2020.6.30にzoomにて、DELL様、NAIST様との共催にて実現いたしました。AIハンズオンセミナーで使用いたしました。資料になります。 皆様のさらなる理解のお力になれたらと存じます。

1. © 2020 dTosh inc.
【DX Tech Play】
AIハンズオンセミナー
予測モデル構築実践
第１部 ⼈⼯知能基礎（講義形式）
第２部 データ整形/モデル構築/評価（講義形式）
第３部 AIモデルの体験（ハンズオン形式） 2020年 06⽉30⽇
講師︓平尾 俊貴

2. © 2020 dTosh inc.
講師紹介
平尾 俊貴 (ひらお としき)
ソフトウェア開発業務
の⾃動化
産業⽤AIロボットの
MRシミュレーション
ABB Corporate Research (U.S.)McGill University (カナダ)
株式会社 dTosh 代表取締役社⻑
奈良先端科学技術⼤学院⼤学 博⼠研究員
専⾨︓データ分析/機械学習
拠点︓⽇本/カナダ/アメリカ
共同研究開発
2

3. © 2020 dTosh inc.
講師紹介
⽚⼭ 寛基 (かたやま ひろき)
• ⾳を⽤いた物体形状認識
• ⽔蒸気を⽤いた透明物体
認識
• ロボティクス技術を⽤いた
VR⽤靴型デバイス
(特許出願中/TGS2019出展)
株式会社 dTosh 研究開発エンジニア
奈良先端科学技術⼤学院⼤学 研究員
専⾨︓ロボティクス/ロボット聴覚/データ分析/
拠点︓⽇本
研究 プロジェクト

4. © 2020 dTosh inc.
⼈⼯知能（AI）は、⾃動化
ではなく、OOOだ︕
4

5. ⾃動化はもう過去の話
© 2020 dTosh inc.
昭和・平成初期
⾃動化 ⼈⼿の作業
効率化
5

6. AIで拡張化を⽬指す技術だ︕
© 2020 dTosh inc.
昭和・平成初期
⾃動化 ⼈⼿の作業
現代社会
⼈⼿の作業
効率化 新しい発⾒と
知⾒を⽣み出す
新しいビジネスへ拡張︕
AI
効率化
6

7. © 2020 dTosh inc.
あらゆる領域に⼈⼯知能が適応されてきている︕
7

8. 8© 2020 dTosh inc.
http://www.mlit.go.jp/common/001253666.pdf国⼟交通省ホームページ

9. © 2020 dTosh inc.
結局、⼈⼯知能（AI）って何︖
9

10. ⼈⼯知能とは、賢さを持つシステム
© 2020 dTosh inc.
1. データを貯める
2. 情報を抽出して、賢くなる[1]
3. 知識を活⽤する
[1] “⼈⼯知能―――機械といかに向き合うか”, Harvard Business Review
10

11. © 2020 dTosh inc.
他の技術の進化に伴って、⼈⼯知能はより賢くなる
11
1. データ 2. 賢くなる 3. 知識活⽤

12. © 2020 dTosh inc.
他の技術の進化に伴って、⼈⼯知能はより賢くなる
1. データ 2. 賢くなる 3. 知識活⽤
クラウドコンピューティング
（AutoMLの時代へ︕）
12

13. © 2020 dTosh inc.
他の技術の進化に伴って、⼈⼯知能はより賢くなる
1. データ 2. 賢くなる 3. 知識活⽤
クラウドコンピューティング
（AutoMLの時代へ︕）
量⼦コンピューティング
（計算処理を⾼速に︕）
13

14. © 2020 dTosh inc.
他の技術の進化に伴って、⼈⼯知能はより賢くなる
1. データ 2. 賢くなる 3. 知識活⽤
クラウドコンピューティング
（AutoMLの時代へ︕）
量⼦コンピューティング
（計算処理を⾼速に︕）
5G インターネット
（リアルタイムで同期︕）
14

15. © 2020 dTosh inc.
他の技術の進化に伴って、⼈⼯知能はより賢くなる
1. データ 2. 賢くなる 3. 知識活⽤
クラウドコンピューティング
（AutoMLの時代へ︕）
量⼦コンピューティング
（計算処理を⾼速に︕）
5G インターネット
（リアルタイムで同期︕）
ブロックチェーン
（より安全なAI製品を︕）
15

16. © 2020 dTosh inc.
AIって、⼈間の仕事を奪うんですか︖
16

17. © 2020 dTosh inc.
1. AIはあらゆることを⼈間レベルで遂⾏できる特定の
17

18. © 2020 dTosh inc.
弱いAI
強いAI
特定のタスクのみ処理する
•無⼈レジ
•⾃動運転
…など、実⽤段階にあるAI
⼈間のような⾃意識を持つ
•「ターミネーター」のスカイネット
•「アベンジャーズ」シリーズのウルトロン
…など、フィクションに登場するAI
•アルファ碁
•Googleレンズ
•Siri (⾃然⾔語処理など)
https://ledge.ai/strong-ai/
18

19. © 2020 dTosh inc.
２. ディープラーニングは物事を説明できる︕できない..
19

20. © 2020 dTosh inc.
Deep Learningは説明することが苦⼿
できること︓
•⾼精度で予測・認識できる
できないこと︓
•判断根拠を説明できない
（なぜ認識できたのか︖）
AI使⽤するの不安…
XAIの研究が盛んに︕
(Explainable AI)
〇〇病です
なんでだろう..
なんで?
(特徴を⾃動抽出するから)
20

21. © 2020 dTosh inc.
説明可能なAI
•⽿の形
•⽬の位置
•⽑の⾊
…
1. 特徴分析 2. 従来の分類モデル
これは⽝だ
1. ⾃動で特徴分析・分類
説明不可能なAI
これは⽝だ
96.5%の精度
（⼈間は95%）
21

22. © 2020 dTosh inc.
3. AIってすぐ作れる︕
(データが整理されていれば..) 23

23. AIの構築⾃体は簡単になってきた
© 2020 dTosh inc.
1. データの構造化 2. 学習モデルの構築 3. 評価・運⽤
ランダムフォレスト
ディープラーニング
重回帰モデル
決定係数
再現率/適合率/F値
必要なデータの収集
フォーマットの整理
⽋損値などの補完
24

24. ランダムフォレスト
ディープラーニング
重回帰モデル
AIの構築⾃体は簡単になってきた
© 2020 dTosh inc.
1. データの構造化 2. 学習モデルの構築 3. 評価・運⽤
必要なデータの収集
フォーマットの整理
⽋損値などの補完
決定係数
再現率/適合率/F値
AutoMLツール⼀覧︓Amazon Lex, Auto Keras, H2O.ai, Auto Pytorch
https://qiita.com/daisukelab/items/4fdbf95c74e6206153c9
https://techgrabyte.com/11-automl-tools-automate-machine-learning/
25

25. ランダムフォレスト
ディープラーニング
重回帰モデル
AIの構築⾃体は簡単になってきた
© 2020 dTosh inc.
1. データの構造化 2. 学習モデルの構築 3. 評価・運⽤
必要なデータの収集
フォーマットの整理
⽋損値などの補完
決定係数
再現率/適合率/F値
•そもそも社内データはデジタル化されているのか？
•様々な角度から収集したデータは存在するのか？
•保持するデータは構造化されているのか？
26

26. © 2020 dTosh inc. 27

27. © 2020 dTosh inc.
第２部 データ整形/モデル構築/評価
・説明可能なAIの作り⽅（従来の⼿法）
・説明不可能なAIの作り⽅（Deep Learning）

28. © 2020 dTosh inc.
説明可能なAI
（従来の⼿法）
説明不可能なAI
（ディープラーニング）
30

29. © 2020 dTosh inc.
1. データの構造化 2. 学習モデルの構築 3. 評価・運⽤
ランダムフォレスト
ディープラーニング
重回帰モデル
決定係数
再現率/適合率/F値
必要なデータの収集
フォーマットの整理
⽋損値などの補完
31

30. © 2020 dTosh inc.
1. データの構造化 2. 学習モデルの構築 3. 評価・運⽤
ランダムフォレスト
ディープラーニング
重回帰モデル
決定係数
再現率/適合率/F値
必要なデータの収集
フォーマットの整理
⽋損値などの補完
データを収集する フォーマットを整理する
id ⿐の形 ⽿の⼤きさ ⽑の⾊ .. ラベル
1 ⽝
2 猫
3 ⽝
.. 猫
32

31. © 2020 dTosh inc.
1. データの構造化 2. 学習モデルの構築 3. 評価・運⽤
ランダムフォレスト
ディープラーニング
重回帰モデル
決定係数
再現率/適合率/F値
必要なデータの収集
フォーマットの整理
⽋損値などの補完
学習データ
（説明可能な学習内容） 学習する 予測する
⽿が⻑くて、垂れ⽬で..
→⽝
⽝です︕
33

32. © 2020 dTosh inc.
1. データの構造化 2. 学習モデルの構築 3. 評価・運⽤
ランダムフォレスト
ディープラーニング
重回帰モデル
決定係数
再現率/適合率/F値
必要なデータの収集
フォーマットの整理
⽋損値などの補完
•適合率＝TP/(TP+FP)
猫と予測した内、どれだけ正しかったか︖
•再現率＝TP/(TP+FN)
全ての猫のうち、どれだけ予測できたか︖
猫 犬
猫
True Positive
3
False Positive
2
犬
False Negative
1
True Negative
1
正解の値
予測結果
猫だ︕ 猫だ︕ 猫だ︕猫だ︕ 猫だ︕⽝だ︕ ⽝だ︕
34

33. © 2020 dTosh inc.
説明可能なAI
（従来の⼿法）
説明不可能なAI
（ディープラーニング）
35

34. © 2020 dTosh inc.
1. データの構造化 2. 学習モデルの構築 3. 評価・運⽤
ランダムフォレスト
ディープラーニング
重回帰モデル
決定係数
再現率/適合率/F値
必要なデータの収集
フォーマットの整理
⽋損値などの補完
データを収集する フォーマットを整理する
1, 3, 8, 1, 9, 2, …
4, 7, 4, 0, 1, 3, …
…
9, 2, 4, 4, 1, 6, …
ベクトル化
1 5 2 9 18 92
28 2 49 10 29 99
4 2 9 3 12 3
0 18 0 17 2 18
77 42 88 29 11 18
36

35. © 2020 dTosh inc.
1. データの構造化 2. 学習モデルの構築 3. 評価・運⽤
ランダムフォレスト
ディープラーニング
重回帰モデル
決定係数
再現率/適合率/F値
必要なデータの収集
フォーマットの整理
⽋損値などの補完
1
1
1
1
….
⽝︓90%
猫︓10%
37

36. © 2020 dTosh inc.
1. データの構造化 2. 学習モデルの構築 3. 評価・運⽤
ランダムフォレスト
ディープラーニング
重回帰モデル
決定係数
再現率/適合率/F値
必要なデータの収集
フォーマットの整理
⽋損値などの補完
•適合率＝TP/(TP+FP)
猫と予測した内、どれだけ正しかったか︖
•再現率＝TP/(TP+FN)
全ての猫のうち、どれだけ予測できたか︖
猫 犬
猫
True Positive
3
False Positive
2
犬
False Negative
1
True Negative
1
正解の値
予測結果
猫だ︕ 猫だ︕ 猫だ︕猫だ︕ 猫だ︕⽝だ︕ ⽝だ︕
38

37. 具体的なAI開発の流れ
© 2020 dTosh inc.
PoC（概念実証）
何を作るのか︖
データは揃ってるか︖
パイロット検証
実現可能なのか︖
本番環境で動作するか︖
設計・機能
AI開発の具体的な計画
（⾦銭⾯も含め）
システム開発
AIシステムの点検・改良
評価・運⽤
新しいデータ/
AIシステムの更新
40

38. ハンズオン補⾜資料
© 2020 dTosh inc.

39. ハンズオンでの注意点
今回の講義はハンズオン形式ですが、基本的に講師がプログラムを動かし
ながら解説する形式となります。
© 2020 dTosh inc.
• どのようにAI開発が進むのか︖そのノウハウを勉強︕
• 質問がありましたら、その都度聞いてください︕

40. 機械学習を扱う流れ
© 2020 dTosh inc.
ビジネスや業務での課題
データの前処理
結果の評価
モデルの選択・学習

41. ハンズオン⽬的
44© 2020 dTosh inc.
ビジネスや業務での課題
簡単なアンケートのみで
BMI指数の推定
従業員の健康管理が⼤事
しかし、健康診断は毎年1回、全
員分の体重や⾝⻑を測ったり集
めるのは難しい...

42. 機械学習の種類
45© 2020 dTosh inc.
数値⾃体を予測する。
⽬的変数※が連続値
(ex) 価格予測、株価予測
回帰問題 分類問題
所属するクラスを予測する
⽬的変数が離散的な値や名称
(ex) 動物の分類、植物の分類
※⽬的変数と説明変数
⽬的変数とはデータの中でも求めたいデータ (推定したい値) (ex) BMI
説明変数とは予測のために使うデータ (使⽤する値) (ex) 運動の回数、⾷事の時間

43. データの前処理でのポイント
データには⽋損し
た値が含まれるこ
とがある
これらを処理する
必要あり
© 2020 dTosh inc.
⽋損値 学習・テスト偏り 正規化
⽬的変数の値の
偏りがある場合が
ある。
アンダーサンプリン
グが有効
説明変数の値に
よって⼤きさが違う。
0-1の値に変換す
ることが多い
評価⽤に学習デー
タとテストデータに分
割する
学習 7 : テスト 3くら
いが⼀般的
NumpyやPandasといったライブラリを⽤いてデータをあつかうと便利

44. モデルの選択・学習でのポイント
今回は、scikit-learnという機械学習ライブラリを使⽤。
他には、tensorflow, keras, pytorchなどが有名
© 2020 dTosh inc.
回帰、分類ともに使⽤
可能な⼿法。
教師あり学習の中では
計算コストが低くく汎⽤
性が⾼い。
SVM ランダムフォレスト 多層パーセプトロン
探索⽊を応⽤した推定⼿
法。
教師あり学習の中では精
度は⾼い。ただ、計算コス
トが⾮常に⾼い
Deep learningの⼊り⼝とし
て、簡単に実装できる。
ただし、精度はあまり⾼くない

45. 結果の評価でのポイント
Matplotlibといった描画ライブラリが有効
skleranには評価⽤の指標の計算関数がある。
© 2020 dTosh inc.
分類問題では正解率、
回帰問題では誤差
数字として表現したい
場合に有効
正解率・誤差 描画 混合⾏列
図にデータを描画して
あげることで、様々な
⾓度からみることがで
きる
改善や分析に有効
分類問題を評価する際に
⾮常に有効な⼿法。

46. 株式会社 dTosh
奈良先端科学技術⼤学院⼤学発ベンチャー
事業内容
© 2020 dTosh inc.
研究開発業務
（奈良先端⼤と連携）
• プログラミング開発環境
の効率化
• ⼈⼯知能技術のビジネ
ス活⽤
技術アドバイザー
（株 Dellと連携）
• ビジネス課題の分析
• 専⾨技術の選定
• 開発業務のサポート
⾼度IT⼈材育成
（奈良先端⼤と連携）
• エンジニア養成講座
• AI⼈材育成講座
• 教材開発
技術アドバイザー
（法⼈向け）
• ビジネス課題の分析
• 専⾨技術の選定
• 開発業務のサポート