お世話になります。既存の機械学習の利用も大事ですよね。量子コンピュータと既存コンピュータの性能比較や研究開発を進めるうちに、既存コンピュータの機械学習のプロジェクトが気づいたら爆増していました。
既存機械学習のプロジェクトのいいところはすぐに業務に応用できる点で、それによって予算も採算がとれるものが中心になっていて、やっているこちらも実データ＆予算の妥当性、クライアントが喜ぶという点でビジネス貢献できるのでとても助かっています。
技術としては、
・各種数理最適化ソルバー、離散最適化ソルバー
・各種深層学習フレームワークの利用、ベンチマーク、分析
・各種ルールベースモデルの構築分析
などかなり現実的で現場に即したモデルを構築しています。最近では、ノーコードツール、pythonフレームワーク、フルスクラッチ開発を組み合わせて効率的に運用ができています。サイズは3000万円-1億円くらいが多く、それでも採算の取れるサイズのプロジェクトが増えています。
基本は東大、東工大を中心のチームですが、最近ではインド工科大学、インド情報技術大学などのインド勢、シンガポール国立大学、そして米国の上位大学のチームを構築してグローバルにチームを組み始めていてうまく統合できていると思います。
進め方は、
・計画、モデルの選択、データについての打ち合わせ
・ルールベース、機械学習、深層学習を組み合わせてパフォーマンスをみる
・単体試験、統合試験
・プロジェクトの設計と構築、セキュリティ設計構築、負荷テストなど
通常の請負プロジェクトを粛々と進めながら、弊社の機械学習の知見を活かして進めています。利用マシンは、CPUマシン、google colabやaws sagemakerのようなクラウド環境、GPU並列化など様々なものに対応しています。
そもそも数学や物理学に強いチームなので、理論から読み込んだり、論文から読み込んでの実装が可能です。
納期は３か月から１年ほどのプロジェクトが主体です。若くて頑張るチームなので、ぜひご用命ください。
以上です。