Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
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
400
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
統計的因果探索: 背景知識とデータにより因果仮説を探索する
sshimizu2006
3
790
非ガウス性と非線形性に基づく統計的因果探索
sshimizu2006
0
640
Causal discovery based on non-Gaussianity and nonlinearity
sshimizu2006
0
250
統計的因果探索の方法
sshimizu2006
1
1.3k
Non-Gaussian methods for causal discovery
sshimizu2006
0
350
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
1.8k
統計的因果探索の概要と役割
sshimizu2006
0
2.5k
統計的因果探索とAI
sshimizu2006
1
2.5k
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
3.2k
Other Decks in Science
See All in Science
Machine Learning for Materials (Challenge)
aronwalsh
0
260
All-in-One Bioinformatics Platform Realized with Snowflake ~ From In Silico Drug Discovery, Disease Variant Analysis, to Single-Cell RNA-seq
ktatsuya
0
360
機械学習 - 授業概要
trycycle
PRO
0
110
観察研究における因果推論
nearme_tech
PRO
1
210
トラブルがあったコンペに学ぶデータ分析
tereka114
2
1.5k
オンプレミス環境にKubernetesを構築する
koukimiura
0
180
MoveItを使った産業用ロボット向け動作作成方法の紹介 / Introduction to creating motion for industrial robots using MoveIt
ry0_ka
0
370
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
300
Tensor Representations in Signal Processing and Machine Learning (Tutorial at APSIPA-ASC 2020)
yokotatsuya
0
170
Pericarditis Comic
camkdraws
0
1.5k
Factorized Diffusion: Perceptual Illusions by Noise Decomposition
tomoaki0705
0
370
応用心理学Ⅰテキストマイニング講義資料講義編(2024年度)
satocos135
0
130
Featured
See All Featured
Dealing with People You Can't Stand - Big Design 2015
cassininazir
367
26k
Statistics for Hackers
jakevdp
798
220k
Making Projects Easy
brettharned
116
6.1k
What's in a price? How to price your products and services
michaelherold
245
12k
Principles of Awesome APIs and How to Build Them.
keavy
126
17k
Become a Pro
speakerdeck
PRO
27
5.3k
jQuery: Nuts, Bolts and Bling
dougneiner
63
7.7k
The Straight Up "How To Draw Better" Workshop
denniskardys
232
140k
Visualizing Your Data: Incorporating Mongo into Loggly Infrastructure
mongodb
45
9.5k
Designing for humans not robots
tammielis
252
25k
Docker and Python
trallard
44
3.3k
I Don’t Have Time: Getting Over the Fear to Launch Your Podcast
jcasabona
32
2.2k
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