© 2021 IBM Corporation 1 5FDI%PKP0QFO4IJGU ʲ"*Α͘͹ΓύοΫʳ$1%Ͱ"*ͷϞσϧΛ ࡞ͬͯɺ ൺֱͯ͠ɺ આ໌ͪ͠Ό͏σϞʂ ೥݄೔

© 2021 IBM Corporation 2 講師の⾃⼰紹介 ⽇本IBM テクノロジー事業本部 CSM (Customer Success Manager) 江﨑 崇浩 n Business & IT Consulting • Business Process Re-engineering • Project Management • Agile Development, Low Coding • Data Analyzing, Data Architect • Business & Data Design n New Business Development • Business Planning • Corporate Finance • Lecturing etc... @t_esaking Twitter LinkedIn SNSを始めたばかりなので、是⾮フォローなどよろしくお願いします︕

© 2021 IBM Corporation 3 AI市場の拡⼤ 出典︓ IDC Japan, May 2019, 「国内AIシステム市場予測、2019年〜2022年」(JPJ44005019) 2017 2018 2019 2020 2021 2022 国内AIシステム市場 テクノロジーセグメント別 ⽀出額予測 Hardware Software Service 278 925 1,500 2,086 2,812 1127 1172 513 532 (億円) 377 320 228 623 510 367 855 782 448 200 191 142

© 2021 IBM Corporation 4 AI適⽤範囲の拡⼤ パーソナライズされたレ コメンデーションで最新 のコンテンツを提供する 不正検出の精度を向上 させ、リスクを低減す る ⾃動運転において変化する 状況に適応する 画像分析により科学研究、 創薬を加速させる 遺伝⼦研究を加速させ、新 しい洞察を⽣み出す 重要なインフラを保全し、 対応の速度を向上させる 健康上の問題や病気の症 状を予測する 潜在的な不正を検出しつつ、 契約や請求を最適化する

© 2021 IBM Corporation 5 企業におけるAI活⽤の課題 ͦ΋ͦ΋AIʹਫ਼௨ͨ͠ σʔλαΠΤϯςΟε τ͕͍ͳ͍ ओཁͳ೰Έ IBMの解決 ಋग़͞ΕΔ՝୊ AIϞσϧΛ ࡞Εͳ͍ AIϞσϧΛൺֱ ӡ༻͢Δ࢓૊Έ ͕ͳ͍ AIϞσϧͷઆ໌ ͕Ͱ͖ͳ͍ Ϟσϧ1͚ͭͩͰ͸ӡ༻ ʹ଱͑ͳ͍ɻෳ਺ͭ ͬͯ͘ൺֱධՁ͠ɺຊ ൪ద༻͢ΔϞσϧΛ؅ ཧ͠ͳ͚Ε͹͍͚ͳ͍ Ϗδωε൑அΛ͢ΔͨΊʹ͸ɺ AIϞσϧ͕ग़ྗ͢Δʮ݁Ռʯ ʹରͯ͠ʮݪҼʯΛɺܦӦ ૚ɾۀ຿෦໳͕ཧղ͢Δඞཁ ͋Γ AIྙཧͷ؍఺͔ΒɺAIͷެฏ ੑΛ୲อ͠ɺࠩผɾภݟͷ͋ ΔΑ͏ͳϏδωε൑அΛ๷ࢭ ͢Δඞཁ͕͋Δ ɾɾɾ ɾɾɾ AI Ladder と IBM Cloud Pak® for Data (CP4D) • Watson Machine Learning (w/ Auto AI) • Watson Studio • Watson OpenScale etc…

© 2021 IBM Corporation 6 IBMのアプローチ(The AI Ladder) と ソリューション(CP4D) あらゆるタイプのデータ あらゆる場所で発⽣するデータ つなぐ - Collect – あらゆるデータを活⽤できるように蓄積 整える - Organize – 活⽤する - Analyze – 適⽤する - Infuse – AIの活⽤・管理 お客様のビジネスを加速化 させるための可視化/分析 蓄積したデータを使いやすいよう整える 構造化 ⾮構造 エンタープライズ・カタログ メタデータや分析資産を共有し、だれもが使える状態に データソース データ加⼯・品質確認 (プレパレーション) AI・機械学習 API / バッチ⽣成 データ可視化 ダッシュボード 収集・蓄積・仮想化 業務 エンドユーザー アプリ ビジネス プロセス スコアリング 結果 提供者の視点 利⽤者の視点 つなぐ 整える 活⽤する パブリック オンプレミス プライベート データの場所 データの種類 2. ソリューション︓IBM Cloud Pak® for Data (CP4D) アプリ適⽤ 1. アプローチ︓The AI Ladder (AI活⽤に⾄るための梯⼦)

© 2021 IBM Corporation 7 デモンストレーションのシナリオ n リテール企業のHR部⾨が、コロナ後の倉庫部⾨の従業員の離職率増加に対し、AIを活⽤して効果的な施 策を検討するというシナリオ テーマ AIϞσϧͷ ߏங AIϞσϧͷ ൺֱ AIϞσϧͷ આ໌ • AutoAIΛར༻ͯ͠ɺ୭Ͱ΋AIϞσ ϧΛߏஙͯ͠༧ଌΛ࣮ࢪͰ͖Δ • σʔλιʔεͱ໨తม਺Ληοτ ͢Δ͚ͩ • طଘͷຊ൪Ϟσϧͱ৽نϞσϧΛ ൺֱͯ͠ຊ൪ద༻͢Δ͔൑அ͢Δ • ͞·͟·ͳධՁ߲໨Λࢹ֮తʹͰ ֬ೝͰ͖Δ • ϞσϧʹӨڹΛ༩͍͑ͯΔཁૉΛ ࢹ֮తʹ֬ೝͰ͖Δ • όΠΞε(ެฏੑ)ͷҧ൓ɺਖ਼֬ੑɺ υϦϑτൃੜΛνΣοΫͰ͖Δ ίϩφલʹߏஙͯ͠ຊ൪ద༻͞Ε͍ͯΔطଘϞ σϧͱίϩφޙʹߏஙͨ͠৽نϞσϧΛൺֱ͠ ͯɺͲͪΒ͕ޮՌͷߴ͍Ϟσϧ͔ݕূ͢Δ ૔ݿ෦໳ͷܽһΛิॆ͢ΔͨΊͷ࠾༻׆ಈʹ͋ ͨΓɺ੒ޭ͢ΔՄೳੑͷߴ͍ީิऀΛAIϞσϧ ͰεΫϦʔχϯά͢Δɻ͜ͷ࣌ɺ࡞੒͞ΕͨϞ σϧʹόΠΞε͕͔͔ͬͯʮެฏੑʯʹҧ൓͠ ͍ͯͳ͍͔֬ೝ͢Δ ैۀһσʔλΛ΋ͱʹɺ཭৬ϦεΫΛ༧ଌ͢Δ AIϞσϧΛ࡞੒͢Δ ʢ཭৬ϦεΫ͕ߴ͍ैۀһʹରͯ͠ɺ໘ஊͳͲ ͷੵۃΞϓϩʔνΛ࣮ࢪ͢ΔͨΊʣ シナリオ ポイント

© 2021 IBM Corporation 8 補⾜︓デモンストレーションで出てくる⽤語の確認 OpenShift Cloud Pak for Data (CP4D) データサービスの共通UI・共通機能 IBM Cloud Watson Machine Learning with Auto AI (AIモデル実⾏環境) Watson Studio (分析/AIモデル管理) Watson OpenScale (AIモデル⽐較/説明) インフラ ハイブリッドクラウド プラットフォーム ハイブリッドクラウド ソフトウェア ハイブリッドクラウド サービス n 今回のデモンストレーションのシステム構成の概念図は次の通りです n 「CP4D上で⾚字のサービスを利⽤することができ、⼀連のAI課題を解決できる」とご認識ください

© 2021 IBM Corporation 9 補⾜︓AutoAIの⾃動学習 データ前処理 効率のいいモデル作成に必須の処理である、⽋損値の補完、データのエンコードなどを、最適な形で⾃動的に⾏います。 モデル選定 モデル選定に関しては、少ないデータで簡易的なモデルを作成し、有⼒な候補のモデルを絞り込む⽅式を採⽤しています。 この⽅法により、少ない処理時間で効率よく精度の⾼いモデルを選定することが可能です。 候補となるモデル数は 分類型: 7種類 回帰型: 8種類です。 特徴量最適化 AutoAIでは、強化学習の仕組みを利⽤して、精度の最適化をするための特徴量チューニングを⾏います。 ハイパーパラメータ最適化 モデルの精度に影響のある、ハイパーパラメータの最適化についても、効率のいい⽅法(RBFOptアルゴリズム)で⾏います。 参照: https://dataplatform.cloud.ibm.com/docs/content/wsj/analyze-data/autoai-overview.html?audience=wdp データ前処理 モデル選択 パラメータ 最適化 特徴量エンジニアリング

© 2021 IBM Corporation 10 補⾜︓AutoAIでサポートしているモデル(分類) n 分類型モデルでは、次の7種類のモデルをサポートしています。 ) B A A A B A B ,A A C A A A B A ( A C A A A C A C C B C A A A A A ( A A C A A A A A A A . A B A - ※2021/07時点

© 2021 IBM Corporation 11 補⾜︓AutoAIでサポートしているモデル(回帰) n 回帰型モデルでは、次の8種類のモデルをサポートしています。 ) A A B A CB B A B B A B CA A CB B B IA B B C A B B A B AC BA B B C CA B BC A B A A B A C A AA B B A A B A B AC BA B B C CA B BC A B AB B B CA A B A B A ) A B B A B A B G B G A B A AB C BA C B A B A B C B B A B B AC BA B B C CA B BC A AA A A B G ( AB - C A CB A A BG B A BA . A C B B B A C B B CA AA A B . AB A CA BG A C A G ※2021/07時点