2025年08月22日（金）
13:00～16:30
Tel：03-5857-4811 E-mail：info@rdsc.co.jp
問い合わせフォーム
SLW 代表
（株）NTTデータ数理システム 非常勤顧問
徐 良為氏
【学歴】 上海交通大学コンピュータサイエンス学部卒、
東京大学情報工学研究科修士、博士(工学)
【職歴】 NTTデータ数理システムデータマイニング部部長（２０年間）、統計・AI機械学習・データ分析のシステム開発、及びデータ分析受託。定年退職後、SLW（Statistical Learning Workshop）を設立、機械学習の新しい技術、仕組みの研究・実験を行い、説明可能な新しいAIパケージ（＝AI電卓）を開発、AI技術による問題解決ためのアドバイス。YouTubeに動画発表などにより、AI技術の普及活動
非会員：
49,500円
（本体価格：45,000円）
会員：
46,200円
（本体価格：42,000円）
学生：
49,500円
（本体価格：45,000円）
会員（案内）登録していただいた場合、通常1名様申込で49,500円（税込）から
・1名で申込の場合、46,200円（税込）へ割引になります。
・2名同時申込で両名とも会員登録をしていただいた場合、計49,500円（2人目無料）です。
◆◇◆
10名以上で同時申込されるとさらにお得にご受講いただけます。◆◇◆
お申込みご希望の方は
【こちら】からお問い合わせください。
会員登録とは？ ⇒
よくある質問
★アーカイブ配信付（8/25（月）～9/8（月）の2週間）
当日はご都合が合わずアーカイブ配信のみでの受講をご希望の場合には、
出席確認の都合上、その旨を事前にご連絡いただければ幸いです。
【Zoomを使ったWEB配信セミナー受講の手順】
１）Zoomを使用されたことがない方は、
こちら からミーティング用Zoomクライアントを
ダウンロードしてください。ダウンロードできない方はブラウザ版でも受講可能です。
２）
セミナー前日までに必ず動作確認をお願いします。Zoom WEBセミナーのはじめかたに
ついては
こちら をご覧ください。
３）開催日直前にWEBセミナーへの招待メールをお送りいたします。当日のセミナー開始
10分前までに招待メールに記載されている視聴用URLよりWEB配信セミナーにご参加
ください。
・セミナー資料は開催前日までにお送りいたします。
ご自宅への送付を希望の方はコメント欄にご住所などをご記入ください。
無断転載、二次利用や講義の録音、録画などの行為を固く禁じます。
AIの専門家ではなくでも、AI技術を製造・ビジネス現場で活用したいと考えている、すべての方々が対象となる
高校数学程度の関数、統計、確率に関する知識、必須ではないが、コンピュータの基礎知識（PCを触れたことがある程度）を有することが望ましい
ビジネス現場に適用するために必要最小限のAI・機械学習に関する知識
具体的には、
１． AI・機械学習技術入門： 目的、手法概要
２． 説明可能なAIとは、機械と人間の関わり方
３． ビジネス現場に適用するために、必要最小限に知っておきたいこと
最高パフォーマンスのAI技術を手軽に適用可能なツール「AI電卓」の紹介
AI技術は製造業やビジネスの様々な分野で幅広く活用されている。 しかし、AIを完全に習得するには膨大な時間と労力が必要である。一方で、現場で活躍する各分野のドメイン専門家は、多忙なためAI学習に十分な時間を割くことが難しいのが現状である。
本講演では、このギャップを埋め、ビジネス現場でのAI活用を加速させるために、以下の2点に焦点を当てて解説する。
１． ビジネス適用に必要なAI技術の基礎知識
AI技術を深く理解するには時間がかかるが、ビジネスに適用する上で必要最小限のAI技術に関する知識を紹介する。これにより、専門家でなくてもAIの基本的な概念を把握し、自身の業務にどう活かせるかを考えるきっかけを提供する。
２． 最高パフォーマンスのAI技術を手軽に適用可能なツール「AI電卓」の紹介
講演者が開発した「AI電卓」は、AI専門家ではない方でも、最高パフォーマンスのAI技術を製造・ビジネス現場で手軽に適用できるツールである。AI電卓は説明可能なAI（XAI）の概念を取り入れており、AIモデルが導き出した結果だけでなく、その意思決定プロセスや根拠を可視化することが可能である。これにより、AIの判断を人間が理解し、信頼できるようになるだけでなく、新たな知識発見にもつながる。
AI電卓のデモンストレーションを通じて、いかに簡単にAI技術を活用し、ビジネス課題を解決できるかを紹介する
== 参考情報 ==
本講演の理解を深めるために、以下の資料や動画もご参照ください。
•東京大学駒場キャンパスでの「数学月間企画講演会（第14回）」での講演
統計的学習による知識発見型モデル構築への実践紹介
== AI電卓の自動機械学習による Kaggle への挑戦 ==
•YouTube動画: 「AI電卓」での検索結果（講演者が制作した解説動画）
1．はじめに
1-1.AI・機械学習とは
特に、予測（教師あり学習）と意思決定最適化（強化学習）について
1-2.ジレンマ：予測・最適化精度とブラックボックス（人間が理解不可）問題
2．説明可能なAI
2-1.技術概要
2-2.説明可能な予測モデル（xAI=Explainable AI）
2-3. 説明可能な意思決定最適化モデル（xRL=Explainable Reinforcement Learning）
3．AI電卓紹介＆デモ
3-1.モデル構築流れ
3-2.知識表現、知識発見
3-3.AI電卓上実装した強化学習機能（概要紹介）
4．AIの将来像（私見）＆まとめ
4-1.汎用人工知能（AGI）、自律AIエージェントなど
4-2. まとめ
AI、機械学習、説明可能なAI、教師あり学習、強化学習、意思決定最適化、セミナー
