kikagaku

ecosystem

Transcript

1. AI⼈材育成のための エコシステム形成のご提案 株式会社キカガク
2. 2018 Kikagaku, Inc. All Rights Reserved 2 会社概要 *機械学習とディープラーニングを含む 協⼒会社 会社名 株式会社キカガク 設⽴⽇ 2017年1⽉ 代表 吉崎 亮介 所在地 東京都豊島区池袋 PLAN ACTION DO CHECK We provide education in the best style for you ⼈⼯知能(AI)*における教育と コンサルティングサービスを提供
3. 2018 Kikagaku, Inc. All Rights Reserved 3 吉 崎 亮 介 株式会社キカガク 代表取締役社⻑ 代表者紹介 ೔ຊͷ࢈ۀΛ ੝Γ্͛Α͏ ü ⽇経ビッグデータ -「機械学習のデータはそもそも企 業内にない、地道に整える企業が優位に⽴てる」、 AI活⽤⼈材育成のキカガク吉崎社⻑ (2017.10.20) ü 共同通信社 -AIどう使う？ 教育で社会へ の橋渡しを 26歳社⻑「好きなことで⽣き る」(2018.1.23) 掲載された 記事の紹介 1991年⽣まれ 京都出⾝ 舞鶴⾼等専⾨学校 画像処理とロボット制御の 研究に従事 ITベンチャー 企業へ就職 京都⼤学⼤学院 機械学習による 製造業のプロセ ス改善に従事 株式会社 キカガク 設⽴ 東京⼤学 客員研究員 へ就任 コンサルティング現場で 得た知⾒を教育へ 教育 コンサル ティング
4. 2018 Kikagaku, Inc. All Rights Reserved 実績 (法⼈設⽴から1年) 4 ⽇本マイクロソフトと Preferred Networksの 初の公認のデータサイ エンス⼈材養成企業 経済産業省認定 ⼤⼿AI企業公認 共同プロジェクト多数 「第四次産業⾰命スキル 習得講座認定制度」の 第１段に採択 データサイエンス⼈材を 育成するプロジェクトに 参画 0 1000 2000 3000 2017.3 2017.6 2017.9 2017.12 #Students 受講⽣ 3000⼈ 5 4 3 2 1 満⾜度 1 0 0 %
5. 2018 Kikagaku, Inc. All Rights Reserved AIで実績をあげるためには⼈材の確保が必要 5 採⽤を選択しても、育成できるエコシステムがなければ ⻑期的に成功できない 採⽤ 優秀な⼈材を採⽤は難しく、 コストも⾼い 採⽤できたとしても、育成で きる環境がないとすぐに辞め てしまう 育成 スキルセットが豊富に必要な ため育成には時間がかかる ノウハウが個別に貯まるため、 チームとして育成ができない ⼈材獲得には「採⽤」と「育成」の２パターンがある
6. 2018 Kikagaku, Inc. All Rights Reserved 研修事業者を選ぶ際のポイント 6 ヒアリング データ収集 / 整理 ⾮構造データ →構造データ モデル構築 (機械学習) 仮運⽤ 検証 システム 統合 ࢿྉ࡞੒ Α͋͘Δηϛφʔ͸ ֶ͔͜͜͠͹ͳ͍ 前⼯程 後⼯程 本当にAI開発の導⼊を 視野に⼊れた場合 モデル構築だけでなく、 前⼯程と後⼯程も視野に ⼊れた研修が必要 → 少なくとも半年は要する AI⼈材を育成したいのですが、どのように勉強すれば 良いでしょうか？期間や習得できる内容も教えてほしいです。 よくある質問
7. 2018 Kikagaku, Inc. All Rights Reserved AI⼈材育成のよくある失敗談１ 7 知識を習得後、実践の機会が あるも、研修の内容と実務で の解析のレベルに⼤きな乖離 があり、⼿も⾜も出ない ü多くの研修ではモデル構築に フォーカスを当てるも現場の解析 はデータ整理や環境構築、うまく いかない時の対処など教科書通り に解析を⾏えることはまずない ü⼀般的なセミナーでは、各個別の 案件に対応した内容ではないため、 実プロジェクトへの適⽤⽅法は ⾃ら考えないといけない 研修で知識を習得するも、実務に必要なレベルに達せず、 結局使うことができない Ϩϕϧʹେ͖ͳဃ཭ ࣮຿ 知識の インプット
8. 2018 Kikagaku, Inc. All Rights Reserved 8 解決策 AI⼈材として実案件の開発に取りかかれるまでの 確実な研修フローを提供 講師兼メンター 育成したい社内の⼈材 知識のインプット ケーススタディ メンターと企画⽴案 ࣮຿ 運 ⽤ ↑ デ プ ロ イ ↑ モ デ ル 構 築 ↑ デ タ 収 集 ・ 整 理 ↑ 環 境 構 築 ↑ プ ラ ン ニ ン グ
9. 2018 Kikagaku, Inc. All Rights Reserved AI⼈材育成のよくある失敗談２ 9 研修で知識として理解するも、 業務で実践機会が⾒つからず、 モチベーションがフェードアウト クラウドソーシングやRPA*の 延⻑線上にAI案件は存在し、 AIで即解決できる問題は少ない AIによる ⾃動化の検討 費⽤対効果 ⾼ 低 ⾼ 低 データの整理状況 (⼊出⼒の量と質) RPAによる ⾃動化を検討 現状維持 クラウドソーシ ング等を検討 知識習得後に案件がなく、モチベーションがフェードアウト *RPA: Robotic Process Automation
10. 2018 Kikagaku, Inc. All Rights Reserved 10 解決策 PART 1 メンタリング PART 2 PART 3 難しい質問は フォロー メリット ü 実案件がない場合も メンタリングにより モチベーションを維 持でき、理解が⼤き く深まる ü ⼈材育成のスピード を加速することがで きる ü 育成のコストを⼤幅 に抑えられる AI⼈材育成のためのエコシステム形成（受講者→メンター） 講師兼メンター 育成したい社内の⼈材 育成したい社内の⼈材 メンター
11. 2018 Kikagaku, Inc. All Rights Reserved AI⼈材育成のためのエコシステム形成 11 インプット内容 E-ラーニング (3ヶ⽉) インプット + ケーススタディ メンタリング (3ヶ⽉) ໛ٖ ϓϩδΣΫτ 6ヶ⽉ メンターとして フォロー ケーススタディ (3ヶ⽉⽬) • 画像・⾃然⾔処理・リコ メンドから1つテーマを 選択してアプリを実装 • AIシステムの企画書の 書き⽅ • 実データのデータ収集 • 運⽤による本番での検証 基礎編 (1ヶ⽉⽬) • 機械学習の基礎 (微分・線形代数・統計) • プログラミング (Python) • データの読込・整 理・可視化 応⽤編 (2ヶ⽉⽬) • 解析環境の構築 (Docker) • 前処理と特徴量抽 出、⼿法選定 • サーバーへのデプ ロイ(Web API) ݚमϑϩʔ
12. 2018 Kikagaku, Inc. All Rights Reserved ୈճ メンターは受講⽣3⼈に1⼈ → 2回⽬以降6⼈に1⼈ 12 τϨʔχϯάඅ༻ メンタリング期間は週2回（4時間/回） → 2回⽬以降週1回 උߟ डߨੜ͸࠷খ࠵ߦਓ਺ͷ໊̑Λ૝ఆ メンタリング期間を週1回 として6ヶ⽉→9ヶ⽉も相談可 •&ϥʔχϯά  ԁਓ݄ʷਓʷϲ݄
    ສԁ •ϝϯλϦϯά  ԁ೔ʷ݄ճʷϲ݄ʷਓ
    ສԁ ߹ܭɿ  ԁ ୈճ໨Ҏ߱ •&ϥʔχϯά  ԁਓ݄ʷਓʷϲ݄
    ສԁ •ϝϯλϦϯά  ԁ೔ʷ݄ճʷϲ݄ʷਓ
    ສԁ ߹ܭɿ  ԁ 1st 2nd 3rd ສԁ 67% OFF ສԁ ສԁ * いずれも税別価格 * オプションとしてSkypeで質問ができる チケットも⽤意（2万円/時間） お問い合わせはこちら。お気軽にご相談ください。 担当：今⻄（kohei.imanishi@kikagaku.co.jp）