データ戦略・リソース・人材

AIを理解する

Maarten Van den Broeck

Senior Content Developer at DataCamp

データ戦略とガバナンス

データ戦略： データを中心に据えた情報・知識の取得やビジネス決定のための組織戦略の設計・構築

データ戦略のステップ：

データ指向の目標設定
必要なデータを確認する
データソースと種類を特定する
予測的分析 vs. 処方的分析
データ活用プロセスを実運用に落とし込む

データ志向の目標設定

必要なデータを確認

データソースと種類を特定する

予測分析と処方的分析

データ活用プロセスを運用化する

AIインフラ

クラウドインフラ

拡張可能な計算資源、データストレージ、AIツール、事前構築済みモデル
柔軟、オンデマンド

Google Cloud、Azure、AWS

メリット： 高い拡張性、費用対効果
デメリット： データの場所、インターネットが必要

オンプレミス（自社保有型）

AI運用のハードウェア、ソフトウェア、データ、ネットワークリソースを自社で所有している

オンプレミスインフラ

メリット： データ制御の強化、ラグが短い
デメリット： 初期費用、拡張性が低い

MLOps手法

MLOps（機械学習オペレーション）： 企業環境において機械学習システム（AIシステム）を効率的に管理して運用するための手法

MLOps手法

MLOps（機械学習オペレーション）： 企業環境において機械学習システム（AIシステム）を効率的に管理して運用するための手法

MLOps手法

AI関連人材

AIアーキテクト

AIアーキテクト

データサイエンティスト

データサイエンティスト

機械学習とデータエンジニア

機械学習エンジニア

その他： AI倫理学者、プロジェクトマネージャー

その他のAI関連人材

AIチームの編成

リーダー・マネジメント

AIマネージャー / チームリード
AIプロジェクトマネージャー

実行

AIアーキテクト：ツールの選定
データサイエンティスト：データを分析し、モデルを学習・評価する
ML・データエンジニア：モデルを本番環境にデプロイし、データパイプラインを構築する

サポート

チームを構築する

AIチームの編成

リーダーシップとマネジメント

AIマネージャー / チームリード
AIプロジェクトマネージャー

実行

AIアーキテクト：ツールの選定
データサイエンティスト：データを分析し、モデルを学習・評価する
ML・データエンジニア：モデルを本番環境にデプロイし、データパイプラインを構築する

サポート AI倫理学者、AI導入業務の専門家

チームを構築する

練習しましょう！

AIを理解する