ビジネスパーソンのためのデータ・AIリテラシー／⑤AIシステムの実装・運用
【DataRobot社 受講後アンケートにご協力ください】 アンケートにご回答いただいた方で、ご希望される方にはDataRobot社からのAI活用方法や事例、テーマの選び方、そして貴社の課題のヒアリングを目的としたフォローアップセッション（無料）を実施いただきます。アンケートのご協力の程、よろしくお願いします。 ※ リソースの関係上、全ての方にセッションを提供できない場合があります。予めご理解の程よろしくお願いします。 https://docs.google.com/forms/d/e/1FAIpQLSeQ554Km-jJqBG5MvHp0-7yIVQgxsw2ntZgSozrqxLCfGdCHA/viewform また「ビジネスパーソンのためのAI実践講座④ ~DataRobotを活用しよう~」では、DataRobotの使い方を詳しく解説しています。以下のリンクからご受講ください。 https://globis.jp/courses/a18da4a7/ ビジネスパーソンがデータやAIを活用するうえで、知っておかなければならない知識やよく直面する課題を、用語解説を交えてやさしくお伝えします。この動画では、AIシステムの環境構築後の「デプロイ」について取り扱います。AIモデルができたとしても、そのままの状態でビジネス上で利用することは出来ません。AIのパフォーマンスを高めていくにはどうしたら良いのか、一緒に学んでいきましょう。
会員限定
より理解を深め、他のユーザーとつながりましょう。
33人の振り返り
512177
資材・購買・物流
AI環境の構築は、将来の事業スピードの加速には重要なファクターとなる
naoki_sasano
メーカー技術・研究・開発
自社内ではまだpythonを使えない環境のため、クラウド上でのデータ分析、機械学習モデルの作成を行わないといけない。
aya_14__
営業
実際の状況を想定し、現場ベースでの開発が大事だと学んだ。
k_yuna
販売・サービス・事務
大変勉強になりました。
mhbl_nakayama
IT・WEB・エンジニア
AIを活用出来る範囲・限界を理解した上で、業務に合ったAI環境を構築することの大切さを学びました。
taiichi-yoshi
IT・WEB・エンジニア
AIをどこで実行するか、またAIに対するアクセス権をどのように設定するかは、今まで意識してこなかったので勉強になりました
7031
経営・経営企画
学習と予測の環境を、MLops、パイプラインを考慮して、構築する必要がある。また、クラウド、エッジ、エンドポイントでのAI予測処理の分散処理も視野にいれる必要があると感じました。
fujii_tomohiro
その他
学習後にどの条件をどう変更すればよいか等、シュミレーションが必要と考えます。
k_kennji
営業
def evennum(n):
for i in n:
if i % 2 == 0:
return `Pythonなども理解しないといけないと思いました‘
else:
returu `言語の学習も頑張ります‘
purint(evennum(2))
i323
その他
ステージング環境、デプロイという言葉はよく耳にしていたが、この講座で鵜役割がクリアになったので良かった。
yuukahm
IT・WEB・エンジニア
既存のシステムとの兼ね合い等を考慮して、AIシステムを適合させていく必要がある
yuri_sudo2
その他
よくわかった。とてもよい講座
kawaguchimas229
IT・WEB・エンジニア
コストがきりそうですね
iso_ken
専門職
予測時にどんなデータを用いて予測しなければならないかをしっかり考えたうえで、機械学習を行う必要がある。
むやみに情報を詰め込むと精度が下がるということを理解した。
sm054307
経営・経営企画
予測の段階で、どのように分析するか決める必要がある。
nonchankawaii
IT・WEB・エンジニア
Pythonを使ったAI予測をぜひ行いたいが、会社ではPythonの利用が制限されている。
せっかくのデータ活用の機会が単なる「過去に導入実績がないから」「今の環境じゃ入らないから」で済ませてしまうようなシステム管理のままであれば日本のデータ利活用は一向に進まないと思う。
stani
専門職
AIを活用し省力化できるようにしたい。
jshinmura
IT・WEB・エンジニア
AI環境を作っていくときに、個人環境、クラウド環境、オンプレミス環境とそれぞれのメリットデメリットがある。加えて、その業務内容によって、どこまでのプロセスをどの環境に実装するかといった観点での検討が必要になる。もう１つは、短期的な視点でAI環境を作った場合、将来的にはそのAI環境が不都合になり、大きな再構築が必要になったりすることも考えられる。これらをまとめると、おおむねいつの時点でどのようなことを成し遂げていたいのかを狙い、そこに向けてバックキャスティングで考えたうえで、現在のAI環境を作っていくことが必要であることを学びました。
matsu_411
専門職
業務にあったAI環境を構築する。Pythonがよく使われることが理解できたが本番環境でPythonが使えないと意味がないのに気をつける。
watanabe-tat
専門職
学習と予測の環境を、MLops、パイプラインを考慮して、構築する必要がある。また、クラウド、エッジ、エンドポイントでのAI予測処理の分散処理も視野にいれるべきである。
zummy_0617
金融・不動産 関連職
phthonやオンプレミスという専門用語を初めて聞きました。
オンプレミスは自社でしかAIは使用するという限られた範囲で使用することです。開発環境から本番に移行して引っかかたら一からやり直すなど試行錯誤でやるしかないです。
yasu--ta
メーカー技術・研究・開発
自社でもAIは取り入れている中で、予測値 の精度が重要と思っている。
また、AIによる工数削減/時間短縮となり、よりspeedアップにつながる。一方、事前の検討事（自らの発想）の重要性が増していくと思われる。
masuhide
経営・経営企画
データ環境構築チームメンバーではないため少し難しいお話でした。自動運転のお話は非常にわかりやすかったです。
ただ、AIモデルの予測パタンなどの項目は非常に重要なポイントかと考えます。実際のモデル構築時は今般学んだ内容と照らし合わせてゆきたいと思います。
hr-sakai
その他
検索物が多い我が社においてAI構築が検索業務の効率化が見込まれる為構築作業が急務である。
suzuzuzu
その他
とても勉強になりました
faoki
IT・WEB・エンジニア
予測時にデータがどこまで取得できるかという観点があるということははじめて知りました。
koichbaba
経営・経営企画
学習と予測の関係性について理解が進みました。
kiso_2115
コンサルタント
分析と予測の環境を分けて整理し、予測についても、目的に応じた方法の選択を検討する。
nagamatsu-naoki
金融・不動産 関連職
バージョンを合わせること、リアルタイムで回答予測をさせる機能など、学びが多かった
tyamashi
人事・労務・法務
人事データを使う場合は、個人の識別が可の場合と不可の場合を使い分けることが必要であることを理解できた
t_terakawa
メーカー技術・研究・開発
予測時に計測できるデータを使って学習するこが重要と認識して，エッジＡＩ活用していきます。
yu0917
販売・サービス・事務
1.バッチ予測
2.リアルタイム予測
sbsconts
コンサルタント
AIの環境構築は、受講した内容は理解でき、同意できるような内容でなりましたが、自身でAI活用していった場合に気づけた事項かと問えば、恐らくくづかないまま作業を進め、後戻りするパターンであったかと思います。よってAI活用の注意すべき事項を把握できたことは受講した効果と思います。