「.NET 開発基盤部会 Wiki」は、「Open棟梁Project」,「OSSコンソーシアム .NET開発基盤部会」によって運営されています。
目次 †
概要 †
詳細 †
クラウド・サービス †
メガクラでは、一般的に、
非構造化データのAIサービスが提供されている。
AWS †
GCP †
サービス †
文書検索 †
Google検索
エンリッチメント †
画像・言語からの自動タグ付けサービス
価格最適化 †
在庫最小化、価格（利益）の最大化
- 需要予測
- 教師あり学習
- 訪問者数、購買、価格（やSKU）
のデータから需要量を予測する。
- 数理最適化
- 数理モデル
- 制約条件の下で目的関数を最大（小）化する決定変数を見つける。
- 価格別の需要予測を元に在庫情報を加味し最適な価格を推定する。
- 制約漏れのケースが多いので、アジャイルに試行錯誤しながら進めていく。
※ 様々な、思想や嗜好、チャネルや販促などを含むので難しいらしい。
マーケティング †
感情分析 †
文書の要約と分類 †
- Gmailのスマートリプライ
- ナレッジ・シェアサービス（ニュースのレコメンド
不正検出 †
出会い系 †
ビジネス上での活用シーン †
バックオフィス †
テキスト系が多い気が。
フロントオフィス †
画像系が多い気が。
- クリーニングの受付（セルフレジ
- ブランド品の査定買取（セルフレジ？
- きゅうりの仕訳など、農業ノウハウ
- 食品加工のための骨領域の判別
音と振動からの異常検知と予防保全 †
- 伝統的な正常・異常の判断（異常振動の発生周波数の分類）
- 低周波：偏心 / 偏芯 / ゆるみ、外観検査 / 寸法測定 / 打音検査
- 中周波：摩耗や衝突、打音検査 / 潤滑油検査 / 分解検査
- 高周波：摩耗や衝突 / 傷や割れ、潤滑油検査 / 分解検査
- 統計量
- 正規分布からの外れを数値化して閾値で判定
- MT法（マハラノビス・タグチ法）
- 機械学習
- k-近傍法
- One-class SVM
- 混合正規分布（GMM）
- 異常検知は教師なし学習が基本
- 高精度のクラス分類モデルには大量データが必要
- 異常の種類が多様（要因の重なり、カバーできない）
- 正常データのみで学習、正常・異常データでテスト
- 難易度
- やさしい：一定速度で回転する機械
- やや難しい：動作モードの変化がある
- 異常診断
- 物理現象が不明：そもそも難しい
- 物理モデルがある場合：シミュレーション＋機械学習
- 耐用期間
- １ヶ月程度：データを集め易い。
- 数ヶ月～数年間：データを集め難い。
- 設備モニタリングの進化
2で運用して3のためのデータを集める。
- 稼働状況のモニタリング
- 稼働状況＋異常検知
- 予兆検知して事前に対応する。
業種別の活用シーン †
医療・介護 †
- データヘルス、Personal Health Record（PHR）
- 病気の治療 → 未病ケア・予防
- 画一的な治療 → 個別化された治療
- 医療関係者中心 → 個人の主体的な関与
- Stealth-Adaptive Exergame Design Framework
意識させない計測 → 運動能力の推定 → 難易度への反映
- 診断での利用
・複雑化した医学研究の成果の効率的な応用
・希少疾患（病理診断、画像診断、遺伝子ゲノム解析の統合）
・客観性の高い自閉症スペクトラムの診断の均てん化
・病理医の負荷軽減
・画像認識による診断
・新たな所見や疾患概念の発見
・インフォームド・コンセント
- 患者データの共有化
- Personal Health Record（PHR）
- Patient Reported Outcome（患者報告アウトカム）
- 鑑別診断システム、在宅看護支援システム
... †
... †
課題 †
- データ収集失敗
- データ不足
- 不満足な結果
- 効果なしの結論
... †
![[PukiWiki]](image/pukiwiki.png "[PukiWiki]")
