ABOUT US
ビジネスに活用できるための教育を追求し、キカガクでは新しい教育のスタイルを提案します。
キカガクの考える教育は良いカリキュラムを良い講師が教えるだけではありません。
モチベーション管理や引継ぎ、教育コストの長期的な削減までを考慮したエコシステム形成までが教育です。
その鍵が「教えあい」であり、この教えあいによる人材育成のエコシステム形成に取り組んでいます。
キカガクの考える教育は良いカリキュラムを良い講師が教えるだけではありません。
モチベーション管理や引継ぎ、教育コストの長期的な削減までを考慮したエコシステム形成までが教育です。
その鍵が「教えあい」であり、この教えあいによる人材育成のエコシステム形成に取り組んでいます。
SERVICE
SERVICE
ビジネス現場にAlを正しく導入できる人材の育成を目指し、Alに関する基礎数学から、機械学習のプ口グラミング実装まで、実践的なAl技術の習得を目的とした受講生間の「教えあい」の教育プラットフォ一ムを提供しています。
COMPANY
RECRUIT
AIの実用化が多くの企業で課題となっている事実に反し、AIを正しく導入できる人材は極僅かです。
AI人材の育成・採用を求める企業、AI人材としての技術習得を目指す個人、それぞれの課題を解決していく。
このキカガクのミッションを共に実現する仲間を募集しています。
AI人材の育成・採用を求める企業、AI人材としての技術習得を目指す個人、それぞれの課題を解決していく。
このキカガクのミッションを共に実現する仲間を募集しています。
NEWS
-
新ディープラーニングハンズオンセミナーのカリキュラム公開！フレームワークにはPyTorchを採用
セミナー2019/06/04研究開発を中心に世界的なスタンダードになりつつあるディープラーニングフレームワークの PyTorch を使ったバージョンアップしたディープラーニングハンズオンセミナーです。これまで扱っていた画像処理や自然言語処理に加え、ベイズ最適化に基づいたハイパーパラメータの最適化や、推論時の高速化を行うためのモデル圧縮、そして、推論サーバーへのデプロイなどディープラーニングを実用化していくための内容を盛り込みました。Day3 以降は選択式で受講できるようになりました。 お申込みはこちらのフォームより承っております。 Day1. PyTorchの基礎 ディープラーニングの最も基礎的な全結合のニューラルネットワークに関する数学およびその実装をディープラーニングフレームワークである PyTorch を用いて行います。ディープラーニングではGPU (Graphics Processing Unit) を用いることが多く、Microsoft が提供するパブリッククラウドである Azure を使い、ディープラーニングに必要な環境を仮想化技術である Docker を用いて行います。GPU を用いる場合の環境構築は初学者には難易度が高いですが、セミナーが終わった後にも使用できる環境を提供します。 数学とプログラミングの事前予習テスト ニューラルネットワーク（順伝播）：線形変換・非線形変換 ニューラルネットワーク（逆伝播）：確率的勾配降下法 PyTorchによるネットワークの定義（Sequential） Skorchによるモデルの学習 Azure上にGPUインスタンスの作成 Dockerの基礎 Dockerを用いたGPU環境構築 Day2. PyTorchの応用とハイパーパラメータ調整 PyTorchを本格的に使用するために必要なネットワークの記述や学習ループに対する理解を深めます。PyTorch-Igniteを用いて学習ループを簡易的に記述する方法、Tensorboardを連携させた学習結果の可視化など、実務で取り組む際に必要なスキルを身に着けます。また、ネットワークに含まれるノードの数や層の数といった人手で調整することが困難なハイパーパラーメータをベイズ最適化により調整する最新の方法で実装します。 PyTorchによるネットワークの定義（Class） ミニバッチ学習 最適化手法（ex. SGD, Adam） 学習ループの記述 PyTorch-Igniteによる学習ループの簡略化 Tensorboardによる学習結果の可視化 Axによるベイズ的最適化に基づいたハイパーパラメータ調整 Day3. 画像処理とCNN 画像がコンピュータ上でどのように扱われており、具体的にどのような処理を施すのかといった画像処理の基礎から、ニューラルネットワークで画像を扱うためのConvolutional Neural Network（CNN）の考え方まで背景の数学的説明から、PyTorchによる実装まで行います。また、ファインチューニングと呼ばれる他のタスクで学習したモデルを利用して少ない学習データセットに対しても精度を高める方法も紹介します。データセットはPyTorch側で用意されたものではなく、自前の画像を使うため、具体的なファイルの読み込みや前処理も紹介します。 画像処理の基礎（OpenCV, Pillow） 画像のクラス分類 代表的なネットワークの紹介 自前の画像データの読み込みとラベル付け ファインチューニング Day4. 自然言語処理とRNN 文章や文書といった自然言語のデータを機械学習の入力としてどのように特徴抽出し、構造化を行うか紹介します。テキストファイルに保存されている文書のカテゴリを分類する問題や、チャットボットや機械翻訳で使われている文章生成まで扱います。文章生成では可変長の入力データから可変長の出力を予測する必要があり、そのような系列データを扱うことができる Recurrent Neural Network (RNN) も紹介します。 形態素解析（MeCab） 自然言語の特徴量（BoW, TF-IDF） 文書分類 系列データのモデリング（RNN） 文章生成（Sequence to sequence） Day5. モデル圧縮とデプロイ ディープラーニングを初学者が学ぶ際に学習にフォーカスが当たりがちですが、実際にサービス化を行う際には推論まで考慮したシステムを構築できることが不可欠となります。そこで、Web API として学習済みモデルを推論サーバーへデプロイする方法を紹介します。また、ディープラーニングでは精度を向上させるためにネットワークを深くすることがよくありますが、その結果、ネットワークのサイズが大きくなりすぎてしまい、学習用の高性能なサーバーの場合は生じなかった問題が、推論用のサーバーの場合では推論のスピードやメモリの容量といった点で問題となることがあります。その問題の解決策として、モデル圧縮の手法が提案されており、この手法の解説と実装も行う実用化を検討します。 Webの基本 Webフレームワーク（Flask） 推論サーバーの構築で Web API 化（IaaS, PaaS） モデル圧縮（プルーニング、量子化、蒸留） セミナーについて 場所：キカガク神田オフィス 日程：7月1日（月）- 7月5日（金） 時間：9:30 - 17:30（休憩1時間） 人数：先着15名 講座費用：5万円/日＋ Azureチケット 5万円（税別） Day3-5 はオプションとして任意で選択 Day1 と Day2 は必修 事前予習（セミナーお申込み後に無料クーポンを配布します） 人工知能・機械学習脱ブラックボックス講座（初級編） 人工知能・機械学習脱ブラックボックス講座（中級編） その他 昼食は弊社側で用意します お申込みはこちらのフォームから承っております 3日間で学べる従来のディープラーニングハンズオンセミナーはこちら -
実データが揃っているだけではAI人材の育成が進まない。メルカリの経営層向けにも導入されたデータに基づく意思決定を学べるキカガクの研修とは？
プレスリリース2019/11/25人工知能・機械学習を含めた最先端技術に関する教育事業を展開する株式会社キカガク（本社：東京都千代田区、代表取締役社長：吉崎 亮介）が設計した新しい方式の研修を、株式会社メルカリ（本社：東京都港区、代表取締役CEO：山田 進太郎）の経営層向けに実施いたしました。AI人材を育成する試みは日本の施策としても近年注目されている一方、現場で本当に活躍できる人材の育成が難しいという課題が挙げられています。本プレスリリースでは、この現場思考のAI人材の育成が難しい課題と、今回の研修が解決した課題を報告します。 データ解析を主とするAI人材の育成には実データの存在が欠かせないと言われており、Kaggleをはじめとするデータサイエンス育成のためのデータのオープン化が進められています。日本でも実データに基づいたProject Based Learning (PBL) 型の研修が用意されていることもあります。実データを解析できるため、より現場に近い知見が得られるメリットの一方、下図に示すように、与えられたデータの解析結果を実際のユーザーなど実現場に施策を打ち、そのフィードバックを得ることが難しくなる問題があります。料理の例に例えるとわかりやすく、実データ（本格的な材料）を用意して、最新の方法で解析（調理）して、綺麗に可視化した（盛り付けた）としても、ユーザー（食べた人）からのフィードバックをもらわない限り、適切な手法（料理）であったかを確かめることができず、データ解析者（料理人）の成長に役立てることができません。 今回のテーマは、ユーザーに対する最適なキャンペーンを打つための意思決定をデータに基づいて行うというものでした。この研修を設計するにあたり、設計したキャンペーン広告をユーザーに打ち、そのクリック率などの結果が得られないと次に進めない問題設定であることがわかります。先述した従来のフィードバックがない環境では、データに基づく意思決定に対する実用的な学びが生まれません。 そこで、今回の研修では実データを使うのではなく、実データの特性を知っている担当者の知見をヒアリングして、その内容に基づいたユーザーのシミュレータを作成しました。実際のユーザーの振る舞いを完璧に再現できるものではありませんが、行動に対する結果が得られるため、次にどのように手を打っていくべきかを考えることができ、本題であるデータに基づく意思決定の訓練には有効な手段といえます。研修に使用する簡易なシミュレータは知見を持った担当者との数時間程度のヒアリングで構築することが可能です。 経営層向けということもあり、数学やプログラミングの話は必要最小限に絞り、データに基づく意思決定を行うために必要なデータ設計の方法と、そのデータからモデリングを行う方法を解説しました。AIのモデル構築を行うツールはMicrosoft社が提供するAzure Machine Learning Studioというモジュールをドラッグドロップで組み合わせるだけで実現できるものを使用し、ノンプログラミングでも実務で必要な本格的な内容を学べます。 シミュレータを用いたPBL型の研修では、設計した施策に対する結果がフィードバックされるため、PDCAを何度も回すことができ、受講生の間での議論も盛り上がり、業務で導入するための具体的なイメージが掴めたとの声をいただきました。今までの業務への取り組み方と、AIに基づく意思決定を行った場合における「意思決定に必要なコスト」がどの程度下がるかを実際に体験していただきました。AIを導入するためには、AIが使用できるためのデータの設計が肝であり、導入の相談をいただく場合に、データ設計からやり直しということも少なくありません。今回は、その重要性や正しい設計法についてPBLを通して学んでいただきました。 ■ 社内でAI研修をご検討の方 弊社では育成したい人材に合わせた研修のコーディネートを行っております。最初にゴールや現状のヒアリングを行い、その育成を実現するために必要な道筋のプランを提案いたします。創業3年で累計受講生数が20,000人を超える実績に支えられた最適な人材育成を提供できるため、お気軽にご相談いただけますと幸いです。
