20人のベンチャーがAIプロダクトを世に出してみて分かったことみんなのAIキャリアカレッジ#7

Copyright © 2017 Knowledge Communication Co.,Ltd.All Rights Reserved.

株式会社ナレッジコミュニケーションビジネス・デベロップメント部部長大柳友洋

http://www.knowledgecommunication.jp/

2Copyright © 2017 Knowledge Communication Co.,Ltd.All Rights Reserved.

略歴

・某メガバンクの勘定系、情報系のインフラ（特にDB）

・大規模プロジェクト推進支援

・２０１７年１月～クラウド、機械学習、他

デザイン方針



今日のお話

・ナレコムってどんな会社？

・AIプロダクトをどうやって開発したか？

・AIエンジニアになるには？

デザイン方針



ナレッジコミュニケーション会社概要

・クラウド(AWS、Azure)のインフラSIをやっています

・MUFG Fintechアクセラレータ第１期参加企業です

・千葉と熊本で機械学習、VRなどの研究・開発を行っています

デザイン方針



教育事業スクール口コミ検索サイトデザイン方針



クラウドSI事業デザイン方針



AWS、Azure技術ブログデザイン方針



ナレコムVR

Microsoft HoloLensを活用したソリューション



ナレコムAI

機械学習を活用したデータ分析を提供

元データ予測結果

氏名年齢性別職業住所成約ポート

① ② ③ フォリオ

成込絵愛 34 女会社員川崎市 Y N Y ○ 株式10%定期90%

尼孫太郎 36 男公務員目黒区 Y Y Y × ×

舞黒花子 29 女主婦品川区 N N Y × ×

倶来次郎 25 男自営業港区 Y N Y ○ 株式80%定期20%

相備絵美 39 女会社員中央区 N N N × ×

アンケート

村木さんにアポを取ろう

高瀬さんにはメルマガを送ろう営業



AIプロダクトをどうやって開発したか



AIプロダクトをどうやって開発したか

・Machine Learningサービスの検証

・アクセラレータプログラムへの参加

・プロダクトリリース、提案活動



Machine Learningサービスの検証



クラウドの機械学習サービス

2015年2月 Azure Machine Learning正式公開

2015年4月 Amazon Machine Learning正式公開

クラウドSIへの付加価値



自社サービス問題ある投稿の検出

・８０％の精度の検出できた

・専門知識がなくてもできた

・一番大変だったのはチューニング



養豚×機械学習豚の出荷予測

生産データ気象データデータクレンジング

予測誤差: ± 53日予測誤差:± 28 日

予測誤差:± 14日農場別：最小 ± 6日



ナレコムAIの構想

・チューニングの自動最適化

・誰でも使えるＵＩ

アルゴリズム

パラメータ

モデル１正解率16％

モデル２正解率91％

モデル3 正解率71％




Microsoft Azure

データ



アクセラレータプログラムへの参加



アクセラレータプログラムへの参加

・MUFG Fintechアクセラレータ第１期に参加

・機械学習を活用した銀行業務効率化



銀行とベンチャーのギャップ

融資審査などで機械学習を

どう活用できるか

クラウドを活用した機械学習の自動最適化を提供

銀行ナレコム

バックグラウンドの違い



ギャップの解消

・週１度の密度の濃いミーティング

・フィードバックを受けながらの開発

・オープンに協働



アクセラレータプログラムの結果

・財務データから融資審査の機械学習モデルを構築

・ユーザ要望に適したプロダクトが最初からできた

・対外的な知名度の向上



プロダクトリリース、提案活動



ナレコムAIの誕生



ナレコムAIができること

性別

年齢

年収

勤続年数ローンＯＫ

機械学習

・過去のデータをもとにAIが予測方法を自動的に学習する

・未知のデータを与えるとその予測結果を返してくれる



ナレコムAIの仕組み

・複数のクラウド・アルゴリズム・パラメータを総当たり

・最適なモデルを自動的に選択してシンプルなUIで可視化

Microsoft

Azure Machine Learning

データ

Amazon Web

Service

シンプルなUI自動モデル最適化

最適化されたモデル



ナレコムAI、どんなことに使えるの？

明日のコロッケの売上は200個です

商品需要予測

顧客Aさんの成約確率は95%です

成約予測

材料Aの分量は500kgが最適です

材料使用量予測



ナレコムAI、何がうれしいの？

明日のコロッケの売上は200個です

商品需要予測

顧客Aさんの成約確率は95%です

成約予測

材料Aの分量は500kgが最適です

材料使用量予測

廃棄や品切れを防止➡ 売上・収益向上

見込みの高い顧客にアプローチ

➡ 業務効率化

オペレーションの自動化➡ ノウハウ継承・見える化



提案活動

・多数のお客様に提案

・PoC、実業務での採用

・課題

- 分析に適したデータを準備する

- 機械学習の目的を明確にする

- エンタープライズ企業とのギャップ



AIエンジニアになるには？



AIエンジニアになるには

・最近やった案件例

・機械学習は難しい？

・AI × ○○



最近やった実証実験の事前検証

・デジタル数字を画像認識させたい



Computer Vision API

・印字や手書きはOK

・デジタル数字は読み取れない



Custom Vision Service

・モデルは簡単に作れたが、精度が不足



Chainerデザイン方針

引用：http://ailaby.com/chainer_mnist/

・ChainerのMNISTチュートリアルの入力データを変更・５分の学習で正解率１００％！



機械学習は難しい？デザイン方針

・フレームワークがあるので機械学習自体は意外に簡単・データ作ったり、UI作る方が大変

24.1 ℃

Raspberry Piブレッドボード

LCDモニタC言語

Webカメラ HTML5JavascriptCanvasWebRTC

Virtual Box

GCPPythonOpenCVChainer

FlaskPIL

numpyPickel

24.1



AI × ○○

・AI・機械学習だけできても価値は産み出せない

・自分の持ってるスキルとAIを組み合わせる



AI × ○○

AI × プロジェクトマネジメント

AI × 組み込み機器

AI × ストレージ最適化 AI × ネットワーク最適化

AI × データ分析 AI × データ可視化

AI × GPU

AI × 分散処理 AI × テスト

AI × 要件定義



機械学習の情報源

・Google検索

・Qiita、Slideshare、Youtube、etc…

・Stackoverflow

・書籍



１９００年１９１３年

写真ニューヨークの５番街

１９０８年Ｔ型フォード発売流れ作業により大量生産が可能に



２０１７年と未来の風景

２０３０年？

交通働き方

金融コミュニケーション

２０２０年



好きなことだけして生きていく

結局、何が幸せで何が不幸かは、その人自身が決めること。

他人がとやかく論評したり、ましてや責任を取ることはできません。

お父さんが会社をやめたおかげで、子供とお母さんが稼ぐようになるかもしれないし、それで天職に出合うかもしれない。苦労して育ったおかげで、人の痛みがわかる立派な大人に成長するかもしれないのです。

逆に、お父さんが我慢して会社を続けて体や心を壊し、家族が大変な思いをするかもしれないのです。



詳しい業務内容を聞きたい！

一緒に働きたい！

ぜひとも使ってみたい！

ビジネスにどう活用できる？

ナレコムと皆様でビジネス革新を起こしましょう！


Career

20人のベンチャーがAIプロダクトを世に出してみて分かったこと みんなのAIキャリアカレッジ#7

20人のベンチャーがAIプロダクトを世に出してみて分かったことみんなのAIキャリアカレッジ#7