ウェビナー「ユースケースに学ぶ、事業に付加価値をもたらすAI・機械学習の活用方法」を開催しました

ウェビナー「ユースケースに学ぶ、事業に付加価値をもたらすAI・機械学習の活用方法」を開催しました

本当に久しぶりに機械学習ウェビナーを開催しました!多数のご参加感謝の極みです。
Clock Icon2022.11.08

この記事は公開されてから1年以上経過しています。情報が古い可能性がありますので、ご注意ください。

データアナリティクス事業本部 インテグレーション部 機械学習チームの貞松です。

2022年11月8日に、久しぶり(年単位で)の機械学習ウェビナーとして、「ユースケースに学ぶ、事業に付加価値をもたらすAI・機械学習の活用方法」を開催しました。

本記事では、都合によりセッションスライドの添付はありませんが、代わりにセッションの概要と所感、QAのまとめを記載致します。

セッション概要

「ユースケースに学ぶ、事業に付加価値をもたらすAI・機械学習の活用方法」というタイトルの通り、機械学習に関する実際のユースケースを軸として、ビジネスの現場における機械学習課題とそれに対する解決方法、解決することによって得られるメリットなどをお話しました。
セッションのアウトラインは以下の通りです。

  • 機械学習課題の整理
    • データソース、適用領域
    • 解決のアプローチ
    • 活用するツール、サービス
  • 機械学習のユースケース
    • ケース1 : 自然言語処理
    • ケース2 : レコメンデーション
    • ケース3 : 画像処理
    • ケース4 : 機械学習基盤 (MLOps)

また、セッション資料の「まとめ」ページを流用しつつ、お話した内容の要点を以下にまとめます。

  • 近年益々機械学習のビジネス活用が加速
  • 機械学習で解決すべき(解決を図るのが適切)な課題=機械学習課題と定義
  • 機械学習課題もユースケースによって様々
    • データソース
    • 適用領域 (事業ドメイン)
    • 課題のレベル感やフェーズ
  • 対応実績に基づく一般的なユースケースについてご紹介
    • 解決すべき課題
    • 必要なデータ形式
    • 課題解決に必要な具体的な要素
  • 機械学習を活用することで様々な課題を解決可能

セッション後の所感

機械学習のアルゴリズムやアーキテクチャの要素それぞれの詳細はできるだけ簡略化して、

  • どういう機械学習課題があるか
  • どういう解決策が考えられるか
  • どういう形式のデータが必要か
  • 何を使ってどう構成するか(アーキテクチャ)
  • どういうメリットが得られるか

というポイントに焦点を絞ってお話させていただきました。
「機械学習の話」としては少し物足りないと感じられた方もいらっしゃるかもしれませんが、機械学習チームが実際に対応してきた案件をベースに一般化したユースケースでお話させていただいたので、相当に実感のこもった内容に仕上がったと感じています。

また、セッション後に質問をたくさんいただきまして感謝の極みです。 QAの内容については次節にまとめます。

QA

QA1: 機械学習サービスでよく使われるのはAWSとGoogle Cloudだとどちらが多いですか?選定のポイントなどあれば教えてください。

  • 例えば自然言語処理系のサービスで、各機能がどこまで日本語対応しているか等の違いがあるので、要件に応じてそれぞれ選択するケースもあります。
  • 一般的に独自のコンテナをベースとしている場合は、Google Cloudを利用しているケースを多く見かけます。
  • 機械学習関連以外のサービス(インフラ寄りの部分)を活用したい要件でAWS利用しているケースも多いです。

QA2: 機械学習をやるためには、まずきちんと整備されたデータの蓄積が必須となりますでしょうか。

  • 必要なデータの形が決まっているので、最終的にその形にできるかが重要になります。
  • 既に必要な形式に整ったデータが理想ではあるが、まずは必要なデータの元となるデータソースが蓄積されていれば大丈夫です。

QA3: SageMakerを使う場合と使わない場合だとコスト以外で大きく異なる部分はどういう部分でしょうか?

  • SageMakerには機械学習のコアな部分(モデルの学習〜推論)以外にも多数の機能が用意されており、それらを活用したい場合はSageMakerを軸に構成するのがおすすめです。
  • 既存の環境(ローカルやオンプレミスのサーバー、コンテナ環境など)をそのまま流用したい場合は、SageMakerを使わない構成にした方が対応しやすいケースが多いです。

QA4: オンプレミス環境にデータが溜まっている場合でも御社に機械学習の案件を依頼できますでしょうか?

  • オンプレミスにあるデータをクラウド環境まで連携することがポイントになってくるので、2つ目のセッションで紹介したCSAなど使って、クラウド上のデータ分析基盤と連携できるようになっていれば問題ありません。

QA5: 機械学習案件を御社にご相談させていただく場合の段取り、及びどのタイミングから費用が発生するイメージでしょうか?

  • お見積りを出すところまでの間で料金は発生しないので、気軽にご相談頂ければと思います。
  • 準備が整っていない状況でも営業にて対応できますので、ご相談いただけると幸いです。

QA6: 機械学習に関する相談として、どのような相談内容が多いでしょうか。

  • 直近は機械学習基盤構築に関するご相談が増えてきて、全体の半分ぐらいです。
  • もう半分は、機械学習のコア部分にフォーカスした課題解決やPoC、機械学習システムの内製化に必要なレクチャー等の支援に関する内容となっています。

まとめ

本当に久しぶりの開催でしたが、今回も多数のご参加をいただきありがとうございます!
本ウェビナーが皆様の事業における課題解決の糸口となれば幸いです。

この記事をシェアする

facebook logohatena logotwitter logo

© Classmethod, Inc. All rights reserved.