Upgrade to PRO for Only $50/Year—Limited-Time Offer! 🔥
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
研究・教育・産学連携の循環の実践
Search
Shohei SHIMIZU
October 17, 2023
Science
0
350
研究・教育・産学連携の循環の実践
2023年度統計関連学会連合大会, 京都
企画セッション: [5EAM1] (4)アカデミアと企業との共同研究
一部update
Shohei SHIMIZU
October 17, 2023
Tweet
Share
More Decks by Shohei SHIMIZU
See All by Shohei SHIMIZU
非ガウス性と非線形性に基づく統計的因果探索
sshimizu2006
0
420
Causal discovery based on non-Gaussianity and nonlinearity
sshimizu2006
0
200
統計的因果探索の方法
sshimizu2006
1
1.2k
Non-Gaussian methods for causal discovery
sshimizu2006
0
310
データで課題を解決する -因果関係を調べる統計的因果推論-
sshimizu2006
5
1.7k
統計的因果探索の概要と役割
sshimizu2006
0
2.2k
統計的因果探索とAI
sshimizu2006
1
2.4k
統計的因果探索: 領域知識とデータによる因果構造グラフの推測
sshimizu2006
4
3k
統計的因果探索: セミパラメトリックアプローチを中心に
sshimizu2006
3
1.3k
Other Decks in Science
See All in Science
ICRA2024 速報
rpc
3
5.4k
FOGBoston2024
lcolladotor
0
100
ABEMAの効果検証事例〜効果の異質性を考える〜
s1ok69oo
4
2.1k
科学で迫る勝敗の法則(名城大学公開講座.2024年10月) / The principle of victory discovered by science (Open lecture in Meijo Univ. 2024)
konakalab
0
220
2024-06-16-pydata_london
sofievl
0
540
Science of Scienceおよび科学計量学に関する研究論文の俯瞰可視化_ポスター版
hayataka88
0
130
第61回コンピュータビジョン勉強会「BioCLIP: A Vision Foundation Model for the Tree of Life」
x_ttyszk
1
1.6k
私たちのプロダクトにとってのよいテスト/good test for our products
camel_404
0
200
創薬における機械学習技術について
kanojikajino
13
4.6k
マテリアルズ・インフォマティクスの先端で起きていること / What's Happening at the Cutting Edge of Materials Informatics
snhryt
1
140
拡散モデルの原理紹介
brainpadpr
3
5k
LIMEを用いた判断根拠の可視化
kentaitakura
0
360
Featured
See All Featured
Automating Front-end Workflow
addyosmani
1366
200k
Facilitating Awesome Meetings
lara
50
6.1k
個人開発の失敗を避けるイケてる考え方 / tips for indie hackers
panda_program
94
17k
Imperfection Machines: The Place of Print at Facebook
scottboms
266
13k
Gamification - CAS2011
davidbonilla
80
5.1k
Build The Right Thing And Hit Your Dates
maggiecrowley
33
2.4k
Making Projects Easy
brettharned
116
5.9k
GraphQLとの向き合い方2022年版
quramy
44
13k
I Don’t Have Time: Getting Over the Fear to Launch Your Podcast
jcasabona
29
2k
Building Applications with DynamoDB
mza
91
6.1k
StorybookのUI Testing Handbookを読んだ
zakiyama
27
5.3k
The Illustrated Children's Guide to Kubernetes
chrisshort
48
48k
Transcript
研究・教育・産学連携の 循環の実践 清水昌平 滋賀大学 データサイエンス学系 理化学研究所 革新知能統合研究センター 研究 教育 産学連携
2023年度統計関連学会連合⼤会, 京都 企画セッション: (4)アカデミアと企業との共同研究 ⼀部update
イントロ
滋賀大の取り組み n第4期中期目標・中期計画(2022年から2027年) • 社会共創機能の強化 • 研究・教育・産官学連携の循環 n私はデータサイエンス学系なので • DSに関する研究をして •
DSに関する教育をして • DSに関する産官学連携をして • それぞれ活かしながら、繰り返す • 学生を産学連携に入れる (PBL) 我が国・地域 社会の活性化 への貢献 社会からの 投資・外部資 ⾦獲得 教育研究の強 化・質の向上 社会との共創 機能の強化 3/16
自分の専門: 統計的因果探索 nデータを用いて因果グラフを推測するための方法論 n事前知識以外の手段 .BFEBBOE4IJNJ[V Ծఆ ਪଌ • ؔܗ
• • ະ؍ଌڞ௨ݪҼͷ༗ແ • ඇ८ճ PS८ճ ͳͲ σʔλ ҼՌάϥϑ 4/16
私の場合の循環 n私の専門は、統計的因果探索なので • 因果探索を軸に循環させて • 大学レベルでの取り組みに貢献 n専門に近ければ • 研究に活かしやすい (方法論研究のモチーフ)
• “社会”で使われてる方が学生も興味を持ちやすい • (あまり) “営業”しなくて済む・準備が楽 • (自分の・学生の)理論、方法、応用のバランスをよくできる n注 • 滋賀大DS全体で(52名)、広く受け入れている 4IJNJ[V ਗ਼ਫ 研究 教育 産学連携 5/16
因果探索に関する取り組み例 滋賀大学の関連組織: 一体となって推進 • 大学院データサイエンス研究科 • データサイエンス学部 • データサイエンス・AIイノベーション研究推進センター (DSセンター)
滋賀大の産官学連携の大枠 (の例) n共同研究 • DSセンター助教とペア • 月1ミーティング • 週1作業規模 •
年単位 • 更新することもある n方法論 and/or 適用 n規模が大きくなるとセンター • 日本セーフティソサイエティ研究センター (あいおいニッセイ同和損害保険) • Data Engineering and Machine Learning セン ター (帝国データバンク) • 滋賀大学・日東電工デジタルイノベーション 研究開発センター n学術指導 (コンサル) • 教員1人で • 月1ミーティング • (事前準備は必要に応じて) • 数ヶ月から1年くらい • 更新することもある n方法論 and/or 適用 n規模が大きくなると研修プログラム • トヨタグループの人材育成道場 • 日野自動車データサイエンス塾など など n参考: DS研究科への派遣社会人 7
産官学連携: 私の場合 n製造業 • ソニーセミコンダクタマニュファクチャ リング (兼PBL) • デンソー •
アイシン • 日東電工 (共同研究センター設置) • 神戸製鋼所 (兼PBL) • 日本製鐵 • 東レ • 京セラドキュメントソリューションズ n官 • NISTEP (高山ら, 2021) (理研) n情報系 • 富士通 (Uemura et al., 2020; 2022) (理研) • 東芝 • SCREENアドバンストシステムソ リューションズ (Ikeuchi et al., 2023) • NTTコミュニケーションズ (Fujiwara et al., 2023) • NTTデータ n小売業 • 平和堂 (PBL) nそれ以外 • サスメド • キリン 基盤技術研究所 • ロックオン 適用寄りの連携がほとんど 8
方法論に関する共同研究や学術指導の例 nNTTコミュニケーションズ (2018-現在) • 機械学習モデルの予測メカニズムの解析 (AIの説明性) (Kiritoshi et al., 2021)
• 時系列の非線形因果探索 (Fujiwara et al., 2023) nDS研究科の派遣社会人として行うこともあり: デンソー・マクロミルなど 9/16
適用に関する共同研究や学術指導 n企業側: 課題やデータ n滋賀大: • 共同研究: 方法選びなど+分析作業 • DSセンター助教が分析作業 •
学生を雇用することも (拡大したい) • 学術指導: 方法選びなど • (分析作業は企業側) nDS研究科の派遣社会人として行うこともあり • 製造業や小売業、自治体から派遣 10/16
ソフトウェア開発に関する指導や相談 nPython package (Ikeuchi, Ide, Zeng, Maeda, Shimizu, 2023) •
https://github.com/cdt15/lingam MITライセンス • causal-learn (Zheng et al., 2023)にも提供 n商用ソフトに関する相談 • Causalas by SCREENアドバンストシステムソリューションズ • Node AI by NTTコミュニケーションズ • NTech Predict by neutral • Causal analysis by NEC 11/16
企業との共同研究をどう獲得したか? n教員(私)へ直接 (研究内容を調べて) (現状一番多い) n大学経由 • “営業” • 大学・研究科、学部、DSセンターページ •
OB・OG • 他の教員との共同研究が終わって 4IJNJ[V ਗ਼ਫ 12/16
企業との共同研究において何が楽しいか n(自分として)循環させられる n方法論寄り: 方法論研究が進む・適用しやすく n適用寄り: 勉強になる・事例・モチーフ • 連携を進めるに連れて、情報が増え理解も深まる nソフトウェア: 適用に使える
nチームで仕事する点 • 自分の専門分野以外のアイデア・考え方を知る • 自分ではできないこともできる • 卒業生・修了生が加わる 研究 教育 適⽤ 13/16
企業との共同研究において何が難しいか 滋賀大DSは組織的な対応をしているので「難しい」と感じる場面 は少ないが、あえて言うなら nエフォート20%とは: 個人差大 n企業の人の予備知識がわかりにくいこと n「会社」への説明 n特許関係 n自分がその時推し進めたいこととは限らない 14/16
アカデミア研究としての立ち位置と 産業での立ち位置のバランス n領域の科学者との連携と大きく違わない(と感じる) • (多くの場合) 相手が主 • 専門に近い範囲だからかも n論文にならなくても(できなくても)、”社会実装” 例として使
えることもある nユーザーを増やす試み 15/16
まとめ n研究・教育・産学連携の循環 • 大学レベルでの取り組み • その中で、自分としての貢献の仕 方: 因果探索を軸に循環 • 自分としても循環させたい時期
だった n専門の中で「得意技」があった 方が • コスト対効果もよい • (比較的)”営業”しなくてよい • 勉強にもなる n動機: ユーザーを増やすことが 方法論研究をする人や場所を増やす (たぶん) • 因果CREST (2022-2027) • NISTEP・サスメド (+京大医・国環研) 16/16 研究 教育 産学連携