各コースの学習目標 :AI基本/ビジネス

AIビジネス要論
AI Business Basic
AIビジネス要論

AIをビジネスで活用するために必要な知識とスキルを身に付けることを目標とする。

  1. AIシステムの適用に不可欠な基本的なAI技術(機械学習、深層学習を含む)について学び、理解と判断ができる
  2. 従来のシステム開発とAIシステム開発の違いについて学び、適切な選択ができる
  3. 様々な業界で既に導入されている事例を学び、AIシステムの適用方法を判断できる
  4. AIシステム導入におけるアプローチやプロジェクトマネジメントのあり方としてAgileを学び、実務での活用を検討できる
  5. AIシステム企画・開発におけるマーケット分析、ビジネスへの導入効果の表現手法、工数の見積もり方法について学び、実践できる
  6. AIシステム企画・開発におけるロードマップの作成方法について学び、作成ができる
  7. AIシステム導入におけるデータ準備とトレーニングについての適用方法を学び、実践できる
  8. AIシステム企画・開発において必要な法規(知的財産法など)について学び、資産を守る手段を提示できる

講義概要:AIビジネス要論(AI基本)

テーマ 講義のポイント
1 人工知能の背景と歴史 AIに関する基礎知識や用語を広く理解するために、様々な話題を紹介する。
2 人工知能への取り組み AIを展開する各社の製品・サービス、取り組みを理解し、AIベンダー選定の基本情報を取得するために、広く事例を紹介する。
3 AI導入のアプローチとプロジェクトマネジメント AIの導入・活用には、従来と異なるアプローチが必要であり、価値を生む活用領域の見極めや、適切なプロジェクトマネジメントの実践が重要となる。AIシステムの特性を踏まえたアプローチとして、Agileとは何かを、グループワークをを通じて体得するとともに、実務での活用を検討する。
4 AIのビジネス導入計画とPoCアプローチ AI導入における幾つもの課題を効率的に解決するための導入計画(CVA)を適用することにより、ビジネス価値をPoCで検証しながらロードマップに沿って最終的な目標に到達することが出来る。そのアプローチをケーススタディにより理解してもらう。
5 AIシステムの法的・倫理的課題(ケーススタディ) AIで利用されるデータ、学習済みモデルによる成果物など、従来のシステム開発とは異なる法的・倫理的課題を理解しケーススタディを通して理解を深める。
6 AI導入におけるデータ準備とトレーニング計画 Big Dataからトレーニングにより構築されるAIにおけるデータ準備、トレーニングの重要性やアプローチを理解する。
7 AIシステムのデータ活用による 進化体験(演習) AIシステムの各種トレーニング演習を体験することで、どこに工数がかかるのか、何が必要工数の変動要素なのかを理解し、自らの工数見積もりに生かす体験を演習にて実施する。
8 AIシステムのマーケティングと企画体験(演習) 対話システム(チャットボット)を例にAIマーケティングを考える。さらに演習では自動指定券売機のAIシステムの企画立案を演習にて実施する。

担当教員

槌野 浩
槌野 浩 客員教授 現職
  • 日本IBM SW Service Watson Project 担当
出身大学
  • 東京大学理科I類(教養課程)卒業
  • 東京大学工学部 機械工学科(専門課程)修了
  • 東京大学工学系専門課程 産業機械工学修士課程 修了
野田 晴義
野田 晴義 客員教授 現職
  • 日本IBM 技術アドバイザー

出身大学
  • 慶應義塾大学 工学部管理工学科 修了
  • 慶應義塾大学 工学科 管理工学専攻 修了
武上 弥尋
武上 弥尋 客員教授 現職
  • 日本アイ・ビー・エム株式会社
  • SW&システム開発研究所 ワトソンサービス
  • Certified Executive Project Manager
槌野 浩
槌野 浩 客員教授 現職
  • 日本IBM SW Service Watson Project 担当
出身大学
  • 東京大学理科I類(教養課程)卒業
  • 東京大学工学部 機械工学科(専門課程)修了
  • 東京大学工学系専門課程 産業機械工学修士課程 修了

AIビジネス特論
AI Business Advanced
AIビジネス特論

AIを実際のビジネスに活用するための方法論を、事例から体系化された理論として身につける。その際、データ入手の容易性などの実現可能性や、費用対効果の判断、企業戦略と整合性のある技術選択についても、事例ベースのケーススタディを通じて、疑似体験を行うことにより理解を深める。最終的には、多様な業種・分野において実践的なAI活用プロジェクトの提案と実行ができるようになることを目指す。

  1. ケーススタディを通じて、実践ビジネスにおいて各エリア技術の適用をするための要件抽出ができる
  2. 対話系技術適用事例を通じて、当該エリアのシステム企画実装時の考慮点を理解し、適用できる
  3. 音声/画像認識技術適用事例を通じて、当該エリアのシステム企画実装時の考慮点を理解し、適用できる
  4. 自然言語処理技術適用事例を通じて、当該エリアのシステム企画実装時の考慮点を理解し、適用できる
  5. 検索発見系技術適用事例を通じて、当該エリアのシステム企画実装時の考慮点を理解し、適用できる
  6. 上記①から⑤を通じて検証できたモデルを実ビジネスケースに役立てるユースケース(局面)を的確に選定できる

講義概要:AIビジネス特論(AIビジネス)

テーマ 講義のポイント
1 AI導入におけるPoCの重要性 AIに関する基礎知識や用語を広く理解するために、様々な話題を紹介する。実際のケースにおける提案事例をモディファイしつつ、現場でのインタビューコメントや調査結果のメモを基にして、費用対効果を検討する。
2 データ整備の重要性と実際 画像・テキストの分類器に学習させるデータ整備、対話設計ツールを活用するために必要な同義語の整備、マッチング問題においてマッチングする側・される側をつなぐ情報の実例を体験する。
3 AIの精度を高めるための分野別・顧客別データ整備 気の利いた対話を設計する考え方、音声認識精度向上のためのコーパス登録について、技術的な理解を深める。また、同じテーマでもユーザー層が異なることにより、収集整備する辞書類のデータが異なることを簡単なデザインシンキングセッションを通じて理解する。
4 顧客接点における新技術の活用 ロボット、画像、バックエンド連携、性格診断活用など、主にe-コマースやリアルな対面環境の支援ツールとして用いられている先進事例を学ぶ。
5 AIにおける探索・発見、創造性への挑戦 AIを用いた発見、創造の背景にビッグデータがあり、単なる検索や分類がどのようなロジックで人間の創造性を刺激し支援する可能性があるかを学ぶ。
6 意思決定支援におけるAIの活用 AIを用いた意思決定支援の背景には、やはり検索と分類があり、類似事例を的確に探して過去の判断に学ぶ場合と、単純な分類を大量にこなす場合の2通りがあることを学ぶ。
7 AI活用による新サービス・新しいビジネスモデルの創出 AI導入の目的をコスト削減か差別化に置くかでコーパス利用の方針が異なること、新技術を活用するには、課金体系変更につながる新しいサービスを提供し続けることを学ぶ。
8 総合演習 提案書作成 共通課題として、未来にイメージされた世界が今どの程度実現されているかを理解する。また、自分自身の業務に関連したAI活用提案書を、これまでの学習結果として費用対効果や実現可能性の評価を含めて作成する。

担当教員

森島 秀明
森島 秀明 客員教授 現職
  • 日本IBM SW Service Watson プロジェクト担当
出身大学
  • 東京大学理科I類 工学部航空学科 卒業
  • 東京大学大学院 工学系研究科 航空学専修 修了
  • シカゴ大学 Global Executive MBAコース 修了
田中 孝
田中 孝 客員教授 現職
  • 日本IBM Watson & Cloud Platform事業部
    Watson Solution 部長
出身大学
  • 東神戸大学国際文化学部 卒業

各コースの学習目標 :AI技術基礎/上級

AI技術要論
AI Technology Basic
AI技術要論

AIで活用されている最新の技術を座学・演習を通じて学び、AIアプリケーション構築時に必要な要件や設計に関する基礎的な知識を理解する。(受講の結果としてIBM Watson開発者向け認定資格受験の前提知識を得ることができる)

  1. 画像認識技術を他人に説明でき、作業イメージや作業量を把握できる。またAPIを使って簡単なデモを実施できる
  2. 音声認識技術を他人に説明でき、作業イメージや作業量を把握できる。またAPIを使って簡単なデモを実施できる
  3. 知識探索技術を他人に説明でき、作業イメージや作業量を把握できる。またAPIを使って簡単なデモを実施できる
  4. 対話システム(チャットボット)を他人に説明でき、作業イメージや作業量を把握できる。またAPIを使って簡単なデモを実施できる
  5. 各APIの特徴を理解したうえで組み合わせてAI活用したシステムを作ることができる
  6. (⑥IBM Watson開発者向け認定資格に合格する)


講義概要:AI技術要論(AI技術基礎)

テーマ 講義のポイント
1 人工知能の背景と歴史 AIに関する基礎知識や用語を広く理解するために、様々な話題を紹介する。
2 画像認識 画像認識技術についての説明。画像認識技術実装例の紹介。Visual Recognition(Watsonサービス)についての説明。 画像判定のトレーニングの実施。
3 音声認識 音声認識技術についての説明。音声認識の実装例の紹介。STT API (Watsonサービス)についての説明。 STTを用いた演習、初期認識レベル確認。学習による認識率改善効果の確認。
4 知識探索 知識探索技術についての解説。知識探索技術実装例の紹介。Discovery, NLU,WKS (Watsonサービス)についての説明。Discoveryを使用したコレクション作成演習。
5 対話システム(チャットボット) 対話システムの技術についての説明。対話システムの実装例の紹介。Conversation API(Watsonサービス)についての説明。Conversation APIを使った対話システムの演習。
6 総合演習#1 総合演習の進め方の説明。チーム分け。チーム内ユースケースのディスカッションとチームごとのユースケースの決定。
7 総合演習#2 チーム内での実装方針、役割分担の決定。アドバイザーからの助言を受けてユースケース作成開始。
8 総合演習#3 ユースケース作成、完成版を発表。チームごとのプレゼンテーション実施と投票による優秀作決定。

担当教員

溝渕 浩章
溝渕 浩章 客員教授 現職
  • 日本IBM SW Service Watson Delivery 部長
出身大学
  • 北海道大学文学部 卒業
緒方 宏義
緒方 宏義 客員教授 現職
  • 日本IBM SW Service Watson Delivery
出身大学
  • 九州大学工学部 卒業

AI技術特論
AI Technology Advanced
AI技術特論

カスタムAIを企画・設計するにあたって最低限必要な知識・スキルを習得することを目標とする。

  1. PythonとPython前提のAIフレームワークを理解し、AIプログラムのソースコードが読めるようになる
  2. 典型的な機械学習モデルの特徴を理解し、要件に応じたモデル選定ができるようになる
  3. テキスト分析に関する要素技術を理解し、要件に応じたシステム設計ができるようになる
  4. 典型的なニューラルネットワークの特徴を理解し説明できるようになる
  5. Keras・Tensorflowによる深層学習アプリのソースコードが読めるようになる
  6. データ整形、過学習対策、評価手法など機械学習における重要タスクを理解し、どのフェーズにどのようなタスクがあるか説明できるようになる

講義概要:AI技術特論(AI技術上級)

テーマ 講義のポイント
1 人工知能技術の変遷・クイズ番組への挑戦 AI研究の歴史を、コネクショニズム、ルールベースという2つの流れのそれぞれについて解説する。また、ルールベース探索の集大成ともいうべきクイズ番組挑戦プロジェクトでの知見について、当時のプロジェクトメンバーが詳しく解説する。
2 コース概要・Python入門 コース概要では、当コース全体で学習する内容全体を説明する。Pyhton入門では、当コースの実習で使うPython/Jupyter Notebookに関して最低限の利用ができるよう講義・実習を行う。
3 機械学習 基礎編 機械学習の方式の違い(教師あり、教師なし、強化学習)、目的の違い(回帰、分類など)を理解し、あわせて代表的な線形回帰・ロジスティック回帰など典型的な実装方式を実習を通じて理解する。
4 テキスト分析 従来型の技術要素である形態素解析、係受け解析から、最新AI技術であるエンティティ抽出やWord2Vecまでテキスト分析に関わる主要技術を実習を通じて理解する。
5 機械学習 深層学習編1 深層学習のネットワークを設計する上で重要な概念は何か、CNNはどのような方式なのかなどを、Kerasによる実習を通じて理解する。
6 機械学習 深層学習編2 深層学習のフレークワークとして重要なTensorFlowの考え方を理解し、またRNN、LSTM、ResNetなど最新のニューラルネットの仕組みを実習を通じて理解する。
7 機械学習 実践編 データ整備、正規化、過学習、次元の呪い、正則化、テスト方法、評価方法など実際に機械学習を行う上で必須の概念・タスクを網羅的に説明し、実習を通じて理解を深める。
8 Watson API開発事例・最新AI事例 Personality Insights と音声認識のAPI開発に関わった研究者が、API開発の実際について解説する。また、最新のAI技術状況、どこまでができてどこからができないかなどについて、昨年まで基礎研究所にいた研究者が解説する。

担当教員

赤石 雅典
赤石 雅典 客員教授 現職
  • 日本IBM
  • ワトソン&クラウドプラットフォーム事業部
  • ワトソンソリューション エグゼクティブITスペシャリスト
出身大学
  • 東京大学工学部計数工学科 卒業
  • 東京大学工学系研究科計数工学専修コース修士課程 修了
清水 周一
清水 周一 客員教授 現職
  • 日本IBM GBS 事業部 コンサルタント


出身大学
  • 京都大学工学部電気電子学科 卒業
  • 京都大学大学院工学研究科電気工学第二専攻 修了