20200801_DLLAB_講演資料_キカガク

株式会社キカガク登壇資料⼈材育成で本当は⼤切なのに忘れがちな３つの価値オンライン/オフラインでの学びでは何が変わって何が変わらないのか？なぜ社内でのAI活⽤は⼀向に進まないのか？

2020 Kikagaku, Inc. All Rights Reserved 2 2 会社概要 Corporate
Profile

2020 Kikagaku, Inc. All Rights Reserved 3 3 社名：
株式会社キカガク代表者：吉崎亮介設⽴： 2017年1⽉17⽇従業員： 25名資本⾦： 20,499,140円（資本準備⾦含む）

2020 Kikagaku, Inc. All Rights Reserved 4 代表プロフィール CEO Profile
4 吉崎亮介 ‒ 株式会社キカガク代表取締役社⻑ 1991年⽣まれ、京都府出⾝舞鶴⾼専にて画像処理・ロボット制御の研究、京都⼤学⼤学院にて機械学習による製造業のプロセス改善の研究に従事。株式会社Caratを共同創業した後、2017年1⽉、⼈⼯知能の⼀種である「機械学習」を現場で導⼊するための教育サービスを提供する株式会社キカガクを設⽴ ü 京都⼤学⼤学院在籍中に、化学⼯学界で世界最⾼峰の国際学会ADCHEMにて最優秀若⼿研究賞を受賞 ü 株式会社SHIFTにて、新卒１年⽬から⽇本最⼤規模のゲーム開発者カンファレンスCEDEC2016にて講演 ü SOMPOホールディングス・京都府と連携した⾏政初のデータサイエンティスト⼈材養成講座や、⽇経ビッグデータとの講座開催、Udemyでの講座提供など多くのプロジェクトを実施 ü 2018年４⽉より東京⼤学⾮常勤講師に就任 Key Projects Highlights

2020 Kikagaku, Inc. All Rights Reserved 5 キカガクのミッションプラットフォーム事業（知識を体系化）
研修事業（わかりやすく伝える）事業開発⽀援（成⻑を加速）⼈や企業の成⻑を加速 Our mission 知識を体系化し、わかりやすく伝えることで、⼈や企業の成⻑を加速させるあるべき教育のエコシステムを追求する

2020 Kikagaku, Inc. All Rights Reserved AI技術を基に、業界・業種に特化した企画の⽴ち上げや講座を展開 6 事業開発⽀援企業の成⻑を加速
製造業特化型 Project Based learning（PBL）⾃動⾞産業が盛んな愛知県で初開催。画像認識の基礎から物体検出、異常検知までを学び、実現場のデータを使って課題解決を⾏うプログラムリテールAI研究会検定策定メーカー、卸、流通、⼩売を対象倒した⼈材育成をミッションとしたリテールAI検定の策定に協⼒経営層向けのAI研修メルカリ経営層にこれまでにない体験型のAI研修を実施。ユーザーの動きを模したシュミレーターを使って、データに基づく意思決定を模擬体験 *2019年秋より東京でも開催

2020 Kikagaku, Inc. All Rights Reserved プラットフォーム事業 7 知識を体系化 Chainerチュートリアル執筆に協⼒
Preferred Networks社が提供するディープラーニングのフレームワークChainer。そのチュートリアルの執筆に協⼒メディカルAI専⾨コース提供⽇本メディカルAI学会専⾨コースの講義資料を策定。医療分野におけるAI活⽤を促進知識を体系化。オンラインで学べる学習プラットフォームオンライン学習サイト「KIKAGAKU」これまでキカガクが提供してきた様々な研修内容をオープンに。オフラインの研修に参加できない⽅に学ぶ機会を提供

2020 Kikagaku, Inc. All Rights Reserved 9 9 これからのオンライン講座の在り⽅ The
future of online courses

2020 Kikagaku, Inc. All Rights Reserved オンライン時代で研修に求めている価値は何でしょうか？ What is your
desired value of training in the online age? 10 わかりやすい教材⼀流の講師による講義本当に求めていることはこれらだけでしょうか？

2020 Kikagaku, Inc. All Rights Reserved オンライン学習で重要な３つの視点 Three important perspectives
on online learning 11

2020 Kikagaku, Inc. All Rights Reserved これからの時代はチーム学習がオススメです Team learning is
a recommended style in the future 12 ▶ チーム学習に関する詳細はこちら：https://www.kikagaku.co.jp/newplan/

13 ▶ チーム学習に関する詳細はこちら：https://www.kikagaku.co.jp/newplan/

2020 Kikagaku, Inc. All Rights Reserved 14 14 Project Based
Learning は本当に有効な学習⼿段か？ Is Project Based Learning (PBL) really an effective method of learning?

2020 Kikagaku, Inc. All Rights Reserved よくある実データを使った Project Based Learning
(PBL) What is your desired value of training in the online age? 15 データ準備（材料の準備）解析（調理）可視化（盛り付け）データ解析者（料理⼈）実データが望ましいが考えた施策をユーザーへ検証することが難しくなる

2020 Kikagaku, Inc. All Rights Reserved キカガクが考える PBL Kikagakuʼs idea
of PBL 16 データ準備（材料の準備）解析（調理）可視化（盛り付け）ユーザー（⾷べる⼈）データ解析者（料理⼈）フィードバック（料理への意⾒）シミュレータ考えた施策に対する結果から次の施策を考える本物の⼒が付く

of PBL 17 アウトプットが企画のワークショップだけでなく、実ビジネスを意識した独⾃開発のシミュレータによる演習があります。需要予測と最適化チャットボット失敗も含めた経験を多く経ることで、実際にビジネスで導⼊していくときの勘所を掴むことができ、研修後の知識の吸収率が⾼まります。 ▶ 詳しくはこちら：https://www.kikagaku.co.jp/seminars/ai-business/

of PBL 18 ▶ 詳しくはこちら：https://www.kikagaku.co.jp/seminars/ai-business/ AI とはずばり『何』を⾃動化するものと捉えることができるでしょうか。

of PBL 19 ▶ 詳しくはこちら：https://www.kikagaku.co.jp/seminars/ai-business/ どちらの AI が望ましいですか？・パターンA：あなたは90%の確率で⾵邪です。・パターンB：あなたは90%の確率で⾵邪ですので、この薬を飲んでください。 AI は何をしていますか？

of PBL 20 ▶ 詳しくはこちら：https://www.kikagaku.co.jp/seminars/ai-business/ 状態の推定⾏動の決定 Kaggle などのデータ解析コンペティションのサービスはこの点の精度を⾼めることをひたすら競う。⼤事なことは精度が悪い中でも⾏動を決定し、そのフィードバックで改善し続けること。ポイント環境へ作⽤状態の推定⾏動の決定環境へ作⽤シミュレータにより⾏動に対する結果が得られる独⾃開発キカガクのシミュレータ型研修

of PBL 21 ▶ 詳しくはこちら：https://www.kikagaku.co.jp/seminars/ai-business/ 多くの⽅が AI となると『状態の推定』までを考えていることが多いのですが⼤切なことは『⾏動の決定』です。どのように『⾏動の決定』を⾃動化していくかに焦点を当てて、これから考えていきましょう。

2020 Kikagaku, Inc. All Rights Reserved 22 22 なぜ AI
活⽤は進まないのか？ Why is the use of AI not progressing?

2020 Kikagaku, Inc. All Rights Reserved AI 活⽤への⼀歩を考える A step
towards the use of AI 23 前提として、AI を活⽤したいと社内で発⾔が出るもどこから⼿を付けて良いかわからない状態が続いているような状況とします。

towards the use of AI 24 最も⼤事な作業⼯程分解

towards the use of AI 25 多くの⼈の企画書に抜けていること⼯程分解

towards the use of AI 26 ミクロな AI しか⾒えていないと忘れること⼯程分解

2020 Kikagaku, Inc. All Rights Reserved 採⽤を AI で⾃動化していく事例を考える A
case study of automating recruitment with AI 27 みなさんにとっても親和性の⾼い採⽤プロセスの改善を例に紹介していきましょう。

case study of automating recruitment with AI 28 創業当初から直感的に判断してきていた採⽤プロセスがこちらです。応募⼀次⾯談⼆次⾯談最終⾯談

case study of automating recruitment with AI 29 ⼯程分解が重要なことは伝わったと思いますが単に各⼯程を分ければ良いのではありません。 AI、特に機械学習までを使⽤した⾃動化を⾏うためには各⼯程にある『⼊⼒』と『出⼒』の情報も併せて整理していく必要があります。こちらを⾏えていない場合、機械学習を後から導⼊することはほぼ不可能です。

case study of automating recruitment with AI 30 機械学習を含めた⾃動化を⾏うためにはじめに⼯程分解を⾏いました。 * 属⼈的に担当者へデータが貯まっていたとしても、客観的に再現できるデータが蓄積できていない場合は「なし」とするのがポイント！応募⼀次⾯談⼆次⾯談最終⾯談採⽤媒体からのプロフィール情報合否なしロジカルシンキングなど５項⽬の点数を属⼈的に定量評価合否 *採⽤担当の直感出⼒⼊⼒出⼒⼊⼒なしロジカルシンキングなど５項⽬の点数を属⼈的に定量評価合否出⼒⼊⼒なしなし合否出⼒⼊⼒なし

case study of automating recruitment with AI 31 まずデータを貯めるという発想がありますがデータには『⾏』と『列』があります。⾏は何件貯まっているか？列は何を貯めているか？最初に考えるべきことは『何』を貯めるか？でしょう。

case study of automating recruitment with AI 32 そして、『何』のデータを貯めるかを考えるためには達成したい『ゴール』は何か？を決めて逆算していきます。当たり前ですが、ご⾃⾝のプロジェクトを振り返るとほとんどのケースができていないのではないでしょうか。

case study of automating recruitment with AI 33 採⽤プロジェクトのゴールは何でしょうか？

case study of automating recruitment with AI 34 合格することがゴールではありません。⼊社後に活躍することです。 *活躍の定量評価も別プロジェクトで始めています。

case study of automating recruitment with AI 35 ロジカルシンキング⽇本語の⽂章⼒資料作成⼒プレゼンテーション⼒機械学習の基礎数学 Python プログラミング社内ツールの習熟 Web アプリ開発インフラの知識⾼度な数学コンテンツ開発⼒動画撮影・編集

case study of automating recruitment with AI 36 ロジカルシンキング⽇本語の⽂章⼒資料作成⼒プレゼンテーション⼒機械学習の基礎数学 Python プログラミング社内ツールの習熟 Web アプリ開発インフラの知識⾼度な数学コンテンツ開発⼒動画撮影・編集内定前内定〜⼊社前⼊社後研修

case study of automating recruitment with AI 37 Step1. 必要な要素を計測・ゴールを達成するために再設計応募⾯談技術テスト研修期間性格・属性診断ロジカルシンキングスライド資料プレゼンテーション⾏動合否⾯談の動画⾳声のトーンや画像、⾃然⾔語などを記録⼈柄の良さやカルチャーマッチに対する項⽬を定量評価合否 *採⽤担当の直感出⼒⼊⼒出⼒⼊⼒合否出⼒⼊⼒研修期間にDailyで定義した要件に対するテスト合否出⼒⼊⼒各項⽬に対して担当者が点数をつける *点数の⽬安を作るが、ロジックは属⼈化スクリーニングだけでなく研修動画を⽤意して育成キカガクに必要な技術要件のテストテストに対する点数 * 満点のみ合格内定テストに対する点数 * 満点のみ合格

case study of automating recruitment with AI 38 応募⾯談技術テスト研修期間性格・属性診断ロジカルシンキングスライド資料プレゼンテーション⾏動合否⾯談の動画⾳声のトーンや画像、⾃然⾔語などを記録⼈柄の良さやカルチャーマッチに対する項⽬を定量評価合否 *採⽤担当の直感出⼒⼊⼒出⼒⼊⼒合否出⼒⼊⼒研修期間にDailyで定義した要件に対するテスト合否出⼒⼊⼒各項⽬に対して担当者が点数をつける *点数の⽬安を作るが、ロジックは属⼈化スクリーニングだけでなく研修動画を⽤意して育成キカガクに必要な技術要件のテストテストに対する点数 * 満点のみ合格内定テストに対する点数 * 満点のみ合格 Step2. 最初は設計したプロセスに対して⼿動で点数を定量評価する⼿動⼿動⾃動⾃動

case study of automating recruitment with AI 39 ⾃動化に使⽤するもの機械学習を使った⾃動化の⼿段も考慮してプロセスを設計していきます。資料 * E-leaning含むテスト * Google Form で OK Zoom データ解析

case study of automating recruitment with AI 40 応募⾯談技術テスト研修期間性格・属性診断ロジカルシンキングスライド資料プレゼンテーション⾏動合否⾯談の動画⾳声のトーンや画像、⾃然⾔語などを記録⼈柄の良さやカルチャーマッチに対する項⽬を定量評価合否 *採⽤担当の直感出⼒⼊⼒出⼒⼊⼒合否出⼒⼊⼒研修期間にDailyで定義した要件に対するテスト合否出⼒⼊⼒各項⽬に対して担当者が点数をつける *点数の⽬安を作るが、ロジックは属⼈化スクリーニングだけでなく研修動画を⽤意して育成キカガクに必要な技術要件のテストテストに対する点数 * 満点のみ合格内定テストに対する点数 * 満点のみ合格 Step3. ⼿動と機械学習のハイブリッドで負担を減らしていく⼿動⼿動⾃動⾃動機械学習による⾃動化機械学習による意思決定の⽀援

case study of automating recruitment with AI 41 ⼤切なことゴールの設定から⼯程分解 AI 以外の⼿段も含めた⾃動化の検討

▶ 資格試験に関する詳細はこちら：https://www.kikagaku.co.jp/certificate/

▶ キカガクオンラインの詳細はこちら：https://online.kikagaku.co.jp/

研修/講座⼀覧初学者から上級者向けまで幅広い研修を提供

2020 Kikagaku, Inc. All Rights Reserved 52 ディープラーニングハンズオンセミナー対象こんな⽅におすすめ
主な講義内容 Microsoft共同開催 E資格認定講座第四次産業⾰命スキル習得講座・職種問わず、AI・ディープラーニングの理解を深めたい⽅・Pythonの基礎、ディープラーニングの数学・Docker、Azureを使った環境構築・畳み込みニューラルネットワーク（CNN）の理論と実装・再帰的ニューラルネットワーク（RNN）の理論と実装・⽂書分類・機械学習・ディープラーニングなどのAI技術や数学について体系的に学びたい⽅・AI案件を任されるようになり、実務をこなすための基礎を⾝に付けたい⽅ Deep Learning Hands on Course

2020 Kikagaku, Inc. All Rights Reserved 53 コース概要詳細コース詳細URL
▪受講時間 - 事前学習動画 9時間 - 集合研修 7時間×3⽇ - E資格対策補講動画 20時間 https://www.kikagaku.co.jp/seminars/deeplearning/ ▪定員 20名 ▪受講料 300,000円/名 ▪受講後の特典 Q&A対応、コミュニティ招待 ※ E資格の受講されない場合は受講料が20万円 /名となり、補講動画がありません。ディープラーニングハンズオンセミナー

2020 Kikagaku, Inc. All Rights Reserved 55 ⾃⾛できるAI⼈材になるための⻑期コース AIアプリケーション開発までを体系的に学ぶことができる
E資格認定講座第四次産業⾰命スキル習得講座対象こんな⽅におすすめ主な講義内容・職種問わず、AIを学びたいと思っている全ての⽅・Pythonの基礎、ディープラーニングの数学・Dockerでの環境構築・スクレイピング、データベース作成・Flask、Djangoでのアプリケーション開発・DNN、CNN，RNNの理論と実装・新しくAIを学び、現在のビジネルに活⽤したい⽅・⾃⾝の市場価値を⾼めたい⽅・機械学習だけではなく、AIアプケーション開発までのスキルセットを体系的に学びたい⽅ Long-Term Development Course for AI Programmer

2020 Kikagaku, Inc. All Rights Reserved 56 コース概要詳細コース詳細URL
▪受講時間 - 事前学習動画 9時間 - 集合研修 6時間×24週（週1×6ヶ⽉間） - E資格対策補講動画 20時間 https://www.kikagaku.co.jp/seminars/longterm/ ⾃⾛できるAI⼈材になるための⻑期コース ▪定員 16名 ▪受講料 720,000円/名 ▪受講後の特典 Q&A対応、コミュニティ招待

2020 Kikagaku, Inc. All Rights Reserved 57 研修の特徴よくある研修事業者講師の雇⽤体系
・講師全員が正社員講義の質を⾼く維持できる・講師の多くが業務委託講師によって講義の質にばらつきがある講師のバックグラウンド・塾の教室⻑や塾講師教育のプロ集団、初学者に優しい・⼤学院や企業の研究所研究のプロ集団、上級者向き講義資料のブラッシュアップ・最新の情報をキャッチアップし、素早く講義資料に反映できる・業務委託講師のため、講義資料の修正頻度が少ない

2020 Kikagaku, Inc. All Rights Reserved 58 受講⽣の声⾮常にわかりやすい講義、かつ各質問に対して誠意を持って丁寧に対応するプロフェッ
ショナリズムに感動しました。ディープラーニングにおける画像処理や⾃然⾔語処理など、幅広く講義頂いたことが⾮常に良かった。講師、サポーターともに⼿厚いサポートが助かった。講師の皆さんの雰囲気が良かったです。事前動画学習が重要でした。数学から学べたこと、単にライブラリの使い⽅だけでなく、機械学習の根本的仕組みまで理解できました。機械学習について初学者でしたが、⾃分の⾃分のレベルに応じた内容理解ができとても満⾜。前提知識の紹介と演習がセットで演習時間にじっくり考えながら取り組むことができた。機械学習の要点やPythonを⽤いた実装が丁寧に説明されているので、学習の第⼀歩としては最適な研修でした。 20代男性 IT エンジニア 30代男性ソフトウェアエンジニア 40代男性不動産ビジネス 30代⼥性通信エンジニア 30代⼥性保険ビジネス４0代男性個⼈事業主エンジニア機械学習の初学者として、何からどんな範囲で勉強したらよいか分からなかったので、今回の研修を通して概要が掴めてとても有意義でした。ハンズオンセミナーハンズオンセミナーハンズオンセミナーハンズオンセミナー機械学習実践コース機械学習実践コース

20200801_DLLAB_講演資料_キカガク

20200801_DLLAB_講演資料_キカガク

More Decks by Ryosuke Yoshizaki

Other Decks in Education

Featured

Transcript