株式会社KSKアナリティクス

Business

実務直結型トレーニング

  • Business
  • 実務直結型トレーニング

実践的な分析テクニックを
動画で学び、
実務課題の解決力を
高めます。

弊社が提供する実務直結型トレーニング 『Learning サブスクリプション』は、今現在活躍しているデータサイエンティストの実践的な分析テクニックや思考を、誰もが動画で学べるようにしたいという想いから生まれたコンテンツです。

企業によって、 データが異なり、置かれた状況も違う、 そして使えるリソースもバラバラです。
そのため「一般的な教材よりも多くの具体的実例のほうが、 実務者に気付きを与え、実践へと導くことができる」と考え、講座を制作しています。

『Learningサブスクリプション』とは、講座を動画視聴形式で受講しながら、データ分析スキルを向上させるサービスで、業務に直結する動画トレーニングを、長期間・ 繰り返し視聴することができます。
通常業務と並行して学習を進める場合があることや分析プロジェクトの平均期間が3ヶ月~1年であることを考慮すれば、 1年間サポートを受けながら受講いただくことが適切であると考えています。

さらに、実践力を高めるための『ゲーミフィケーションLearningプログラム(GLP)』も提供しています。同じ課題を組織内で協力しあいながら進めるコンテスト形式ですので、社内の分析気運を醸成するのに効果的です。

本サービスを通して、多くの組織が自分達の手でデータ分析をできるようになり、自社の組織に「分析・解決力」や「ノウハウ」が蓄積することで、業務知識が豊富な組織内で、多くの分析プロジェクトの成功が継続的に実現されると考えています。
また、必要に応じて、受講の効果を定量的に把握するためのプラットフォーム(管理システム)も提供しています。

コースマップ

主要講座(一部掲載)

RapidMiner実践型トレーニング(IoT編)

解決できる課題

  • 時系列データの特徴量抽出(前処理)からモデリングまでを習得できる。
  • 実際の時系列データを用いた演習を通して、時系列データに対して機械学習モデルの作成ができる。

IoT分析演習

  1. 時系列データ分析の基礎
  2. ロボットのモーターの不調を電流等の波形データから予測演習(演習)
  3. 製品製造時のセンサーデータから良品・不良品を自動で判別(演習)
  4. モーターの正常/異常をセンサーデータから自動診断(演習)

RapidMiner実践型トレーニング(プロセスデータ分析編)

解決できる課題

  • 製造現場のプロセスデータに対して、分析を行うことができるようになる。
  • 品質値(ばらつき含む)予測モデル、プラントの異常検知モデルを独力で作成できるようになる。

詳細なコースカタログ(一部)はこちらよりご確認下さい。

コースカタログ

価格

受講料金

受講人数

受講可能講座

契約期間

講座サポート

視聴履歴・視聴者管理

Advanced

年間費用
¥360,000

1人

全て

1年

◎あり

×なし

Enterprise

年間費用
¥3,600,000

全社見放題

全て

1年

×なし

×なし

Enterprise+

年間費用
¥4,200,000

全社見放題

全て

1年

×なし

◎あり

※1 事前に受講範囲とおよその受講対象人数についてご申告頂きます。

※2 視聴講座のカスタマイズをご希望の際は、別途ご相談下さい。

※3 オンサイト研修については、別途追加費用が必要になります。

ゲーミフィケーションLearningプログラム(GLP)

課題一例:スペクトルデータを用いた「いちご(苺)」かどうかの判別

研究開発現場では、スペクトルデータの収集と結果の物性値の計測を行っている場合があるが、スペクトルデータの収集は比較的容易にできるのに対し、物性値の測定には相応の計測装置や時間が必要となります。

比較的計測が簡易なスペクトルデータと測定された物性値の関係性を機械学習させ、最終物性値を予測することが本課題の目的です。
様々な品種を人間が目視し、分類していては効率的ではなく、経験値によって分類の仕方に差が出てしまいます。

本課題では、フーリエ変換赤外(FTIR)分光法を用いてスペクトルデータをサンプリングし、対象物がいちご(苺)かどうかを判別し、その予測精度を競っていただきます。

スペクトルデータの比較

出展:“Use of Fourier transform infrared spectroscopy and partial least squares regression for the detection of adulteration of strawberry purees“ Holland JK, Kemsley EK, Wilson RH. (1998). Journal of the Science of Food and Agriculture, 76, 263-269.

課題一例:振動データを用いた車両の判別

産業用機器における振動データを用いて特定の状態(正常・異常など)を予測することの重要性はますます高まっており、振動データから様々な分析課題を設定することができます。

例えば、攪拌機などに異物が混入した際に振動データから通常とは違う状態を検知したり、ロボットの振動データからどの動作をしているのかその状態を推定することも可能です。振動データから特徴量を抽出し、予測モデルを作成することができるようになれば、様々な実課題への適用が期待できます。

本課題では、車両の振動データからどの車両が通過したのかを予測するモデルを作成し、その分類精度(正答率)をもって順位を競っていただくものです。

ブルートレイン・500系新幹線・はるかの模型
予測制度グラフ

参加者の予測精度の変化

データの比較

上記のグラフは、参加者の提出期限までの予測精度の変化を記載したものになります。
一度、予測モデルを作成し提出して終わりではなく、期間内に特徴量やアルゴリズムなど予測精度に影響を与える可能性のあるパラメーターを様々、検討していることがよくわかります。
動画教育だけではなく、実践的な課題を試し、競い合うことでデータ分析力の向上を図ることができます。

受講者管理

講座視聴履歴・アンケート結果

社内にどれくらいのデータサイエンスのリテラシーを持つ人材が育成されているのか、社内にどのような分析課題を持つ人がいるのか、一元的に管理することがDX推進主体の部署では求められます。
社内で類似の課題を持つ人をマッチングしたり、社内コミュニティを立ち上げ交流を促進するためにも視聴状況の管理や社内プロジェクトの内容と数の把握は重要です。

管理画面

ご質問・ご相談等お気軽にご連絡ください。