ラベリング工数大幅削減！アプリで楽するデータラベリングと前処理 - AI モデル検討の前に

概要

機械学習のプロジェクトにおいて前処理が重要なステップであることには異論の余地はなく、学習データの質が悪い場合は、どれだけ有能なアルゴリズムを使用したとしても実用的な精度は期待できません。プロジェクトの早い段階で正しく準備されたデータを用意することが、プロジェクトを成功させる上では重要です。こういった Data Centric (データ中心) なアプローチは近年の大きなトレンドとなっています。

本セミナーでは画像・動画・音・振動データを対象に、前処理の中でも特に時間のかかる「ラベル付け」と「適切な特徴量抽出」を GUI アプリで半自動化する方法をご紹介します。手作業と自動処理をうまく組み合わせ、ラベリングにかかる工数を250 時間から 50 時間へと大きく削減されたお客様事例も合わせてご紹介します。

ハイライト

• 手間のかかるラベル付け作業の半自動化
• ドメイン知識が必要な特徴抽出支援
• 工数削減を実現されたお客様事例紹介

講演者について

草野 駿一（くさの しゅんいち）MathWorks シニアアプリケーションエンジニア　

電波によるリモートセンシングおよびリモートセンシング画像解析を専門に博士学位取得。2013年から航空測量会社にて衛星リモートセンシング画像解析、技術開発に従事。2019年に MathWorks Japan に入社。以来、アプリケーションエンジニアとして主に画像・信号処理、ディープラーニング、レーダ領域を担当。近年は自律ロボティクスに技術領域を拡げている。

代表作：3次元空間の認識へ！加速する点群のディープラーニング

竹本 佳充（たけもと よしのぶ）MathWorks シニアアプリケーションエンジニア　

生体信号処理で学位取得。ケーブルテレビ施設向け光送受信機等の広帯域伝送システムおよびその周辺装置の設計・開発に従事。2009年より現職。音声・音響、センサー、生体信号等の時系列信号処理に関連する業務を担当。

代表作：アプリで楽するMATLAB信号処理 - AIへの応用を想定した活用例

王 暁星 (Xiaoxing Wang) MathWorks シニアアプリケーションエンジニア

Numerical Physics で博士学位取得。大手外資系油田開発サービス会社に 6 年勤務。地下資源採掘装置の開発、設置、データの取得と解析に従事。2019 年に MathWorks Japanに入社。機器の故障予測に向けたデータ解析を得意とする。異常検知・予知保全をテーマに顧客先や学会で複数発表。

代表作：王道！時系列データで学ぶ6種の特徴抽出と異常検知