講義タイムテーブル:
スライド |
時間 |
タイトル |
 |
00:
00:
00 |
【向研会】AIをビジネスに実装する方法 |
 |
00:
01:
45 |
AIをビジネスに実装する方法 |
 |
00:
02:
04 |
菊池佑太プロフィール |
 |
00:
03:
25 |
「AIをビジネスに実装する方法」 |
 |
00:
03:
55 |
ABEJAの7年間 |
 |
00:
05:
22 |
ABEJA、Googleより資金調達 |
 |
00:
05:
31 |
資料(1) |
 |
00:
05:
51 |
資料(2) |
 |
00:
07:
09 |
資料(3) |
 |
00:
07:
30 |
AI活用に必要なサービスとシステムをEnd-to-Endで提供 |
 |
00:
10:
30 |
Artifical Intelligence 人工知能 |
 |
00:
10:
46 |
人工知能とは? |
 |
00:
11:
32 |
資料(4) |
 |
00:
12:
17 |
これまで(1) |
 |
00:
12:
31 |
これまで(2) |
 |
00:
13:
08 |
これまで(3) |
 |
00:
13:
15 |
これまで(4) |
 |
00:
13:
43 |
これまで(5) |
 |
00:
15:
00 |
AI Pipeline |
 |
00:
15:
15 |
資料(5) |
 |
00:
17:
01 |
資料(6) |
 |
00:
17:
03 |
資料(7) |
 |
00:
17:
07 |
資料(8) |
 |
00:
17:
12 |
資料(9) |
 |
00:
17:
17 |
資料(10) |
 |
00:
17:
19 |
資料(11) |
 |
00:
17:
29 |
資料(12) |
 |
00:
17:
52 |
資料(13) |
 |
00:
17:
57 |
資料(14) |
 |
00:
18:
44 |
dog or cat(1) |
 |
00:
18:
46 |
dog or cat(2) |
 |
00:
18:
50 |
dog or cat(3) |
 |
00:
18:
53 |
資料(15) |
 |
00:
19:
09 |
Deep Learning |
 |
00:
19:
14 |
資料(16) |
 |
00:
19:
31 |
資料(17) |
 |
00:
19:
46 |
資料(18) |
 |
00:
19:
58 |
資料(19) |
 |
00:
20:
26 |
資料(20) |
 |
00:
20:
29 |
資料(21) |
 |
00:
20:
34 |
資料(22) |
 |
00:
20:
40 |
資料(23) |
 |
00:
20:
43 |
資料(24) |
 |
00:
21:
32 |
DeepLearningの力 |
 |
00:
21:
50 |
資料(25) |
 |
00:
22:
02 |
資料(26) |
 |
00:
22:
59 |
資料(27) |
 |
00:
28:
04 |
もの売り→こと売り |
 |
00:
28:
14 |
キーテクノロジーとしてのAI(1) |
 |
00:
28:
22 |
キーテクノロジーとしてのAI(2) |
 |
00:
29:
03 |
従来の顧客満足度 |
 |
00:
29:
06 |
買った時が最高 |
 |
00:
29:
20 |
サブスクリプションの顧客満足度 |
 |
00:
29:
23 |
時間が経過するごとに満足度が向上 |
 |
00:
30:
14 |
資料(28) |
 |
00:
31:
31 |
資料(29) |
 |
00:
32:
00 |
事例紹介 |
 |
00:
32:
10 |
顧客事例1 |
 |
00:
32:
24 |
最終品の外観検査にディープラーニングを活用 |
 |
00:
33:
09 |
ベベルギヤの自動検査 |
 |
00:
34:
39 |
従来の検査(人による目視検査) |
 |
00:
35:
56 |
取組み(データ取り整備) |
 |
00:
36:
05 |
使用した手法(オートエンコーダー) |
 |
00:
36:
13 |
結果 |
 |
00:
38:
11 |
顧客事例2 |
 |
00:
38:
19 |
主な導入企業 |
 |
00:
38:
23 |
店舗施設内に設置したカメラで顧客行動を分析 |
 |
00:
39:
52 |
六本木ヒルズ店(1) |
 |
00:
40:
49 |
六本木ヒルズ店(2) |
 |
00:
41:
07 |
入店から購入までの一連の流れのうちどこに課題があるのか定量評価が可能に |
 |
00:
41:
28 |
顧客事例3 |
 |
00:
41:
36 |
メンテナンスサポートの自動化 |
 |
00:
42:
23 |
メンテナンスサポートのプロセス |
 |
00:
42:
47 |
メンテナンスの部品選定 |
 |
00:
43:
09 |
AI活用取組の概要 |
 |
00:
43:
19 |
1.学習 |
 |
00:
43:
32 |
2.サービス運用 |
 |
00:
44:
03 |
AI活用結果 |
 |
00:
44:
17 |
顧客事例4 |
 |
00:
44:
29 |
熟練作業員の行動分析 |
 |
00:
44:
52 |
製造ライン作業員の自動分析 |
 |
00:
45:
12 |
ボーン推定による動き解析 |
 |
00:
45:
54 |
非効率作業の見える化 |
 |
00:
46:
18 |
ボトルネック作業の見える化 |
 |
00:
46:
55 |
AI活用結果 |
 |
00:
47:
08 |
ABEJA PLATFORM |
 |
00:
47:
26 |
資料(30) |
 |
00:
49:
06 |
資料(31) |
 |
00:
49:
23 |
資料(32) |
 |
00:
51:
27 |
資料(33) |
 |
00:
51:
47 |
Japan Deep Learning Association |
 |
00:
52:
55 |
ディープラーニング活用に必要な人材 |
|