AI技術の活用が製造業においても大きな注目を集めていますが、皆さまの直面する具体的な課題は様々であり、特定の局面における応用事例をいくら学んでも目の前の課題解決には当てはめることが出来ないとお悩みになっていらっしゃる方も多いのではないでしょうか。実はAI技術の活用のポイントはAI技術そのものではなく、AI技術を問題解決に使役するデータサイエンティストやその管理者の仕事の進め方にあります。
　本講演では、企業におけるデータサイエンス・コンサルティングの黎明期より様々なデータサイエンス・プロジェクトでの活動を経験してきた講演者が、AI技術活用のためのコツを大局的な観点からまとめなおし、その後技術の細部へと案内します。技術的の本質的な理解のためには数式も有用ですので使用いたしますが、イメージを伝えることに重きを置きます。これからAI技術の活用を検討中の皆さま、現在進行形でお悩みの皆さま、データサイエンティストを管理する立場の皆さまにもご参加いただきたいセミナーです。

1. 第1部 AIによる問題解決のために誰もが知っておくべき知識
   1. AI技術に期待できること、出来ないこと
   2. なぜAI技術を使って問題解決が出来るのか
   3. データサイエンティストの果たす役割
   4. データサイエンティストの管理者の果たす役割
   5. データサイエンティストに必要な素養と教育のためのリソース
   6. データサイエンスの推進に必要な道具立て
2. 第2部 AIによる問題解決のためにデータサイエンティストとして知っておくべき知識
   1. AIモデル技術による問題解決を取り巻く諸要素の関係性
   2. モデルとは何か
   3. AIモデルによるビジネス課題の解決パターン
      1. 用語の整理
      2. パターン1:予測や推定
      3. パターン2:システムのコントロール
      4. パターン3:異常データの検知
      5. パターン4:成功パターンの模倣
      6. パターン5:変数の効果の抽出
      7. パターン6:隠れた構造の抽出
   4. データの量と品質がAI技術の選定に与える制約とは
   5. 実世界への接続方法がAI技術の選定に与える制約とは
   6. 代表的なAIモデル技術は何をやっているのか
      1. 線形回帰
      2. ロジスティック回帰
      3. 多項ロジスティック回帰
      4. COX回帰
      5. ニューラルネットワーク
      6. 決定木
      7. ランダムフォレスト
      8. 勾配ブースティング木
      9. サポートベクトルマシン
      10. 1クラスSVM
      11. 潜在クラス・クラスタリング
   7. 活用シナリオ
      1. 歩留まり向上への適用シナリオ
      2. 品質改善への適用シナリオ
      3. 予兆保守への適用シナリオ
• 質疑応答