説明可能なAI（XAI）
「SLSystem（通称AI電卓）」を使用した多変量解析入門
～エクセルのソルバーを使用した最適化の演習付～

日時・会場・受講料・お申込みフォーム

●日時：2025年7月11日(金)　13:00-16:30　＊途中、小休憩を挟みます。

●会場：[東京・東陽町]江東区産業会館 2階第1会議室　→「セミナー会場へのアクセス」

●受講料：
【会場受講】：1名45,100円(税込（消費税10％）、資料付)
＊1社2名以上同時申込の場合、1名につき34,100円

＊学校法人割引：学生、教員のご参加は受講料50％割引。→「セミナー申込要領・手順」を確認ください。

●録音・録画行為は固くお断りいたします。

■ セミナーお申込手順からセミナー当日の主な流れ　→

---

お申込みはこちらから

会場（対面）セミナーご受講に関する各種案内（必ずご確認の上、お申込みください。）

●配布資料は、印刷したものを当日会場にてお渡しいたします。

●当日会場でセミナー費用等の現金支払はできません。
●昼食やお飲み物の提供もございませんので、各自ご用意いただけましたら幸いです。
●録音・撮影行為は固くお断りいたします。
●講義中の携帯電話・スマートフォンでの通話や音を発する操作はご遠慮ください。
●講義中のパソコン使用は、講義の支障や他の方のご迷惑となる場合がありますので、極力お控えください。場合により、使用をお断りすることがございますので、予めご了承ください（パソコン実習講座を除きます。）

セミナーポイント

▼受講者が会場に持参していただく物
・事前配布資料（含む演習用データ）
・ノートPC（2019以降のバージョンのエクセルが使用できるもの：演習実施希望者のみ

○講師より／本セミナーのポイント
　長年のデータ分析・AI・機械学習技術のビジネス活用の仕事経験だけでなく、データマイニング・機械学習のソフト開発の第一線で活動してきた立場として、入門から、最新技術まで、ビジネスへ活用事例・注意点・将来への発展方向などについて紹介します。
　本セミナーではエクセルのソルバーを使用して受講生に従来のDeep Learningのモデルと、ＡＩ電卓のモデルの最適化を演習して、その違いを体験して頂きます。

○主な受講対象者は？
・データ分析に興味があるが、プログラミングや統計は専門外という方
・AI（XAI）技術をビジネスに活用したい方
・機械学習のブラックボックス問題に課題を感じている方
＊尚、専門とされてる方の受講も歓迎しますが、ご質問やご指摘等は最後の質疑応答の時間でお願いします。

○セミナーの目的
入門から、先端研究まで、機械学習・データ分析の全体像、直面する問題点を理解する。
実践例を通して、ビジネス活用に必要不可欠な説明可能なAI（XAI、教師あり学習モデル、強化学習モデル）について理解する。
紹介する XAI製品=SLSystemの実演習も行う。
Deep Learning、深層学習との違いをモデルの最適化を行い体験する。
（Deep Learningのモデルも、エクセルでご自分で作成できる様に今回ご紹介します）

更に、時間があれば、質問応答時間を設け、AIの有効活用についての相談も可能です。
XAI: eXplainable Article Intelligence
SL: Statistical Learning

○本セミナーを受講して得られること
・参加者にSlsystemの基本的な操作を紹介し、その優位性をご理解頂ける。
・深層学習とXAIとの違いを理解し、それぞれの特徴を活かしたデータ分析の応用ができるようになる。
・XAIの使用、活用における可能性を理解し、ご自分の課題解決に役立てられる。

セミナー内容

　＊セミナーの進行に合わせて、適宜休憩時間を設けます。
　＊参加者のレベルに合わせて、内容を調整します。
　＊ハンズオン形式で進めることで、参加者の理解を深めます。

1.イントロダクション (30分)
　1.1 多変量解析
　　・線形な単、重回帰
　　・非線形なDeep Learning、深層学習による回帰
　1.2 AI電卓とは？
　　・開発の背景とコンセプト
　　　　電卓の様にAI技術の利用を誰でも手軽、可能に
　　・従来のデータ分析ツールとの違い
　　・説明可能なAI（XAI：eXplainable Artificial Intelligence）としての意義
　　・AI電卓の特徴
　　　ノーコードでの操作性
　　　統計・機械学習の知識不要
　　　決定木アルゴリズムによる説明可能性

---松原望東京大学名誉教授からのコメントの紹介---
　「AI電卓」の統計学上の意義
・Deep Learning、深層学習の進展の反面、データ由来や意味を問う機会が少なくなっていることを返上
・質的なデータを扱うダミー変数を機能的に自在に使うことができ、質の数量化を通じて、意思決定が飛躍的に簡便になる
・理由の「説明」が可視化され、機械学習のWhite Boxが現実に一歩踏み出す。
・機械学習における「決定木」の現実的な応用を書き出し「人間中心のAI」の一層の進展となる
・「AI電卓」は「電卓」のようなものなので、Pythonスクリプトなど必要なく、また「AI」であるから、データサイズは数百万件でも十分対応可能
--------------------------------------------

　1.3 AI電卓の活用事例
　1.4 Kaggleコンペティションでの実績

2. AI電卓を実装したSlsystemの基本操作 (60分)
　・Slsystemのインターフェース説明
　・データのインポートと前処理
　・モデルの構築と評価
　・結果の解釈と可視化
　・デモンストレーション
　・サンプルデータを用いた分析事例

3. Deep Learning、深層学習との比較：モデル最適化 (60分)
　・Deep Learningの概要と特徴
　・Deep Learningにおけるモデル最適化の課題
　・エクセルを使用した深層学習モデルとAI電卓のモデル最適化の比較
　　　簡単なデータセットを用いたモデル構築
　　　パラメータ調整による性能変化の比較
　　　説明変数の重要度とモデルの解釈

【演習】
　　参加者自身でエクセルを用いたモデルの最適化を実施
　　AI電卓とDeep Learningの違いを体感

4. AI電卓の応用とビジネス活用 (30分)
　4.1 AI電卓の応用分野
　　Data Mining（マーケティング、金融、医療、製造業）
　4.2 AI電卓のビジネス活用におけるメリット
　　データ分析の効率化
　　意思決定の迅速化
　　高度な専門知識がなくてもデータ分析が可能
　4.3 質疑応答とディスカッション

5. まとめ (30分)
　本日のセミナーの振り返り
　AI電卓の今後の展望

＜質疑応答＞