・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

No. 99K251952
・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
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。
本コースは、一般社団法人企業研究会が主催しております。
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。
※申込状況により、開催中止となる場合がございます。
※講師・主催者とご同業の方のご参加はお断りする場合がございます。
※録音、録画・撮影・お申込者以外のご視聴はご遠慮ください。
【事前に必ずご確認の上お申込みください】
※事前のお席の確保などのご対応致しかねます。
※お申込み内容は、翌営業日以降に確定いたします。
※お申込み後、満席などでご受講できない場合がございますので、あらかじめご了承ください。満席の場合は、別途ご連絡申し上げます。
◆受講形式のご案内
【オンライン受講の方】
オンラインには、開催形式が<zoom開催>と<LIVE配信開催>の2つがございます。
開催日や研修内容により、開講形式が異なります。
該当される開催形式のご案内をご確認の上お申込ください。
ネットワーク環境により(社内のセキュリティ制限等)ご視聴いただけない場合がございます。
事前に下記の「動作確認ページ」のリンクより動作確認をお願いいたします。
<zoom開催> 講師の方や他にご参加の方とのやり取りが可能
動作確認ページ
<LIVE配信開催> ご聴講のみ
動作確認ページ
ID livetest55
PASS livetest55
※LIVE配信は、企業研究会様の協力会社である、株式会社ファシオ様のイベント配信プラットフォーム「Delivaru」を使用されております。
お客様の会社のネットワークセキュリティによってはご視聴ができない場合もございますので必ず【動作確認】をしていただいた後に、お申込ください。
※オンライン受講の場合、視聴用アカウント・セミナー資料は、原則として開催日の1営業日前までにメールでお送りいたします。
※最新事例を用いて作成する等の理由により、資料送付が直前になる場合がございます。
【会場受講の方】
お申込時に、会場情報(住所・アクセス方法)をご確認ください。
筆記用具はご自身でご準備ください。
お申込み後のキャンセルにつきましてはこちらをご覧ください
株式会社キャトルアイ・サイエンス 代表取締役 工学博士 上島豊 氏
実験研究で蓄積データ、AI、機械学習を生かすための人材、人材育成とは