20200801_DLLAB_講演資料_キカガク

 20200801_DLLAB_講演資料_キカガク

2020年8月1日
Deep Learning Digital Conference の講演資料です。
人材育成の観点から具体的なAIプロジェクトの話まで。

62fa6ba3263de6f0f49019635e143039?s=128

Ryosuke Yoshizaki

August 01, 2020
Tweet

Transcript

  1. 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?

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

    Profile
  3. 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)
  4. 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
  5. 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
  6. 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
  7. 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
  8. 8

  9. 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
  10. 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?
  11. 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
  12. 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. 13 ▶ チーム学習に関する詳細はこちら:https://www.kikagaku.co.jp/newplan/

  14. 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?
  15. 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
  16. 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
  17. 2020 Kikagaku, Inc. All Rights Reserved キカガクが考える PBL Kikagakuʼs idea

    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/
  18. 2020 Kikagaku, Inc. All Rights Reserved キカガクが考える PBL Kikagakuʼs idea

    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。
  19. 2020 Kikagaku, Inc. All Rights Reserved キカガクが考える PBL Kikagakuʼs idea

    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?
  20. 2020 Kikagaku, Inc. All Rights Reserved キカガクが考える PBL Kikagakuʼs idea

    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
  21. 2020 Kikagaku, Inc. All Rights Reserved キカガクが考える PBL Kikagakuʼs idea

    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。
  22. 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?
  23. 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。
  24. 2020 Kikagaku, Inc. All Rights Reserved AI 活⽤への⼀歩を考える A step

    towards the use of AI 24 最も⼤事な作業 ⼯程分解
  25. 2020 Kikagaku, Inc. All Rights Reserved AI 活⽤への⼀歩を考える A step

    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
  26. 2020 Kikagaku, Inc. All Rights Reserved AI 活⽤への⼀歩を考える A step

    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
  27. 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。
  28. 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 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
  29. 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 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。
  30. 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 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
  31. 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 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。
  32. 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 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。
  33. 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 33 採⽤プロジェクトのゴールは 何でしょうか?
  34. 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 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。
  35. 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 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
  36. 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 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
  37. 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 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
  38. 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 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
  39. 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 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
  40. 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 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
  41. 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 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
  42. 2020 Kikagaku, Inc. All Rights Reserved 42 42 資格取得のすゝめ Recommendations

    for certification
  43. None
  44. ▶ 資格試験に関する詳細はこちら:https://www.kikagaku.co.jp/certificate/

  45. 2020 Kikagaku, Inc. All Rights Reserved 45 45 DX リテラシー向上への⼀歩

    First step toward better DX literacy
  46. ▶ キカガクオンラインの詳細はこちら:https://online.kikagaku.co.jp/

  47. None
  48. None
  49. ▶ キカガクオンラインの詳細はこちら:https://online.kikagaku.co.jp/

  50. 2020 Kikagaku, Inc. All Rights Reserved 50 50 短期コース Short

    Term Course
  51. 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

  52. 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
  53. 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
  54. 2020 Kikagaku, Inc. All Rights Reserved 54 54 ⻑期コース Long

    Term Course
  55. 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
  56. 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
  57. 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
  58. 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