BEGIN:VCALENDAR VERSION:2.0 PRODID:-//https://techplay.jp//JP CALSCALE:GREGORIAN METHOD:PUBLISH X-WR-CALDESC:DLLAB Engineer Days Day2: Conference X-WR-CALNAME:DLLAB Engineer Days Day2: Conference X-WR-TIMEZONE:Asia/Tokyo BEGIN:VTIMEZONE TZID:Asia/Tokyo BEGIN:STANDARD DTSTART:19700101T000000 TZOFFSETFROM:+0900 TZOFFSETTO:+0900 TZNAME:JST END:STANDARD END:VTIMEZONE BEGIN:VEVENT UID:748289@techplay.jp SUMMARY:DLLAB Engineer Days Day2: Conference DTSTART;TZID=Asia/Tokyo:20191007T113000 DTEND;TZID=Asia/Tokyo:20191007T180000 DTSTAMP:20260427T013442Z CREATED:20190830T142711Z DESCRIPTION:イベント詳細はこちら\nhttps://techplay.jp/event/74828 9?utm_medium=referral&utm_source=ics&utm_campaign=ics\n\n無償化しま した!!\nDeep Learning Lab（DLLAB）について\nDeep Learning Lab と はディープラーニングの実社会での活用を推進するコ ミュニティです。先端技術を実際のビジネスに応用す るべく、技術とビジネスの両面に精通したプロたちが 毎月の勉強会や教育活動をベースに、ニーズに合わせ た最適な技術を選択し開発した事例や最新技術動向の 情報発信を行い、ソリューション検討を具体的に行え るようにします。マイクロソフトとPFNの協業から生ま れました。​コミュニティご紹介資料はこちらです。\ nDLLAB Engineer Days: Day2 カンファレンス\n過去、アルゴリ ズム自体の研究と精度に大きな注目が集まってきまし たが、ディープラーニングの実社会での活用には様々 な技術要素が必要です。どうやってデータを集め、ア ノテーションし、蓄積するのか。学習済みモデルをど うやってシステムに組み込み、どのような環境（クラ ウド？エッジならどのチップ？）で動かすのか。デー タドリブンな機械学習システムをどうやって継続的に 運用していくか。また市場に枯渇している機械学習関 連エンジニアの育成も大きなブロッカーです。\n本イ ベントでは、Algorithm、Data Mgmt/Infra、AI Application、Edge Tec h/Chip、Careerの5カテゴリーで21セッション、8つのLTを各 領域で経験豊富な専門家が講演を行います。技術者が 深層学習の実社会での活用に必要な技術に1日で触れ、 学ぶことができます。また、1日目はハンズオンを開催 しております。こちらも併せてご参加ください。\n今 回は無償化いたします\n現在の集客見込みでは会場キ ャパに届かない予定でございます。魅力的な講師陣に よる講演を聞いて頂けないとイベントの意味がござい ませんので、今回はイベント自体を無償化いたします 。是非ご参加ください。また、すでに有償チケットご 購入いただいた皆様には事務局よりPaypal経由で10月上 旬をめどに返金しますのでそちらをお待ちください。\ nDay2 全体スケジュール\n日時 2019年10月7日（月）11:30 開 場、18:00 終了\n会場 東京コンファレンスセンター・品 川 マップ\n費用 ０円（当日現金不可、コンパス集金は 事務局の株式会社中外が代行します。)\n当日Connpassの 受講票（携帯の画面でOK）とお名刺2枚をお持ちくださ い。\n限界まで会場費用削っているのでWifiはございま せん。どうぞよろしくお願いいたします。\nセッショ ンの割り振りはイベント当日まで変更の可能性がある ことをご容赦ください。\n\n\n\n\nRoom1\nRoom2\nRoom3\n\n\n\n\n1 1:30-12:30\n受付\n受付\n受付\n\n\n12:30-13:00\n外食のマーケ ティングを進化させる「外食データクラウド」とAIを 活用した外食POSデータ「ラベリング技術」の業界を超 えた戦略とMLOps活用株式会社トレタAI App\nヒト-AI共生と してのAI革命の行方株式会社Ghelia表現が不適切であっ たため修正します。全カテゴリの話を含む広範なセッ ションとなります。カテゴリ分け不能\nスタートアッ プRidge-iで働くエンジニアの多様なキャリア 株式会社Ridge-iCareer\n\n\n13:00-13:10\nBreak\nBreak\nBreak\n\n\n13:1 0-13:40\n神は細部に宿る-成功するアノテーションデータ の第一歩株式会社バオバブData Infra\nオンライン教育サ ービスにおけるデータ活用方法株式会社アイデミーAlgo rithm\nIntroduction to Automated ML & Model Interpretability日本マイ クロソフトAlgorithm\n\n\n13:40-13:50\nBreak\nBreak\nBreak\n\n\n13:50 -14:20\nAIチームが履歴やリソース管理で疲弊してたので 開発基盤作ってOSS化した話日鉄ソリューションズ株式 会社AI App\nONNX Exports & OptimizeAXELL CorporationEdge / Chips\nLT Se ssion\n\n\n14:20-14:30\nBreak\nBreak\nBreak\n\n\n14:30-15:00\n自然言 語処理向けデータアノテーションとそのユースケースD efinedCrowd Japan株式会社Data Infra\nBERTによる文書系AIの取 り組みと、Azureを用いたテーブルデータの説明性実現 ！～Azure AutoMLで最適なモデルを自動学習 & Azure Explainer で説明性を獲得～株式会社電通国際情報サービスAlgorit hm\n富士フイルムのデジタルトランスフォーメーション への取り組み富士フイルム株式会社Career\n\n\n15:00-15:40\n Break\nBreak\nBreak\n\n\n15:40-16:10\nこのデータ、AI生成に使っ ていいの？～個人情報保護法を中心に～STORIA法律事務 所Data Infra\nMicrosoft Translatorにおける機械学習モデルと 技術について MS ResearchAlgorithm\n小売業界の実AI プロジェクトから見る、現場で活躍するエンジニアに 必要なスキルリテールAI研究会・キカガクCareer\n\n\n16:10 -16:20\nBreak\nBreak\nBreak\n\n\n16:20-16:50\nAndroid/iOS端末におけ るエッジ推論のチューニング株式会社バンダイナムコ スタジオAI App\nハードウェア進化についていけ〜 実用 化が進む GPU、そして注目が集まる Edge TPU の威力に迫 る 〜株式会社オプティムEdge / Chips\nAI in Industrial Robotics ApplicationsAscent RoboticsAI App\n\n\n16:50-17:00\nBreak\nBreak\nBreak\ n\n\n17:00-17:30\n知らなかったでは済まされないAIと製造 物責任、知財とデータ統制一般社団法人AIデータ活用 コンソーシアムData Infra\n非力な端末で深層学習推論を 高速に実行する技術株式会社IdeinEdge/Chips\n推論環境と しての Windows ML x ONNX の実際日本マイクロソフト株式会 社AI App\n\n\n\n通常セッション(30分セッション）\n\n\n\nカ テゴリ\nセッションタイトル\n詳細\n演者\n\n\n\n\nAI Applic ation\n外食のマーケティングを進化させる「外食データ クラウド」とAIを活用した外食POSデータ「ラベリング 技術」の業界を超えた戦略とMLOps活用\n飲食店の予約台 帳シェアNo1サービス「トレタ」の保有する予約／顧客 ／購買(POS)データの新たな価値を見出し、自サービス や飲食店へのデータ活用に留まらず外食サプライチェ ーンを巻き込んだデータ活用の戦略を描き推進する事 例と、その土台を担うMLOpsとそこから生み出されるMachi ne Learningの技術的アプローチおよびPowerBIを使ったサー ビス開発のお話。また今後の業界を超えた活動の一部 もお話しします。\n株式会社トレタ 萩原さん、吉村さ ん、佐藤さん\n\n\nAI Application\n推論環境としての Windows ML x ONNX の実際\n推論環境の作成を大幅に簡素化してく れる選択肢の一つとして、Windows ML は外せません。そ の Windows ML は ONNX 経由で連携する事になります。この セッションでは、End-To-Endで個別作成したモデルの ONNX 化。そして、その Windows ML アプリケーションへの組み 込みを、既存のサンプルコードを題材にHackしていきま す。\n日本マイクロソフト株式会社 畠山さん\n\n\nAI Appl ication\nAI in Industrial Robotics Applications\nWith the advent of moder n AI techniques\, industrial robotics field\, and automation in general\, is undergoing rapid transformation. Industry is moving away from rigid a nd unresponsive systems to the systems with intelligent perception and co ntrol that are able to adapt to their environment. Main enabling technolo gies for this transformation have been deep learning\, simulation\, and a bundant compute power. In this talk we will present how Ascent Robotics h as been leveraging these technologies and how we are thinking about futur e of industrial automation.\nAscent Robotics　Marko Simic\n\n\nAI Applic ation\nAIチームが履歴やリソース管理で疲弊してたので 開発基盤作ってOSS化した話\n弊社のDeep Learningモデル開 発では、複雑な環境構築・計算リソースの確保・大量 に発生するデータや学習履歴の管理といった煩雑な作 業が多く発生し、貴重なAI開発者の時間を奪ってしま うという問題が起こっていました。そこでAI技術者の 作業効率向上のため、これら副次作業を自動化・効率 化するためのAI開発プラットフォーム「KAMONOHASHI」を開 発し、OSSとして公開しています。本セッションでは実 体験を元に、AI開発にて発生する課題とそれを技術的 にどう解決したのか、OSSの内部まで踏み込んで詳しく ご紹介します。\n日鉄ソリューションズ株式会社 関根 さん\n\n\nAI Application\nAndroid/iOS端末におけるエッジ推論 のチューニング\n顔認証に代表される画像認識AIがスマ ートフォンで実用化された背景には、デバイスの性能 向上と、ディープラーニングによるエッジ推論技術の 発達という、ハードとソフトの２つの側面があります 。また近年では、メイクや髪色などのおしゃれシミュ レーションにAIを活用した映像加工アプリが人気を集 めています。本講義では、Android/iOS端末におけるエッ ジ推論のパフォーマンスを最大限に引き出すために、 自身の開発経験からフレームワーク選定やモデル設計 のノウハウを共有いたします。\n株式会社バンダイナ ムコスタジオ 竹村さん\n\n\nAlgorithm\nBERTによる文書系AI の取り組みと、Azureを用いたテーブルデータの説明性 実現！～Azure AutoMLで最適なモデルを自動学習 & Azure Expl ainerで説明性を獲得～\n本セッションの前半ではテーブ ルデータとしてタイタニック・データを例に、Azure Auto MLで自動学習させたモデルに対して、Azure ML Explainerで 推論結果の説明性を獲得する手法について解説します 。カテゴリカルデータの場合、ラベルエンコーディン グとOne-Hotエンコーディングの前処理を実施してから機 械学習を実施しますが、これらの前処理をどのように 用意すればAzure上でAutoMLとExplainerがシームレスに連携 できるのかについて解説します。本セッションの後半 では弊社で研究・開発を実施しているテキストデータ に対する説明性に取り組みを紹介します。具体的にはB ERTと呼ばれる自然言語処理のディープラーニング・モ デルを利用し、教師あり学習の推論結果を説明する手 法を紹介します。\n株式会社電通国際情報サービス 小 川さん\n\n\nAlgorithm\nヒト-AI共生としてのAI革命の行方\nA I化の流れは、1950年代にJ.C.R.リックライダーが発表し た「ヒト-機械共生(Man-Computer Symbiosys)」の延長線上にあ る。本論では、ヒトと計算機の共生とはどのような志 からスタートしたのか振り返り、これから先、IT革命 の延長としてのAI革命のあり方、そこで実現が期待さ れること、そして社会実装の現状について考察する。\ n株式会社 Ghelia 清水さん\n\n\nAlgorithm\nMicrosoft Translatorに おける機械学習モデルと技術について\n自動翻訳技術 は、母語の異なる話者同士の円滑なコミュニケーショ ンを支援するだけではなく、社内における翻訳作業の 効率化や多言語システムの構築など様々な場面で用い られている。2015年にニューラル機械翻訳モデルが登場 して以来、その翻訳システム性能の改善/課題はたびた び話題となっている。本セッションでは、日英、英日 翻訳システムを例に挙げながら、Microsoft Translatorにお ける機械学習モデルおよび技術について解説する。\nMS Research 江里口さん\n\n\nAlgorithm\nオンライン教育サービ スにおけるデータ活用方法\nAidemyは機械学習技術等の データサイエンスに特化したオンラインのプログラミ ング学習サービスです。本発表では、Aidemyにおけるサ ービスから受講者のログデータなど取得されているデ ータについて説明し、それらのデータをどのように活 用してサービスの改善を行なっているかの事例を紹介 します。受講者の問題への回答率、離脱率や受講ルー トの解析を用いた教育講座の品質の定量化やパーソナ ライゼーションのための取り組みについてお話ししま す。\n株式会社アイデミー 竹原さん\n\n\nAlgorithm\nIntroduc tion to Automated ML & Model Interpretability\nAzure Machine Learning が 提供する自動機械学習 Automated Machine Learning とモデル解 釈フレームワーク Interpretability SDK について解説します 。\n日本マイクロソフト 女部田さん\n\n\nCareer\n小売業 界の実AIプロジェクトから見る、現場で活躍するエン ジニアに必要なスキル\nオフラインマーケティングで のAI活用を通して、どのようにAIが現場で活用され、AI プロジェクトに関わる人たちにとってどのような知識 ・技術が必要になるのかを紹介していきます。AIプロ ジェクトを成功させるためには、「データ」、「アル ゴリズム」、「ビジネスモデル」の3つの理解が重要に なります。この3点をつなぐスキルが今後現場で活躍す るエンジニアには必要になると考えられます。本セッ ションでは、これらの点を網羅的にお伝えしていきま す。これからのAIの「活用」の時代に、現場で活躍し ていく方々の1つの地図のようなものとなればと思って おります。\nリテールAI研究会 今村さん株式会社キカ ガク 西沢さん\n\n\nCareer\nスタートアップRidge-iで働くエ ンジニアの多様なキャリア\nスタートアップであるRidge -iを例に、スタートアップで働くことやエンジニアの キャリアをどのように考えていくと良いかかなどを紹 介する。また、実際に働いているエンジニアの個別キ ャリアを紹介しつつ、エンジニア・リサーチャーの様 々なキャリア像を具体的にイメージできるようにする 。最後に、SNS等で意見を収集し、その場でディスカッ ションを行う\nRidge-i 牛久さん\n\n\nCareer\n富士フイルム のデジタルトランスフォーメーションへの取り組み\n 富士フイルムのデジタルトランスフォーメーションへ の取り組み紹介を通して、情報科学系人材が活躍でき る業務領域や情報科学系人材にもとめられる技術・技 能をご紹介いたします。\n富士フイルム 杉本さん\n\n\nD ata Management / Infra\n自然言語処理向けデータアノテーシ ョンとそのユースケース\n自然言語処理や音声技術を 使ったサービスのマーケット・トレンドや、そのサー ビス品質向上に寄与するアノテーションについての情 報をお届けします。AIの最先端を行くシアトルで日々 テックジャイアンツにAI向け学習データを提供する、De finedCrowdだからこそお伝えできるユースケースについて もお話します。\nDefinedCrowd Japan 株式会社 齋藤さん、高 橋さん\n\n\nData Management / Infra\n知らなかったでは済まさ れないAIと製造物責任、知財とデータ統制\n電化製品や プログラムにより実装されるシステム同様に、AIを用 いたシステムも製造物責任から逃れることはできませ ん。加えて、学習に用いるデータは、従来のデータを 消費する分析とは異なり、形を変え永続します。この ことにより、商用システムにおけるAIの使用は、従来 のアルゴリズム実装よりも様々なリスクを抱えていま す。AI活用におけるデータの透明性、責任、知的財産 、契約など、全てのAI研究者、システム開発者、利用 者が知るべき課題と現状について紹介します。\n一般 社団法人 AIデータ活用コンソーシアム 田丸さん\n\n\nDat a Management / Infra\n神は細部に宿る-成功するアノテーシ ョンデータの第一歩\nバオバブは2010年創業以来、機械 翻訳のための対訳構築から、画像アノテーション・テ キストアノテーション等、各種学習データ構築に特化 したサービスを展開しております。「アノテーション を外注したがノイズだらけのデータが納品されてきた 。」「予定していた納期に間に合いそうにない。なん とかして欲しい。」残念ながら、このようなご相談は 今なお、枚挙にいとまがありません。機械学習の要で ある高品質なアノテーションデータ構築のための第一 歩について、具体的な事例とともにお伝えします。\n 株式会社バオバブ 相良さん\n\n\nData Management / Infra\nこ のデータ、AI生成に使っていいの？～個人情報保護法 を中心に～\nAI開発のためには多種多様なデータを収集 することになりますが、それらのデータには収集や利 用に法律上の規制がかかっていたり（個人情報）、個 人の権利が含まれていたり（著作権、肖像権等）する ものがあります。特に個人情報については、店頭など に設置したカメラ映像を利用したマーケティング・防 犯AI、患者さんの診療情報を利用した医療AI、求職者や 労働者等の情報を利用した人事労務AIなど様々な分野 で利用されています。さらに、個人情報を収集する手 法も様々です。本セッションでは、個人情報保護法の 基本的な内容を前提に、可能な限り具体的なケースに 即して、各種AIのための適法な個人情報の収集・利用 方法についてお話をします。\nSTORIA法律事務所 柿沼さ ん\n\n\nEdge Tech/ Chips\nONNX Exports & Optimize\n学習済みモデル のフォーマットとして実用化が進むONNXについて、ONNX のバージョン、内部構造や、対応レイヤーについて解 説します。また、keras、chainer、pytorch、tensorflowの4つの フレームワークからONNXを出力し、どのようなモデルが 出力されるかどうかを比較します。最後に、レイヤー フュージョンを含む推論の最適化方法について検討し ます。\nAXELL Corporation 品部さん\n\n\nEdge Tech/ Chips\nハー ドウェア進化についていけ〜 実用化が進む GPU、そし て注目が集まる Edge TPU の威力に迫る 〜\nAIが研究段階 から実用化フェーズに差し掛かるに連れ、小型化及び 高速化が進むGPU。小売・製造・鉄道・公共における具 体的な事例をもとに、更に新しいハードウェアアクセ ラレータであるEdge TPUにも焦点をあて、高精度ビジョ ンコンピューティングの未来を語ります。「自動飛行 のドローンによるピンポイント農薬散布」、「建設生 産プロセス全体を管理するプラットフォーム LANDLOG」 、「医療画像診断支援AI統合プラットフォーム」、「 無人店舗 モノタロウAIストア」をはじめとした数々のA Iサービスを展開するオプティムが描く未来の姿とは！ ？\n株式会社オプティム 山本さん\n\n\nEdge Tech/ Chips\n非 力な端末で深層学習推論を高速に実行する技術\n非力 な端末で深層学習モデルによる推論を高速に実行する 為には、モデルから実装まで幅広い技術の選択肢があ ります。本セッションでは軽量なモデルアーキテクチ ャ、グラフレベルでの最適化、カーネル単位での最適 化等のトピックについて解説をします。加えてIdeinが 取り組むRaspberry PiのGPUを活用した高速化についても簡 単にご紹介します。\nIdein株式会社 中村さん\n\n\n\nLTセ ッション(5分セッション）\n13:50からの枠で、Room3にて1 社5分のLTセッションを実施します。\n\n\n\n時間\nタイト ル\n詳細\n演者\n\n\n\n\n13:50-13:55\n高速人姿勢検出技術と 応用例\nEdgeAIとしてJetson等で動作する当社の高速な人 姿勢検出・追跡技術AcculusPoseを紹介する。 当社は、モ デル開発から実行環境まで自社で開発する、画像認識 の研究開発企業である。 またその応用例として、Jetson Nanoで動作する、子どもの姿勢を良くすることを目的 としたゲーム環境を開発し、保育園で運用を始めたの で、紹介する。\n株式会社Acculus笹尾幸良さん\n\n\n13:56-1 4:01\nEdge TPUで植物の状態をモニタリングする。\n植物が 発芽したらSNSに通知するシステムをLambdaとEdgeTPUを用い て実装し、解説します。AWSについての簡単な説明と植 物のモニタリングの意義などについて解説します。シ ステム構成はEdgeTPUで深層学習を用いた画像認識、AWS La mbdaで EdgeTPUからのイベントを受理、AmazonSNSでSlackなど に通知と考えております。学習データは自ら作ります 。\nNougami大下範晃さん\n\n\n14:02-14:07\n研修デザインとプ レゼンテクニックでディープラーニング活用の裾野を 広げる\n数学やプログラミングを専門に学んだことが ない人にも、短時間で理解できるようにディープラー ニングの仕組みを伝える「早わかりディープラーニン グ講座」を福岡で開催しています。 そこで使っている 研修デザインのコツや、プレゼンテクニックについて 紹介します。 プログラミングをほぼしない人、ある程 度機械学習やディープラーニングを学んだ人まで、レ ベルの差があるグループが一緒に楽しめる講座の作り 方です。\n株式会社ティー・アール・イー阿久沢 崇さ ん\n\n\n14:08-14:13\nCDLEハッカソンに参加した話\nCDLEハッ カソンがどんなイベントだったかの概要と参加してみ ての感想と自分のチームのプロダクトの話\nブレイン ズコンサルティング株式会社馬目幸運さん\n\n\n14:14-14:1 9\nVoTTデモンストレーション\n物体認識のアノテーショ ンツール「VoTT」を使ったデモを実施します。画像を学 習させる際に面倒なタグ付けを「VoTT」を使って簡単に やってみます。\n株式会社ジール板倉有梨惠さん\n\n\n\n イベントスポンサーありがとうございます！\n\n\n\n\nCom pany\nWeb\n\n\n\n\n株式会社アイデミー\nhttp://aidemy.net\n\n\n 株式会社アクセル\nhttps://ailia.jp/\n\n\nIdein株式会社\nhttps ://idein.jp\n\n\n株式会社オプティム\nhttps://www.optim.co.jp\n\n \nDefinedCrowd Japan 株式会社\nhttps://www.definedcrowd.com/\n\n\n株 式会社電通国際情報サービス\nhttps://www.isid.co.jp/\n\n\n株 式会社トレタ\nhttps://toreta.in/jp/\n\n\n日鉄ソリューショ ンズ株式会社\nhttps://www.nssol.nipponsteel.com/\n\n\n株式会社 バオバブ\nhttp://baobab-trees.com/\n\n\n富士フイルム株式会 社\nhttps://fujifilm.jp/\n\n\n株式会社Ridge-i\nhttps://ridge-i.com/\ n\n\n一般社団法人リテールAI研究会株式会社キカガク\nh ttps://retail-ai.or.jp/https://www.kikagaku.co.jp/\n\n\n日本マイク ロソフト株式会社\nhttps://www.microsoft.com/ja-jp/\n\n\n\nメデ ィアスポンサーありがとうございます！\n\n\n\n\nMedia\nWe b\n\n\n\n\nIT Search+(アイティーサーチプラス)\nhttps://news.my navi.jp/itsearch/\n\n\n@IT(アットマークアイティー)\nhttp://www .atmarkit.co.jp/\n\n\nEnterpriseZine(エンタープライズジン)\nhtt ps://enterprisezine.jp/\n\n\nZDNet Japan(ジーディーネットジャ パン)\nhttps://japan.zdnet.com/\n\n\nJBpress(ジェービープレス)\ nhttps://jbpress.ismedia.jp/\n\n\nThink IT(シンクイット)\nhttps://t hinkit.co.jp/\n\n\n東洋経済オンライン(トウヨウケイザイ オンライン)\nhttps://toyokeizai.net\n\n\nビジネス＋IT(ビジネ スプラスアイティー)\nhttps://www.sbbit.jp/\n\n\nLedge.ai(レッ ジエーアイ)\nhttps://ledge.ai/\n\n\nログミーTech(ログミーテ ック)\nhttps://logmi.jp/tech\n\n\n\nイベント収支\n今回のイベ ントの収支情報はこちらに記載しております。\n最後 までお読みいただきありがとうございました。 LOCATION:東京コンファレンスセンター・品川 東京都港区 港南 1-9-36 アレア品川 5F URL:https://techplay.jp/event/748289?utm_medium=referral&utm_source=ics&utm _campaign=ics END:VEVENT END:VCALENDAR