新着
0:53:51
おすすめの学習動画
「AI・テクノベート」の関連動画 一覧を見る
ビジネスパーソンの新しい必須知識「テクノベート」基礎
IoT、AIなどテクノロジーの進化がビジネスに与える影響は日々大きくなってきています。今、ビジネスパーソンが知っておくべきことは一体どんなことでしょうか。そして、テクノロジーをビジネスに活用するためには、何を具体的にすればよいのでしょうか。 このコースでは、ビジネスパーソンが知っておくべきテクノロジー（Technology）×イノベーション（Innovation）、つまりテクノベート（Technovate）について、主に「アルゴリズムとは何か」「プログラミングの基礎」「統計学の基礎」「データの扱い方」について解説します。 ビジネスパーソンの新たな必須知識となるこれらを理解し、ぜひビジネスに活用してみてください。 ※本動画は、公開時点の情報に基づき作成したものです（2018年7月公開）
1時間 25分
ディープラーニング ~機械学習がもたらすビジネスの可能性~
人工知能（AI）が注目されるにしたがい、頻繁に見かけるようになった「ディープラーニング」とは、人工知能を飛躍的に進化させる可能性を秘めた機械学習の手法です。物事を分類することが得意で、画像認識や翻訳などの自然言語処理や音声認識の精度を急速に進展させてきました。 では、機械学習とは何でしょうか、そしてディープラーニングは、とりわけ何が新しいのでしょうか。 すでに世の中に送り出されているディープラーニングを活用したサービス事例をふまえながら、この技術の成り立ちをわかりやすく解説し、その可能性や課題も紹介します。 ※本動画は、公開時点の情報に基づき作成したものです（2019年2月公開）
10分
ブロックチェーン ~世の中を変える破壊的技術を知る~
ブロックチェーンとは、電子データを記録するための新しい技術のことです。取引記録を複数のコンピュータで共有し相互確認することで改ざんを防ぐ仕組みで、日本語では「分散型台帳技術」と呼ばれます。特定の管理者が不要かつシステムダウンが起きにくいというメリットがあります。 かつてインターネットが社会にもたらしたのと同様のインパクトをもたらす破壊的技術といわれる「ブロックチェーン」。ブロックチェーン技術により、仮想通貨、サプライチェーン、企業のバックオフィス機能、シェアリング・エコノミー、政府の業務など、さまざまな分野が変わっていくと言われています。 どのような仕組みで成り立ち、何を可能とする画期的な技術なのでしょうか。そして今後の社会をどう変えるのでしょうか。このコースで全体像を説明します。かつてインターネットが社会にもたらしたのと同様のインパクトをもたらす破壊的技術といわれる「ブロックチェーン」。ブロックチェーン技術により、仮想通貨、サプライチェーン、企業のバックオフィス機能、シェアリング・エコノミー、政府の業務など、さまざまな分野が変わっていくと言われています。 ブロックチェーンとはどのような仕組みで成り立ち、何を可能とする画期的な技術なのでしょうか。そして今後の社会をどう変えるのでしょうか。このコースで全体像を説明します。 ※本動画は、公開時点の情報に基づき作成したものです（2019年1月公開）
13分
テクノベート・ストラテジー ~DXに向けて~（前編）
DXが求められるテクノベート時代の変化は、あなたが今いる会社や業界を含めあらゆる産業に及ぶと言われています。大きな変化の中で、あなたの会社はどのような「戦略＝ストラテジー」を持つべきなのでしょうか？ テクノベート・ストラテジーは、産業構造が大きく変化しているテクノベート時代だからこその「どんな戦略を選び、何をすべきか？」というポイントについて、全体像を押さえながら考えるためのコースです。ここでは、テクノベート時代に適したビジネスモデルの構築や組織作りに役立つ考え方と戦略を学びます。 ※本コースは第1〜3回を前編、第4〜6回を後編とする2コースとなります。前編を修了した方は、以下の後編も視聴ください。 ・テクノベート・ストラテジー ~DXに向けて~（後編） https://unlimited.globis.co.jp/ja/courses/4125e5b0/learn/steps/34865 以下の関連コースを事前に視聴することをお薦めします。 ・ビジネスパーソンの新しい必須知識「テクノベート」基礎 ・はじめてのビジネスプランニング ・ベンチャー・マネジメント ※本動画は、公開時点の情報に基づき作成したものです（2019年4月公開）
54分
6Tech ~イノベーションの潮流~
Fin-Tech（フィンテック）をはじめ「〇〇Tech」という言葉を耳にする機会も増えているのではないでしょうか。 このコースでは、「6Tech」とも言われる、テクノロジーの進化によって未来が大きく変わると言われている6つの領域を紹介します。 紹介されているテクノロジーは未来のものではなく、現在も日々進化しているものばかりです。自身のビジネスや業界にどのような影響がありそうか、またどのようなイノベーションが起こりそうか、考えるのに役立てましょう。 ※本動画は、公開時点の情報に基づき作成したものです（2018年10月公開）
12分
ムーアの法則 ~性能向上の経験則とその影響~
テクノロジー分野で提唱されているムーアの法則とは一体、どのようなものでしょうか？ ムーアの法則とは、半導体の性能向上について提唱された経験則です。 このコースでは、ムーアの法則とは何か、その内容を紹介します。 次にムーアの法則がビジネスのどんなところに影響するのかを説明します。 そして最後に、ムーアの法則を活用して企業が動いている事例を紹介し理解を深めていきます。 ※本動画は、公開時点の情報に基づき作成したものです（2019年2月公開）
6分
スマート生活 ~第四次産業革命で変わる私たちの生活と産業の姿~
昨今、「デジタル技術によって世の中が変わる」と言われており、また未来の姿を映し出した動画などもよく見かけます。 では、「デジタル技術によって世の中が変わる」とは、具体的にはどのようなことなのでしょうか？何が、どのように、どう変わると、世の中が変化していくのでしょうか？ 本コースでは、 ・デジタル技術や情報により、私達の生活がどのように変わるのか ・なぜ、今でも存在するデジタル技術や情報が、将来生活を変化させるといわれているのか ・私達の生活が変わる将来における、産業や組織のあるべき姿は このようなことを学んでいきます。 ※本動画は、公開時点の情報に基づき作成したものです（2019年6月公開）
31分
プラットフォーム ~プラットフォーム型ビジネスの基本構造~
GAFAにとどまらず、Airbnb、Uber、アリババ、テンセントなど、「プラットフォーマー」と呼ばれる企業が著しい成長を遂げているのは皆さんご存じのとおりです。 このコースでは、テクノベート時代のビジネスを考える上で極めて重要である”プラットフォームビジネス”の基本的な考え方を理解することを目的としています。 プラットフォームビジネスが発展してきた背景や、これらのビジネスの特徴などを踏まえ、事例も交えながらわかりやすく解説していきます。 ☆関連情報 フレームワークでニュースを読み解く、日経電子版の記事もぜひご覧ください。 「ヤフー・LINEが挑む「終わりなき消耗戦」」 https://www.nikkei.com/article/DGXMZO52381940Q9A121C1000000/?n_cid=DSPRM5277 「アップル対フォートナイト、独占巡り強者同士が激突」 https://www.nikkei.com/article/DGXMZO63360780S0A900C2X12000/?n_cid=DSPRM5277 「韓国BTS事務所はプラットフォーマーになれるか」 https://www.nikkei.com/article/DGXZQOUC014Z40R00C21A8000000/?n_cid=DSPRM5277 「Facebookは巨大プラットフォームから脱落するのか」 https://www.nikkei.com/article/DGXZQOUC214UG0R20C22A2000000/?n_cid=DSPRM5277 ※本動画は、公開時点の情報に基づき作成したものです（2019年9月公開）
13分
ビッグデータ ~データの取得とAI活用~
ビッグデータの特徴として、データ量が巨大であること、データの処理速度が高速で更新もリアルタイムかつ頻繁に行われること、データの種類に多様性があることの３つが有名です。 いま社会では、あらゆるところからデータを取得し、それを人工知能が処理することによって、さまざまな予測ができるようになっています。ビッグデータの活用は、消費者の立場では見えにくい面もありますが、すでに多様な業界に見られ、そしてどんどん拡大しています。 本コースでは、ビッグデータとは何か、その特徴と社会での活用事例を学びます。 ※本動画は、公開時点の情報に基づき作成したものです（2020年9月公開）
11分
テクノベート・ストラテジー ~DXに向けて~（後編）
DXが求められるテクノベート時代の変化は、あなたが今いる会社や業界を含めあらゆる産業に及ぶと言われています。大きな変化の中で、あなたの会社はどのような「戦略＝ストラテジー」を持つべきなのでしょうか？ テクノベート・ストラテジーは、産業構造が大きく変化しているテクノベート時代だからこその「どんな戦略を選び、何をすべきか？」というポイントについて、全体像を押さえながら考えるためのコースです。ここでは、テクノベート時代に適したビジネスモデルの構築や組織作りに役立つ考え方と戦略を学びます。 ※本コースは第1〜3回を前編、第4〜6回を後編とする2コースとなります。前編を視聴していない方は、以下より視聴ください。 ・テクノベート・ストラテジー ~DXに向けて~（前編） https://unlimited.globis.co.jp/ja/courses/4f41c435/learn/steps/34864 以下の関連コースを事前に視聴することをお薦めします。 ・ビジネスパーソンの新しい必須知識「テクノベート」基礎 ・はじめてのビジネスプランニング ・ベンチャー・マネジメント ※本動画は、公開時点の情報に基づき作成したものです（2019年4月公開）
59分
事例から学ぶDX推進 ~ドワンゴ・KADOKAWA前編~
「デジタルトランスフォーメーション」「DX」と、よく聞くけれど実際にどんなことだろう？という方に、「DXの本質とは何か」をわかりやすくお伝えします。そしてDXを可能にするためには「GAFA（米国の主要IT企業Google、Amazon、Facebook、Appleの4社の総称）な働き方」について知ることがヒントになります。GAFAでの経験とMBAでの学びから、現在KADOKAWA、ドワンゴを含むグループ全体の IT戦略を担当する各務茂雄氏が、ご自身の経験をもとにデジタルトランスフォーメーションの基礎的な考え方を解説します。 ※本動画は、公開時点の情報に基づき作成したものです（2021年6月公開）
26分
非エンジニアが持つべき発注者視点
新規事業でWEBサイトやアプリを新たに立ち上げる、開発を外部へ委託するといった機会が様々な業界において増えているのではないでしょうか。 そのような中で、非エンジニアの発注者がどのように依頼したら良いのかわからない、エンジニアとなかなかスムーズにコミュニケーションが進まない、といった場面に直面することも多いようです。そのような場面で双方がどのようなことを考えているのか、背景の状況を理解し、よりスムーズにプロジェクトを進めるためのコツを、株式会社Dive into Codeの野呂氏にお話し頂きます。 ※本動画は、公開時点の情報に基づき作成したものです（2017年7月公開）
48分
おすすめの学習動画
AI BUSINESS SHIFT 第7回 マネジメント編：AIで進化する組織開発・人材育成
本コースは、リーダー・マネージャー層を対象に、AIのマネジメント活用・組織活用を体系的に学ぶ『AI BUSINESS SHIFTシリーズ（全12回）』の第7回です。 第7回「AIで進化する組織開発・人材育成」では、AIは人や組織にどのような影響を与えるのか、人や組織はAIと共にどのように進化していくべきかについて学びます。 ■こんな方におすすめ ・AI時代の組織開発や人材育成のポイントを学びたい方 ・組織開発や人材育成を担う人事担当者や現場リーダーの方 ・OpenAIやパナソニックHDの取り組みを参考にしたい方 ■AIシフトシリーズとは？ 『AI BUSINESS SHIFTシリーズ』は以下の3部構成で設計された全12回のシリーズです。（順次公開） https://unlimited.globis.co.jp/ja/tags/AI%E3%83%93%E3%82%B8%E3%83%8D%E3%82%B9%E3%82%B7%E3%83%95%E3%83%88 ・基礎編（第1回〜3回）：リーダーやマネージャーに求められる、AI時代の基礎的なリテラシーの強化を目的としたコース ・マネジメント編（第4回〜7回）：AI時代のリーダーシップや組織変革を中心に学ぶコース ・機能別戦略編（第8回〜12回）：AI時代における機能別での戦略のあり方を中心に学ぶコース より実践的なAIツールの活用法について学びたい方は『AI WORK SHIFTシリーズ』をご視聴ください。 https://unlimited.globis.co.jp/ja/search?tag=AI%E3%83%AF%E3%83%BC%E3%82%AF%E3%82%B7%E3%83%95%E3%83%88 ※本コースは、AIのマネジメント活用を学ぶ「AIビジネスシフト」シリーズの一環として提供しています。 ※本動画は、制作時点の情報に基づき作成したものです（2025年12月制作）
新着会員限定
マネジャーのための仕事の任せ方
「仕事を任せると失敗が怖い」「自分でやった方が早い」マネージャーとしてメンバーやチームの力を引き出しながら成果を上げるには、どのように仕事を任せていけば良いのでしょうか？ 変化の激しい時代において、マネージャーとして成果を上げ続けるためには、メンバーの個性や特性を理解し、それに合わせた効果的な任せ方を身につけることが重要です。このコースでは、ソーシャルスタイル理論を活用してメンバーごとに最適なアプローチを学びます。「任せる力」を高めることで、チーム全体の成長を促進し、自身のリーダーシップを発揮できるようになっていきます。 ※本動画は、制作時点の情報に基づき作成したものです（2024年12月制作）
会員限定
AI時代の個人力
AIが仕事や社会の前提を変え続ける今、最も求められるのは「他者に代替されない個としての力」“個人力”です。 本コースでは、澤円氏の著書『個人力』をもとに、AI時代をしなやかに生き抜くための「前向きな自己中戦略」を学びます。 テーマは、「Being（ありたい自分）」を中心に据え、自ら考え（Think）、変化し（Transform）、協働する（Collaborate）ことで、自分らしい価値を発揮していくこと。 リスキリングやAI活用が叫ばれる今こそ、スキルより先に“自分の軸”を問うことが重要です。 あなたは何を大切にし、どんな未来を描きたいのか？ このコースは、あなたが“ありたい自分”として生き、キャリアをデザインしていくための思考と行動のガイドになります。 ※本動画は、制作時点の情報に基づき作成したものです（2025年11月制作）
会員限定
【AI×クリティカル・シンキング】①イシューと枠組みでプロンプトを磨く
生成AIから期待する回答を引き出せず、試行錯誤を重ねていませんか。 本コースでは、生成AI活用の質を高める鍵として、クリティカル・シンキングの視点からイシュー設定と枠組みを押さえる重要性を解説します。 目的に直結する問いの立て方や、プロンプトに落とし込む際の実践ポイントを具体例とともに学ぶことで、AIをより思考のパートナーとして活用できるようになります。 生成AIを業務で使い始めた方から、活用を一段深めたい方まで、再現性あるプロンプト設計を身につけたい方におすすめの内容です。 さらに学びを深めたい方は、こちらも合わせてご覧ください。 【AI×クリティカル・シンキング】②AIの弱点との向き合い方 https://unlimited.globis.co.jp/ja/courses/cdfe41e3/learn/steps/62198 ※本コースは、AI時代のビジネススキルを学ぶ「AIタレントシフト」シリーズの一環として提供しています。 https://unlimited.globis.co.jp/ja/tags/AI%E3%82%BF%E3%83%AC%E3%83%B3%E3%83%88%E3%82%B7%E3%83%95%E3%83%88 ※本動画は、制作時点の情報に基づき作成したものです（2026年1月制作）
会員限定
リーダーの挑戦⑤ 藤田晋氏（サイバーエージェント代表取締役）
グロービス経営大学院学長の堀義人が、日本を代表するビジネスリーダーに5つの質問（能力開発／挑戦／試練／仲間／志）を投げかけ、その人生哲学を解き明かします。第5回目のゲストは、サイバーエージェント代表取締役の藤田晋氏。起業の理由、経営をどうやって学んだか、アメーバブログ・ABEMAの立ち上げ、経営チームづくりについてなど聞いていきます。（肩書きは2020年12月11日撮影当時のもの） 藤田 晋 サイバーエージェント 代表取締役 堀 義人 グロービス経営大学院 学長 グロービス・キャピタル・パートナーズ 代表パートナー
会員限定
ビジネスパーソンのための睡眠スキル ~問題解決編 前編 なぜ眠れないのか？~
「仕事が終わらないから睡眠時間を少し削ろう…」「業務時間中なかなか集中できない…」「毎日朝起きるのがつらい…」。 あなたはこのような経験をしたことはありませんか？ 仕事やプライベートの時間をやりくりするために、真っ先に削りがちなのが「睡眠」時間。 実は今、日本社会は世界と比較して「最も眠らない国」だということもわかってきています。 慢性的な睡眠不足は、心身の健康に悪影響なだけでなく、仕事のパフォーマンスにも当然大きな影響を与え、社会全体の経済損失につながります。 このコースでは、基本的な睡眠リテラシーを学んだ後の「問題解決編」として、「なぜ多くのビジネスパーソンは眠れないのか？」について解説していきます。 ▼本コースで学べる主な内容 ・そもそも眠れないことは何が問題なのか？ ・眠れなくなってしまう原因とは？ 睡眠不足の原因は認知機能の問題にありました。 自身の睡眠不足に対し、正しく「気づき・理解し・行動を変える」第一歩を踏み出しましょう。 ▼関連コース ・ビジネスパーソンのための睡眠スキル ~リテラシー編~ https://unlimited.globis.co.jp/ja/courses/24575c03/learn/steps/53129 ・ビジネスパーソンのための睡眠スキル ~問題解決編 後編 どうしたら眠れるのか？~ https://unlimited.globis.co.jp/ja/courses/4ba981e9/learn/steps/62042 ※本動画は、制作時点の情報に基づき作成したものです（2025年12月制作）
会員限定
大阿闍梨 塩沼亮潤が死の手前で見つけた「生き方」
あすか会議2018 第4部分科会B-1「極限の世界で見つけた人生の歩み方」 （2018年7月7日開催／国立京都国際会館） 1300年間で2人目となる大峯千日回峰行満行を果たした塩沼亮潤大阿闍梨。48キロの山道を1日16時間掛けて歩き、それを千日間に亘って続ける過酷な行の中で、どのような悟りを得たのか。そして、9日間、断食・断水・不眠・不臥を続ける四無行満行という極限の世界で何を見つけたのか。塩沼氏が「創造と変革の志士」へ贈る「人生の歩み方」とは。（肩書きは2018年7月7日登壇当時のもの） 塩沼 亮潤 慈眼寺 住職
無料
英語 de 学ぶ！3Cs Analysis（3C分析）
このコースでは、グロービス学び放題の英語版である『GLOBIS Unlimited』のコースの中から、ビジネスで役立つ頻出の英語表現をピックアップしています。英語ネイティブの方が実際に見ているコースなので、リアルなビジネス英語の表現を学ぶことができます。 今回のコースは「3Cs Analysis（3C分析）」です。一緒に『英語で』ビジネス知識を学んでいきましょう！ ▼今回扱ったUnlimitedコース続きは下記からご覧いただけます 3Cs Analysis https://unlimited.globis.co.jp/en/courses/da5ca962/learn/steps/36362 ※本動画は、制作時点の情報に基づき作成したものです（2025年12月制作）
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。
コメント616件
watanabe-tat
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。
masuhide
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。
i323
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。
sm054307
予測の段階で、どのように分析するか決める必要がある。
stani
AIを活用し省力化できるようにしたい。
jshinmura
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。
7031
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。
yu0917
1.バッチ予測
2.リアルタイム予測
naoki_sasano
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。
k_yuna
大変勉強になりました。
yuri_sudo2
よくわかった。とてもよい講座
taiichi-yoshi
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
suzuzuzu
とても勉強になりました
iso_ken
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。
koichbaba
学習と予測の関係性について理解が進みました。
kiso_2115
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。
kawaguchimas229
コストがきりそうですね
mhbl_nakayama
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。
fujii_tomohiro
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。
yasu--ta
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。
sbsconts
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。
haruo_02
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
aya_14__
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。
zummy_0617
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。
k_kennji
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))
faoki
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。
yuukahm
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
hr-sakai
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。
nonchankawaii
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。
matsu_411
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。
t_terakawa
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。
black0saku
業務にあった AI システムを構築していくことが大切だということを学びました。
特に実際に AI を利用する場面に応じて サーバーでの処理するのか デバイス側での処理するのかを選択して行くことが肝心である、ということを念頭に、どのような環境を作るのかを考えていきたいと思いました。
toshiton
クラウドとオンプレミス、学習と予測など、基礎的なことを再認識できた。AIによる予測システムを活用するにあたり、世の中の技術の進歩をどんどんアップデートするために、クラウドによるシステムを構築する方が魅力的である。しかし、私の業務においては、生産ラインをシステム不具合で止めてしまうリスクを考えると、管理範囲をクローズにして自分の目が行き届く規模のシステムで有効活用していきたいと考えます。
kazuma_yasuda
データの機密性や、処理に求められるデバイスの性能など状況に応じた環境構築が必要。
vegitaberu
開発と、実際に使う場面とは、多くの点で異なることを考えておかないといけないと学びました。
何をするにしても、どうしても、今に集中してしまいがちですが、少し余裕をもって、大きくものを見る習慣をつけていきたいと思いました。
toshi5656
AI構築環境について理解できました。
awanoa
どのような環境を用いるかによって留意点が異なること、選択の重要性を学びました。
michiyomichiyo
AIで様々な業務で実際に使えるようになるためにも環境は大事
h_kouno
現在開発を依頼しているシステムがあるのですが、開発に関しての窓口業務を担当している関係上、大変参考になりました。
taka1962
実際の業務では、今ある会社保有のシステムでAIの開発も利用も行うので、AIの利用のためだけで環境を整備することは困難です。開発する段階で利用環境を見通して進める必要があると思います。
tkumasan
業務にあった環境を構築することが大事だと理解できた。
touhoufuhai
実際に使う環境を決めてからでないとだめだと納得しました。
y-arano
かなり専門的な話だが大変参考になった。
2152321
実際に利用する内容を意識し開発する必要性を学びました
cs1960
大変勉強になりました。
morita_kenji
最初の「何がしたいのか」を明確にして、それを適切なツールに乗せていく、データの適切さを検証する、ということが無駄な開発をやらないうえで重要であることが分かった。
murata0207
何を予測したいかによって学習させるモデルを選択する必要があることが分かった。
stag
大事なことや難しいということはわかるが、それをどうやって克服するのかがわからない。
yasu-hero
業務によって環境の判断、学習と予測の構築場所も判断が重要
yumetaro
まずは自社の環境を知るところから始めなければならない
hashiryo8
既存業務やシステムの中でどのAIシステムがフィットするかを考えてみたいと思います。
身近なところでいうと音声データのテキストマイニングやクラスタリングになるかと思いますが
具体的にどのように使うかはこれから考えてみます。
mana_ka
どこで予測をしたいのか、が重要。
学習と予測が同じにあると全部見れてしまうから。学習と予測を分けて、
どこに学習を使うのかといった部分が重要。
学習と予測で同じ特徴料が使える状態にあることも必要。
既存のシステムにAIシステム環境を構築する必要がある。
funakawa
予測パラメータのよってクラウド・エッジ・エンドポイントでAIを持たせることになると思うが、どのAIをマスターとして機能させるのが良いか、システムの構築方法も重要になると感じた。
yamatakuishi
AIを導入する環境がどういう環境なのか、まずはハードウェアの観点から確認する必要があると感じました。
これはインフラ関係であるため、システム基盤として根本問題であります。
その上で、どのようなAIシステムを導入するかについては、導入する先で「どんな目的を達成したいか」「どのような予測と仮説を立ててほしいか」という環境を考えて、適切なAIシステムを導入する必要があると感じました。
今現状としては、クラウドのバッチ型AIの導入が業務に適していると感じられます。
今後は、会話データをリアルタイムに分析して、会話補助できるAIも導入できるかななどと考えました。
1982103
開発環境／利用環境が合っていること、学習／予測が別で動かせることとその意味を知ることができました。
hiropin0165
環境の構築がAIを使う上で重要であることがわかった。また、学習と予測をしっかりと区別して行う必要がある。
hirokatsu
開発環境、ステージング環境、本番環境
デプロイ
バッチ予測、リアルタイム予測（エッジサイドでの予測）
予測をどこでやるかによって予測モデルを別の場所に搭載
学習と予測で同じ特徴量がつかえる状態にあることが重要（事故直前の車の情報など）
risa_sss
オンプレミスとクラウドでのAIシステム環境の選択肢。
合わせたほしい結果にバッチ予測とリアルタイム予測で、予測が可能と、学んだ。
makidayo
AIシステムの環境設定についてもリアルタイムでの予測が必要である場合とそうでない場合で処理が違うことを知り、考えることはたくさんあるだなと思いました。
shin-53
どのように開発するか、どのような環境で使用するかを調査したうえで取り組む重要性を理解した。
pinguino
環境構築の際に留意すべき点が確認できた。
shopoo
AIという言葉に抵抗を感じずに、まずは環境構築するためにどうすればいいかを考えようと思います。
fumiyo_jou
学習と予測という二つのフェーズがあることを学んだ。資金繰り予測の場合、学習させるデータは日々の入出金明細と利率・為替レート等になるのかと思うが、各代理店の施策の効果などをどのようにデジタルデータにするのかなどを考えないといけないと思った。
kei_sawai
自社の業務に合ったAI環境を構築していく。学習は個人PC, オンプレミス, クラウドの選択肢が有り、予測はバッチ処理, リアルタイム処理がある。リアルタイム処理もサーバー上, 端末上に分けられる。自社の状況に合わせた選択が必要。
ichikr
AI環境構築には、学習のフェーズと予測のフェーズがある。予測においては、バッチ予測、リアルタイム予測がある。リアルタイム予測にも、サーバーサイドで行うかエッジサイドで行うかの違いがある。業務の目的に合わせて環境を選ぶことが必要である。開発環境においても、本番環境がどうなるか、あるいは予測時に手に入るデータはどのようなものか考慮して構築する必要がある。
ryoca
AIで何を予測するのか、目的や使途を明確にすることが重要である
hiro-san-2024
基本的な考え方を学べてよかった。
hrkudo
AI環境を構築するにあたり、環境の設計も重要とだとわかった。
特に構築するversionは本番環境導入を想定して構築を進めることが大切だと思いました。
ucchiy50
関係者がこのようなAIの特性を理解した上で議論することが大切。
sato4bb
オンプレミスかクラウドか、色々悩ましい所があります
nisiusuke
そもそも何を予測したいのか。その予測は何があればどの程度できるのか。どうやって学習できるのか。どこで学習させるのか。予測の際に何が許容できて何が許容できないのか。
予測の精度を高めるなら、データは予測時に取得できる範囲にとどめ、結果のセット学習とすべきなのかという仮説
aokitaka-tci
AI環境を構築するには、環境設計もポイントとして捉える
tasu-o
AI環境の構築には学習と予測のフェーズが重要であることがわかりました。
AIに学習させるデータの精査やその制度を上げていきたいと思います
h-kozawa
エッジ側でAIを保有する必要性や、学習／実用環境で同じ特徴量を使えることの重要性について理解しました。学習環境ではわからない現場状況の確認を把握し開発設計に展開することが重要。
nagase29
AIシステムの環境を構築するには、既存の業務やシステムにAiシステムを適合していくことが大切だということを学べた。顧客の要望をよく理解して適切な進め方をしなければならないと考えました。
saiken4545
どの様な目的でAIを活用するか、又その達成イメージを以って、どの様な環境を設定すべきか理解できました。
rl-masayuki
AIの業務環境を作るには業務全体の流れや作業量及び作業内容をしぅかり把握して理解したうえで段階的に進める事が大事と思いました
ichir
AIシステムを導入する際にその環境構築が重要であることを学んだ。
セキュリティー性、カスタマイズ性、費用、導入の難易度などトータル的に検討し判断するようにした。
kinjo2024
どのような場面でAIを活用するかによって構築すべき環境が異なることがわかった。
また、学習フェーズと予測フェーズの違いなども理解したうえで、AIモデルの設計を考える必要があると感じた。
t_n_chocolate
AIの環境を構築する上での注意点などを理解することができました。
imaiaru
Pythonを学び直したいと思いました。
ananana
最近はなんでもクラウド上。
e_co
AI活用は、業務に合った構築が必要。
環境整備等、しっかり検討した上で活用するべきと理解した。
hi-std
業務にあった環境を構築することが重要で、開発環境のものを本番環境に載せられないこともあるということを知ることができた。
ma-yama
大事なのは業務に合ったAI環境を構築していく。というのはAIに限らずすべての業務構築の際に言えることだと感じた
toshi-iwai
業務に合ったAI環境を作ることの大切さを学びました。AIって奥が深いですね。復習します。
yoshikouc
予測時にデータがどこまで取得できるかが注意
genchawan
現在の業務にはまだ関わることはないですが今後のために勉強になりました。
hatenage
Pythonでコーディングしているとのことですが、それをどうやって組み込みするのですか。
ROM化できますか。
keiko2_nakamura
改めて目的、現場ニーズの把握の重要性を学んだ。
ここがぶれるとすべての工程で手戻りや使えない状況が発生し、成果につなげられないリスクが高くなる怖さを痛感した
sachi000
設計がやぱり一番大事ですね
kyo1227
どの様な目的でAIを活用するか、又その達成イメージを以って、どの様な環境を設定すべきか理解できました。
ik_hrs
AIの環境がどのように構築されるのか、どのように構築すべきか、について、全く考えたことがなかったが、業務に合わせた形にするために注意すべきことなども理解することができた。
ponde0627
予測のフェーズで学習フェーズと同じ特徴量が得られるかというのは良い気づきになった。
shun_14
業務で活用するためには、まずは何を予測したいのかについてもっと吟味して、計画性のある開発を行うことが重要だと思いました
y_yasuda1
Ai環境について理解できた
活用していきたい
bonjours
python 稼働環境で悩んでいます。会社の標準環境もあるのですが、データ取得の制約で現状にフィットせず、結局自部の環境をPC上に作ることになりそうです。ただ、これでは環境の保守負担が残ります。環境構築はケースバイケースと言われても、最適なものを見つけることが難しいのが現状です。
csl_tbeppu
AIモデル開発における基本的な要素を理解することができました
tra_mitsu
開発、ステージング、本番の各環境が同じ条件となっていることが大事である点を意識できるようになった。