★データ共有システムを導入しても利活用が進まないのには理由がある！

★実際の実験研究でAI、機械学習を生かすには工夫が必要！

AI、機械学習と従来型研究開発の

現実的な組み合わせ方法

《データベースの構築と機械学習との連携・運用》

【提携セミナー】

主催：株式会社情報機構

◆講座の趣旨

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？に関して、説明をさせていただきます。最後に、データベースと機械学習の連携、運用を維持、拡張させていくときの課題に関して具体例をもとに、陥りがちな落とし穴とそれらの回避方法に関して解説させていただきます。

◆受講後、習得できること

• R&D部門のデータ共有、利活用の実情
• 属人的データ共有状況が引き起こす問題とその原因
• 機械学習などのMIの特性と注意すべき点及び実験研究への組み込み方法
• R&D部門におけるデータ蓄積基盤としてデータベースがなぜ必要か？
• データベース導入時、運用時に陥りがちな落とし穴とそれを防ぐ方策

◆受講対象者

• 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

担当講師

(株)キャトルアイ・サイエンス 代表取締役　博士（工学） 上島豊 氏

■主経歴等
1997年 4月　日本原子力研究所　博士研究員
2000年 4月　日本原子力研究所　研究職員
2006年 3月　日本原子力研究開発機構（旧日本原子力研究所）　退職
2006年 4月　キャトルアイ・サイエンス設立　代表取締役　就任

■専門および得意な分野・研究
プラズマ物理、物性物理、数値計算科学、データベース、システム化技術

■主要著書等
培風館『PSE book―シミュレーション科学における問題解決のための環境 (基礎編) 』ISBN：456301558X
培風館『PSE book―シミュレーション科学における問題解決のための環境 (応用編) 』ISBN：4563015598
培風館『ペタフロップス コンピューティング』ISBN978-4-563-01571-8
臨川書店『視覚とマンガ表現』ISBN978-4-653-04012-5
株式会社技術情報協会『月刊研究開発リーダー』2020年8月号・9月号
株式会社技術情報協会『月刊研究開発リーダー』2022年1月号・2月号・3月号
株式会社技術情報協会『月刊研究開発リーダー』2023年6月号・7月号・8月号
株式会社技術情報協会『月刊研究開発リーダー』2024年7月号・9月号・11月号
株式会社技術情報協会『月刊研究開発リーダー』2025年1月号・3月号
株式会社技術情報協会『ケモインフォマティクスにおけるデータ収集の最適化と解析手法』
株式会社技術情報協会『研究開発部門へのDX導入によるR&Dの効率化、実験の短縮化』
株式会社技術情報協会『実験の自動化・自律化によるR&Dの効率化と運用方法』
株式会社技術情報協会『少ないデータによるAI・機械学習の進め方と精度向上、説明可能なAI開発』

セミナープログラム（予定）

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？
4.3　データ共有、利活用状況を改善するために必要なプロジェクトチームの作り方
4.4　プロジェクトメンバーに求められる資質

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.データベースと機械学習の連携、運用を維持、拡張させていくときの課題と対策
6.1　R&D部門におけるデータ蓄積基盤としてデータベースがなぜ必要か？
6.2　データベースと機械学習を連携させていく場合の注意点
6.3　データ共有システム導入時に陥りがちな落とし穴とそれを防ぐ方策
6.4　データ共有システム運用後陥りがちな落とし穴とそれを防ぐ方策

7.まとめ

（質疑応答）

公開セミナーの次回開催予定

開催日

2025年8月6日（水）　10:30-16:30

開催場所

Zoomによるオンラインセミナー

受講料

【オンラインセミナー（見逃し視聴なし）】：1名50,600円(税込、資料付)
＊1社2名以上同時申込の場合、1名につき39,600円

【オンラインセミナー（見逃し視聴あり）】：1名56,100円(税込、資料付)
＊1社2名以上同時申込の場合、1名につき45,100円

＊学校法人割引；学生、教員のご参加は受講料50％割引。

●録音・録画行為は固くお断り致します。

オンライン配信のご案内

★　Zoomによるオンライン配信

については、こちらをご参照ください

備考

※配布資料等について

●配布資料はPDF等のデータで配布致します。ダウンロード方法等はメールでご案内致します。

• 配布資料に関するご案内は、開催1週前～前日を目安にご連絡致します。
• 準備の都合上、開催1営業日前の12:00までにお申し込みをお願い致します。
  （土、日、祝日は営業日としてカウント致しません。）
• セミナー資料の再配布は対応できかねます。必ず期限内にダウンロードください。

●当日、可能な範囲でご質問にお答えします。（全ての質問にお答えできない可能性もございます。何卒ご了承ください。）
●本講座で使用する資料や配信動画は著作物であり、無断での録音・録画・複写・転載・配布・上映・販売などは禁止致します。

お申し込み方法

★下のセミナー参加申込ボタンより、必要事項をご記入の上お申し込みください。

★【オンラインセミナー（見逃し視聴なし）】、【オンラインセミナー（見逃し視聴あり）】のいずれかから、ご希望される受講形態をメッセージ欄に明記してください。