ゲストプロフィール：東日本旅客鉄道　MaaS・Suica推進本部　データマーケティング部門担当部長　渋谷直正さん 今回のキーポイント： 「JALの渋谷さん」-> デジタルガレージ ->「JRの渋谷さんに」JRはSUICAの情報を「駅カルテ」として提供開始店舗出店や地方自治体などにとっては便利なデータ2013年のデータ販売開始時にはポジティブな反応が得られなかった世の中にはデータの売り買いを行う場所がないデータ経済におけるプライバシーの話題には見境がなくなっている？これまでの鉄道会社のマーケティングはマイレージプログラムのある航空会社よりざっくり鉄道会社のマーケティングはポイントやペイメントデータの獲得で「革命」が起こっている技術者が中心のJR西日本のデータ活用とJR東は対照的JR東日本のデータマーケティング部門は非技術者の集団非技術社でもデータ解析ツールを使って精度の高いターゲティングが出来るいきなり「マニュアル車」に乗らなくても「オートマ車」がある出来上がったツールがない先端部門には車がそもそもない渋谷さん・シバタおすすめのMLツールは？SUICAのデータの分析で楽しさを感じてほしい

ゲストプロフィール：サスメド株式会社 取締役 CTO 本橋 智光さん 今回のキーポイント： USスタートアップのCEOに英語じゃなくて熱意を褒められた「前処理大全」執筆の驚きの経緯治験のデジタル化と予測技術の導入で治験の効率はどう変わる？合成対照群を機械学習で予測し、創薬にかかる時間を短縮治療用アプリの開発と法整備工数見積の魔術医療系スタートアップはSIerの技術者の経験が活きる？ビッグデータからデータの質を求める時代になってきた「大量のデータがあればなんとかなる」は過去の話大量データに基づく汎用的AIモデルと高品質データの個別最適化の組み合わせ最近また注目されているメタヒューリックスソルバークリエイティブな領域もコンテンツの造り手と受け取り手の間が重複し、一部では最適化問題化している臨床データにおけるブロックチェーンの応用マリオを決定木でプレイしたときに学んだ人生観

ゲストプロフィール：SyntheticGestalt CTO 神谷幸太郎 今回のキーポイント： ・AI創薬を行っているSyntheticGestalt - いずれは価値ある発見を自動化したい ・「統計学に毛が生えたようなもの」である機械学習と、計算量が莫大になりがちな基礎法則の融合 ・AI創薬を一つの入口として、今後はAIによって「発見すること」を自動化したい ・過去のデータを基に予測を行う機械学習が新しいものを見つける上での限界をどう突破するのか ・何がディスカバリー行為をオートメーションするのか ・インテリジェンスとはなにか、インテリジェンスを作るインテリジェンスとはなにか ・AIにおけるメタメタラーニングとは「コツのコツレイヤー」を学び自ら解き方を提案できるようになること ・圏論は統合的AI（第5の科学）を実現する為の「言語」になりうる ・創薬研究においてDeepMind Alpha-foldが解決してくれたこと ・AIが学習するためのデータをシミュレーションによって生成していく ・この世のあらゆる課題は制約付きオプティマイゼーション問題として捉える出来る？ ・世の中のあらゆる事象はコンストレイント付きのオプティマイゼーション問題と捉えられる？ ・制約条件を認識・設定し記述する能力は人間後性が必要とされる ・オプティマイゼーションとしてフレーミングできない「課題」をAIで「解く」 ・「模倣」をクリエイティブな行為としてとらえる

ゲストプロフィール：Treasure Data 取締役 堀内健后さん 今回のキーポイント： ツインバードのコーヒーメーカーがおすすめTreasureDataは10年前に日本人3人がシリコンバレーで立ち上げたスタートアップコロナでリアルイベントを前日に配信イベントに変更し自分たちでイベント配信スタジオを構築自社製品を生かしたデータドリブンなイベント配信システムを顧客提供するまでにオードリー・タンが出たTreasure Dataイベントの舞台裏データドリブンなオンラインイベント配信は残酷トレジャーデータがCDPというビジネスモデルを選ぶに至った岐路クッキーが使いにくくなった今CDPを使った顧客理解がますます重要に顧客理解のためのデータベースってどういうこと？ArmのTreasureData買収はどうメイクセンスしたのかIoTのユースケースが追いつかなかった理由ソフトウェア的な変化を前提としたハードウェアの必要性テクノロジーの発展における物語の重要性改めて上場を目指すことでメンバーにも新たなインセンティブがB2Bの営業において商談件数が少なくてもAIの予測は使える？

ゲストプロフィール：株式会社 Qosmo 代表取締役 徳井直生さん 今回のキーポイント： ・ビールにしか見えないコーヒーｗ ・アーティスト、研究者、DJ、アントレプレナーの徳井さん ・AIアート作品をアーティストとして発表するだけでなく、企業活動にもAIｘ創造性を取り入れたい ・今年の二月に出版された『創るためのAI』をなんで書いたのか？ ・模倣や人を置き換えるAIよりももっと先の可能性を提示したい ・創造することの神秘性をコンピュテーショナル・クリエイティビティーとして捉え直す ・アルゴリズムはプログラムを書いた作者すら驚かせる ・すべての生き物はシンプルなアルゴリズムの結果として生まれた ・NFTの登場でアルゴリズムアートがリバイバル ・AIを使ったアートとして音楽にはまだまだ白地が多い ・AI時代の創作活動において作者とオーディエンスの境目はなくなる ・「ジブリ風の不機嫌そうな犬」を見つけてくるCLIPモデル ・AIは過去の模倣にとらわれない新しい表現を生み出していく

ゲストプロフィール：鹿屋体育大学教授 兼 スポーツトレーニング教育センター長 山本正嘉先生 今回のキーポイント： ・山本先生は「登山の運動生理学とトレーニング学」「トレーニング科学~トレーニングに普遍的な正解はない~」の著者 ・登山のコースタイムを標準化する研究は、登山者の幅が広がる今特に重要 ・体育大学では登山の研究は遊びと思われてしまう ・スポーツ種目の黎明期には科学的手法は重宝されない ・今やオリンピックは頭が良くないと太刀打ちできない ・スポーツ選手は「言葉を統一する」事によって成長を加速できる ・「エビデンスに基づいた」科学は「平均値の科学」で、トップアスリートには当てはまらない ・第二種の科学：万人に当てはまる科学ではなく、自分の体だけに当てはまる法則を見つける科学 ・AIは個別の法則を科学するための手法の一つになりうる ・なぜ山本先生は「IT嫌い」なのか ・ダイエットはITを使えばほとんど解決済みの課題、でも「わかってるけどできない」 ・登山者のデータに目を向けるとむしろやりすぎの傾向がある ・人気の山ほど登山者の歩く速度が早い

ゲストプロフィール：株式会社エルデシュ代表取締役 データサイエンティスト　岩永二郎さん 今回のキーポイント： ・株式会社エルデシュのコーポレートカラーはコーヒー！ ・大学で純粋数学をやっていたけれど、仕事は数理最適化へ ・数理最適化とデータサイエンスの関連は？ ・数理最適化の専門家は「モデルの概念」が強い ・数理最適化の応用のファーストステップは制約の洗い出し ・「Pythonで始める数理最適化」は増刷決定！（本についての詳細はhttps://www.ohmsha.co.jp/book/9784274227356/） ・Pythonで数理最適化ができるようになって何が変わったのか ・商用ソルバーとオープンソースソルバーはどう違うの？ ・数理最適化を応用した商品レコメンデーション ・仕事を頼みに来るときは「本気」で来てほしい ・シバタはなんでQosmoに行ったのか ・「動き続ける」ことで生まれる新しい価値観

ゲストプロフィール：データサイエンティスト協会スキル定義委員会副委員長　佐伯 今回のキーポイント： 早期退職して一人ブラック企業みたいなフリーランス生活データサイエンティスト協会と、日本ディープラーニング協会と、情報処理推進機構とデジタルリテラシー協議会が始まったスキル定義委員会の熱量はすごすぎるデータサイエンスの流れはリアル産業に移りつつあり、人材も動きつつあるCookieが使えない中でどうやってデジタルマーケティングしていくの？データポータビリティーの世界では自分のデータを取り戻すことができる個人情報保護法で「厳しくなる」よりも「こうやったら大丈夫」が増える今年始まったデータサイエンティスト検定リテラシーレベルは、“最低限“の基礎知識検定ができるまでに協会ができてから8年の歳月がかかったデータサイエンティストの役割はどの様に変化・分化していく？ミッションクリティカルなサービスに落とし込むことができるDSは少数文系人材もAIをプロジェクト化し、KPIへのインパクトを出せるようになるには資格を取っても仕事を見つけるまでには経験の壁があるAI・データ活用で世界を変えたいと言うより、単純にやっててオモシロイクリエイターはオリジナリティーがあるのではなく通底するものがある

ゲストプロフィール：Tractable株式会社　日本カントリーマネージャ― 兼 APAC統括責任者　堀田 翼さん 今回のキーポイント： ・コーヒーの価格ってどうやって決まるの？ ・Tractableはロンドン本社のバーチカルAIの会社、堀田さんはその1号社員 ・ヨーロッパの会社だからこそ日本展開が早かった ・一つの領域に絞った提供価値を全世界に展開するビジネスモデル ・人手不足が深刻化している保険業界で、事故から保険金支払いを2日に短縮 ・バーチカルソリューションの強みは価値を訴求しやすいこと ・明確な答えのない課題だからこそAIでの解決が求められている ・AI現場導入の現場ではAIも人間も正しいけど相容れない状況が生まれてしまう ・Dx（変革）という言葉を毎日聞くけど、チェンジマネジメントこそ課題 ・コンサルティング経験者はAIチェンジマネジメントの主役になれる ・まるで私達はAIの手先になっている？

ゲストプロフィール：滋賀大学データサイエンス学部教授 河本 薫さん 今回のキーポイント： ・27年間「サラリーマン」をした後に滋賀大学のデータサイエンス学部の教員に ・エネルギー需給政策をデータを元に作るための研究に関わった 大阪ガスにはどうして先進的なデータ活用部門ができたのか ・河本さんの新しい本はどんなテーマ？ ・「企業は意思決定の工場である」というダニエル・カーネマンの言葉に触発された ・データを使ってどのように意思決定に反映させていくのかを体系化したい ・「自社の課題をデータ・AIで解決したい」をもっとブレイクダウンする必要がある ・今年初めて「データサイエンス」という学位を持った学生が卒業 ・データ系の仕事が細分化されていく中で大学のデータサイエンス教育はどのように変わる？ ・企業が必要としている課題解決のための「一気通貫」型人材を育てていく河本道 ・経験のあるデータサイエンティストを採用したい企業と、データサイエンティストになりたい人のギャップ ・大企業は安心感はあるかもしれないがゼネラリストに支配されていて、技術者の地位が低い ・大企業でデータサイエンティストを目指すことのジレンマ