機械学習（ディープラーニング）の研究開発をしています。データ分析、予測などについてお話できます。

■ 具体的な経験の内容
　機械学習によるデータ分析
　　・CANデータからドライバの行動を予測
　　・IoTハウスのセンサーデータから住人の行動を推定
　機械学習のデモ開発
　　・ラジコンカーの自動運転
　　・画像認識
　　・音声解析（音声からの感情認識機・男女判定など）
　使用ライブラリ
　　・Tensorflow, Keras
　
■ 実績や成果
　CANデータ（ドライバの過去データから）から以下のことを予測
　　・どれくらいの速さで走るのか予測
　　・どれくらいの車間距離で走るのか予測
　部屋に取り付けたセンサーデータ（人感、温度、湿度、照度）などから以下のことを予測・推定
　　・住民が寝ているか
　　・料理や洗濯など湿度上昇を伴う行動
　　・エアコンの操作（約1年分のデータを分析）
　ラジコンカーの自動運転
　　・展示会場用で自動運転するラジコンカーのデモを作成
　　・白線検知
　画像認識で以下のデモを作成
　　・顔から個人判定（スズキ or Not スズキ判定）
　　・表情からの感情推定
　　・道路の状況、白線検知、道路標識判定など
　機械学習による音声解析で以下のことを判定
　　・感情（喜怒哀楽）
　　・男女
　　・個人識別（※結果はデータ不足で満足する精度が出ませんでした）
　　
■ そのときの課題、その課題をどう乗り越えたか
　データ数不足
　　・機械学習はビッグデータといわれるように、それなりのデータ量が必要です。
　　・例えば音声からの感情推定については、社員のデータ、Youtubeのデータなどで増やしました。
　　・また、どの程度データが必要なのかデータと精度の相関関係から分析できます。
　精度の落とし所
　　・機械学習は解決すべきの難易度が高いため100％の精度は困難です。
　　・例えば、機械学習は既存のシステムでは30％しか精度が出ないものを50％・70％に上げることや
　　　既存のシステムでは不可能であったことを人間並みまたはそれ以上の精度で実現することができます。
　　・逆に機械学習が必要ない場合もあります。

■ 業界構造（トレンド/主要プレイヤー/バリューチェーン等）の知見の有無
　人工知能・機械学習・ディープラーニングなどの最新動向

■ 関連する論文やブログ等があればURL

■ お役にたてそうと思うご相談分野
　・人工知能・機械学習・ディープラーニングのシステム開発
　・人工知能・機械学習・ディープラーニングでできる事とできない事の説明・判断

■その他
地域: 渋谷
役割: 技術
規模: 社員数30人程度のベンチャー企業