・属人的な業務の意思決定プロセスに適用することにより、業務負荷を軽減し、業 務スピードを向上することを狙う取り組み。
→具体的には、逆強化学習を独自のアルゴリズムで拡張し、従来、技術者が行 なっていた意思決定モデルの構築を自動化。
・人手では定式化が困難な意思決定問題に対して、熟練者の過去の行動履歴データ から意思決定モデルを作成することにより、熟練者と同等の判断を自律的に導 出。
・当該技術をTV放送局の広告スケジューリング業務（注）に適用し、実データを使っ た性能評価を実施。
（注）各CMにおける要件・制限事項および（放送枠の活用方法など）放送局側の要件の両方を考慮 しなければならず、高度なスキルやノウハウが要求される業務
・結果、経験豊富な熟練者と同等レベルの意思決定を10倍以上のスピードで実現 できることを確認。今後、熟練者への負荷が高い様々な業務への適用を検討する とのこと。
出典：「G検定公式テキスト第2版」読者WEB特典（翔泳社・2021年）より
ディープラーニング活用事例
業種や会社名・フリーワードで探す
全2件
・バイクシェアで提供する自転車の最適な再配置を行う実証実験を実施。
・人口統計、利用実績、気象データ、周辺施設データなどを組み合わせることで、 自転車の貸出・返却需要を予測するモデルを作成。
・2018年時点で580ヶ所5900台の自転車を管理するにあたり、再配置作業を人に 頼っている状態が課題となっていた。この技術により、「使いたい時にサイクル ポートに自転車がない」という状況の改善を目指す。
出典：「G検定公式テキスト第2版」読者WEB特典（翔泳社・2021年）より
・人口統計、利用実績、気象データ、周辺施設データなどを組み合わせることで、 自転車の貸出・返却需要を予測するモデルを作成。
・2018年時点で580ヶ所5900台の自転車を管理するにあたり、再配置作業を人に 頼っている状態が課題となっていた。この技術により、「使いたい時にサイクル ポートに自転車がない」という状況の改善を目指す。
出典：「G検定公式テキスト第2版」読者WEB特典（翔泳社・2021年）より
ディープラーニングの活用事例を募集しています
JDLAでは、ディープラーニングを活用した事例の情報を募集しております。
申請いただいた情報は、内容を確認後、JDLAの公式サイトにて掲載させていただく予定です。
以下のリンク先のフォームに必要事項をご記入の上、申請お願いいたします。