![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](https://static.unlimited.globis.co.jp/uploads/course/photo/5124/thumb_00-1f670d6dbf92314cab24b839920889db17831903f6621be7617d1fce63231156.png)
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。
57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。
yasu-hero
販売・サービス・事務
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
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。
vegitaberu
人事・労務・法務
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。
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。
michiyomichiyo
その他
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
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))
black0saku
IT・WEB・エンジニア
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。
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
toshiton
メーカー技術・研究・開発
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。
yumetaro
建設・土木 関連職
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
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
yamatakuishi
販売・サービス・事務
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。
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。
taka1962
販売・サービス・事務
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。
1982103
その他
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。
y-arano
メーカー技術・研究・開発
かなり専門的な話だが大変参考になった。
kazuma_yasuda
メーカー技術・研究・開発
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。
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。
hashiryo8
その他
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。
cs1960
販売・サービス・事務
大変勉強になりました。
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。
awanoa
IT・WEB・エンジニア
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。
stani
専門職
AIを活用し省力化できるようにしたい。
morita_kenji
人事・労務・法務
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。
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。
tkumasan
人事・労務・法務
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。
funakawa
専門職
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。
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。
touhoufuhai
販売・サービス・事務
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。
h_kouno
販売・サービス・事務
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。
suzuzuzu
その他
とても勉強になりました
toshi5656
専門職
AI構築環境について理解できました。
stag
経理・財務
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。
murata0207
専門職
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。
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。
mana_ka
その他
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。
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。
2152321
金融・不動産 関連職
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