過去のセミナー

OLD　SEMINARS
金融セミナーのセミナーインフォ　>　過去のセミナー　>　【データサイエンス実務入門２：DataRobotデモあり】 製薬・医療・保険での機械学習/ディープラーニング利活用

【データサイエンス実務入門２：DataRobotデモあり】 製薬・医療・保険での機械学習/ディープラーニング利活用

～遺伝子データからリアルワールドデータまでの利活用と新たなAI事例創出に向けて～
本セミナーは終了致しました。
受講区分 会場
開催日時 2018-09-06（木）　9:30～12:30
講師 DataRobot
チーフデータサイエンティスト
シバタ　アキラ　氏

ロンドン大学修了(博士、 実験素粒子学)後、ロンドン大学やNYUにて研究員及び非常勤講師　NYU研究員時代に加速器データの統計モデル構築を行い「神の素粒子」ヒッグスボゾン発見に貢献　 その後ボストン・コンサルティング・グループで小売り、IT、製薬、電機製造などの大企業をクライアントとし経営戦略コンサルタント　ニュースキュレーションアプリ「カメリオ」を提供する白ヤギコーポレーションのFounder & CEOを経て、2015年より世界のトップデータサイエンティストが働くDataRobot, Inc.のデータサイエンティストとして日本マーケットを担当　人工知能を使ったデータ分析によるビジネス価値の創出が専門分野　「IMF-金融庁-日本銀行共催 FinTechコンファレンス(2018/4/16開催)」などでの講演経験豊富　DataRobot社はNTTデータや新日鉄住金ソリューションズなどと協業し企業におけるAI活用を加速するフルスタックソリューション提供をFinTech、エネルギー、保険、医療、製薬、健康管理などの分野で展開中

概要 AIの発展、特に機械学習/ディープラーニング技術の進歩により、ヘルスケアにおけるデータ活用の幅が急激に広がってきました。創薬における化合物探索、リアルワールドデータの活用、治療の質の向上や予防医療、健康管理と連動した保険商品、営業・マーケティング、その他各種オペレーションに至るまで、様々な部門での応用がすでに広がってきました。
本セミナーでは、まずは機械学習/ディープラーニング技術を中心とする新しいAI技術の概要、ヘルスケア領域におけるAI技術応用の可能性と具体的事例について説明します。次に、AI技術応用でのテーマ設定及びプロジェクト進行における注意点やそのような分野において今後必要とされる人材管理とデータ管理に加えて、モデル運用に向けた技術評価方法と規制への対応といった、AI技術の事業への導入において必須となるノウハウを共有します。本セミナーにおいては、機械学習技術の事業導入の多くのプロセスを自動化してくれる最新ツールDataRobotのご紹介も交えながらお話しします。
なお、本セミナー内容の2割程度が、第1回(8/30(木)13:30-16:30)セミナーの内容と重複しますので、その点、ご了承ください。
デモ体験とユースケースで機械学習/ディープラーニングを体感してからその技術的基礎を学ぶことで、包括的に機械学習/ディープラーニング技術を習得されたい方は3日間の「【データサイエンス実務入門＆基礎】実用化事例から学ぶ機械学習/ディープラーニング～新たなAI事例創出に向けて～」コースを受講されることを強くおすすめします。コース全体受講により、新たなAI事例創出に向けての基盤作りができますので、是非、コース受講をご検討ください。
セミナー詳細 １．機械学習/ディープラーニング技術を中心とする新しいAI技術の概要
（１）データサイエンスとは
（２）機械学習とは/ディープラーニング？
　　　：機械学習技術の近年の進化からディープラーニングとの関係まで
（３）機械学習アルゴリズムの仕組みの紹介
　　　：回帰系、決定木系、ニューラルネット系など
（４）技術利用における注意点～リーケージ・過学習など
（５）DataRobotデモ：製薬・医療・保険分野

２．ヘルスケア領域における機械学習/ディープラーニング技術応用の可能性と具体的事例
（１）ヘルスケアにおける機械学習/ディープラーニングの適応範囲
　（a）各ヘルスケア事業における応用の可能性
　（b） 「新しい」データへの応用
　（c）創薬における探索ツールとしての機械学習モデル
（２）海外及び日本のヘルスケアにおける具体的事例

３．製薬・医療・保険分野の機械学習/ディープラーニング技術応用における
　　テーマ設定及びプロジェクト進行の注意点
（１）製薬・医療・保険において機械学習/ディープラーニングに適した
　　テーマを創出するには ～テーマ検討フレームワーク
（２）製薬・医療・保険における機械学習/ディープラーニングの事業実装までの道筋
　（a）データ準備
　（b）モデリング
　（c）モデル評価
　（d）実装方法
（３）製薬・医療・保険において機械学習/ディープラーニング技術実装を阻む要因
　（a）組織的・人的要因
　（b）システム的要因

４．製薬・医療・保険のAI分野において今後必要とされる人材管理とデータ管理
（１）製薬・医療・保険において誰がAI推進を進めていくのか
（a）データ分析担当者に必要となるスキル
　（b）人材育成戦略
　（c）AI推進に必要となる組織体制
（２）製薬・医療・保険において利活用されるデータの特徴
　（a）「ビッグデータ」の禍福
　（b）遺伝子データの利活用
　（c）ヘルスケアにおけるリアルワールドデータの利活用
（３）ヘルスケアでのAI活用に求められる理想的なデータ管理とは
　（a）データの利用可能性
　（b）技術要件
　（c）必要とされるツール

５．ヘルスケアAI分野におけるモデル運用に向けた技術評価方法と規制への対応
（１）どこから始めるのが良いのか
（２）実運用に向けて気をつけなくてはいけないこと
　（a）US のヘルスケアでのモデル利用における規制と監査
　（b）ヘルスケアにおけるデータコンプライアンス問題

６．質疑応答 ※ 録音、ビデオ・写真撮影、PCの使用等はご遠慮ください
補足事項 ※第1回（8/30）と第2回（9/6）のセミナー内容は2割ほど重複することをご了承ください。
※回数券を使用してセットセミナーにお申込されます場合、2回分の回数券が必要となります。 

カテゴリ
関連キーワード
お問い合わせ先 株式会社セミナーインフォ
TEL ： 03-3239-6544　　　E-mail ： seminar-operation@seminar-info.jp
お問い合わせフォーム
申込規約・全額返金保証の規約
※ 印刷用ページもご用意しております。本ページの内容を印刷される際にご利用ください。
PDF

該当データはありません。