【製造業の方必見】製造業のための6ヶ月間AI人材育成コース

5月末より、製造業特化型のAI人材育成コースが、東京(神田)と愛知(豊田)で開講します！

このブログでは、現在製造業に勤められていて、少しでもAI活用に興味を持たれている方に向けて、「製造業のAI活用の課題とは？」「製造業特化型コースはどんなことをやるのか？」「本当に現場で活かせる研修とは？」など、これからAI人材になるための有用な情報をお届けします！

製造業の悩み
AI研修の課題
理想の研修とは
カリキュラム
開催スケジュール

製造業の悩み

製造業界では、昨今少しずつ「AI活用」という言葉を聞く機会が増えてきました。

「画像認識による異常検知」「時系列解析による需要予測」など、AIと製造業は親和性が非常に高いです。AIは「人間のあいまいな感覚を機械に落とし込む技術」とも言えるため、製造現場のプロフェッショナルの知見を自動化・効率化する大きな助けになります。

AI活用に関して、業界の中でも既に着手している企業、そうでない企業様々だと思います。ただ、全体としてAI活用はそれほど進んでおらず、これから広がっていく流れにあると思います。

それでは、なぜこれほど「AI活用」が騒がれているにも関わらず、なかなか進まないのでしょうか。その答えを考えていきましょう。

悩み①：AI人材不足

そもそもAIを扱える人材が社内におらず、AIで何ができるのかもわからない。どのように導入して良いかもわからない。あるいは、元から研究していた人ど社内にはいるけれども、他の業務で忙しいし、人数もあまりいないがためにチームで動くこともできない。

そんな状況の中で、AI活用の始めの一歩が踏み出せないのではないでしょうか。

悩み②：PoC止まり

AI導入の概念実証（PoC: Proof of Concept）まではいくが、予測精度が悪く、結局使い物にならない。あるいは、精度は出たが、費用対効果が合わずに断念してしまう。

AIでモデル作成ぐらいはできるけれども、実用化する場面でつまずいているのではないでしょうか。

悩み③：内製化が困難

社内でAI人材を育成したいけれども、教えられる人がいないため、外注。AIは先端領域であるがゆえに開発の費用が高く、何度も外注できずにストップしてしまう。

内製化できないがために継続できていないのはないでしょうか。

そんないくつもの悩みがある中、一つの解決手段として「研修を受ける」という手があると思います。
さて、このブロクの読者には、実際に研修を探してみた方、受けたことがある方もいらっしゃると思いますが、上記の悩みは解消されましたでしょうか。

研修を受けた多くの方が、未だAI活用に踏み出せていないのではないでしょうか。

AI研修の課題

なぜ研修を受けてもAI活用に繋がらないか、それはAI研修にも課題があるからです。
研修事業社の我々から見て、世の中の研修には下記のような課題があると感じます。

課題①：座学中心の研修

講義形式で一方的に情報を受け取る受動的な学習でスキルが身につかない。自ら考えて課題解決する力が養われない。

課題②：研修と実務の乖離

実際のデータは汚く扱いずらいことがほとんどなのに、研修では綺麗なデータしか扱わない。製造業では、AIモデル構築後、物理的な機器との連動も必要なのに、こちらも研修では扱わない。

課題③：短期間の研修

短期間であるため、AI開発全工程の一部しか学ぶことができない。AIモデル構築のみとなりデータ収集や運用が学べない。

研修を検討された・受けられたことのある方なら、上記のような課題を感じた方もいらっしゃると思います。
もしくはこれから研修を受ける方は、上記のような注意が必要です。

理想の研修とは？〜製造業特化型研修の特徴〜

上記「AI研修の課題」を見てわかる通り、製造業の悩みに対して、これまで対応できる研修がなかったわけです。そこで、弊社AIの研修を行うキカガクと、協力会社で製造業向けのAI開発を行うテービーテックが立ち上がったわけです。

それでは、上記の課題を解決するための研修の特徴を紹介していきます！

研修の特徴①：ハンズオン形式

講義は一方的な情報の発信ではなく、理論と実装を繰り返しながら、実際に手を動かして学んでいきます。多くのエラーに遭遇しながら試行錯誤を繰り返します。この試行錯誤が、まさに現場で活きるスキルの習得に役立ちます！

また、講義の中で多くの演習課題を設けます。グループ形式でレビューしあうことで、自身の気づかなかった考えを発見することができます！

研修の特徴②：実務に近いPBL

「PBL」という言葉をご存知でしょうか。PBLとは、Project-Based Learningの略で、日本語だと課題解決型学習と言います。具体的な学習課題を立てて少人数グループでプロジェクトを完遂させる学習手法のことを言います。

こちらのコースの後半3ヶ月では、異常検知をテーマにしたPBLを行います。金属版を加工した部品の正常品と異常品をお渡しし、ベルトコンベア、ピッキングロボットを用いた異常検知に取り組んでいただきます。

「ゴール」だけが設定されている状況で、あとは「そのプロセスをチームで考えて、自由にやってください！」という、いわば「何でもあり」の演習を行います！これにより、問題解決のための思考力を高めることができます。

研修の特徴③：長期的な人材育成

現場でプロジェクトを推進できるレベルに達するためには1週間や、1ヶ月の研修では足りません。コードを自身で書くことができるレベルになるには、相当深いAIの知識が必要となりますし、短期間だとインプットのみとなり、すぐに使えるレベルのスキル定着はできません。

そこで、インプット3ヶ月間とアウトプット3ヶ月の計6ヶ月もの研修を行います！

前半3ヶ月：ハンズオン形式によるインプット
後半3ヶ月：PBLによるアウトプット

PBLは「研修の特徴②」で紹介したものです。具体的なカリキュラムについては、下記をご覧ください！

カリキュラム

詳しくはHPの「カリキュラム」をご覧ください！
https://dsit.kikagaku.co.jp/

前半3ヶ月のスキル項目

1ヶ月目：データ解析基礎
AI導入事例/AIプロジェクトの開発フロー/Python基礎/データ解析基礎/代表的な回帰の手法/代表的な分類の手法/前処理
ハイパーパラメータチューニング/教師なし学習/評価指標/不均衡データへのアプローチ
2ヶ月目：ディープラーニング・画像処理
ニューラルネットワーク基礎/TensorFlowを用いた実装/学習済みモデルの推論/画像処理の基礎/画像分類/
画像分類の代表的なモデル
転移学習/精度向上手法/物体検出/セマンティックセグメンテーション
3ヶ月目：時系列解析・異常検知・エッジデバイス
深層生成モデル/画像の異常検知/時系列予測(分類)/時系列予測(回帰)/時系列の異常検知(統計手法・機械学習手法)
エッジデバイス(RaspberryPi)/モデル圧縮