時期やカテゴリーで
キーワード
動画種別



質問


開催日/収録日






日から 日まで
受講レベル






配布資料


研修の提供

カテゴリー
閉じる
メニュー
2026/03/26(木) 10:00 ON AIR
2026年3月26日 開催

AI、機械学習と従来型研究開発の現実的組合せと育成

【開催にあたって】 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?、どのように人材の育成を行っていくべきか?に関して、説明をさせていただきます。
質問OK 初~中級者向け
48,400 (税込)
6時間0分 詳細へ
2026/03/27 00:00 まで
ivAVVSyb

視聴期間/スケジュール

以下の期間でライブ配信を行ないます。
2026/03/26 10:00 から 2026/03/26 16:00 まで

イベント概要

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?

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. 蓄積データ、AI、機械学習を生かすためにはどのような人材、人材育成が必要か?
 6.1 データ共有、利活用状況を改善するために必要な人材
 6.2 各人材が果たす役割
 6.3 各人材の育成方法

7.まとめ

✤✤✤内容は進行の都合等により一部変更となる場合がございます。 あらかじめご了承ください。

詳細

受講レベル
初~中級者向け
※受講レベルについて
質問方法
チャットで質問できます
配布資料
なし
※資料がある場合、動画の視聴ページからダウンロードができます。
※視聴期間の終了後はダウンロードできなくなります。
修了証の発行
なし
※「あり」の場合、動画の視聴ページからダウンロードができます。
※視聴期間の終了後はダウンロードできなくなります。
提供方法
Zoom配信

講師のプロフィール

講師名
(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
close
ビジネスWEBセミナーガイドブック ダウンロードはこちら