| 開催日 | 2025年8月6日(水) |
|---|---|
| 開催地 | Web |
★データ共有システムを導入しても利活用が進まないのには理由がある！
★実際の実験研究でAI、機械学習を生かすには工夫が必要！
■セミナーテーマ
AI、機械学習と従来型研究開発の現実的な組み合わせ方法
～データベースの構築と機械学習との連携・運用～
＜Zoomによるオンラインセミナー:見逃し視聴あり＞
■講師
(株)キャトルアイ・サイエンス 代表取締役 工学博士 上島豊 氏
■主経歴等
1997年 4月 日本原子力研究所 博士研究員
2000年 4月 日本原子力研究所 研究職員
2006年 3月 日本原子力研究開発機構（旧日本原子力研究所） 退職
2006年 4月 キャトルアイ・サイエンス設立 代表取締役 就任
■専門および得意な分野・研究
プラズマ物理、物性物理、数値計算科学、データベース、システム化技術
●日時 2025年8月6日（水） 10:30-16:30
●会場 会場での講義は行いません。
●受講料
【オンラインセミナー（見逃し視聴なし）】：1名50,600円(税込（消費税10％）、資料付)
＊1社2名以上同時申込の場合、1名につき39,600円
【オンラインセミナー（見逃し視聴あり）】：1名56,100円(税込（消費税10％）、資料付)
＊1社2名以上同時申込の場合、1名につき45,100円
＊学校法人割引；学生、教員のご参加は受講料50％割引。→「セミナー申込要領・手順」を確認下さい。
■講座の趣旨
IoTやAIの普及により、製造工程以降のデータ利活用は急激に進展しています。一方、公的研究機関であれ、民間企業であれ、R&D部門におけるデータの取り扱いは属人的なままであり、研究の信頼性が阻害されたり、効果的なデータの利活用がほとんど進んでいないのが実態です。R&D部門は技術の源泉であり、データを精緻に管理して効果的に利活用する、つまりデータ分析・AI化を行うことは、今後の競争力にとって不可欠です。
本講演では、まず、R&D部門のデータ共有、利活用の実情をお話しさせていただき、データ共有、利活用が進まない状況がなぜ発生してしまうのか？そのような状況にはどのような問題がはらんでいるのか？、AI、機械学習を実際の実験研究にどのように組み入れていくべきか？に関して、説明をさせていただきます。最後に、データベースと機械学習の連携、運用を維持、拡張させていくときの課題に関して具体例をもとに、陥りがちな落とし穴とそれらの回避方法に関して解説させていただきます。
■受講対象者・レベルなど
・データ管理でお困りの方
・自社及び他の一般的なR&D部門のデータ管理、利用、活用状況を知りたい方
・R&D部門のデータに対して、AIを活用したい、させたいと考えられている方
・R&D部門のデータの利用、活用を推進することのメリットを具体的に知りたい方
■習得できる知識など
・R&D部門のデータ共有、利活用の実情
・属人的データ共有状況が引き起こす問題とその原因
・機械学習などのMIの特性と注意すべき点及び実験研究への組み込み方法
・R&D部門におけるデータ蓄積基盤としてデータベースがなぜ必要か？
・データベース導入時、運用時に陥りがちな落とし穴とそれを防ぐ方策
■講演プログラム
1.はじめに
講演者のR&D実績とデータ共有、利活用の取り組みについて
2.R&D部門のデータ共有の実情
2.1 R&D部門のデータ蓄積の実情
2.2 属人的データ蓄積状況が生み出される原因
2.3 属人的データ蓄積状況が引き起こす問題
3.データ共有はどう実現し、何が期待できるか？
3.1 属人的データ蓄積状況を脱するために必要な方策
3.2 報告書の共有で期待して良いこと、良くないこと
3.3 データ共有で研究の何が改善できるのか？
4.データ探査、分析を意識したデータ蓄積方法とその運用
4.1 データ探査を意識したデータ蓄積方法
4.2 データ分析は、どのようにして行うのか？
4.3 データ共有、利活用状況を改善するために必要なプロジェクトチームの作り方
4.4 プロジェクトメンバーに求められる資質
5.AI、機械学習を実際の実験研究にどのように組み入れていくべきか？
5.1 機械学習などのMIの特性と注意すべき点
5.2 機械学習などのMIを研究へ組み込む方法
6.データベースと機械学習の連携、運用を維持、拡張させていくときの課題と対策
6.1 R&D部門におけるデータ蓄積基盤としてデータベースがなぜ必要か？
6.2 データベースと機械学習を連携させていく場合の注意点
6.3 データ共有システム導入時に陥りがちな落とし穴とそれを防ぐ方策
6.4 データ共有システム運用後陥りがちな落とし穴とそれを防ぐ方策
7.まとめ
（質疑応答）
