サプライチェーンの「DX」という言葉がメディアで日々取り上げられる一方で、「どこから 手をつけて良いのかわからない」「どんな体制が必要なのか」といった 声が多く聞かれます。遅れていると指摘される日本の DX をどう進めて いくべきなのでしょうか。現場起点で AI 活用に取り組み、全社的に AI 活用を推進しているヤマハ発動機株式会社の大西 圭一氏とダイハツ 工業株式会社の太古 無限氏に、DX を推進するプロジェクトをどう立ち上げ、どう広げていったのかを聞きました。
多くの機械学習のモデルはトレンドが変化すると影響を受け、時間とともに陳腐化します。モデルを業務で活用し継続的にROIを生み出していくには、AIガバナンスを整備したモデル運用がモデリングと同じくらいに重要といなります。本稿ではAIガバナンスと運用体制を実現するMLOpsの概念を用いて、導入時の考慮事項をご説明します。
製造ラインの安定稼働を維持するため、設備の保全活動を計画・実施しています。製造現場に適用しているモデルも同様、安定的に利用するため、精度劣化の予兆を事前に把握するなどのメンテナンスが必要です。本稿ではAIモデルを製造現場で利用する際の課題と考慮事項をご説明します。
「データのパーティション」には多くの種類とそれぞれに特性があります。本稿では適切なパーティションを選択するために、各パーティションの手法ごとに利用シーンやメリット・デメリットを考察します。
モデリングを行う際に結果に大きく影響を与えるのが「データのパーティション」です。パーティションは特徴量エンジニアリングなどと異なり、表面上に見えにくいため軽視されがちですが、適切なパーティションを選ばないことにより運用で痛手を負うケースがあります。
DataRobotとPalantirは、AIや機械学習を活用した業務においては、組織のデータサイエンティスト、意思決定者、および一般従業員が協力して取り組める環境を整えることで、AIの価値を実現できるという考え方を共有しています。
オフセット項を利用することによって、ビジネスロジックや既存のドメイン知識をそのままモデルに組み込むことができます。少し高度なテクニックですが、オフセット項を身につけるとより機械学習の幅が広がります。
DataRobot は、AI のバイアスを評価および理解し、最終的に軽減できるように特別に設計された公平性ツールセットをリリースしました。
MRの減少などで、より効率的な製薬企業医薬品のマーケティングが必要とされています。デジタル化やデータの利活用が注目されていますが、ABテストを実施しにくい医薬品のマーケティングではデータの活用は一筋縄ではいきません。どこにデータを利活用できる可能性があるか、機械学習の視点から紹介します。
機械学習モデルをビジネスで活用するには、なぜその予測がなされたか等、高い解釈性・説明性が求めらます。本ブログでは最近のアップデートで可能になったShapley Valuesを応用したSHAPによる特徴量の影響度算出について解説します。
