learning JP
データサイエンティスト協会 木曜勉強会 #09 『意志の力が拓くシステム~最適化の適用事例から見たデータ活用システムの現在と未来~』
データサイエンティスト協会 木曜勉強会 #09 『意志の力が拓くシステム~最適化の適用事例から見たデータ活用システムの現在と未来~』
The Japan DataScientist Society
Anomaly detection survey
Anomaly detection survey
ぱんいち すみもと
灯油タンク内の液面高計測を用いた灯油残量推定システムに関する研究
灯油タンク内の液面高計測を用いた灯油残量推定システムに関する研究
harmonylab
文献紹介:Simple Copy-Paste Is a Strong Data Augmentation Method for Instance Segm...
文献紹介:Simple Copy-Paste Is a Strong Data Augmentation Method for Instance Segm...
Toru Tamaki
メッセージとストーリーのない発表はカスだ アカデミック・プレゼンテーションのコツ
メッセージとストーリーのない発表はカスだ アカデミック・プレゼンテーションのコツ
Kei Gomi
Active Learning 入門
Active Learning 入門
Shuyo Nakatani
PyData.Tokyo Meetup #21 講演資料「Optuna ハイパーパラメータ最適化フレームワーク」太田 健
PyData.Tokyo Meetup #21 講演資料「Optuna ハイパーパラメータ最適化フレームワーク」太田 健
Preferred Networks
データサイエンス概論第一 5 時系列データの解析
データサイエンス概論第一 5 時系列データの解析
Seiichi Uchida
機械学習で嘘をつく話
機械学習で嘘をつく話
Satoshi Hara
固有表現抽出について
固有表現抽出について
Syo Kyojin
Was ist angesagt?
(20)
機械学習モデルの判断根拠の説明(Ver.2)
機械学習モデルの判断根拠の説明(Ver.2)
CV分野におけるサーベイ方法
CV分野におけるサーベイ方法
これからの Vision & Language ~ Acadexit した4つの理由
これからの Vision & Language ~ Acadexit した4つの理由
形態素解析
形態素解析
【メタサーベイ】Transformerから基盤モデルまでの流れ / From Transformer to Foundation Models
【メタサーベイ】Transformerから基盤モデルまでの流れ / From Transformer to Foundation Models
機械学習で泣かないためのコード設計
機械学習で泣かないためのコード設計
独立成分分析 ICA
独立成分分析 ICA
全社のデータ活用を一段階上げる取り組み
全社のデータ活用を一段階上げる取り組み
見やすいプレゼン資料の作り方 - リニューアル増量版
見やすいプレゼン資料の作り方 - リニューアル増量版
【DL輪読会】SimCSE: Simple Contrastive Learning of Sentence Embeddings (EMNLP 2021)
【DL輪読会】SimCSE: Simple Contrastive Learning of Sentence Embeddings (EMNLP 2021)
データサイエンティスト協会 木曜勉強会 #09 『意志の力が拓くシステム~最適化の適用事例から見たデータ活用システムの現在と未来~』
データサイエンティスト協会 木曜勉強会 #09 『意志の力が拓くシステム~最適化の適用事例から見たデータ活用システムの現在と未来~』
Anomaly detection survey
Anomaly detection survey
灯油タンク内の液面高計測を用いた灯油残量推定システムに関する研究
灯油タンク内の液面高計測を用いた灯油残量推定システムに関する研究
文献紹介:Simple Copy-Paste Is a Strong Data Augmentation Method for Instance Segm...
文献紹介:Simple Copy-Paste Is a Strong Data Augmentation Method for Instance Segm...
メッセージとストーリーのない発表はカスだ アカデミック・プレゼンテーションのコツ
メッセージとストーリーのない発表はカスだ アカデミック・プレゼンテーションのコツ
Active Learning 入門
Active Learning 入門
PyData.Tokyo Meetup #21 講演資料「Optuna ハイパーパラメータ最適化フレームワーク」太田 健
PyData.Tokyo Meetup #21 講演資料「Optuna ハイパーパラメータ最適化フレームワーク」太田 健
データサイエンス概論第一 5 時系列データの解析
データサイエンス概論第一 5 時系列データの解析
機械学習で嘘をつく話
機械学習で嘘をつく話
固有表現抽出について
固有表現抽出について
Ähnlich wie [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~
オンライン教育サービスにおけるデータ活用方法
オンライン教育サービスにおけるデータ活用方法
Deep Learning Lab(ディープラーニング・ラボ)
企業が求めるデータサイエンティスト人材像-データサイエンティスト 国内企業動向調査(2019)より
企業が求めるデータサイエンティスト人材像-データサイエンティスト 国内企業動向調査(2019)より
The Japan DataScientist Society
DLLAB_Healthcare-Day_2022.pptx
DLLAB_Healthcare-Day_2022.pptx
ssuserfde18a
デジタル時代の企業変革 - 2020
デジタル時代の企業変革 - 2020
Ikuo Misao
デジタル時代の企業変革 2019
デジタル時代の企業変革 2019
Ikuo Misao
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
データエンジニアとデータアナリストを兼任して良かったこと
データエンジニアとデータアナリストを兼任して良かったこと
Masatoshi Ida
企業におけるデータ分析プロジェクトと求められるスキル
企業におけるデータ分析プロジェクトと求められるスキル
Rakuten Group, Inc.
Nci 2021recruit
Nci 2021recruit
YujiAwara
電通国際情報サービス_AIテクノロジー部の研究開発と製品開発事例_191213
電通国際情報サービス_AIテクノロジー部の研究開発と製品開発事例_191213
小川 雄太郎
メンバーズデータアドベンチャー新規部門事業計画書
メンバーズデータアドベンチャー新規部門事業計画書
白井 恵里
ものつくりでのAI活用 2019
ものつくりでのAI活用 2019
Ikuo Misao
20240223中小民間労組交流集会講演資料(佐賀県産業労働部産業DX・スタートアップ推進グループ)
20240223中小民間労組交流集会講演資料(佐賀県産業労働部産業DX・スタートアップ推進グループ)
KazuhitoKitamura
[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)
データサイエンティストのリアル-2015年~2019年 一般(個人)会員アンケートより
データサイエンティストのリアル-2015年~2019年 一般(個人)会員アンケートより
The Japan DataScientist Society
AIプロジェクトの開発事例と成功ポイント 〜OCR技術でBPOセンターの人件費を60%削減〜
AIプロジェクトの開発事例と成功ポイント 〜OCR技術でBPOセンターの人件費を60%削減〜
株式会社HBLAB
All That’s ‘Human’ Is Not Gold Evaluating Human Evaluation of Generated Text
All That’s ‘Human’ Is Not Gold Evaluating Human Evaluation of Generated Text
harmonylab
Microsoft in Action! - COVID19への取り組み、これから皆様とできること。
Microsoft in Action! - COVID19への取り組み、これから皆様とできること。
IoTビジネス共創ラボ
SAP Inside Track 2022 (Improving sourcing work using AI)
SAP Inside Track 2022 (Improving sourcing work using AI)
MihoYoshida4
【C-3】なぜ顧客はsfa製品からkintoneに移行するのか
【C-3】なぜ顧客はsfa製品からkintoneに移行するのか
Cybozucommunity
Ähnlich wie [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~
(20)
オンライン教育サービスにおけるデータ活用方法
オンライン教育サービスにおけるデータ活用方法
企業が求めるデータサイエンティスト人材像-データサイエンティスト 国内企業動向調査(2019)より
企業が求めるデータサイエンティスト人材像-データサイエンティスト 国内企業動向調査(2019)より
DLLAB_Healthcare-Day_2022.pptx
DLLAB_Healthcare-Day_2022.pptx
デジタル時代の企業変革 - 2020
デジタル時代の企業変革 - 2020
デジタル時代の企業変革 2019
デジタル時代の企業変革 2019
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
データエンジニアとデータアナリストを兼任して良かったこと
データエンジニアとデータアナリストを兼任して良かったこと
企業におけるデータ分析プロジェクトと求められるスキル
企業におけるデータ分析プロジェクトと求められるスキル
Nci 2021recruit
Nci 2021recruit
電通国際情報サービス_AIテクノロジー部の研究開発と製品開発事例_191213
電通国際情報サービス_AIテクノロジー部の研究開発と製品開発事例_191213
メンバーズデータアドベンチャー新規部門事業計画書
メンバーズデータアドベンチャー新規部門事業計画書
ものつくりでのAI活用 2019
ものつくりでのAI活用 2019
20240223中小民間労組交流集会講演資料(佐賀県産業労働部産業DX・スタートアップ推進グループ)
20240223中小民間労組交流集会講演資料(佐賀県産業労働部産業DX・スタートアップ推進グループ)
[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...
データサイエンティストのリアル-2015年~2019年 一般(個人)会員アンケートより
データサイエンティストのリアル-2015年~2019年 一般(個人)会員アンケートより
AIプロジェクトの開発事例と成功ポイント 〜OCR技術でBPOセンターの人件費を60%削減〜
AIプロジェクトの開発事例と成功ポイント 〜OCR技術でBPOセンターの人件費を60%削減〜
All That’s ‘Human’ Is Not Gold Evaluating Human Evaluation of Generated Text
All That’s ‘Human’ Is Not Gold Evaluating Human Evaluation of Generated Text
Microsoft in Action! - COVID19への取り組み、これから皆様とできること。
Microsoft in Action! - COVID19への取り組み、これから皆様とできること。
SAP Inside Track 2022 (Improving sourcing work using AI)
SAP Inside Track 2022 (Improving sourcing work using AI)
【C-3】なぜ顧客はsfa製品からkintoneに移行するのか
【C-3】なぜ顧客はsfa製品からkintoneに移行するのか
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)
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)
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)
[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
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
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~
[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
Kürzlich hochgeladen
知識ゼロの営業マンでもできた!超速で初心者を脱する、悪魔的学習ステップ3選.pptx
知識ゼロの営業マンでもできた!超速で初心者を脱する、悪魔的学習ステップ3選.pptx
sn679259
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
CRI Japan, Inc.
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
CRI Japan, Inc.
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
Toru Tamaki
新人研修 後半 2024/04/26の勉強会で発表されたものです。
新人研修 後半 2024/04/26の勉強会で発表されたものです。
iPride Co., Ltd.
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
atsushi061452
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
Toru Tamaki
Utilizing Ballerina for Cloud Native Integrations
Utilizing Ballerina for Cloud Native Integrations
WSO2
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
iPride Co., Ltd.
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
iPride Co., Ltd.
Kürzlich hochgeladen
(10)
知識ゼロの営業マンでもできた!超速で初心者を脱する、悪魔的学習ステップ3選.pptx
知識ゼロの営業マンでもできた!超速で初心者を脱する、悪魔的学習ステップ3選.pptx
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
新人研修 後半 2024/04/26の勉強会で発表されたものです。
新人研修 後半 2024/04/26の勉強会で発表されたものです。
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
Utilizing Ballerina for Cloud Native Integrations
Utilizing Ballerina for Cloud Native Integrations
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
[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~
1.
Copyright DAIKIN INDUSTRIES
Ltd. & Information Services International-Dentsu, Ltd. 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~ ダイキン工業株式会社 テクノロジー・イノベーションセンター 下津 直武 株式会社電通国際情報サービス 久保田 敏宏
2.
Copyright DAIKIN INDUSTRIES
Ltd. & Information Services International-Dentsu, Ltd. 1 ダイキン工業におけるこれまでの取り組み
3.
Copyright DAIKIN INDUSTRIES
Ltd. & Information Services International-Dentsu, Ltd. ダイキン工業について(1) 2
4.
Copyright DAIKIN INDUSTRIES
Ltd. & Information Services International-Dentsu, Ltd. ダイキン工業について(2) 3
5.
Copyright DAIKIN INDUSTRIES
Ltd. & Information Services International-Dentsu, Ltd. ダイキン情報技術大学設立の背景 4
6.
Copyright DAIKIN INDUSTRIES
Ltd. & Information Services International-Dentsu, Ltd. 育成の狙い 5
7.
Copyright DAIKIN INDUSTRIES
Ltd. & Information Services International-Dentsu, Ltd. 育成したい人物像 6 ①テーマ実行力(ビジネス力) 課題の背景を理解した上で、ビジネス課題を整理し、 愚直に実行・解決する力 ②分析力(データサイエンス力) 情報処理、人工知能、統計学など情報科学系の 知恵を理解し、使う力 ③データエンジニアリング力 データサイエンスを意味のある形に 使えるようにし、 実装・運用できるようにする力
8.
Copyright DAIKIN INDUSTRIES
Ltd. & Information Services International-Dentsu, Ltd. ダイキン情報技術大学の講座 7
9.
Copyright DAIKIN INDUSTRIES
Ltd. & Information Services International-Dentsu, Ltd. ダイキン情報技術大学の取り組み (新入社員) 8
10.
Copyright DAIKIN INDUSTRIES
Ltd. & Information Services International-Dentsu, Ltd. ダイキン情報技術大学の取り組み 1年目 講義 9 7月 8月 9月 10月 11月 12月 1月 2月 3月 6- 13- 20- 27- 3- 10- 17- 24- 31- 7- 14- 21- 28- 31- 5- 12- 19- 26- 2- 9- 16- 23- 30- 7- 14- 21- 28- 4- 11- 18- 25- 1- 8- 15- 22- 1- 8- 15- 22- 29- 淀 川 製 作 所 ・集 合 教 育 D I C T 導 入 研 修 ★基本情報処理★統計検定(CBTでの随時受験) ①ダイキンのAI・IOTの 取り組み、②化学、油機 特機の知識、③ダイキン幹部講話、④外部有識者講演、⑤先輩DICT生の話 (適 宜 実 施) 空調技術基礎(前半) コンピュータ基礎・プログラミング ①データ活用導入編 1.市場、顧客理解の技術 2.データ分析体験 3.システム開発体験 ②コンピュータ編 基礎:c言語、c++、マイコン、 サーバー 応用:SSH接続、 ディープラーニング 体験・物体検出 空調技術基礎(後半) 阪大AI講義(基礎・入門・応用) (3日程度/週 開催) AI演習講義 (2日程度/週 開催) 専門教育 (システム(クラウド)) Azure AWS GCP 神戸大 デザインシンキング MBA ミニPBL 専門教育 (データ分析(AI)) 自社クラウドGPU、GPU BOX、Git Lab講義 データエンジニアリング力 分析力 テーマ実行力 実践コース別教育 データ活用人材の3スキルが「見習い」レベルになること 基本情報処理技術者、統計検定2級、JDLA E資格の合格を目指す。
11.
Copyright DAIKIN INDUSTRIES
Ltd. & Information Services International-Dentsu, Ltd. ダイキン情報技術大学の取り組み 講義風景 10
12.
Copyright DAIKIN INDUSTRIES
Ltd. & Information Services International-Dentsu, Ltd. ダイキン情報技術大学の取り組み PBL(1) 11 【スケジュール】 基本的に4ヶ月を1クールとして3回実施する。(基本的に4か月毎に実施先を変える) 【PBLテーマの設定方法】 ・事業部門からPBLで実施させたいテーマを集約した上で、実現可能性や分析データの有無、研修目的と合致して いるか等の視点から、PBLとして実施可能なテーマを選んだ(13部門約90テーマ) 【サポートの方法】 ・テーマ推進は受入れ部門が責任をもって実施する一方、技術面でのサポートは事務局が中心で実施。 ・技術メンター(既存社員の講座受講生を含む)、環境や生活面でのメンターをそれぞれ設定し、 テーマや日頃の困りごとなどをフォロー。 ・100人全員を集めて、テーマの実施内容等を発表させる場をつくることで、 データ分析を通じてダイキン全体を俯瞰する眼を養うとともに、自分のテーマと 他人のテーマを比較することで切磋琢磨を促す。 4月 5月 6月 7月 8月 9月 10月 11月 12月 1月 2月 3月 第1クール 第2クール 第3クール ★最終 報告 ★中間 報告 ★中間 報告 ★中間 報告 ★最終 報告 ★最終 報告 1年目の基礎教育を終えて、部門での応用教育として昨年4月よりPBLを実施。 <全社向け報告会>
13.
Copyright DAIKIN INDUSTRIES
Ltd. & Information Services International-Dentsu, Ltd. ダイキン情報技術大学の取り組み PBL(2) 12 本日の事例紹介
14.
Copyright DAIKIN INDUSTRIES
Ltd. & Information Services International-Dentsu, Ltd. ダイキン情報技術大学の取り組み PBL(3) 13 ・ドレンパン遠隔点検サービス『Kireiウォッチ(キレイウォッチ)』 ・室内ユニット内に設置した定点カメラがドレンパンを自動で撮影し、 当社独自のアルゴリズムによる画像解析で汚れ度合いを判定 参照:https://www.daikin.co.jp/press/2019/20190910/
15.
Copyright DAIKIN INDUSTRIES
Ltd. & Information Services International-Dentsu, Ltd. ダイキン情報技術大学の取り組み PBL(4) 14 参照:https://www.daikin.co.jp/press/2019/20190708/ ・空間データの協創プラットフォーム『CRESNECT』 ・未来のオフィス空間『point 0 marunouchi』において実証実験を開始
16.
Copyright DAIKIN INDUSTRIES
Ltd. & Information Services International-Dentsu, Ltd. ダイキン情報技術大学の取り組み PBL(5) 15 参照:https://www.daikin.co.jp/press/2020/20200310/ LINE公式アカウント「DAIKIN RECRUITMENT」を本年3月にリリース 就活生の質問対応チャットボット 本年6月の段階で 友達数:1200人超 チャット回数累計:2600回超 就活生にとって、容易な情報収集ツールとなる 採用活動の質疑対応工数の削減が見込まれる 質問 回答
17.
Copyright DAIKIN INDUSTRIES
Ltd. & Information Services International-Dentsu, Ltd. ダイキン情報技術大学 PBLでの課題(ケースA) 16 現場と一緒になって課題の整理・発見が必要(分析のスキルだけでは現場では通用しない) PBLを行う受講生Aは、お膳立てされたデータ分析をやれば良いという気持ちでPBLに挑むが、提案を求 められて、面食らう。それでも、ネットで調べた情報等をもとに、部門の関係者が興味を持ちそうと感じ る案を提案するが、部門のニーズにマッチせず、部門の関係者は採用できないと感じ、さらなる検討を求 める。 受講生Aとしては真剣に取り組んでいるつもりであるが、現場に入り込んで部門の悩み・課題に向き合う ことができない為、何度話をしても提案を受け入れてもらえない。 受講生A本人は、部門の関係者が忙しくて自分の話をきちんと聞いてくれない 自分はテーマ運に恵まれていなかったのかも知れないと感じて不満を持つ。
18.
Copyright DAIKIN INDUSTRIES
Ltd. & Information Services International-Dentsu, Ltd. ダイキン情報技術大学 PBLでの課題(ケースB) 17 現場のリテラシー教育と、データサイエンティストの相手の立場に立った説明スキルが必要 PBLを行う受講生Bは、部門の役に立とうと、AI・IoTの重要性を滔々と訴えるが、部門の関係者との間に 温度差を生じてさせてしまう。 データと格闘して行き詰った際に、メンターから、もっと現場のメンバーにヒアリングするように、との アドバイスを受け、現場のベテランにヒアリングを始めるが、聞きたいことの半分も聞くことが出来ない。 また、現場の状況を改善する為の策として、現場で行われている報告項目の統一をルール化する提案を行 うが、お互いに、相手の状況を理解することに思いが至っていない為に、聞き入れてもらえない。 受講生B本人は、「せっかく役に立とうと頑張っているのに、ベテランたちは頭の固い」と感じて不満を 持つ。
19.
Copyright DAIKIN INDUSTRIES
Ltd. & Information Services International-Dentsu, Ltd. 18 ISIDのこれまでのAI教育支援活動について ダイキン工業様 PBL・クラウド・データサイエンティスト実践型学習支援
20.
Copyright DAIKIN INDUSTRIES
Ltd. & Information Services International-Dentsu, Ltd. ISID 会社概要(1/2) 19 ISIDは、株式会社電通 (現 株式会社電通グループ) と米国General Electric Company(GE)との合弁で1975年に設立された企業 「Humanology for the future」をビジョンに掲げ、顧客、生活者、社会の進化と共存に寄与 企業情報 会社名 株式会社電通国際情報サービス(略称:ISID) 英文社名 Information Services International-Dentsu, Ltd. 代表者 代表取締役社長 名和 亮一 本社所在地 東京都港区港南2-17-1 支社 関西支社/中部支社/豊田支社/広島支社 設立 1975年12月11日 資本金 81億8050万円 従業員数 連結2,879名/単体1,519名(2019年12月末現在) 子会社数 17社(国内9社、海外8社) URL www.isid.co.jp 事業内容 コンサルティングからシステムの企画・設計・開発・運用 ・メンテナンスまで、一貫したソリューションを提供 各種認証 情報セキュリティマネジメントシステム(ISMS) • 「ISO/IEC27001:2013」 • 「JISQ27001:2014」 プライバシーマーク 環境マネジメントシステム(EMS) • 「ISO14001:2015」 • 「JISQ14001:2015」 IS 598941 / ISO(JIS Q)27001
21.
Copyright DAIKIN INDUSTRIES
Ltd. & Information Services International-Dentsu, Ltd. ISID 会社概要(2/2) 20 業界・ソリューション別に4つの事業セグメントでビジネスを展開 事業セグメント
22.
Copyright DAIKIN INDUSTRIES
Ltd. & Information Services International-Dentsu, Ltd. AITCについて 21 AITC(AIトランスフォーメーションセンター)は ISID内で結成されたAIに特化した全社横断プロジェクトチーム AI製品企画・開発から幅広い業種に対するAIサービスのサポート 企業の社内AI人材育成など幅広いご支援を実施 出典 https://xtech.nikkei.com/atcl/nxt/column/18/00001/03728/ AIプロダクトの開発 出典 https://isid-ai.jp/
23.
Copyright DAIKIN INDUSTRIES
Ltd. & Information Services International-Dentsu, Ltd. ダイキン工業様 ご支援に至るまでの経緯 22 CADの導入など数十年前からダイキン工業様に対してISIDから支援を実施 近年はダイキン工業様の空調機故障予知データ分析ついてISIDが支援 出展 https://industrial-big-data.io/ その際にダイキン工業様が、PBLの企画段階から一緒に手を動かして具体化し立ち上げていくための支援や PBLの受講生がプロジェクトを進めている際に困ったときにサポートする支援を行うことができる企業を探しており 2017年にISIDへ声をかけていただいたのがきっかけとなりダイキン工業様に対するAI教育分野での支援を開始
24.
Copyright DAIKIN INDUSTRIES
Ltd. & Information Services International-Dentsu, Ltd. PBLの支援について 23 ・PBL実行計画書の項目に関するアドバイス ・記載内容に関するアドバイス ・経験豊富な知見者をPBLの活動に取り入れることでダイキン工業様が必要とされている人材リソースを確保 ・受講生が困ったときに必要な支援を適宜実施 実施内容の例 ・PBL開始後に生じた不明点や困りごとに 関する相談会の実施 ・AI内製化に向けた開発プロセスの アドバイス 製造業のAIプロジェクトにてPythonや機械学習を用いた分析やプロジェクトマネージャーの経験を有する ISIDのAIコンサルタントがPBLの企画段階から開始後の相談・実施後のフィードバックまで一緒に入って支援 活用フェーズにあわせた AIプロセスの策定支援 Phase1 XXXX XXXX Phase2 XXXX XXXX Phase3 XXXX XXXX Phase4 XXXX XXXX Phase5 XXXX XXXX
25.
Copyright DAIKIN INDUSTRIES
Ltd. & Information Services International-Dentsu, Ltd. クラウド・IoT教育について(1/2) 24 クラウド・IoT教育についてカリキュラムの設計や研修を支援 AIを実装に活かすMLOps(Machine Learning Operations )や Automated MLについて日本マイクロソフト様と共同でオリジナルのセミナーを企画・実施 実施内容の例 Custom Vision APIのハンズオン -転移学習を利用したエッジデバイスへのデプロイ Cognitive Service (Custom Vision Service) 1.Custom Vision Serviceを用いて3種類のものを分類する画像分類モデルをクラウド上で構築 2.構築したモデルをPCへデプロイ、PythonやTensorflowを用いてWebカメラの映像に映っているものが何かをPCで予測 クラウド上で機械学習モデルを構築 モデルをPCへデプロイし エッジで動作 エッジで判別
26.
Copyright DAIKIN INDUSTRIES
Ltd. & Information Services International-Dentsu, Ltd. クラウド・IoT教育について(2/2) 25 実施内容の例 Microsoft Azure MLによるモデル管理・デプロイ ・Azure Machine learningへモデル登録 ・Azure kubernetes Service (AKS) モデルデプロイ ・Application Insights データの収集・評価 Deploy Monitoring ISIDではAIをお客様の中で内製化しお客様の業務やサービスへ活かすことを重視 構築した機械学習モデルをどのように管理・監視するかといった実践的な内容のカリキュラムを実施 ※kubernetesはDockerコンテナ群を 統合管理するための オープンソースのソフトウェア
27.
Copyright DAIKIN INDUSTRIES
Ltd. & Information Services International-Dentsu, Ltd. 現場で必要となる実践的なスキル育成講座 26 ISIDのIT・AIプロジェクトに関する長年の知見から 現場で必要となる実践的な内容のスキル育成講座を開発、新入社員・中堅社員に対して実施 AI・データ活用プロジェクトにおける 分析報告資料作成講座 IT・クラウドのそもそもについて 解説する講座・ディスカッション ※画像は資料の例です ・分析報告資料作成の基本・注意事項 ・製造業におけるプロジェクトの モデルケースでの資料作成演習 ・プレゼン方法のコツ など ・そもそもなぜ今ITが必要とされているのか ・どのような場合にクラウドが必要なのか ・アジャイル開発はどのような時に必要か など
28.
Copyright DAIKIN INDUSTRIES
Ltd. & Information Services International-Dentsu, Ltd. 製造業のユーザーを想定した短期PBL 27 ISID社員を顧客役に、機械学習を利用した業務改善のための短期PBLを実施 実施内容の例 ダイキン情報技術大学の対象者以外の社員に対して実施 データは公開されている製造業の製品故障予測の実データを使用 ISIDのオフィスに専用Roomを設けて2週間の研修を実施 ・ISID社員を顧客の部門長・現場担当者に見立てたヒアリングの実施 ・プロジェクトの開始の見極め データの中身の確認・報告資料の作成・プレゼン ・Microsoftのデータサイエンスフレームワーク 「TDSP(Team Data Science Process)」の解説 ・TDSPに沿ったAIプロジェクトのドキュメント作成 ・Azure DevOpsとMLサービスを使用したMLOpsによるモデル運用の解説 ・MLOpsの作成(画像・表形式) ・AI・データ活用プロジェクトにおける 分析報告資料作成講座 ・最終報告スライドの作成・ダイキン・ISID社員の前での最終報告プレゼン ・ふりかえりとフィードバック *出典: https://docs.microsoft.com/ja-jp/azure/machine-learning/team-data-science-process/overview ISIDのオフィスの 専用Roomルーム ダイキン工業様の先輩および ISID社員によるフィードバック 実施内容の例
29.
Copyright DAIKIN INDUSTRIES
Ltd. & Information Services International-Dentsu, Ltd. 28 ダイキン工業の今後の取り組みについて
30.
Copyright DAIKIN INDUSTRIES
Ltd. & Information Services International-Dentsu, Ltd. ダイキン 今後の人材育成について 29 1.<上級人材(棟梁レベル)が不足> 外部での経験・交流を通じて高度な人材を育成する ①② 2.<社会実装へのスピードを上げたい> 1つのテーマで、実行する若手と、 推進するマネージャーを同時に教育する ②③ 3.<部門横断的に効率よくテーマを実行したい> AIに関する知識や、テーマ遂行の経験を社内で 共有することで、組織としての知識、 経験値を上げる ④ ④ ③ ② ①
31.
Copyright DAIKIN INDUSTRIES
Ltd. & Information Services International-Dentsu, Ltd. Let’s Join us! ダイキン工業では、一緒に働いてくれるプロジェクト・マネージャーやAIエンジニアの方を募集しています。 新卒の方 キャリアの方 https://www.daikin.co.jp/recruit/gradu/ https://www.daikin.co.jp/recruit/career/ 30
Jetzt herunterladen