1.AIMINA(アイミナ)における用語解説

AIMINAのご利用にあたって基礎から専門的な用語までを解説いたします。

用語 解説
カテゴリー AIMINAでは、AIの適用領域を以下4つのカテゴリーに分類しています。
・画像処理
・自然言語処理
・異音検知
・時系列解析
AI手法 AIMINAでは、AIカテゴリーに適用されるAIの技術をAI手法と称して以下の通り分類しています。
例:
物体検知/画像分類/異常検知/画像セグメンテーション/姿勢推定/文書要約/文書分類/QA/異音検知/時系列予測/時系列クラスタリング/時系列分類/時系列異常検知 など
アルゴリズム AI手法を高精度に実現するために多くのアルゴリズムが考案されています。AIMINAでは、機械学習プログラムの単位をアルゴリズムとしています。
例:
EfficientNet(画像分類)/CbiGAN(GAN)/QATransfomer(QA)/LSTM(時系列予測) など
AIモデル AIMINAでは、「AIモデルを作ってみよう(学習)」にて利用者が指定した学習用データから生成されたAI(目的に向けたデータの本質)をAIモデルとしています。AIアルゴリズムに利用者が登録したデータを学習させた結果生成されるプログラムのことをさします。
学習 AIMINAでは、「AIモデルを作ってみよう(学習)」にて、利用者が指定した学習用データからAIモデルを生成する処理のことを学習と定義します。
学習用データ 学習処理を実施するにあたり、それぞれのAI手法の要件を満たしたデータをさします。
AIMINAでは、学習用データを次の3つから選択することが可能です。
・AIMINAが用意するサンプルデータ
・利用者がAIMINAの「Data管理」画面から事前にアップロードしておいたデータ
・利用者が学習時にローカル環境からAIMINA上にアップロードするデータ
AI手法ごとの学習用データ仕様については、後続のページをご確認ください。
学習用データ構成 学習用のデータは、①Train(訓練用)②Validation(検証用)③ Test(テスト用)の三つに分けて使用されます。学習用データはアルゴリズムに利用者のデータの特徴を学習させるために使用します。検証用データは学習の最終工程で生成されたモデルを検証するために使用します。テスト用データはAIモデル生成後に精度確認を行うために使用します。
アノテーション アノテーションとは、学習対象データに対して関連する情報(メタデータ)を注釈として付与することです。
推論 AIMINAでは、「AIモデルを試してみよう(推論)」にて、利用者が指定した推論用データをAIモデルに入力し、目的の結果を得る処理のことを推論と定義します。
※予測 AIMINAでは、画像処理、自然言語処理、時系列解析など幅広いAIのカテゴリーに対応しているため、学習済みモデルを実行し、AIモデルを試してみる処理に対して、「推論」と「予測」という表現を同じ意味合いで用いています。
推論用データ 推論処理を実施するにあたって使用する、それぞれのAI手法の要件を満たしたデータを指します。
AIMINAでは、推論用データを次の3つから選択することが可能です。
・AIMINAが用意するサンプルデータ
・利用者がAIMINAの「Data管理」画面から事前にアップロードしておいたデータ
・利用者が推論時にローカル環境からAIMINA上にアップロードするデータ
AI手法ごとの推論用データ仕様については、後続のページをご確認ください。
予測項目 時系列解析の学習時に、予測させたい項目を予測項目として選択します。
パラメーター 時系列解析などの推論時に、各種設定項目として選択します。
目的変数 時系列解析において、予測する対象を目的変数と呼びます。
例:出荷数
説明変数 時系列解析において、予測項目に関連する(影響するであろう)データ項目を説明変数と呼びます。
例:曜日、気温、過去の在庫数など
データ周期 時系列予測の予測したい項目を選択画面で使用しています。
時系列予測でデータの特性から「予測項目」に最も影響するデータ周期のことで、「参照過去データ範囲」と「データ単位」で設定します。
参照過去データ範囲 参照過去データ範囲でデータ範囲を指定ください。
例)日次データで曜日の影響が高い場合は「7(日)」を、日次のデータ で月毎の影響が高い場合は「30(日)」、月次のデータで四半期毎の影響が高い場合は「3(月)」など。
データ単位 データ単位は登録するデータの単位を選択ください。
例)日次データは「日」、月次データは「月」、秒単位は「秒」、秒以下の単位は「連番」など。
フレームワーク AIの開発に対応した、さまざまな開発基盤があります。多くのAIフレームワークは、オープンソース(OSS)として開発者に無償で提供されています。AIMINAでもオープンソースのフレームワークを使用しています。
early stopping 学習が訓練データに過適合する前に学習を打ち切る手法です。
エポック 訓練データ全体を何回繰り返し学習させるかの数を指します。
Accuracy
(正解率)
正解率とは、予測結果全体がどれくらい真の値と一致しているかを表す指標です。
top-k accuracy モデルが予測した上位k位までに正解がある確率を表す指標です。
AUC
(Area Under the Roc Curve)
ROC曲線下の領域を意味しているものです。具体的には、あるモデルの判別結果から横軸にFPR(False Positive Rate) の値を取り、縦軸にはTPR(True Positive Rate)の値を取ってグラフ化します。
そして、そこから曲線下の領域を積分して計算されるのがAUC値です。この際に機械学習の出力は確率で算出されるため、FPRとTPRの値は共に0~1.0の値を取るため、積分した結果のAUC値も同様に0~1.0の値を取ることになります。
ROC曲線 ROC曲線は、モデルから混合行列を作成して、そこからFPR(偽陽性率) とTPR(真陽性率)の値を取りグラフ化していくものです。
FPR(偽陽性率) とTPR(真陽性率)の確率分布の関係をさらにグラフ化して確認するのがROC曲線です。
Precision(適合率) 適合率とは、正例と予測したもののなかで実際に正例である割合を表す指標です。
Recall(再現率) 再現率とは、実際に正例であるもののなかで正例と予測できた割合を表す指標です。
mAP(mean Average Precision) 物体検出モデルで使用される評価指標です。物体検出では複数のクラスを扱います。モデルの精度を評価するためにPrecisionとRecallを合わせた指標であるAPがあり、各クラスのAPの平均値を計算したものがmAPになります。
IoU 物体(対象)検出において、正しい領域とAIが予測した領域の重なりの割合を表す指標です。正の領域と予測領域が大きいほどIoUの値は大きく1に近い評価結果となり、予測領域がズレている、正しい領域内でも小さすぎたり、大きすぎるとIoUの値は低く0に近い評価結果で表しています。
F値
(F-measure)
適合率と再現率はトレードオフの関係にあるので、2つの指標をまとめた指標としてF値があります。F値は、適合率と再現率の調和平均によって計算されます。
Confusion Matrix
(混同行列)
混同行列は二値分類(正例と負例の分類)の実際と予測の結果をまとめた表です。正解率、適合率、再現率などの指標の元となる数字が含まれます。
Histogram ヒストグラムは投入したデータの特長(分布)を捉えるためのグラフです。学習結果で表示され、normalとabnormalのグラフ形状から推論(予測)精度の高低を確認します。
Loss(損失) 「正解値」とモデルにより出力された「予測値」とのズレの大きさです。「損失」の測り方は様々ですが、一旦定義された「損失」を小さくするように学習は進みます。
確信度 確信度とは、予測または出力がどのくらい確実とみなせるかの統計的な尺度です。
RMSE Root Mean Square Error(二乗平均平方根誤差)の略で、回帰モデルの最も一般的な性能指標です。この値が小さければ小さいほど、誤差の小さいモデルであると言えます。

2.AIMINAで提供するAI機能一覧

AIプラットフォームAIMINAでは、幅広い利用シーンに対応したAIをご提供してまいります。現時点で実装しているAIと今後実装予定のAIを以下リストに記載しております。

使ってみよう(学習)

利用者のデータで学習を実施し、利用者のデータに最適なAIモデルを生成します。

使ってみよう(推論)

汎用的なデータで既に学習が完了したAIモデルを推論に利用いただけます。

● 現時点で実装しているAIリスト

現時点で実装しているAIリスト

3.トップ画面説明

AIプラットフォームAIMINAは、AIに関する知識をあまりお持ちでない方でも、業務で蓄積したデータを使ってご自身の業務や事業等に合ったAIモデルを作って試すことができるクラウド型プラットフォームです。
「AIモデルを作ってみよう(学習)」と「AIモデルを使ってみよう(推論)」の2つのインターフェースがあり、画面左側のメニューバーには「Data管理」、「AI管理」、「システムからのお知らせ通知」が表示されています。また、TOPバーには「ヘルプ機能」、「管理機能」があります。

画像差し替え

TOP画面機能一覧

AIモデルを作ってみよう(学習)

「AIモデルを作ってみよう」(学習)では、利用者の業務にあったAI手法を選択し、利用者が準備した学習用データを登録して学習処理を実施することでAIモデルを生成することができます。AI手法の選択には以下(A)(B)2通りがあります。

(A)「業種/ロールの設定からはじめる」
利用者の業種、職種、利用シーンの3つの条件を選定すると、選択された条件に適したAI手法をAIMINAがレコメンドします。
(B)「使いたい機能選定からはじめる」
使用したいAI手法が決まっている方は、こちらより「画像処理」「自然言語処理」「異音検知」「時系列解析」のカテゴリーからAI手法を選択することができます。

AIモデルを使ってみよう(推論)

「AIモデルを使ってみよう(推論)」は、AIMINAで提供する学習済AIモデル、または利用者が生成したAIモデルを使って推論処理を実行することができます。

学習済みAIモデルの選択には以下(A)(B)2通りがあります。

(A)「業種/ロールの設定からはじめる」
利用者の業種、職種、利用シーンの3つの条件を選定すると、選択された条件に適した学習済AIモデルをAIMINAがレコメンドします。
(B)「使いたい機能選定からはじめる」
使用したい学習済みAIモデルが決まっている方は、こちらより「画像処理」「自然言語処理」「異音検知」「時系列解析」のカテゴリーから学習済みAIモデルを選択することができます。

※利用者が「AIモデルを作ってみよう」(学習)にて生成したAIモデルを、「AI管理」画面から選択し推論処理を実行することができます。

Data管理

「Data管理」の機能は、利用者が学習用及び推論用に登録したデータを管理します。データのアップロード、削除、ダウンロードの各機能を実行することが可能です。データの登録方法は、「Data管理」画面からアップロードする方法と、「AIモデルを作ってみよう(学習)」及び「AIモデルを使ってみよう(推論)」のデータ登録画面からアップロードする方法があります。「Data管理」機能では、これらのアップロードされたすべてのデータを管理します。

AI管理

「AI管理」の機能には、以下3つのセクションがあります。

  1. 「My AI モデル」:利用者が生成したAIモデル
    生成したAIモデルを選んで推論処理の実行や、モデルのダウンロードが可能です。
  2. 「作成中モデル」:AIを作ってみよう(学習)で学習中のモデル
    学習中モデルの状況確認や、学習結果の確認が可能です。
  3. 「推論中のモデル」:AIを使ってみよう(推論)で推論中のモデル
    推論中モデルの状況確認や推論結果の確認が可能です。

システムからのお知らせ

AIMINA運営者からの各種お知らせや利用におけるアラートを確認いただけます。

設定

TOP画面右上のアイコンをクリックし「マイアカウント管理」「アカウント管理」を変更・更新することができます。詳細は、利用ガイド「9.アカウント機能」をご確認ください。

設定画面

4.「AIモデルを作ってみよう」(学習)機能全般

4-1. AI手法の選択方法(学習)

AI手法の選択方法は、2つあります。1つは「業種/ロールの設定からはじめる」方法と、もう1つは「使いたい機能選定からはじめる」方法です。やりたい事に対応したAI手法(画像分類や文書分類など)がわからない方は「業種/ロールの設定からはじめる」を選んでください。利用したいAI手法が決まっている方は「使いたい機能選定からはじめる」よりAI手法を選択いただけます。

① 業種/ロールの設定からはじめる(業務項目を選択)

利用者の業種、職種、利用シーンの3つの条件を選定すると、AI手法がレコメンドされます。表示された選択肢からAI手法を1つ選択してください。

業種/ロールの設定からはじめる
・Section1 「あなたの業種」から選択(以下業種一覧)
業種/ロールの設定からはじめる
・Section2 「あなたの職種」から選択(以下職種一覧)
業種/ロールの設定からはじめる
・Section3 「利用シーン」から選択

ここではsection1,2で選択した業種と職種から具体的な利用シーンが表示されます。
表示された利用シーンより、「やりたいこと」を選択ください。

・Section4 利用シーンを選択すると最適なAI手法をレコメンドします。(以下AI手法一覧)

● 現時点で実装しているAIリスト

業種/ロールの設定からはじめる

② 使いたい機能選定からはじめる

使用したい機能が決まっている方は、「画像処理」「自然言語処理」「異音検知」「時系列解析」のカテゴリーの中からAI手法を選択することができます。

使いたい機能選定からはじめる

● 現時点で実装しているAIリスト

使いたい機能選定からはじめる

4-2. 学習用データを選択(データの登録)

データの選択方法には大きく3つあります。

①サンプルデータを利用する
②アップロード済みデータを利用する
③ローカルからデータをアップロードする

学習用データを選択(データの登録)

①サンプルデータを利用する

お手持ちのデータがなくても、AIMINA提供のサンプルでAIモデルを生成し、利用方法を確認することができます。

「サンプルデータを利用する」を選択すると、それぞれのAI手法に対応したサンプルデータが表示されます。
こちらから利用したいサンプルデータを選択し、決定ボタンをクリックしてください。

学習用データを選択(データの登録)

②アップロード済みデータを利用する

TOPページの「Data管理」機能から事前にAIMINAへ登録されているデータを使用することができます。

「アップロード済みデータを利用する」を選択すると、Data管理に登録されているデータ一覧が表示されます。利用したいデータを選択し、決定ボタンをクリックしてください。

学習用データを選択(データの登録)

※Data管理機能からデータを登録する方法は、「8.Data管理機能」を参照ください。

③ ローカルからデータをアップロードする

新規のデータをローカル環境からアップロードして学習することができます。
「ローカルからデータをアップロードする」を選択すると、利用者のローカル環境にあるデータをアップロードすることができます。
アップロードの方法には、フォルダのアップロードとファイルのアップロードの2通りがあります。

フォルダのアップロード:
「フォルダを選択」ボタンをクリックし、ローカル環境の対象データが入ったフォルダを選択ください。
ファイルのアップロード:
画面上の「ここにファイルをドロップ」に、対象のファイルをクリック&ドロップで投入していただくか、「ファイルを選択」ボタンをクリックしてローカル環境からファイルを選択いただくかの2通りあります。データが選択できましたら、「アップロード」ボタンを押してください。
学習用データを選択(データの登録)

●プラン毎のデータサイズ表(学習)

ご利用いただいているプラン毎に設定されている1度に登録可能な最大データ容量がございます。

プラン毎のデータサイズ表(学習)

※各プランの最大データサイズ/ファイルです。
※詳細はAIMINAポータルサイトhttps://aimina.com/service/plan/も合わせてご確認ください。

●データ登録時の注意事項

以下ガイド以外の方法でデータをアップロードするとエラーとなりますので、ご確認ください。

画像差し替え

【システム共通】

※データのファイル名やデータを分類するフォルダ名は半角英数字で記載ください。
※登録する際に、対象のデータは1つのフォルダに集約し、フォルダ名は必ず「dataset」(半角小英字)としてください。
※1つのフォルダに集約いただいたフォルダ「dataset」をZip形式に圧縮したファイルで投入してください。
※ご利用いただいているプラン毎に、一度に登録可能なデータサイズの上限があります。詳細は「アカウント管理/リソース管理」にてご確認いただけます。アカウント管理者以外の利用者は、アカウント管理者へお問い合わせください。
※アップロードするデータ容量によって、データのアップロードに数十分かかる場合があります。アップロード中は画面を閉じたり、AIMINAページ上で画面操作をするとアップロードエラーとなり処理が停止されます。アップロード画面のままお待ちください。なお、ブラウザを最小化し他アプリケーションを利用したり、ブラウザ上で別タブにてAIMINA以外のサービスをご利用いただいても問題ありません。

【AI手法ごと】

学習で利用するデータは対象となるAI手法ごとに登録するフォーマットや条件が異なります。
詳細は「6.AI手法別学習/推論機能詳細」に関する記述を参照ください。

●その他:アノテーション済データが必要です

一部画像処理のAI手法でデータの前処理(アノテーション)を必要とする場合があります。利用者側でアノテーション済みデータの準備ができていない場合、「アノテーション済データが必要です」からAIMINAがお勧めするアノテーション会社を選択し、コンタクトいた だくことが可能です。

「一覧を表示」をクリックすると、AIMINAで推奨しているアノテーションサービス会社一覧が表示されます。

※こちらを選択した場合、AIモデル作成フローは終了します。

・AIMINAパートナーに参加いただいているアノテーションサービスを、AIMINAポータルサイトでもご紹介しています。各社に対する依頼方法やサービス金額については、各社WEBサイトよりご確認ください。
AIMINAポータルURL:https://aimina.com/partners/

4-3. 予測したい項目を選択(時系列解析)

時系列解析のカテゴリーを選択した場合のみ、予測したい項目の指定画面が表示されます。予測したい項目を選択してください。選択された項目を予測するAIモデルが生成されます。なお、時系列解析のAI手法を利用の場合、時系列のcsvデータを登録いただきます。

4-4. 学習モデルを作成する

データのアップロードが完了すると「AIモデルを作成する」ボタンが表示され、ボタンをクリックするとAIモデルの作成が開始されます。時系列解析のAI手法を学習する場合は、「予測したい項目を選択」後に、「AIモデルを作成する」ボタンをクリックするとAIモデルの作成が開始されます。
AIモデルの作成が開始されると「AIモデル作成中」と表示されます。このページでは、AIモデルの作成状況が確認できます。AIモデル作成状況はあくまで目安となりますので、終了予定時間を確定するものではありません。
また、「モデル作成を停止する」ボタンをクリックすると、学習を途中で終了し、その時点までの学習結果でAIモデルを生成します。学習を途中で終了した場合、精度の低いAIモデルが生成される可能性がありますのでご注意ください。「AIモデル作成中」のページが表示されましたら、こちらのページから離れていただいても問題ございません(TOPページに戻る、ログアウトするなど)。AIモデル作成中のページから離れた場合は、「AI管理」内の「作成中モデル」タブにて該当AIモデルの作成状況をご確認いただけます。AIモデルの作成が完了しましたら、「AIモデル生成完了通知メール」が送られますので、メールに記載されているURLから学習結果を確認いただけます。

画像差し替え

4-5. AIモデルの学習結果画面

①学習結果画面の説明

学習結果画面では、生成されたAIモデルの結果を確認できます。それぞれのAI手法に対して実行されたアルゴリズム(複数の場合があります)の中から一番精度の高いAIモデルの学習結果が表示されます。
表示モデル項目横のプルダウンを開くと、実行されたAIアルゴリズムの数が精度の高い順にランキング順に表示されます。それぞれアルゴリズムごとの学習結果を確認したい場合は、プルダウンからRanking Noを選択すると、該当AIモデルのアルゴリズムごとの精度をご確認いただけます。
「AIモデルの学習結果」画面には、Summary(概要)とDetails(詳細)タブがあります。
Summary(概要)で表示される項目は以下となります。

  • モデル名:表示されている結果に対応したAIMINAで設定したモデル名(アルゴリズム)
  • 各AI手法の学習結果を表すグラフ(例:ROCやAUCなど)
  • 各AI手法の精度を示す指標(例:AccuracyやF値など)
  • 各AI手法の学習結果を表すキーとなるデータなど
  • 学習処理時間、学習開始時間
  • 選択されたAIモデルの基本情報
  • 使用された学習用データ名

※表示される内容はAI手法ごとに異なります。それぞれの表示内容詳細については、「6.AI手法別学習/推論機能詳細」をご確認ください。

Summary(概要)画面
画像差し替え

Details(詳細)で表示される項目は以下となります。

  • 学習結果表項目(各AI手法ごとの精度を示す指標)
  • AI手法ごとに精度や学習工程を示すグラフ

※表示される内容はAI手法ごとに異なります。それぞれの表示内容詳細については、「6.AI手法別学習/推論機能詳細」をご確認ください。

Details(詳細)画面
画像差し替え

②AIモデル(学習)の保存方法(保存するモデルを選ぶ)

学習結果画面で「保存するモデルを選ぶ」を選択すると、対象となるAI手法で実行され生成されたAIモデル一覧が表示されます。保存したいAIモデルを選択(複数選択可)すると、モデル名(必須)とモデル概要(任意)を記載するテキストボックスが表示されますので、利用者の方の識別しやすい名称など情報を記入してください。選択と記入が完了し「保存を決定する」ボタンをクリックすると選択されたAIモデルが保存され、「AI管理」内の「My AI」タブにてご確認いただけます。
保存したモデルで推論処理の実行が可能です。
※「保存するモデルを選ぶ」にて選択したAIモデル以外は破棄されますのでご注意ください。

画像差し替え
画像差し替え

③予測へ進む手順(予測ボタンをクリックした場合)

AIモデルの学習結果画面で「予測する」ボタンをクリックすると、「予測に使うモデルの情報を入力してください」と表示されます。モデル名(必須)とモデル概要(任意)を記載するテキストボックスが表示されますので、利用者の方の識別しやすい名称など情報を記入ください。記入が完了し「決定」ボタンをクリックすると対象のAIモデルが保存され、推論データ登録画面から推論プロセス(予測する)へ進みます。
※保存されたAIモデルは「AI管理」内の「My AI」タブにてご確認いただけます。
※予測に使用するAIモデル以外は破棄されますのでご注意ください。

画像差し替え

5.AIモデルを使ってみよう(推論)機能全般

5-1. AIモデルの選択方法

AIMINAで用意した学習済みAIモデル、または利用者が生成したAIモデルで推論を実行することが可能です。まずは、AIMINAで用意したサンプルデータを使ってお試しいただけます。
AIMINAで用意した学習済みAIモデルとは、学習が不要な推論のみのモデルを指します。
※なお、利用者が学習して生成したAIモデルを推論する場合は、「AI管理」内の「My AI」タブから対象となるAIモデルを選択の上、推論実行が可能です。

● 現時点で実装しているAIリスト

現時点で実装しているAIリスト

AIモデルの選択方法は、2つあります。1つは「業種/ロールの設定からはじめる」方法と、もう1つは「使いたい機能選定からはじめる」方法です。やりたい事に対応したAIモデル(文書要約など)がわからない方は「業種/ロールの設定からはじめる」を選んでください。利用したいAIモデルが決まっている方は「使いたい機能選定からはじめる」を選んでください。

①業種/ロールの設定からはじめる(業務項目を選択)

利用者の業種、職種、利用シーンの3つの条件を選定すると、AIMINAが対象となるAI手法をレコメンドします。レコメンドされたAI手法のリストから対象の手法を選択し、次へ進みます。

画像差し替え
・Section1 「あなたの業種」から選択(以下業種一覧)
画像差し替え
・Section2 「あなたの職種」から選択(以下職種一覧)
画像差し替え
・Section3 「利用シーン」から選択

ここではsection1,2で選択した業種と職種から具体的な利用シーンが表示されます。
表示された利用シーンより、「やりたいこと」を選択ください。

・Section4 利用シーンを選択すると最適なAI手法をレコメンドします。(以下AI手法一覧)
● 現時点で実装しているAIリスト
現時点で実装しているAIリスト

②使いたい機能選択からはじめる

使用したい機能が決まっている方は、「画像処理」「自然言語処理」「異音検知」「時系列解析」のカテゴリーの中からAI手法を選択することができます。

画像差し替え
● 現時点で実装しているAIリスト
現時点で実装しているAIリスト

③作成したAIから選択

こちらでは利用者が学習実行から生成したAIモデルを、「AI管理」内「My AI」タブよりAIモデルを選択し、推論することができます。

画像差し替え

5-2. 推論用データを選択(データの登録)

データの選択方法には大きく3つあります。

①サンプルデータを利用する
②アップロード済データを利用する
③ローカルからデータをアップロードする

画像差し替え

①サンプルデータを利用する

AIMINA提供のサンプルデータから推論用のデータを選択することができます。
「サンプルデータを利用する」の下にある「この方法を選択」ボタンをクリックすると、AIMINAで提供しているサンプルデータの一覧が表示されます。試してみたいデータを選択し「決定」ボタンをクリックしてください。

画像差し替え

②アップロード済みデータを利用する

「Data管理」内の「My Data」画面から事前にアップロードしたデータを選択できます。
「アップロード済みデータを利用する」の下にある「この方法を選択」ボタンをクリックすると、「My Data」に保存されている登録済みデータの一覧が表示されます。試してみたいデータを選択し「決定」ボタンをクリックしてください。
※「My Data」管理へのデータ登録方法は、「8.Data管理機能」を参照ください。

画像差し替え

③ ローカルからデータをアップロードする

新規データをローカル環境からアップロードして推論することができます。
「ローカルからデータをアップロードする」を選択すると、利用者のローカル環境にあるデータをアップロードすることができます。
アップロードの方法には、フォルダのアップロードとファイルのアップロードの2通りがあります。

フォルダのアップロード:
「フォルダを選択」ボタンをクリックし、ローカル環境の対象データが入ったフォルダを選択ください。
※対象のデータは1つのフォルダに集約し、フォルダ名は必ず「dataset」(半角英字)としてください。それ以外のファルダ名は登録時にエラーとなります。
ファイルのアップロード:
画面上の「ここにファイルをドロップ」に対象のファイルをクリック&ドロップで投入していただくか、「ファイルを選択」ボタンをクリックし、ローカル環境からファイルを選択いただくかの2通りあります。
※1つのフォルダに集約いただいたフォルダ「dataset」をZip形式に圧縮したファイルで投入してください。ZIP形式以外のファイルは登録時にエラーとなります。
画像差し替え

●プラン毎のデータサイズ表(推論)

ご利用いただいているプラン毎に設定されている1度に登録可能な最大データ容量がございます。

プラン毎のデータサイズ表(推論)

※各プランの最大データサイズ/ファイルです。
※詳細はAIMINAポータルサイトhttps://aimina.com/service/plan/も合わせてご確認ください。

●データ登録時の注意事項

以下ガイド以外の方法でデータをアップロードするとエラーとなりますので、ご確認ください。

画像差し替え

【システム共通】

※データのファイル名やデータを分類するフォルダ名は半角英数字で記載ください
※対象のデータは1つのフォルダに集約し、フォルダ名は必ず「dataset」(半角小英字)としてください。
※1つのフォルダに集約いただいたフォルダ「dataset」をZip形式に圧縮したファイルで投入してください。
※ご利用いただいているプラン毎に、一度に登録可能なデータサイズの上限があります。詳細は「アカウント管理/リソース管理」にてご確認いただけます。アカウント管理者以外の利用者は、アカウント管理者へお問い合わせください。
※アップロードするデータ容量によって、データのアップロードに数十分かかる場合があります。アップロード中は画面を閉じたり、AIMINAページ上で画面操作をするとアップロードエラーとなり処理が停止されます。アップロード画面のままお待ちください。なお、ブラウザを最小化し他アプリケーションを利用したり、ブラウザ上で別タブにてAIMINA以外のサービスをご利用いただいても問題ありません。

【AI手法ごと】

学習で利用するデータは対象となるAI手法ごとに登録するフォーマットや条件が異なります。
詳細は「6.AI手法別学習/推論機能詳細」に関する記述を参照ください。

5-3. パラメーターを設定しましょう

時系列解析や文書要約などのAI手法を使って生成されたAIモデルを選択した場合のみ、パラメーターの設定画面が表示されます。予測に必要となるパラメーターを選択し、「この設定で推論を開始する」ボタンをクリックすると推論が開始します。詳細は「6.AI手法別学習/推論機能詳細」に関する記述を参照ください。

5-4. モデルを使って推論(推論実行処理)

データ登録が完了すると「推論を開始する」ボタンが表示され、クリックすると推論が開始されます。時系列解析AIモデルの場合は、「パラメーターの設定」後に推論が開始されます。推論が開始されると「推論中」画面が表示されるので、推論が終わるまでしばらくお待ちください。
「推論中」のページが表示されましたら、こちらのページから離れていただいても問題ございません(TOPページに戻る、ログアウトするなど)。推論中ページから離れた場合は、「AI管理」内の「推論中モデル」タブにて該当AIモデルの推論状況をご確認いただけます。

データを選択すると【この設定で推論を開始する】ボタンが表示されます。

画像差し替え

5-5. AIモデルの推論結果画面

①推論結果画面の説明

こちらの画面では、推論結果画面が表示されます。表示される画面はAIモデルごとで異なります。詳細は「6.AI手法別学習/推論機能詳細」からAIモデルごとの利用ガイドを参照ください。

推論結果の精度によっては、「トップ画面に戻る」「推論用データ入力に戻る」を選択できます。

画像差し替え
● TOP画面に戻る

「トップ画面に戻る」ボタンをクリックするとAIMINA TOP画面に遷移します。
※このページを離れると、表示されている推論結果は削除されます。

● 推論用データ入力に戻る

「推論用データ入力に戻る」ボタンをクリックすると、推論データ入力画面に遷移します。
※このページを離れると、表示されている推論結果は削除されます。

● 推論結果をダウンロードする

AIモデルによって、推論結果をCSV形式でダウンロードが可能です。

6.AI手法別学習/推論機能詳細

6-1. 画像処理

①異常検知(Image Generation)/画像異常検出(Image Anomaly Detection)

● 概要

判定対象物の正常な状態の画像データをAIMINAに学習させ、撮影した画像から不良品や異常品を検出します。作業者の経験やスキルに依存しない検査が可能になります。画像判定処理において、異常データが少ない場合はこちらの手法を活用ください。異常検知(Image Generation)/画像異常検出(Image Anomaly Detection)では、目的や利用方法は同じですが、使用しているAIアルゴリズムが異なりますのでいずれのAI手法もお試しいただき、精度を確認いただくことが可能です。

● 利用シーン

異常検知を使った利用シーン例は以下となります。
・不良品検知(混合物/偽造判定)
・キズ/錆/ひび割れ検出
・外観検査
など

【学習】
● データ登録前の事前準備

お持ちの画像データを正常画像データと異常画像データに分類していただきます。分類後、正常データと異常の種別ごとにフォルダを分けて格納ください。
※学習は正常データのみで実施しますが、学習後のvalidationとtestで精度をAUCで測るために正常品・異常品の両方を使用します。

画像データの作り方
・1つの画像に1つの対象物のみが明確に撮影されているようにしてください
・すべての画像はできる限り同一の距離で撮影ください

ファイル構成
・ファイルフォーマット:画像データ(.pngのみで動作検証しております)
・ファイル名:半角英数字のみ
例)product1.png

フォルダ構成
①クラス(分類単位)ごとのフォルダ作成
・1つのフォルダ(クラス:分類単位)に1つの分類対象でまとめてください
正常品を1フォルダ、異常品は分類ごと(ひび割れ、しみ、さびなど)に1つのフォルダにまとめる
例)正常品「good」、異常品「crack」、「spots」など
※正常データについては、フォルダ名を必ず「good」(半角小英字)としてください。「good」のフォルダが存在しないとエラーになります。
・フォルダ名:半角英数字のみ

②すべてのフォルダをまとめる1つのフォルダを作成
・作成したクラスごとのフォルダを1つのフォルダにまとめてください
・フォルダ名:1つにまとめたフォルダの名称は「dataset」(半角小英字)としてください
例1)dataset/good/画像データ
例2)dataset/crack/画像データ

● データサイズ

・ご利用いただいているプラン毎に設定されている「1度に登録可能な最大データ容量」の容量内に収まるようご用意ください
※容量を超える場合にはデータ登録時にエラーとなります。

● データの登録方法:

まとめていただいたフォルダ「dataset」、またはZIPに圧縮したファイルでアップロードいただきます。
*ZIPファイル名:半角英数字、半角ハイフン、半角アンダースコア、ドット(.)のいずれかのみ
*AIMINAでは、登録されたデータをランダムな比率で学習用データ6割、テスト用データ2割、検証用データ2割に分割して学習させます

【ご利用の流れ】
● 使いたい機能選定からはじめる画面
画像差し替え

→画像処理の下の「このカテゴリーから選ぶ」ボタンを押してください

画像差し替え

→Image Generation(異常検知)または、Image Anomaly Detection(画像異常検出)を選択して「決定」ボタンを押してください

● 学習用データを入力画面
画像差し替え

→データを選択/登録し「アップロード」ボタンを押してください

● AIモデルを作成する
画像差し替え

→データアップロードが完了すると「AIモデルを生成する」ボタンが活性化されますので、クリックして学習処理を開始ください

● 学習結果画面(サマリー)
画像差し替え

学習結果Summary(概要)で表示される項目は以下となります。

♦表示モデル:
精度ランキングNo+AIMINAで設定したアルゴリズム名
♦Based on:
学習したAI手法の精度評価指標

例)Accuracy、AUC、F値

♦ランキング表示:
学習処理が実行されたアルゴリズムをランキング順にアルゴリズム名と精度を表示
♦各AI手法の精度を示す指標:
異常検知ではAUCの結果表示
♦各AI手法の学習結果を表すグラフ:
Histogram

【予測結果のFACT】

♦この学習で検証したモデルの総数:
学習時に学習処理を実行したアルゴリズムの数

【この予測モデルの設定】

♦業種:
選択された業種(機能から選択の場合は非表示)
♦ロール:
選択されたロール(機能から選択の場合は非表示)
♦利用シーン:
選択された利用シーン(機能から選択の場合は非表示)
♦学習用データ名:
学習時に利用されたデータ名
♦学習と評価の処理時間:
学習処理全体にかかった時間
♦学習と評価の開始時間:
学習処理を開始した時間


● 学習結果画面(詳細)
画像差し替え

学習結果Details(詳細)で表示される項目は以下となります。

♦学習結果表項目(各AI手法ごとのキーファクタ)
・total_batch:バッチという単位で学習を行う総数
・executed_batch:総バッチ数において実際に学習を行なったバッチ数
・test_auc:評価時のauc(ROC曲線下の領域)の値
・test_balanced_accuracy:評価時の精度
・test_acc:テストデータに対するaccuracy(正解率)
・test_pre:テストデータに対するprecision(適合率)
・test_rec:テストデータに対するrecall(再現率)
・test_f1:テストデータに対するF1 score(F値)

♦表示グラフ
・Histogram
・RocArc
・Matrix

【推論】
● データ登録前の事前準備

学習結果を確認したい画像データ(正常と異常あわせて)をフォルダに格納ください。

画像データの作り方
・1つの画像に1つの対象物のみが明確に撮影されているようにしてください
・すべての画像はできる限り同一の距離で撮影ください

ファイル構成
・ファイルフォーマット:画像データ(.pngのみで動作検証しております)
・ファイル名:半角英数字のみ
例)product1.png

フォルダ構成
2階層のフォルダ構成としてください。

①分類単位ごと、またはすべてを一つのフォルダにまとめたフォルダ作成
例)正常品「good」、異常品「crack」、「spots」などに分類するか、「images」ですべてを1つのフォルダにまとめていだだいても結構です。
・フォルダ(クラス:分類単位)は最低1つ以上準備ください
・フォルダ名:半角英数字のみ

②すべてのフォルダをまとめる1つのフォルダを作成
・作成した①のフォルダを1つのフォルダにまとめてください
・フォルダ名:1つにまとめたフォルダの名称は「dataset」(半角小英字)としてください
例1)dataset/good/画像データ
例2)dataset/images/画像データ

● データサイズ

・ご利用いただいているプラン毎に設定されている「1度に登録可能な最大データ容量」の容量内に収まるようご用意ください。
※容量を超える場合にはデータ登録時にエラーとなります

● データの登録方法:

まとめていただいたフォルダ「dataset」、またはZIPに圧縮したファイルでアップロードいただきます。
*ZIPファイル名:半角英数字、半角ハイフン、半角アンダースコア、ドット(.)のいずれかのみ

【ご利用の流れ】
● 使いたい機能選定からはじめる画面
画像差し替え

→画像処理の下の「このカテゴリーから選ぶ」ボタンを押してください

画像差し替え

→Image Generation(異常検知)または、Image Anomaly Detection(画像異常検出)を選択して「決定」ボタンを押し、「次へ」に進みます

● 推論用データを入力画面
画像差し替え

→データを選択/登録し「アップロード」ボタンを押してください

● 推論結果画面

異常検知の推論結果は、推論に使用された「フォルダ名/ファイル名」の順に連番表示されます。
グレーで色分けされた各行の構成は、「フォルダ名/ファイル名」と、その右にAIが判定した異常度と予測結果(異常の「あり・なし」)を表示します。各行の上をクリックするとそれぞれの画像ファイルを確認いただけます。

画像差し替え

推論結果(一覧)で表示される項目は以下となります。

♦モデル名:
表示されている結果に対応したAIMINAで設定したモデル名(アルゴリズム)
♦異常検知:
一覧(連番)にてファイルごとの結果が表示される

 ・表示内容:ファイル名、異常度、異常あり判定結果
 ・番号ごとの列をクリックすると対象の画像が表示されます

♦メニューバー「TOPに戻る」:
こちらをクリックするとTOP画面に戻ります
♦メニューバー「推論用データ入力へ戻る」:
こちらをクリックすると推論用データ入力画面へ戻ります

② 画像分類(Image Classification)

● 概要

画像処理における画像分類では、お持ちの画像データを特定の分類体系に自動的に割り当てる処理を実行します。画像を種類別に仕分けしたクラス内の画像コンテンツと仕分け方の対応を学習させることで、知識や長年の経験による分類判断を自動化することが可能になります。

● 利用シーン

画像分類を使った利用シーンは以下となります。
・未装着検出(マスク、ヘルメット等)
・属性別カウント
・荷物分類
・設備点検
・等級判別
など

【学習】
● データ登録前の事前準備

お持ちの画像データを種類別に分類しフォルダに格納ください。

画像データの作り方
・1つの画像に1つの対象物のみが明確に撮影されているようにしてください
・すべての画像はできる限り同一の距離で撮影ください

ファイル構成
・ファイルフォーマット:画像ファイル(jpgのみ)
※.jpg以外のフォーマットで登録されるとエラーになります
・ファイル名:半角英数字のみ
例)product1.jpg
・ファイル(データ)の枚数は最低160枚以上必要になります

フォルダ構成
①クラス(分類単位)ごとのフォルダ作成
・1つのフォルダ(クラス:分類単位)に1つの分類対象でまとめてください
例)「car」(車)、「truck」(トラック)、「motorcycle」(二輪車)など
・フォルダ(クラス:分類単位)は最低2つ以上準備ください
・フォルダ名:半角英数字のみ

②すべてのフォルダをまとめる1つのフォルダを作成
・作成したクラスごとのフォルダを1つのフォルダにまとめてください
・フォルダ名:1つにまとめたフォルダの名称は「dataset」(半角小英字)としてください
例1)dataset/car/画像データ
例2)dataset/truck/画像データ

● データサイズ

・ご利用いただいているプラン毎に設定されている「1度に登録可能な最大データ容量」の容量内に収まるようご用意ください。
※容量を超える場合にはデータ登録時にエラーとなります
※ファイル(データ)の枚数は最低160枚以上必要になります

● データの登録方法:

まとめていただいたフォルダ「dataset」、またはZIPに圧縮したファイルでアップロードいただきます。
*ZIPファイル名:半角英数字、半角ハイフン、半角アンダースコア、ドット(.)のいずれかのみ
*AIMINAでは、登録されたデータをランダムな比率で学習用データ6割、テスト用データ2割、検証用データ2割に分割して学習させます

【ご利用の流れ】
● 使いたい機能選定からはじめる画面
画像差し替え

→画像処理の下の「このカテゴリーから選ぶ」ボタンを押してください

画像差し替え

→Image Classification(画像分類)を選択して「決定」ボタンを押してください

● 学習用データを入力画面
画像差し替え

→データを選択/登録し「アップロード」ボタンを押してください

● AIモデルを作成する
画像差し替え

→データアップロードが完了すると「AIモデルを生成する」ボタンが活性化されますので、クリックして学習処理を開始ください

● 学習結果画面(サマリー)
画像差し替え

学習結果Summary(概要)で表示される項目は以下となります。

♦表示モデル:
精度ランキングNo+AIMINAで設定したアルゴリズム名
♦Based on:
学習したAI手法の精度評価指標

例)Accuracy、AUC、F値

♦ランキング表示:
学習処理が実行されたアルゴリズムをランキング順にアルゴリズム名と精度を表示
♦各AI手法の精度を示す指標:
画像分類ではAccuracyの結果表示
♦画像イメージ:
1番精度が高い画像イメージを表示


【予測結果のFACT】

♦この学習で検証したモデルの総数:
学習時に学習処理を実行したアルゴリズムの数


【この予測モデルの設定】

♦業種:
選択された業種(機能から選択の場合は非表示)
♦ロール:
選択されたロール(機能から選択の場合は非表示)
♦利用シーン:
選択された利用シーン(機能から選択の場合は非表示)
♦学習用データ名:
学習時に利用されたデータ名
♦学習と評価の処理時間:
学習処理全体にかかった時間
♦学習と評価の開始時間:
学習処理を開始した時間


● 学習結果画面(詳細)
画像差し替え

学習結果Details(詳細)で表示される項目は以下となります。

♦学習結果表項目(各AI手法ごとのキーファクタ)
・total_epoch:総エポック数(実行しようと思っているエポック総数)
・executed_epoch:実行したエポック数(学習停止の実行やearly stoppingにより途中で止まった場合、その時に実行していたエポック数)
・elapsed:経過時間
・val_loss:検証データに対するloss(損失)
・val_acc:検証データに対するaccuracy(正解率)
・test_acc:テストデータに対するaccuracy
・test_loss:テストデータに対するloss

♦画像イメージ
・1番精度が高い画像イメージを表示

【推論】
● データ登録前の事前準備

学習結果を確認したい画像ファイルをフォルダに格納ください。

ファイル構成
・ファイルフォーマット:画像ファイル(jpgのみ)
※.jpg以外のフォーマットを登録した場合にはエラーになります
・ファイル名:半角英数字のみ

フォルダ構成

2階層のフォルダ構成としてください。

①分類単位ごと、またはすべてを1つのフォルダにまとめたフォルダ作成
例)「car」(車)、「truck」(トラック)、「motorcycle」(二輪車)などに分類するか、「images」ですべてを1つのフォルダにまとめていだだいても結構です。
・フォルダは最低1つ以上準備ください
・フォルダ名:半角英数字のみ

②すべてのフォルダをまとめる1つのフォルダを作成
・作成した①のフォルダを1つのフォルダにまとめてください
・フォルダ名:1つにまとめたフォルダの名称は「dataset」(半角小英字)としてください
例1)dataset/car/画像データ
例2)dataset/Images/画像データ

● データサイズ

・ご利用いただいているプラン毎に設定されている「1度に登録可能な最大データ容量」の容量内に収まるようご用意ください。
※容量を超える場合にはデータ登録時にエラーとなります

● データの登録方法:

まとめていただいたフォルダ「dataset」、またはZIPに圧縮したファイルでアップロードいただきます。
*ZIPファイル名:半角英数字、半角ハイフン、半角アンダースコア、ドット(.)のいずれかのみ

【ご利用の流れ】
● 使いたい機能選定からはじめる画面
画像差し替え

→画像処理処理の下の「このカテゴリーから選ぶ」ボタンを押してください

画像差し替え

→Image Classification(画像分類)を選択して「決定」ボタンを押し、「次へ」に進みます

● 推論用データを入力画面
画像差し替え

→データを選択/登録し「アップロード」ボタンを押してください

● 推論結果画面

画像分類の推論結果は、推論に使用された「フォルダ名/ファイル名」の順に表示されます。
グレーで色分けされた各行の構成は、「フォルダ名/ファイル名」と、その下にAIが予測した最も確信度の高いクラス(分類)名が表示されます。

画像差し替え

推論結果(一覧)で表示される項目は以下となります。

♦モデル名:
表示されている結果に対応したAIMINAで設定したモデル名(アルゴリズム)
♦画像分類:
一覧(連番)にてファイルごとの結果が表示される

・表示内容:ファイル名、クラス名(分類名)*一番確信度の高いクラスが一覧で表示されます
・「詳細を見る」ボタンでとファイルごとの詳細結果を確認いただけます

♦メニューバー「TOPに戻る」:
こちらをクリックするとTOP画面に戻ります
♦メニューバー「推論用データ入力へ戻る」:
こちらをクリックすると推論用データ入力画面へ戻ります
画像差し替え

推論結果(詳細)で表示される項目は以下となります。

♦選択された画像に対してAIが予測したクラス(分類)名と確信度が連番表示されます

♦「一覧に戻る」ボタンを押すと、推論結果一覧に戻ります

③ 物体検知(Object Detection)

● 概要

人や物が頻繁に動く工事、作業現場のような場所、目視が困難な場所、立ち入り禁止エリアなどで撮影した画像を使用し、物体を検知します。

● 利用シーン

物体検知を使った利用シーン例は以下となります。
・侵入検出
・在庫不足検出
・車両/人員管理
・障害物検知
など

【学習】
● データ登録前の事前準備

物体検知では、学習用にアノテーション済みデータが必要になります。

画像データの作り方
アノテーション方法:
・1枚の画像に複数の対象(クラス)が含まれていても結構です
・対象物の輪郭が明確ではっきり写っていれば昼夜は問いません
・対象物の映り方(距離、大きさなど)の多様なバリエーションのデータをご用意ください
バウンディングボックス例)

画像差し替え

・自社でアノテーションが難しい場合は、AIMINAパートナー会社をご紹介しておりますので、ご相談いただけます。
※AIMINAパートナーページ:https://aimina.com/partners/
AIMINA TOPページの「Data管理」内「Sample Data」に、物体検知のサンプルデータを用意しておりますので、アノテーション会社へご依頼の際のイメージにご覧ください。

ファイル構成
画像ファイルとアノテーション情報を記載したjson形式のファイルを準備いただきます。 ①画像ファイル:
・ファイルフォーマット:画像ファイル(.png or .jpg)*1種類の形式に統一してください
※上記以外のフォーマットで登録されるとエラーになります
・ファイル名:半角英数字のみ
例)car1.png

②アノテーション情報を記載したjson形式ファイル
・ファイル名:半角英数字のみ
例)annotation.json

フォルダ構成
2階層のフォルダ構成としてください。
③すべての画像ファイルをまとめる1つのフォルダを作成します
・フォルダ名:フォルダの名称は「images」(半角小英字)としてください

④すべてのフォルダをまとめる1つのフォルダを作成
・画像ファイルをまとめた③のフォルダとアノテーション情報を記載したjson形式ファイルを1つのフォルダにまとめてください
・フォルダ名:1つにまとめたフォルダの名称は「dataset」(半角小英字)としてください
例1)
/dataset
/Images/画像ファイル
/annotation.json

● データサイズ

・ご利用いただいているプラン毎に設定されている「1度に登録可能な最大データ容量」の容量内に収まるようご用意ください
※容量を超える場合にはデータ登録時にエラーとなります

● データの登録方法:

まとめていただいたフォルダ「dataset」、またはZIPに圧縮したファイルでアップロードいただきます。
*ZIPファイル名:半角英数字、半角ハイフン、半角アンダースコア、ドット(.)のいずれかのみ

【ご利用の流れ】
● 使いたい機能選定からはじめる画面

→画像処理の下の「このカテゴリーから選ぶ」ボタンを押してください

→Object Detection(物体検知)を選択して「決定」ボタンを押してください

● 学習用データを入力画面

→データを選択/登録し「アップロード」ボタンを押してください

● AIモデルを作成する

→データアップロードが完了すると「AIモデルを生成する」ボタンが活性化されますので、クリックして学習処理を開始ください

● 学習結果画面(サマリー)

学習結果Summary(概要)で表示される項目は以下となります。

♦表示モデル:
精度ランキングNo+AIMINAで設定したアルゴリズム名
♦Based on:
学習したAI手法の精度評価指標

例)Accuracy、AUC、F値など

♦ランキング表示:
学習処理が実行されたアルゴリズムをランキング順にアルゴリズム名と精度を表示
♦各AI手法の精度を示す指標:
物体検知ではIOU AP50のAverage Precisionの結果表示
♦画像イメージ:
1番精度が高い画像イメージを表示


【予測結果のFACT】

♦この学習で検証したモデルの総数:
学習時に学習処理を実行したアルゴリズムの数


【この予測モデルの設定】

♦業種:
選択された業種(機能から選択の場合は非表示)
♦ロール:
選択されたロール(機能から選択の場合は非表示)
♦利用シーン:
選択された利用シーン(機能から選択の場合は非表示)
♦学習用データ名:
学習時に利用されたデータ名
♦学習と評価の処理時間:
学習処理全体にかかった時間
♦学習と評価の開始時間:
学習処理を開始した時間


● 学習結果画面(詳細)

学習結果Details(詳細)で表示される項目は以下となります。

♦学習結果表項目(各AI手法ごとのキーファクタ)
・total_epoch:バッチという単位で学習を行う総数
・executed_epoch:総バッチ数において実際に学習を行ったバッチ数
・val_loss:検証データに対するloss(損失)
・val_map:検証データに対するmAP(すべてのクラスのAPの平均値)
・test_loss:テストデータに対するloss
・test_map:テストデータに対するmAP
♦画像イメージ
・1番精度が高い画像イメージを表示

【推論】
● データ登録前の事前準備

学習結果を確認したい画像データをフォルダに格納ください。推論で利用するデータに対してのアノテーションは不要です。

ファイル構成
・ファイルフォーマット:画像データ(.png or .jpg)*1種類の形式に統一してください
・ファイル名:半角英数字のみ
例)car1.png

フォルダ構成

2階層のフォルダ構成としてください。

①すべての画像ファイルをまとめる1つのフォルダを作成します
・フォルダ名:フォルダの名称は「images」(半角小英字)としてください

②すべてのフォルダをまとめる1つのフォルダを作成
・画像ファイルをまとめた上記フォルダを1つのフォルダにまとめてください
・フォルダ名:1つにまとめたフォルダの名称は「dataset」(半角小英字)としてください
例1)
/dataset
/Images/画像ファイル

● データサイズ

・ご利用いただいているプラン毎に設定されている「1度に登録可能な最大データ容量」の容量内に収まるようご用意ください。
※容量を超える場合にはデータ登録時にエラーとなります

● データの登録方法:

まとめていただいたフォルダ「dataset」、またはZIPに圧縮したファイルでアップロードいただきます。
*ZIPファイル名:半角英数字、半角ハイフン、半角アンダースコア、ドット(.)のいずれかのみ

【ご利用の流れ】
● 使いたい機能選定からはじめる画面

→画像処理処理の下の「このカテゴリーから選ぶ」ボタンを押してください

→Object Detection(物体検知)を選択して「決定」ボタンを押し、「次へ」に進みます

● 推論用データを入力画面

→データを選択/登録し「アップロード」ボタンを押してください

● 推論結果画面

物体検知の推論結果は、推論に使用された「フォルダ名/ファイル名」の順に表示されます。
グレーで色分けされた各行の構成は、「フォルダ名/ファイル名」と、その下にAIが予測した最も確信度の高いクラス(物体)名が表示されます。その右にAIが判定した最も確信度の高いクラスの異常度が表示されます。右側にある「画像を見る」ボタンで詳細を確認いただけます。

推論結果(一覧)で表示される項目は以下となります。

♦モデル名:
表示されている結果に対応したAIMINAで設定したモデル名(アルゴリズム)
♦物体検知:
一覧(連番)にてファイルごとの結果が表示される

・表示内容:ファイル名、クラス名(分類名)、確信度(一番確信度の高い結果)
・各列の「画像を見る」ボタンをクリックすると詳細が表示されます

♦メニューバー「TOPに戻る」:
こちらをクリックするとTOP画面に戻ります
♦メニューバー「推論用データ入力へ戻る」:
こちらをクリックすると推論用データ入力画面へ戻ります

推論結果(詳細)で表示される項目は以下となります。

♦選択された画像に対してAIが予測したクラス(物体)名と物体を囲む枠(バウンディングボックス)の色が表示されます。右側には実際の画像とAIが予測した物体を囲った枠が表示されます。

♦「一覧に戻る」ボタンを押すと、推論結果一覧に戻ります

④ 姿勢推定 (Pose Estimation) *推論のみ

● 概要

姿勢推定とは、画像から人の頭、首、肩、手など体の部位を認識し、検出した部位をつなぎ合わせて人の骨格を表すことで人の姿勢を推定します。AIMINAでは既に学習が完了したAIモデルを搭載しておりますので、作ってみる(学習)はなく、使ってみる(推論)のみの機能となります。

● 利用シーン

姿勢推定を使った利用シーン例は以下となります。
・姿勢検知
・ゲームにおけるモーション検知
など

【学習】

※学習はございません。AIMINAにて学習済のAIモデルを提供しておりますので、推論処理からご利用ください。

【推論】
● データ登録前の事前準備

人の画像から姿勢推定を解析する場合、人物が明確に写っている画像データを準備ください。

ファイル構成
・ファイルフォーマット:画像データ(.png、.jpg)
・ファイル名:半角英数字のみ
例)Person1.jpg

フォルダ構成

2階層のフォルダ構成としてください。

①すべてを「images」のフォルダにまとめたフォルダ作成

②作成したフォルダを「dataset」(半角小英字)フォルダに格納
・フォルダ名:半角英数字のみ
例2)dataset/images/画像データ

● データサイズ

・ご利用いただいているプラン毎に設定されている「1度に登録可能な最大データ容量」の容量内に収まるようご用意ください。
※容量を超える場合にはデータ登録時にエラーとなります

● データの登録方法:

まとめていただいたフォルダ「dataset」、またはZIPに圧縮したファイルでアップロードいただきます。
*ZIPファイル名:半角英数字、半角ハイフン、半角アンダースコア、ドット(.)のいずれかのみ

【ご利用の流れ】
● 使いたい機能選定からはじめる画面

→画像処理処理の下の「このカテゴリーから選ぶ」ボタンを押してください

→姿勢推定 (Pose Estimation)を選択して「決定」ボタンを押し、次へ進んでください

● 推論用データを入力画面

→データを選択/登録し「アップロード」ボタンを押してください

● 推論結果画面 (サマリー)

「姿勢推定」の推論結果は、推論に使用されたデータが順に表示されます。
「詳細を見るボタン」で詳細を確認いただけます。
「CSVダウンロードボタン」をクリックしデータをダウンロードください。

推論結果(Summary)で表示される項目は以下となります。

♦モデル名:
表示されている結果に対応したAIMINAで設定したモデル名(アルゴリズム)
♦姿勢推定:
一覧にてファイルごとの結果が表示される

・表示内容:ファイル名
・「詳細を見る」ボタンでファイルごとの詳細結果を確認いただけます

♦メニューバー「TOPに戻る」:
こちらをクリックするとTOP画面に戻ります
♦メニューバー「推論用データ入力へ戻る」:
こちらをクリックすると推論用データ入力画面へ戻ります

● 推論結果画面 (詳細)

「姿勢推定」の推論結果は、対象画像データに対して、AIが予測した結果がクラス(部位)別に色分けされて表示されます。

推論結果(詳細)で表示される項目は以下となります。

♦選択された画像に対してAIが予測したクラス(部位)名と部位を線状で示す色が表示されます。右側には実際の画像とAIが予測した部位が線状で表示されます。

♦「一覧に戻る」ボタンを押すと、推論結果一覧に戻ります

⑤ 画像セグメンテーション(Semantic Segmentation)

● 概要

画像セグメンテーションでは、画像に写り込んでいる被写体がそれぞれ何かを識別します。物体の種類ごとに領域分類し、画像内の例えば道路や車、人など物体の領域をとらえ色付けをして検出します。不規則な形状の物体、対象物を識別することに便利なモデルです。

● 利用シーン

画像セグメンテーションを使った利用シーン例は以下となります。
・画像アノテーション
など

【学習】
● データ登録前の事前準備

画像セグメンテーションでは、学習用にアノテーション済みデータが必要になります。

画像データの作り方
アノテーション方法:
(1)以下の形式で画像を塗りつぶした画像ファイル
カラーパレット形式:png
出力形式:ms coco または pascal voc
アノテーション済み画像データ内にパレット番号へどのくらいを割り当てたかを定義します。
例)
palette
0: (0, 0, 0)
1: (128, 0, 0)
2: (0, 128, 0)

(2) Classを昇順に「,」区切りで記載したcsvファイル(記載形式:半角英数字のみ)
例)Background,Class01,class02

(3) オリジナル画像

ファイル構成
・ファイル名:半角英数字のみ
3つのファイル形式をご用意いただきます。
1.アノテーション済画像:カラーパレット形式pngファイルに対応
2.元画像:pngファイルのみに対応
3.クラス/インデックスを定義したファイル:csvのみ
*元画像とアノテーション済み画像のペアを準備
*元画像とアノテーション済画像のペアは同一ファイル名とする
例)product1.png

フォルダ構成
2階層のフォルダ構成としてください。
フォルダ構成①:
フォルダ1:annotation(半角英数字)
・1つのフォルダにアノテーション済データをすべてまとめる
フォルダ2:images(半角英数字)
・1つのフォルダに元画像を入れる

フォルダ構成②:
すべてのフォルダおよびファイルをまとめる1つのフォルダを作成
・「annotation」フォルダ、「images」フォルダ、「classes.csv」ファイルを1つのフォルダにまとめてください
・フォルダ名:1つにまとめたフォルダの名称は「dataset」(半角小英字)としてください
例1)
/dataset
  /annotation/画像ファイル
  /images/画像ファイル
  /classes.csv
*フォルダ名はすべて記載の通りとしてください
「dataset」「annotation」及び「images」

● データサイズ

・ご利用いただいているプラン毎に設定されている「1度に登録可能な最大データ容量」の容量内に収まるようご用意ください
※容量を超える場合にはデータ登録時にエラーとなります

● データの登録方法:

まとめていただいたフォルダ「dataset」、またはZIPに圧縮したファイルでアップロードいただきます。
*ZIPファイル名:半角英数字、半角ハイフン、半角アンダースコア、ドット(.)のいずれかのみ

【ご利用の流れ】
● 使いたい機能選定からはじめる画面

→画像処理の下の「このカテゴリーから選ぶ」ボタンを押してください

→Semantic Segmentation (画像セグメンテーション) を選択して「決定」ボタンを押してください

● 学習用データを入力画面

→データを選択/登録し「アップロード」ボタンを押してください

● AIモデルを作成する

→データアップロードが完了すると「AIモデルを生成する」ボタンが活性化されますので、クリックして学習処理を開始ください

● 学習結果画面(サマリー)

学習結果Summary(概要)で表示される項目は以下となります。

♦表示モデル:
精度ランキングNo+AIMINAで設定したアルゴリズム名
♦Based on:
学習したAI手法の精度評価指標

例)Accuracy、AUC、F値など

♦ランキング表示:
学習処理が実行されたアルゴリズムをランキング順にアルゴリズム名と精度を表示
♦各AI手法の精度を示す指標:
画像セグメンテーションではIOUの結果表示
♦画像イメージ:
ランダムで画像イメージを表示


【予測結果のFACT】

♦この学習で検証したモデルの総数:
学習時に学習処理を実行したアルゴリズムの数


【この予測モデルの設定】

♦業種:
選択された業種(機能から選択の場合は非表示)
♦ロール:
選択されたロール(機能から選択の場合は非表示)
♦利用シーン:
選択された利用シーン(機能から選択の場合は非表示)
♦学習用データ名:
学習時に利用されたデータ名
♦学習と評価の処理時間:
学習処理全体にかかった時間
♦学習と評価の開始時間:
学習処理を開始した時間


● 学習結果画面(詳細)

学習結果Details(詳細)で表示される項目は以下となります。

♦学習結果表項目(各AI手法ごとのキーファクタ)
・total_epoch:総エポック数(実行しようと思っているエポック総数)
・executed_epoch:実行したエポック数(学習停止の実行やearly stoppingにより途中で止まった場合、その時に実行していたエポック数)
・dice_loss:F値に対する損失率
・precision:適合率
・recall:再現率
・accuracy:正解率
・fscore:F値
・elapsed time:経過時間

♦画像イメージ
・ランダムで画像イメージを表示

【推論】
● データ登録前の事前準備

学習結果を確認したい画像ファイルをフォルダに格納ください。

ファイル構成
・ファイルフォーマット:画像データ(.pngのみ)
・ファイル名:半角英数字のみ
例)product1.png

フォルダ構成

2階層のフォルダ構成としてください。

①すべての画像ファイルをまとめる1つのフォルダを作成します
・フォルダ名:フォルダの名称は「images」(半角小英字)としてください

②すべてのフォルダをまとめる1つのフォルダを作成
・画像ファイルをまとめた上記フォルダを1つのフォルダにまとめてください
・フォルダ名:1つにまとめたフォルダの名称は「dataset」(半角小英字)としてください
例1)
/dataset
  /images/画像ファイル

● データサイズ

・ご利用いただいているプラン毎に設定されている「1度に登録可能な最大データ容量」の容量内に収まるようご用意ください。
※容量を超える場合にはデータ登録時にエラーとなります

● データの登録方法:

まとめていただいたフォルダ「dataset」、またはZIPに圧縮したファイルでアップロードいただきます。
*ZIPファイル名:半角英数字、半角ハイフン、半角アンダースコア、ドット(.)のいずれかのみ

【ご利用の流れ】
● 使いたい機能選定からはじめる画面

→画像処理処理の下の「このカテゴリーから選ぶ」ボタンを押してください

→Semantic Segmentation (画像セグメンテーション) を選択して「決定」ボタンを押し、「次へ」に進みます

● 推論用データを入力

→データを選択/登録し「アップロード」ボタンを押してください

● 推論結果画面 (サマリー)

「セマンティックセグメンテーション」の推論結果は、推論に使用された「フォルダ名/ファイル名」の順に表示されます。
グレーで色分けされた各行の構成は、「フォルダ名/ファイル名」と、その下にAIが予測したクラス(分類)名が、確信度の高い順に表示されます。右側にある「詳細を見る」ボタンで詳細を確認いただけます。

推論結果(Summary)で表示される項目は以下となります。

♦モデル名:
表示されている結果に対応したAIMINAで設定したモデル名(アルゴリズム)
♦画像セグメンテーション:
一覧にてファイルごとの結果が表示される

・表示内容:ファイル名 *確信度の高い順に表示されます
・「詳細を見る」ボタンでファイルごとの詳細結果を確認いただけます

♦メニューバー「TOPに戻る」:
こちらをクリックするとTOP画面に戻ります
♦メニューバー「推論用データ入力へ戻る」:
こちらをクリックすると推論用データ入力画面へ戻ります

● 推論結果画面 (詳細)

「セマンティックセグメンテーション」の推論結果は、対象画像データに対して、AIが予測した結果がクラス(分類)別に色分けされて表示されます。


推論結果(詳細)で表示される項目は以下となります。

♦選択された画像に対してAIが予測したクラス(領域)名と領域を示す色が表示されます。右側には実際の画像とAIが予測した領域が塗りつぶされて表示されます。画像上にマウスオーバーすると元画像が表示され、比較して確認することが可能です。

♦「一覧に戻る」ボタンを押すと、推論結果一覧に戻ります

6-2. 自然言語処理

①文書分類(Text Classification)

● 概要

自然言語処理における文書分類では、お持ちの文書データを特定の分類体系に自動的に割り当てる処理を実行します。文書を種類別に仕分けしたクラス内の文章コンテンツと仕分け方の対応を学習させることで、知識や長年の経験による分類判断を自動化することが可能になります。

● 利用シーン

文書分類を使った利用シーン例は以下となります。
・文書カテゴリー分類
・メールカテゴリー分類
・迷惑メールの分類
・SNSからの評判分析
・レビューやアンケート結果の評価分類
など

【学習】
● データ登録前の事前準備

お持ちのテキストファイルをクラス別に分類しフォルダに格納ください。

ファイル構成
・ファイルフォーマット:テキストファイル(.txtのUTF-8のみ)、Wordファイル(docxのみ)
・ファイル名:半角英数字のみ
例)order1.docx

フォルダ構成
①クラス(分類単位)ごとのフォルダ作成
・1つのフォルダ(クラス:分類単位)に1つの分類対象でまとめてください
例)「order」(注文)、「estimate」(見積)、「inquiry」(問い合わせ)など
・フォルダは最低2つ以上準備ください
・フォルダ名:半角英数字のみ

②すべてのフォルダをまとめる1つのフォルダを作成
・作成したクラスごとのフォルダを1つのフォルダにまとめてください
・フォルダ名:1つにまとめたフォルダの名称は「dataset」(半角小英字)としてください

● データサイズ

・ご利用いただいているプラン毎に設定されている「1度に登録可能な最大データ容量」の容量内に収まるようご用意ください
※容量を超える場合にはデータ登録時にエラーとなります。

● データの登録方法:

まとめていただいたフォルダ「dataset」、またはZIPに圧縮したファイルでアップロードいただきます。
*ZIPファイル名:半角英数字、半角ハイフン、半角アンダースコア、ドット(.)のいずれかのみ
*AIMINAでは、登録されたデータをランダムな比率で学習用データ6割、テスト用データ2割、検証用データ2割に分割して学習させます。

【ご利用の流れ】
● 使いたい機能選定からはじめる画面
画像差し替え

→自然言語処理の下の「このカテゴリーから選ぶ」ボタンを押してください

画像差し替え

→Text Classification(文書分類)を選択して「決定」ボタンを押してください

● 学習用データを入力画面
画像差し替え

→データを選択/登録し「アップロード」ボタンを押してください

● 学習結果画面(サマリー)
画像差し替え

学習結果Summary(概要)で表示される項目は以下となります。

♦表示モデル:
精度ランキングNo+AIMINAで設定したアルゴリズム名
♦Based on:
学習したAI手法の精度評価指標

例)Accuracy、AUC、F値

♦ランキング表示:
学習処理が実行されたアルゴリズムをランキング順にアルゴリズム名と精度を表示
♦各AI手法の精度を示す指標:
文書分類ではAccuracyの結果表示
♦各AI手法の学習結果を表すグラフ:
Confusion Matrix(混同行列)


【予測結果のFACT】

♦この学習で検証したモデルの総数:
学習時に学習処理を実行したアルゴリズムの数


【この予測モデルの設定】

♦業種:
選択された業種(機能から選択の場合は非表示)
♦ロール:
選択されたロール(機能から選択の場合は非表示)
♦利用シーン:
選択された利用シーン(機能から選択の場合は非表示)
♦学習用データ名:
学習時に利用されたデータ名
♦学習と評価の処理時間:
学習処理全体にかかった時間
♦学習と評価の開始時間:
学習処理を開始した時間



● 学習結果画面(詳細)
画像差し替え

学習結果Details(詳細)で表示される項目は以下となります。

♦学習結果表項目(各AI手法ごとのキーファクタ)
・test_acc:テストデータに対するaccuracy(正解率)
・f1_acc:F値
・precision_score:適合率
・recall_score:再現率

♦表示グラフ
・Confusion Matrix(混同行列)

【推論】
● データ登録前の事前準備

学習結果を確認したい文書ファイルをフォルダに格納ください。

ファイル構成
・ファイルフォーマット:テキストファイル(.txtのUTF-8のみ)、Wordファイル(docxのみ)
・ファイル名:半角英数字のみ

フォルダ構成
・1つのフォルダにすべてまとめてください
・フォルダ名:フォルダの名称は「dataset」(半角小英字)としてください

● データサイズ

・ご利用いただいているプラン毎に設定されている「1度に登録可能な最大データ容量」の容量内に収まるようご用意ください
※容量を超える場合にはデータ登録時にエラーとなります。

● データの登録方法:

まとめていただいたフォルダ「dataset」、またはZIPに圧縮したファイルでアップロードいただきます。
*ZIPファイル名:半角英数字、半角ハイフン、半角アンダースコア、ドット(.)のいずれかのみ

【ご利用の流れ】
● 使いたい機能選定からはじめる画面
画像差し替え

→自然言語処理の下の「このカテゴリーから選ぶ」ボタンを押してください

画像差し替え

→Text Classification(文書分類)を選択して「決定」ボタンを押し、「次へ」に進みます

● 推論用データを入力画面
画像差し替え

→データを選択/登録し「アップロード」ボタンを押してください

● 推論結果画面

文書分類の推論結果は、推論に使用された「フォルダ名/ファイル名」の順に表示されます。
グレーで色分けされた各行の構成は、「フォルダ名/ファイル名」と、その下にAIが予測した最も確信度の高いクラス(分類)名が表示されます。その右にAIが判定した最も確信度の高いクラスの異常度が表示されます。

画像差し替え

推論結果(一覧)で表示される項目は以下となります。

♦モデル名:
表示されている結果に対応したAIMINAで設定したモデル名(アルゴリズム)
♦文書分類:
一覧(連番)にてファイルごとの結果が表示される

・表示内容:ファイル名、クラス名(分類名)、確信度(一番確信度の高い結果)
※確信度とは、予測または出力がどのくらい確実であるかの統計的な尺度
・各列の右側にある「詳細を見る」ボタンで詳細結果を確認いただけます

♦メニューバー「TOPに戻る」:
こちらをクリックするとTOP画面に戻ります
♦メニューバー「推論用データ入力へ戻る」:
こちらをクリックすると推論用データ入力画面へ戻ります
画像差し替え

推論結果(詳細)で表示される項目は以下となります。

♦ファイルごとの結果詳細が表示されます
・選択された文書ファイルに対してAIが予測したクラス(分類)名と確信度が連番表示されます

♦「一覧に戻る」ボタンを押すと、推論結果一覧に戻ります

②文書要約(Summarize)*推論のみ

● 概要

自然言語処理における文書要約では、お持ちの文書データを要約いたします。AIMINAでは既に学習が完了したAIモデルを搭載しておりますので、作ってみる(学習)はなく、使ってみる(推論)のみの機能となります。AIMINA搭載している文書要約AIモデルでは、入力された文章の特徴から、最も特徴があるとAIが判断した文を、利用者に指定された行数分表示いたします。結果として表示する文は原文のままとなります。また、AIMINAでは5つのモデルを搭載しておりますので、利用者がそれぞれの要約結果を確認したうえで、気に入った結果をご利用いただくことが可能です。

● 利用シーン

文書要約を使った利用シーンは以下となります。
・ニュース記事の見出し要約
・議事録/報告書の要約
・お問い合わせの要約
・論文の要約

【学習】

※学習はございません。AIMINAにて学習済のAIモデルを提供しておりますので、推論処理からご利用ください。

【推論】
● データ登録前の事前準備

要約したい文書ファイルをフォルダに格納ください。

ファイル構成
・ファイルフォーマット:テキストファイル(.txtのUTF-8のみ)
・ファイル名:半角英数字のみ

フォルダ構成
・1つのフォルダにすべてのファイルをまとめてください
・フォルダ名:フォルダの名称は「dataset」(半角小英字)としてください

● データサイズ

・ご利用いただいているプラン毎に設定されている「1度に登録可能な最大データ容量」の容量内に収まるようご用意ください
※容量を超える場合にはデータ登録時にエラーとなります。

● データの登録方法:

まとめていただいたフォルダ「dataset」、またはZIPに圧縮したファイルでアップロードいただきます。
*ZIPファイル名:半角英数字、半角ハイフン、半角アンダースコア、ドット(.)のいずれかのみ

【ご利用の流れ】
● 使いたい機能を選択画面
画像差し替え

→自然言語処理の下の「このカテゴリーから選ぶ」ボタンを押してください

画像差し替え

→Summarize(文書要約)を選択して「決定」ボタンを押し、次へ進んでください

● 推論用データを入力画面
画像差し替え

→データを選択/登録し「アップロード」ボタンを押してください

● 要約させたい行数指定
画像差し替え

→パラメータ設定画面でプルダウンから要約させたい行数を指定ください

● AIモデルを作成する
画像差し替え

→パラメーターの設定が完了すると「推論を開始する」ボタンが活性化されますので、クリックして推論処理を開始ください

● 推論結果画面

文書要約では5つのAIが推論した結果を表示します。各AIの推論結果(推論結果1~5)を一覧で確認いただけます。また、一覧の右上には選択された要約文数が表示されます。
グレーで色分けされた各行の構成は、「推論結果番号+推論をしたAIモデル名」と、その下にAIが抽出した一番目の行が表示されます。

画像差し替え

推論結果(Summary)で表示される項目は以下となります。

♦AI手法名:
利用者が推論実行前に選択した要約行数と、5つのアルゴリズムが実行した推論結果が一覧で表示されます
♦推論結果:
利用者が推論実行前に選択した要約行数と、5つのアルゴリズムが実行した推論結果が一覧で表示されます
各行では、アルゴリズム名と1行目の文章が表示されます。
行の右側にある「詳細」ボタンを押すと、選択したアルゴリズムの詳細結果を確認いただけます。
♦メニューバー「TOPに戻る」:
こちらをクリックするとTOP画面に戻ります
♦メニューバー「推論用データ入力へ戻る」:
こちらをクリックすると推論用データ入力画面へ戻ります


【Details(詳細)】

「要約文タブ」にて、選択されたAIモデルが抽出した文が指定された行数分一覧で表示されます。

画像差し替え

「原文タブ」へ移動すると、原文の文中でどの文を抽出したのか確認いただけます。AIが抽出した文は緑色の文字で表示されます。

画像差し替え

推論結果(Details)で表示される項目は以下となります。

♦AI手法名:
Summarize(文書要約)と表示されます
♦推論結果:
「要約文タブ」と「原文タブ」を切り替えて表示いただけます
「要約文タブ」 利用者が推論実行前に選択した要約行数と、選択したアルゴリズムが推論で抽出した文章が行単位に表示されます
「原文タブ」 推論時に登録いただいた文書データ原文が表示され、選択された文章が緑の字で表示されます
♦メニューバー「TOPに戻る」:
こちらをクリックするとTOP画面に戻ります
♦メニューバー「推論用データ入力へ戻る」:
こちらをクリックすると推論用データ入力画面へ戻ります

③ 質疑応答 1問多答(Question Answering)

● 概要

AIMINAで搭載している、質疑応答(Question Answering)のAIモデルでは、マッチング元(質問)とマッチング先(回答)のデータを学習させることで、学習をした質問と同じ、もしくは類似した質問に対して、学習結果からAIが最も適切と考える回答を戻します。
AIMINAで提供するQAモデルには、1問1答型と1問多答型の2種類があります。
【1問1答型】質問(問合せ内容)に対して、AIが最適と判断した1つの回答を戻します。
【1問多答型】問合せ内容のキーワードから事前に設定した質問文をピックアップし、該当する回答をいくつか提案します。

● 利用シーン

質疑応答 1問多答を使った利用シーンは以下となります。
・AIチャットボット
問い合わせ業務などで蓄積されたデータから、よくある問い合わせや質問に対する回答を返します
マッチング元=問い合わせ内容、マッチング先=回答
・マッチング
ビジネスマッチング、タレントマッチング、サービスマッチングなど、対象者の属性情報に対してマッチする回答を返します
マッチング元=人材スキル情報、マッチング先=受け入れ希望業務

【学習】
● データ登録前の事前準備

質疑応答で使用する学習及び推論データには、AIMINA指定のExcelフォーマットをご利用ください。
※AIMINA指定フォーマットのExcelファイルは、データ登録画面からダウンロードいただけます。

準備中

AIMINA指定フォーマットへの入力
AIMINA指定フォーマットのExcelファイル内には、ご利用者に記入いただくシートが3シートあります。
※AIMINA指定フォーマット内のシートの追加や削除、シート名の変更は行わないでください。
※A列 「id」は、B列以降に記載がない(空欄)の行には値を入れないでください。

・シート1:「マッチング元」シート
こちらのシートには質問文(問合せ内容)を記載します。
1. A列 「id」に、0から昇順で番号記載ください
*番号を半角数字で記載ください
*最低3個(3行)以上の問い合わせを記載ください
*以下「お問い合わせ」記載分の番号(id)を記載ください
2. B列 「お問い合わせ」に質問文(問合せ内容)となる文章を記載ください
*1つのセル(1行)に質問1つを記載ください(複数の質問記載は不可)

・シート2:「マッチング先」シート
こちらのシートには質問に対する回答を記載ください。
1. A列 「id」に、0から昇順で番号記載ください
*番号を半角数字で記載ください
*以下「答え」記載分の番号(id)を記載ください
2. B列 「答え」に回答となる文章を記載ください
*1つのセル(1行)に回答1つを記載ください(複数の回答記載は不可)

・シート3:「マッチング」シート
こちらのシートには、「マッチング元」シートと「マッチング先」シートのid付け合わせを記載します。
1. A列 「質問」に、「マッチング元」シートのA列 「id」に記載した番号を0から昇順で記載ください
*番号を半角数字で記載ください
2. B列 「応答」に、「マッチング先」シートのA列 「id」に記載した番号をマッチング元に紐づく番号に記載ください
*番号を半角数字で記載ください
*1つの質問idに対して複数の回答idが紐づけられます。3個以上の番号を紐づけ記載ください
*「応答」に記載する紐づける番号の数は固定とし、すべての応答に対する回答数を揃えてください
*複数の番号は「、」(全角)区切りにて連続で記載ください

ファイル構成
・ファイルフォーマット:AIMINA指定のExcelファイル
・ファイル名:半角英数字のみ
※ダウンロードした際のファイル名を変更いただいても構いません

フォルダ構成
・Excelファイルを1つのフォルダに格納します
・フォルダ名:フォルダの名称は「dataset」(半角小英字)としてください
例)/dataset/question_answering_train.xlsx

● データサイズ

・ご利用いただいているプラン毎に設定されている「1度に登録可能な最大データ容量」の容量内に収まるようご用意ください
※容量を超える場合にはデータ登録時にエラーとなります。

● データの登録方法

ご用意いただいたAIMINA指定フォーマットExcelファイルをZIPに圧縮したかたちでアップデートいただきます。
*ZIPファイル名:半角英数字、半角ハイフン、半角アンダースコア、ドット(.)のいずれかのみ
*AIMINAでは、登録されたデータをランダムな比率で学習用データ8割、検証用データ2割、テスト用データ2割に分割して学習させます。

【ご利用の流れ】
● 使いたい機能選定からはじめる画面
画像差し替え

→自然言語処理の下の「このカテゴリーから選ぶ」ボタンを押してください

画像差し替え

→Question Answering(質疑応答)を選択して「決定」ボタンを押してください

● 学習用データを入力画面
画像差し替え

→データを選択/登録し「アップロード」ボタンを押してください

● 学習結果画面(サマリー)

文書要約では5つのAIが推論した結果を表示します。各AIの推論結果(推論結果1~5)を一覧で確認いただけます。また、一覧の右上には選択された要約文数が表示されます。
グレーで色分けされた各行の構成は、「推論結果番号+推論をしたAIモデル名」と、その下にAIが抽出した一番目の行が表示されます。

画像差し替え

学習結果Summary(概要)で表示される項目は以下となります。

♦表示モデル:
精度ランキングNo+AIMINAで設定したアルゴリズム名
♦Based on:
学習したAI手法の精度評価指標

例)Accuracy、AUC、F値など

♦ランキング表示:
学習処理が実行されたアルゴリズムをランキング順にアルゴリズム名と精度を表示
♦各AI手法の精度を示す指標:
質疑応答ではTopKaccuracyの結果表示


【予測結果のFACT】

♦この学習で検証したモデルの総数:
学習時に学習処理を実行したアルゴリズムの数


【この予測モデルの設定】

♦業種:
選択された業種(機能から選択の場合は非表示)
♦ロール:
選択されたロール(機能から選択の場合は非表示)
♦利用シーン:
選択された利用シーン(機能から選択の場合は非表示)
♦学習用データ名:
学習時に利用されたデータ名
♦学習と評価の処理時間:
学習処理全体にかかった時間
♦学習と評価の開始時間:
学習処理を開始した時間

学習結果画面(詳細)
画像差し替え

学習結果Details(詳細)で表示される項目は以下となります。

♦学習結果表項目(各AI手法ごとのキーファクタ)
・total_epoch:総エポック数(実行しようと思っているエポック総数)
・executed_epoch:実行したエポック数(学習停止の実行やearly stoppingにより途中で止まった場合、その時に実行していたエポック数)
・loss:学習データに対するloss(損失)
・val_loss:検証データに対するloss(損失)
・top-k accuracy:モデルが予測したうち、確率の高いもの上位k位までに正解がある確率

【推論】
● データ登録前の事前準備

AIMINA指定のExcelファイルを使用し以下シートへ事前準備をお願いします。
AIMINA指定フォーマットへの入力
※AIMINA指定フォーマット内のシートの追加や削除、シート名の変更は行わないでください。
※A列 「id」は、B列以降に記載がない(空欄)の行には値を入れないでください。

・シート:「マッチング元」シート
こちらのシートには質問文(問合せ内容)を記載します。
1. A列 「id」に、0から昇順で番号記載ください
*番号を半角数字で記載ください
*最低1個(1行)以上の問い合わせを記載ください
*以下「お問い合わせ」記載分の番号(id)を記載ください
2. B列 「お問い合わせ」に質問文(問合せ内容)となる文章を記載ください
*1つのセル(1行)に質問1つを記載ください。(複数の質問記載は不可)

ファイル構成
・ファイルフォーマット:AIMINA指定のExcelファイル
・ファイル名:半角英数字のみ
※ダウンロードした際のファイル名を変更いただいても構いません

フォルダ構成
・Excelファイルを1つのフォルダに格納します
・フォルダ名:フォルダの名称は「dataset」(半角小英字)としてください
例)/dataset/inference_for_commerce.xlsx

● データサイズ

・ご利用いただいているプラン毎に設定されている「1度に登録可能な最大データ容量」の容量内に収まるようご用意ください
※容量を超える場合にはデータ登録時にエラーとなります。

● データの登録方法:

ご用意いただいたAIMINA指定フォーマットExcelファイルをZIPに圧縮したかたちでアップロードいただきます。
*ZIPファイル名:半角英数字、半角ハイフン、半角アンダースコア、ドット(.)のいずれかのみ

【ご利用の流れ】
● 使いたい機能選定からはじめる画面
画像差し替え

→自然言語処理の下の「このカテゴリーから選ぶ」ボタンを押してください

画像差し替え

→Question Answering(質疑応答)を選択して「決定」ボタンを押してください

● 推論用データを入力画面
画像差し替え

→データを選択/登録し「アップロード」ボタンを押してください

● 推論結果画面

質疑応答の推論結果は、推論に使用されたデータ内の「質問」が順に連番表示されます。
グレーで色分けされた各行の構成は、「質問文」と、その下にAIが抽出した一番目の回答文が表示されます。

画像差し替え

推論結果(一覧)で表示される項目は以下となります。

♦モデル名:
表示されている結果に対応したAIMINAで設定したモデル名(アルゴリズム)
♦Summary:
一覧(連番)にて「質問」に対する「回答」の1行目が表示されます
・各行の右側にある「詳細を見る」ボタンを押すと、その他回答の詳細結果を確認いただけます
♦メニューバー「TOPに戻る」:
こちらをクリックするとTOP画面に戻ります
♦メニューバー「推論用データ入力へ戻る」:
こちらをクリックすると推論用データ入力画面へ戻ります
画像差し替え

推論結果(詳細)で表示される項目は以下となります。

♦質問ごとの詳細結果が表示されます
・選択された質問に対してAIが予測した回答が一覧表示されます

♦「一覧に戻る」ボタンを押すと、推論結果一覧に戻ります

④ 質疑応答 1問1答(Question Answering Single)

● 概要

AIMINAで搭載している、質疑応答(Question Answering)のAIモデルでは、マッチング元(質問)とマッチング先(回答)のデータを学習させることで、学習をした質問と同じ、もしくは類似した質問に対して、学習結果からAIが最も適切と考える回答を戻します。
AIMINAで提供するQAモデルには、1問1答型と1問多答型の2種類があります。
【1問1答型】質問(問合せ内容)に対して、AIが最適と判断した1つの回答を戻します。
【1問多答型】問合せ内容のキーワードから事前に設定した質問文をピックアップし、該当する回答をいくつか提案します。

● 利用シーン

質疑応答1問1答を使った利用シーンは以下となります。
・AIチャットボット
問い合わせ業務などで蓄積されたデータから、よくある問い合わせや質問に対する回答を返します
マッチング元=問い合わせ内容、マッチング先=回答
・マッチング
ビジネスマッチング、タレントマッチング、サービスマッチングなど、対象者の属性情報に対してマッチする回答を返します
マッチング元=人材スキル情報、マッチング先=受け入れ希望業務

【学習】
● データ登録前の事前準備

質疑応答で使用する学習及び推論データには、AIMINA指定のExcelフォーマットをご利用ください。
※AIMINA指定フォーマットのExcelファイルは、データ登録画面からダウンロードいただけます。

AIMINA指定フォーマットへの入力
AIMINA指定フォーマットのExcelファイル内には、ご利用者に記入いただくシートが3シートあります。
※AIMINA指定フォーマット内のシートの追加や削除、シート名の変更は行わないでください。
※A列 「id」は、B列以降に記載がない(空欄)の行には値を入れないでください。

・シート1:「マッチング元」シート
こちらのシートには質問文(問合せ内容)を記載します。
1. A列 「id」に、0から昇順で番号記載ください
*番号を半角数字で記載ください
*最低1個(1行)以上の問い合わせを記載ください
*以下「お問い合わせ」記載分の番号(id)を記載ください
2. B列 「お問い合わせ」に質問文(問合せ内容)となる文章を記載ください
*1つのセル(1行)に質問1つを記載ください(複数の質問記載は不可)

・シート2:「マッチング先」シート
こちらのシートには質問に対する回答を記載ください。
1. A列 「id」に、0から昇順で番号記載ください
*番号を半角数字で記載ください
*以下「答え」記載分の番号(id)を記載ください
2. B列 「答え」に回答となる文章を記載ください
*1つのセル(1行)に回答1つを記載ください(複数の回答記載は不可)

・シート3:「マッチング」シート
こちらのシートには、「マッチング元」シートと「マッチング先」シートのid付け合わせを記載します。
1. A列 「質問」に、「マッチング元」シートのA列 「id」に記載した番号を0から昇順で記載ください
*番号を半角数字で記載ください
2. B列 「応答」に、「マッチング先」シートのA列 「id」に記載した番号をマッチング元に紐づく番号に記載ください
*番号を半角数字で記載ください
*1つの質問idに対して1つの回答idを紐づけます

ファイル構成
・ファイルフォーマット:AIMINA指定のExcelファイル
・ファイル名:半角英数字のみ
※ダウンロードした際のファイル名を変更いただいても構いません

フォルダ構成
・Excelファイルを1つのフォルダに格納します
・フォルダ名:フォルダの名称は「dataset」(半角小英字)としてください
例)/dataset/question_answering_train.xlsx

● データサイズ

・ご利用いただいているプラン毎に設定されている「1度に登録可能な最大データ容量」の容量内に収まるようご用意ください
※容量を超える場合にはデータ登録時にエラーとなります。

● データの登録方法

ご用意いただいたAIMINA指定フォーマットExcelファイルをZIPに圧縮したかたちでアップデートいただきます。
*ZIPファイル名:半角英数字、半角ハイフン、半角アンダースコア、ドット(.)のいずれかのみ
*AIMINAでは、登録されたデータをランダムな比率で学習用データ8割、検証用データ2割、テスト用データ2割に分割して学習させます。

【ご利用の流れ】
● 使いたい機能選定からはじめる画面

→自然言語処理の下の「このカテゴリーから選ぶ」ボタンを押してください

→Question Answering Single(質疑応答1問1答)を選択して「決定」ボタンを押してください

● 学習用データを入力画面

→データを選択/登録し「アップロード」ボタンを押してください

● 学習結果画面(サマリー)

学習結果Summary(概要)で表示される項目は以下となります。

♦表示モデル:
精度ランキングNo+AIMINAで設定したアルゴリズム名
♦Based on:
学習したAI手法の精度評価指標

例)Accuracy、AUC、F値など

♦ランキング表示:
学習処理が実行されたアルゴリズムをランキング順にアルゴリズム名と精度を表示
♦各AI手法の精度を示す指標:
質疑応答ではTopKaccuracyの結果表示


【予測結果のFACT】

♦この学習で検証したモデルの総数:
学習時に学習処理を実行したアルゴリズムの数


【この予測モデルの設定】

♦業種:
選択された業種(機能から選択の場合は非表示)
♦ロール:
選択されたロール(機能から選択の場合は非表示)
♦利用シーン:
選択された利用シーン(機能から選択の場合は非表示)
♦学習用データ名:
学習時に利用されたデータ名
♦学習と評価の処理時間:
学習処理全体にかかった時間
♦学習と評価の開始時間:
学習処理を開始した時間

学習結果画面(詳細)

学習結果Details(詳細)で表示される項目は以下となります。

♦学習結果表項目(各AI手法ごとのキーファクタ)
・total_epoch:総エポック数(実行しようと思っているエポック総数)
・executed_epoch:実行したエポック数(学習停止の実行やearly stoppingにより途中で止まった場合、その時に実行していたエポック数)
・loss:学習データに対するloss(損失)
・val_loss:検証データに対するloss(損失)
・top-k accuracy:モデルが予測したうち、確率の高いもの上位k位までに正解がある確率

【推論】
● データ登録前の事前準備

AIMINA指定のExcelファイルを使用し以下シートへ事前準備をお願いします。
AIMINA指定フォーマットへの入力
※AIMINA指定フォーマット内のシートの追加や削除、シート名の変更は行わないでください。
※A列 「id」は、B列以降に記載がない(空欄)の行には値を入れないでください。

・シート:「マッチング元」シート
こちらのシートには質問文(問合せ内容)を記載します。
1. A列 「id」に、0から昇順で番号記載ください
*番号を半角数字で記載ください
*最低1個(1行)以上の問い合わせを記載ください
*以下「お問い合わせ」記載分の番号(id)を記載ください
2. B列 「お問い合わせ」に質問文(問合せ内容)となる文章を記載ください
*1つのセル(1行)に質問1つを記載ください。(複数の質問記載は不可)

ファイル構成
・ファイルフォーマット:AIMINA指定のExcelファイル
・ファイル名:半角英数字のみ
※ダウンロードした際のファイル名を変更いただいても構いません

フォルダ構成
・Excelファイルを1つのフォルダに格納します
・フォルダ名:フォルダの名称は「dataset」(半角小英字)としてください
例)/dataset/inference_for_commerce.xlsx

● データサイズ

・ご利用いただいているプラン毎に設定されている「1度に登録可能な最大データ容量」の容量内に収まるようご用意ください
※容量を超える場合にはデータ登録時にエラーとなります。

● データの登録方法:

ご用意いただいたAIMINA指定フォーマットExcelファイルをZIPに圧縮したかたちでアップロードいただきます。
*ZIPファイル名:半角英数字、半角ハイフン、半角アンダースコア、ドット(.)のいずれかのみ

【ご利用の流れ】
● 使いたい機能選定からはじめる画面

→自然言語処理の下の「このカテゴリーから選ぶ」ボタンを押してください

→Question Answering Single (質疑応答1問1答)を選択して「決定」ボタンを押してください

● 推論用データを入力画面

→データを選択/登録し「アップロード」ボタンを押してください

● 推論結果画面

質疑応答の推論結果は、推論に使用されたデータ内の「質問」が順に連番表示されます。
グレーで色分けされた各行の構成は、「質問文」と、その下にAIが抽出した一番目の回答文が表示されます。

推論結果(一覧)で表示される項目は以下となります。

♦モデル名:
表示されている結果に対応したAIMINAで設定したモデル名(アルゴリズム)
♦Summary:
一覧(連番)にて「質問」に対する「回答」が表示されます
・各行の右側にある「詳細を見る」ボタンを押すと、その他回答の詳細結果を確認いただけます
♦メニューバー「TOPに戻る」:
こちらをクリックするとTOP画面に戻ります
※TOP画面に戻ると推論結果が削除されます。CSVをダウンロードし結果を保存ください。
♦メニューバー「推論用データ入力へ戻る」:
こちらをクリックすると推論用データ入力画面へ戻ります

推論結果(詳細)で表示される項目は以下となります。

♦質問文ごとの回答全文が表示されます
・選択された質問に対してAIが予測した回答が表示されます

♦「一覧に戻る」ボタンを押すと、推論結果一覧に戻ります

6-3. 異音検知

①異音検知(Audio Anomaly Detection)

● 概要

機械や物が正常に稼働している音と、異常な状態になっている場合の音を学習し、異常音を検知することで機械の故障および予兆を検知します。音の細微な変化や、人の耳では判断基準があいまいな異常音をAIが検知し、熟練者の経験や勘が必要といった課題を解消します。

● 利用シーン

異音検知を使った利用シーン例は以下となります。
・設備異音検知(センサー)
など

【学習】
● データ登録前の事前準備

お持ちの音声データを正常音と異常音別に分類したフォルダに格納ください。

音声データの作り方
・1つの音声ファイルに1つの対象(正常音のみ、異常音のみ)が明確に分類されているようにしてください
・すべての音声データはできる限り同一の環境で録音ください
※異常音データに正常音データが含まれると精度が落ちる可能性があります。
※できる限りの他の音が入っていない状態の音データを録音ください。
※目安として、正常音120秒、異常音60秒以上のデータを準備ください。
※登録されたデータは10秒単位に分割して学習及び推論処理がされます。

ファイル構成
・ファイルフォーマット:音声データ(wavファイルのみ)
・ファイル名:半角英数字のみ
例)productline1.wav

フォルダ構成
フォルダ構成①:正常音と異常音クラス(分類単位)ごとのフォルダ作成
・フォルダ名:半角英数字のみ
  フォルダ1:正常音フォルダに正常音のデータをまとめてください
  ※正常データについては、フォルダ名を必ず「normal」(半角小英字)としてください。「normal」のフォルダが存在しないとエラーになります。
  フォルダ2:異常音フォルダに異常音のみが録音されたデータをまとめてください
  ※異常データについては、フォルダ名を必ず「anormal」(半角小英字)としてください。「anormal」のフォルダが存在しないとエラーになります。

②すべてのフォルダをまとめる1つのフォルダを作成
・作成したクラスごとのフォルダを1つのフォルダにまとめてください
・フォルダ名:1つにまとめたフォルダの名称は「dataset」(半角小英字)としてください
  例1)dataset/normal/音声データ
  例2)dataset/anormal/音声データ

● データサイズ

・ご利用いただいているプラン毎に設定されている「1度に登録可能な最大データ容量」の容量内に収まるようご用意ください
※容量を超える場合にはデータ登録時にエラーとなります。

● データの登録方法:

まとめていただいたフォルダ「dataset」、またはZIPに圧縮したファイルでアップロードいただきます。
*ZIPファイル名:半角英数字、半角ハイフン、半角アンダースコア、ドット(.)のいずれかのみ

【ご利用の流れ】
● 使いたい機能選定からはじめる画面

→異音検知の下の「このカテゴリーから選ぶ」ボタンを押してください

→異音検知(Audio Anomaly Detection)を選択して「決定」ボタンを押してください

● 学習用データを入力画面

→データを選択/登録し「アップロード」ボタンを押してください

● AIモデルを作成する

→データアップロードが完了すると「AIモデルを生成する」ボタンが活性化されますので、クリックして学習処理を開始ください

● 学習結果画面(サマリー)

学習結果Summary(概要)で表示される項目は以下となります。

♦表示モデル:
精度ランキングNo+AIMINAで設定したアルゴリズム名
♦Based on:
学習したAI手法の精度評価指標

例)Accuracy、AUC、F値

♦ランキング表示:
学習処理が実行されたアルゴリズムをランキング順にアルゴリズム名と精度を表示


【予測結果のFACT】

♦この学習で検証したモデルの総数:
学習時に学習処理を実行したアルゴリズムの数


【この予測モデルの設定】

♦業種:
選択された業種(機能から選択の場合は非表示)
♦ロール:
選択されたロール(機能から選択の場合は非表示)
♦利用シーン:
選択された利用シーン(機能から選択の場合は非表示)
♦学習用データ名:
学習時に利用されたデータ名
♦学習と評価の処理時間:
学習処理全体にかかった時間
♦学習と評価の開始時間:
学習処理を開始した時間



● 学習結果画面(詳細)

学習結果Details(詳細)で表示される項目は以下となります。

♦学習結果表項目(各AI手法ごとのキーファクタ)
・total_epoch:総エポック数(実行しようと思っているエポック総数)
・executed_epoch:実行したエポック数(学習停止の実行やearly stoppingにより途中で止まった場合、その時に実行していたエポック数)
・loss:学習データに対するloss(損失)
・val_loss:検証データに対するloss(損失)
・F1 score:F値率

【推論】
● データ登録前の事前準備

学習結果を確認したい音声ファイルをフォルダに格納ください。

ファイル構成
・ファイルフォーマット:音声データ(wavファイルのみ)
・ファイル名:半角英数字のみ
例)productline1.wav

フォルダ構成
2階層のフォルダ構成としてください。
①分類単位ごと、またはすべてを一つのフォルダにまとめたフォルダ作成
  例)正常音「normal」、異常音「anormal」などに分類するか、「audio」ですべてを1つのフォルダにまとめていだだいても結構です。
・フォルダ(クラス:分類単位)は最低1つ以上準備ください
・フォルダ名:半角英数字のみ
②すべてのフォルダをまとめる1つのフォルダを作成
・作成した①のフォルダを1つのフォルダにまとめてください
・フォルダ名:1つにまとめたフォルダの名称は「dataset」(半角小英字)としてください
  例1)dataset/normal/音声データ
  例2)dataset/anormal /音声データ

● データサイズ

・ご利用いただいているプラン毎に設定されている「1度に登録可能な最大データ容量」の容量内に収まるようご用意ください
※容量を超える場合にはデータ登録時にエラーとなります。

● データの登録方法:

まとめていただいたフォルダ「dataset」、またはZIPに圧縮したファイルでアップロードいただきます。
*ZIPファイル名:半角英数字、半角ハイフン、半角アンダースコア、ドット(.)のいずれかのみ

【ご利用の流れ】
● 使いたい機能選定からはじめる画面

→異音検知の下の「このカテゴリーから選ぶ」ボタンを押してください

→異音検知(Audio Anomaly Detection)を選択して「決定」ボタンを押し、「次へ」に進みます

● 推論用データを入力画面

→データを選択/登録し「アップロード」ボタンを押してください

● 推論結果画面

異音検知の推論結果は、推論に使用されたデータを10秒単位に分割し順に表示されます。
それぞれのファイルに対するAIモデルの判定結果が右側列に表示されます。各行の「プレイ」ボタンをクリックすると対象ファイルの音を確認いただけます。

推論結果(一覧)で表示される項目は以下となります。

♦モデル名:
表示されている結果に対応したAIMINAで設定したモデル名(アルゴリズム)
♦異音検知:
一覧にてファイルごとの結果が表示される

・表示内容:ファイル名、秒数、異常あり判定結果
・「音声データを再生する」ボタンで対象ファイルの音を確認いただけます

♦メニューバー「TOPに戻る」:
こちらをクリックするとTOP画面に戻ります
♦メニューバー「推論用データ入力へ戻る」:
こちらをクリックすると推論用データ入力画面へ戻ります

推論結果(詳細)で表示される項目は以下となります。

♦ファイルごとの結果詳細が表示されます
・選択された文書ファイルに対してAIが予測したクラス(分類)名と確信度が連番表示されます

♦「一覧に戻る」ボタンを押すと、推論結果一覧に戻ります

6-4. 時系列解析

①時系列予測 説明変数あり(Timeseries Prediction Multivariate)

● 概要

将来の姿を予測するためには、少なからず人間の勘や経験値に頼ってしまう部分がありますが、時間の経過とともに蓄積された時系列データを解析することで得られる傾向や特徴から、将来を予測します。時系列予測(説明変数あり)では、予測したい項目に影響しうる変動要素を加味し予測を行い、高精度な情報を得ることができます。

● 利用シーン

時系列予測(説明変数あり)を使った利用シーン例は以下となります。
・需要予測
・売上/出荷数予測
・来店者数予測
・株価予測
・発電量予測
・コールセンター入電予測
など

【学習】
● データ登録前の事前準備

時系列のデータをCSV形式でご準備ください。

ファイル構成
・ファイルフォーマット:csvファイル(UTF-8、UTF8-SIG BOM付形式)
1列目(時系列)
*時系列の欠損はエラーとなります
*時系列単位:年、月、週、日、時、秒、連番で統一して記載ください
2 列目(予測項目)
*予測項目は数値のみです
3列目以降(予測項目に影響しうる説明変数)
*追加した列の 1 行目に項目を記載してください。説明変数は複数設定が可能です。
例:曜日、天気、気温など
*説明変数は、数値、文字どちらも可能です。
例:曜日=月、火、水、木、金、土、日
祝日フラグ=1 ※数値と文字の混在は不可です。
例:気温=1°Cは不可。1と記載ください。
*エクセルをcsvに変換した場合、各行のデータ末尾に不要なカンマが付く場合があります。カンマは削除ください。
・ファイル名:半角英数字のみ
例)Salesforecast.csv

● データサイズ

・ご利用いただいているプラン毎に設定されている「1度に登録可能な最大データ容量」の容量内に収まるようご用意ください
※容量を超える場合にはデータ登録時にエラーとなります。

● データの登録方法

csvファイルでアップロードください。

【ご利用の流れ】
● 使いたい機能選定からはじめる画面

→時系列解析の下の「このカテゴリーから選ぶ」ボタンを押してください

→時系列予測 説明変数あり(Timeseries Prediction Multivariate)を選択して「決定」ボタンを押してください

→「次へ」ボタンを押してください

● 学習用データを入力画面

→データを選択/登録し「アップロード」ボタンを押してください

● 予測したい項目を選択画面

→以下をご設定の上、「AIモデルを作成する」ボタンを押してください。
1)予測項目:予測したい項目をプルダウンから選択ください
2)参照過去データ範囲:「予測項目」に最も影響するデータ周期を選択ください
3)データ単位:データ単位は登録するcsvデータの単位を選択ください
例:日次データは「日」、月次データは「月」、秒単位は「秒」
4)登録するcsvデータ内の各項目が「数値」か「文字」かを設定ください

● 学習結果画面(サマリー)

学習結果Summary(概要)で表示される項目は以下となります。

♦表示モデル:
精度ランキングNo+AIMINAで設定したアルゴリズム名
♦Based on:
学習したAI手法の精度評価指標

例)Accuracy、AUC、F値

♦ランキング表示:
学習処理が実行されたアルゴリズムをランキング順にアルゴリズム名と精度を表示
♦各AI手法の精度を示す指標:
時系列予測(説明変数あり)ではRMSEの結果表示

【予測結果のFACT】

♦この学習で検証したモデルの総数:
学習時に学習処理を実行したアルゴリズムの数

【この予測モデルの設定】

♦業種:
選択された業種(機能から選択の場合は非表示)
♦ロール:
選択されたロール(機能から選択の場合は非表示)
♦利用シーン:
選択された利用シーン(機能から選択の場合は非表示)
♦学習用データ名:
学習時に利用されたデータ名
♦学習と評価の処理時間:
学習処理全体にかかった時間
♦学習と評価の開始時間:
学習処理を開始した時間
♦入力パラメータ表示:
予測したい項目を選択画面で設定した「予測項目」「参照過去データ範囲」「データ単位」を表示


● 学習結果画面(詳細)

学習結果Details(詳細)で表示される項目は以下となります。

♦学習結果表項目(各AI手法ごとのキーファクタ)

【推論】
● データ登録前の事前準備

時系列のデータをCSV形式でご準備ください。

ファイル構成
・ファイルフォーマット:csvファイル(UTF-8、UTF8-SIG BOM付形式)
1列目(時系列)
*時系列の欠損はエラーとなります
*時系列単位:年、月、週、日、時、秒、連番で統一して記載ください
2 列目(予測項目)
*予測したい項目は空欄です
3列目以降(予測項目に影響しうる説明変数)
*追加した列の 1 行目に項目を記載してください。説明変数は複数設定が可能です。
例:曜日、天気、気温など
*説明変数は、数値、文字どちらも可能です。
例:曜日=月、火、水、木、金、土、日
祝日フラグ=1 ※数値と文字の混在は不可です。
例:気温=1°Cは不可。1と記載ください。
*エクセルをcsvに変換した場合、各行のデータ末尾に不要なカンマが付く場合があります。カンマは削除ください。
・ファイル名:半角英数字のみ
例)Salesforecast.csv

● データサイズ

・ご利用いただいているプラン毎に設定されている「1度に登録可能な最大データ容量」の容量内に収まるようご用意ください。
※容量を超える場合にはデータ登録時にエラーとなります

● データの登録方法:

csvファイルでアップロードください。

【ご利用の流れ】
● 使いたい機能選定からはじめる画面

→時系列解析の下の「このカテゴリーから選ぶ」ボタンを押してください

→生成し保存した時系列予測(説明変数あり)モデルを選択して「決定」ボタンを押してください

● 推論用データを入力画面

→データを選択/登録し「アップロード」ボタンを押します。アップロード完了後推論を開始ください

● 推論結果画面

時系列予測の推論結果は、推論に使用されたデータが表示されます。
「CSV出力ボタン」をクリックし結果をダウンロードください。

推論結果(一覧)で表示される項目は以下となります。

♦モデル名:
表示されている結果に対応したAIMINAで設定したモデル名(アルゴリズム)
♦時系列予測:
一覧(連番)にて時系列ごとの結果が表示される

 ・表示内容:日付、予測項目、追加した説明変数
 ※予測項目欄に、AI が予測した数値が表示されます

♦メニューバー「TOPに戻る」:
こちらをクリックするとTOP画面に戻ります
♦メニューバー「推論用データ入力へ戻る」:
こちらをクリックすると推論用データ入力画面へ戻ります

② 時系列予測 説明変数なし(Timeseries Prediction Univariate)

● 概要

将来の姿を予測するためには、少なからず人間の勘や経験値に頼ってしまう部分がありますが、時間の経過とともに蓄積された時系列データを解析することで得られる傾向や特徴から、将来を予測します。時系列予測(説明変数なし)では、予測したい項目のみのデータから、時間の経過とともにデータがどのように変化しているかを掴み、未来を予測します。

● 利用シーン

時系列予測(説明変数なし)を使った利用シーン例は以下となります。
・需要予測
・売上/出荷数予測
・来店者数予測
・株価予測
・発電量予測
・コールセンター入電予測
など

【学習】
● データ登録前の事前準備

時系列のデータをCSV形式でご準備ください。

ファイル構成
・ファイルフォーマット:csvファイル(UTF-8、UTF8-SIG BOM付形式)
1列目(時系列)
*時系列の欠損はエラーとなります
*時系列単位:年、月、週、日、時、秒、連番で統一して記載ください
2 列目(予測項目)
*予測項目は数値のみです
*エクセルをcsvに変換した場合、各行のデータ末尾に不要なカンマが付く場合があります。カンマは削除ください。
・ファイル名:半角英数字のみ
例)Salesforecast.csv

● データサイズ

・ご利用いただいているプラン毎に設定されている「1度に登録可能な最大データ容量」の容量内に収まるようご用意ください
※容量を超える場合にはデータ登録時にエラーとなります。

● データの登録方法

csvファイルでアップロードください。

【ご利用の流れ】
● 使いたい機能選定からはじめる画面

→時系列解析の下の「このカテゴリーから選ぶ」ボタンを押し、「時系列予測 説明変数なし(Timeseries Prediction Univariate)」を選択して「決定」ボタンを押してください

● 学習用データを入力画面

→データを選択/登録し「アップロード」ボタンを押してください
※データアップロード中はAIMINA内の別のページに移動しないようそのままの画面でお待ちください。

● 予測したい項目を選択画面

→以下をご設定の上、「AIモデルを作成する」ボタンを押してください。
1)予測項目:予測したい項目をプルダウンから選択ください
2)参照過去データ範囲:「予測項目」に最も影響するデータ周期を選択ください
3)データ単位:データ単位は登録する csv データの単位を選択ください
例:日次データは「日」、月次データは「月」、秒単位は「秒」

● 学習結果画面(サマリー)

学習結果Summary(概要)で表示される項目は以下となります。

♦表示モデル:
精度ランキングNo+AIMINAで設定したアルゴリズム名
♦Based on:
学習したAI手法の精度評価指標

例)Accuracy、AUC、F値

♦ランキング表示:
学習処理が実行されたアルゴリズムをランキング順にアルゴリズム名と精度を表示
♦各AI手法の精度を示す指標:
時系列予測(目的変数のみ)ではRMSEの結果表示

【予測結果のFACT】

♦この学習で検証したモデルの総数:
学習時に学習処理を実行したアルゴリズムの数


【この予測モデルの設定】

♦業種:
選択された業種(機能から選択の場合は非表示)
♦ロール:
選択されたロール(機能から選択の場合は非表示)
♦利用シーン:
選択された利用シーン(機能から選択の場合は非表示)
♦学習用データ名:
学習時に利用されたデータ名
♦学習と評価の処理時間:
学習処理全体にかかった時間
♦学習と評価の開始時間:
学習処理を開始した時間
♦入力パラメータ表示:
予測したい項目を選択画面で設定した「予測項目」「参照過去 データ範囲」「データ単位」を表示


● 学習結果画面(詳細)

学習結果Details(詳細)で表示される項目は以下となります。

♦学習結果表項目(各AI手法ごとのキーファクタ)

【推論】
● データ登録前の事前準備

時系列のデータをCSV形式でご準備ください。

ファイル構成
・ファイルフォーマット:csvファイル(UTF-8、UTF8-SIG BOM付形式)
1列目(時系列)
*時系列の欠損はエラーとなります
*時系列単位:年、月、週、日、時、秒、連番で統一して記載ください
2 列目(予測項目)
*予測項目は空欄です
*エクセルをcsvに変換した場合、各行のデータ末尾に不要なカンマが付く場合があります。カンマは削除ください。
・ファイル名:半角英数字のみ
例)Salesforecast.csv

● データサイズ

・ご利用いただいているプラン毎に設定されている「1度に登録可能な最大データ容量」の容量内に収まるようご用意ください。
※容量を超える場合にはデータ登録時にエラーとなります

● データの登録方法:

csvファイルでアップロードください。

【ご利用の流れ】
● 使いたい機能選定からはじめる画面

→時系列解析の下の「このカテゴリーから選ぶ」ボタンを押してください

→時系列予測 説明変数なし(Timeseries Prediction Univariate)を選択して「決定」ボタンを押してください

● 推論用データを入力画面

→データを選択/登録し「アップロード」ボタンを押します。アップロード完了後推論を開始ください

● 推論結果画面

時系列予測の推論結果は、推論に使用されたデータが表示されます。
「CSV出力ボタン」をクリックし結果をダウンロードください。

推論結果(一覧)で表示される項目は以下となります。

♦モデル名:
表示されている結果に対応したAIMINAで設定したモデル名(アルゴリズム)
♦時系列予測:
一覧(連番)にて時系列ごとの結果が表示される

 ・表示内容:日付、予測項目
 ※予測項目欄に、AI が予測した数値が表示されます

♦メニューバー「TOPに戻る」:
こちらをクリックするとTOP画面に戻ります
♦メニューバー「推論用データ入力へ戻る」:
こちらをクリックすると推論用データ入力画面へ戻ります

③ テーブルデータ回帰予測(Timeseries Prediction Tabular)

● 概要

回帰予測は、予測したいデータと既にわかっているデータとの関係性を元に推定する予測手法です。製品開発やマーケティングにおいて活用シーンがあり、予測した項目に対して影響を与えそうな要素との因果関係から予測を行います。

● 利用シーン

テーブルデータ回帰予測を使った利用シーン例は以下となります。
・不動産価格/車両販売価格予測
・商品開発特性予測
・広告ターゲティング予測
・販売対象予測
など

【学習】
● データ登録前の事前準備

CSV形式のファイルにデータを記載し準備します。

ファイル構成
・ファイルフォーマット:csvファイル(UTF-8、UTF8-SIG BOM付形式)
1列目(連番)
*時系列単位:連番
2列目(予測項目)
*予測項目は数値のみです
3列目以降(予測項目に影響しうる説明変数)
*追加した列の1行目に項目を記載してください。説明変数は複数設定が可能です。
*説明変数は、数値、文字どちらも可能です
※数値と文字の混在は不可です
*エクセルをcsvに変換した場合、各行のデータ末尾に不要なカンマが付く場合があります。カンマは削除ください。
・ファイル名:半角英数字のみ
例)Pricingforecast.csv

● データサイズ

・ご利用いただいているプラン毎に設定されている「1度に登録可能な最大データ容量」の容量内に収まるようご用意ください
※容量を超える場合にはデータ登録時にエラーとなります。

● データの登録方法

csvファイルでアップロードください。

【ご利用の流れ】
● 使いたい機能選定からはじめる画面

→時系列解析の下の「このカテゴリーから選ぶ」ボタンを押してください

→テーブルデータ回帰予測(Timeseries Prediction Tabular)を選択して「決定」ボタンを押してください

● 学習用データを入力画面

→データを選択/登録し「アップロード」ボタンを押してください

● 予測したい項目を選択画面

→「予測項目」をプルダウンから選択し、「AI モデルを作成する」ボタンを押してください

● 学習結果画面(サマリー)

学習結果Summary(概要)で表示される項目は以下となります。

♦表示モデル:
精度ランキングNo+AIMINAで設定したアルゴリズム名
♦Based on:
学習したAI手法の精度評価指標

例)Accuracy、AUC、F値など

♦ランキング表示:
学習処理が実行されたアルゴリズムをランキング順にアルゴリズム名と精度を表示
♦各AI手法の精度を示す指標:
テーブルデータ回帰予測ではRMSEの結果表示

【予測結果のFACT】

♦この学習で検証したモデルの総数:
学習時に学習処理を実行したアルゴリズムの数


【この予測モデルの設定】

♦業種:
選択された業種(機能から選択の場合は非表示)
♦ロール:
選択されたロール(機能から選択の場合は非表示)
♦利用シーン:
選択された利用シーン(機能から選択の場合は非表示)
♦学習用データ名:
学習時に利用されたデータ名
♦学習と評価の処理時間:
学習処理全体にかかった時間
♦学習と評価の開始時間:
学習処理を開始した時間
♦入力パラメータ表示:
予測したい項目を選択画面で設定した「予測項目」と学習に使用した項目


● 学習結果画面(詳細)

学習結果Details(詳細)で表示される項目は以下となります。

♦学習結果表項目(各AI手法ごとのキーファクタ)

【推論】
● データ登録前の事前準備

時系列のデータをCSV形式でご準備ください。

ファイル構成
・ファイルフォーマット:csvファイル(UTF-8、UTF8-SIG BOM付形式)
*1列目(連番)、2列目(予測項目)、3列目以降(説明変数)
*予測項目は数値のみ
・ファイル名:半角英数字のみ
例)Pricingforecast.csv

● データサイズ

・ご利用いただいているプラン毎に設定されている「1度に登録可能な最大データ容量」の容量内に収まるようご用意ください。
※容量を超える場合にはデータ登録時にエラーとなります

● データの登録方法:

csvファイルでアップロードください。

【ご利用の流れ】
● 使いたい機能選定からはじめる画面

→時系列解析の下の「このカテゴリーから選ぶ」ボタンを押してください

→生成したテーブルデータ回帰予測のAIモデルを選択して「決定」ボタンを押してください

● 推論用データを入力画面

→データを選択/登録し「アップロード」ボタンを押します。アップロード完了後推論を開始ください

● 推論結果画面

時系列予測の推論結果は、推論に使用されたデータが表示されます。
「CSV出力ボタン」をクリックし結果をダウンロードください。

推論結果(一覧)で表示される項目は以下となります。

♦モデル名:
表示されている結果に対応したAIMINAで設定したモデル名(アルゴリズム)
♦時系列予測:
一覧(連番)にてidごとの結果が表示される

 ・表示内容:id、予測項目、設定した説明変数

♦メニューバー「TOPに戻る」:
こちらをクリックするとTOP画面に戻ります
♦メニューバー「推論用データ入力へ戻る」:
こちらをクリックすると推論用データ入力画面へ戻ります

④ 離職者予測(Turnover Prediction)

● 概要

就労環境が大きく変化し、社員の働き方や管理職の方の管理工数にも変化が見られます。
社員の残業時間や休暇取得などの勤怠データや職種、役職、勤続年数などの社員情報から、過去の離職者と似たような人材をAIが予測し、事前の適切なケアにつなげることが可能です。
AIMINAで提供している離職者予測では、AIMINA指定のフォーマットをご利用いただきます。
指定フォーマットに社員の属性および勤務時間、残業時間などを日次で入力ください。
利用方法として、リモートワークが増え社員への心の状態が分かりにくくなっている環境下で、過去に離職した社員と類似した勤怠情報を捉え、事前に対応するひとつの目安としてご活用ください。

● 利用シーン

離職者予測を使った利用シーン例は以下となります。
・離職者予測

【学習】
● データ登録前の事前準備

離職者予測で使用する学習及び推論データには、AIMINA指定のExcelフォーマットをご利用ください。
※AIMINA指定フォーマットのExcelファイルは、データ登録画面からダウンロードいただけます。

ファイル構成
*1行目(項目名):離職者フラグ、性別、職種、役職、上長ID、上長役職、年齢、勤続年数、年次休暇取得数、time1、time2、time3…
※各項目名は固定です。「time」項目のみ自由に名称を変更できます。(例:勤務時間1、勤務時間2…)
*項目名イメージ

・データ入力規則
*離職者フラグ:1=離職者、1以外=それ以外。3人以上の離職者(1フラグ)が含まれる必要があります。列のデータに値と空欄が混在しても問題ありません。
*性別、職種、役職、上長役職:未入力の場合は「-」。名称は混在させない(性別の場合「男/男性」は「男」に統一)
*上長ID:未入力の場合は「-」
*年齢、勤続年数、年次休暇取得数、time:使用しない場合はすべて空欄で、使用する場合はすべてのデータに値を入れてください。
*time:日次の勤務時間合計や残業時間合計など、勤怠に関する時間を日別に入力ください。データ量は何日分でも結構ですが、対象期間が長いと精度も高くなります。また、対象が複数(勤務時間と残業時間など)あっても結構です。
・ファイル名:半角英数字のみ
*csvファイル(UTF-8、UTF8-SIG BOM付のみ)に対応しています。
例)kintai.csv

● データサイズ

・ご利用いただいているプラン毎に設定されている「1度に登録可能な最大データ容量」の容量内に収まるようご用意ください
※容量を超える場合にはデータ登録時にエラーとなります。

● データの登録方法

csvファイルでアップロードください。

【ご利用の流れ】
● 使いたい機能選定からはじめる画面

→時系列解析の下の「このカテゴリーから選ぶ」ボタンを押してください

→離職者予測(Turnover Prediction)を選択して「決定」ボタンを押してください

● 学習用データを入力画面

→データを選択/登録し「アップロード」ボタンを押してください

● AIモデルを作成する

→データアップロードが完了すると「AIモデルを生成する」ボタンが活性化されますので、クリックして学習処理を開始ください

● 学習結果画面(サマリー)

学習結果Summary(概要)で表示される項目は以下となります。

♦表示モデル:
精度ランキングNo+AIMINAで設定したアルゴリズム名
♦Based on:
学習したAI手法の精度評価指標

例)Accuracy、AUC、F値

♦ランキング表示:
学習処理が実行されたアルゴリズムをランキング順にアルゴリズム名と精度を表示
♦各AI手法の精度を示す指標:
離職者予測ではF値の結果表示

【予測結果のFACT】

♦この学習で検証したモデルの総数:
学習時に学習処理を実行したアルゴリズムの数


【この予測モデルの設定】

♦業種:
選択された業種(機能から選択の場合は非表示)
♦ロール:
選択されたロール(機能から選択の場合は非表示)
♦利用シーン:
選択された利用シーン(機能から選択の場合は非表示)
♦学習用データ名:
学習時に利用されたデータ名
♦学習と評価の処理時間:
学習処理全体にかかった時間
♦学習と評価の開始時間:
学習処理を開始した時間


● 学習結果画面(詳細)

学習結果Details(詳細)で表示される項目は以下となります。

♦学習結果表項目(各AI手法ごとのキーファクタ)

【推論】
● データ登録前の事前準備

時系列のデータをCSV形式でご準備ください。

ファイル構成
*1行目(項目名):社員ID、性別、職種、役職、上長ID、上長役職、年齢、勤続年数、年次休暇取得数、time1、time2、time3…
※各項目名は固定です。「time」項目のみ自由に名称を変更できます。(例:勤務時間1、勤務時間2…)
*項目名イメージ

・データ入力規則
*社員ID、上長ID:未入力の場合は「-」
*性別、職種、役職、上長役職:未入力の場合は「-」。名称は混在させない(性別の場合「男/男性」は「男」に統一)
*年齢、勤続年数、年次休暇取得数:学習時のデータと同じ構成にしてください。使用しない場合はすべて空欄で、使用する場合はすべてのデータに値を入れてください。
*time:学習時のデータと同じ構成にしてください。すべてのデータ項目に必ず値を入れてください。
*学習時に学んでいない「性別、職種、役割、上長ID」はエラーとなります。
・ファイル名:半角英数字のみ
*csvファイル(UTF-8、UTF8-SIG BOM付のみ)に対応しています。
例)kintai202206.csv

● データサイズ

・ご利用いただいているプラン毎に設定されている「1度に登録可能な最大データ容量」の容量内に収まるようご用意ください。
※容量を超える場合にはデータ登録時にエラーとなります

● データの登録方法:

csvファイルでアップロードください。

【ご利用の流れ】
● 使いたい機能選定からはじめる画面

→時系列解析の下の「このカテゴリーから選ぶ」ボタンを押してください

→生成した離職者予測のAIモデルを選択して「決定」ボタンを押してください

● 推論用データを入力画面

→データを選択/登録し「アップロード」ボタンを押します。アップロード完了後推論を開始ください

● 推論結果画面

離職者予測の推論結果は、社員IDごとに表示されます。
それぞれの社員IDに対する、AIモデルが判定した正解率と離職者判定結果(対象)ありのものが表示されます。

推論結果(一覧)で表示される項目は以下となります。

♦モデル名:
表示されている結果に対応したAIMINAで設定したモデル名(アルゴリズム)
♦離職者予測:
AIMINAで離職者と判定した社員IDが一覧表示される

 ・表示内容:社員ID、正解率、離職者判定結果(対象)

♦メニューバー「TOPに戻る」:
こちらをクリックするとTOP画面に戻ります
♦メニューバー「推論用データ入力へ戻る」:
こちらをクリックすると推論用データ入力画面へ戻ります

⑤ 時系列クラスタリング(Timeseries Clustering) *推論のみ

● 概要

時系列クラスタリングとは、時間によって変化する時系列データを類似する推移ごとにいくつかのグループに分類します。
事前に正解が決まっている分類とは異なり、時系列データから特徴を掴んで類似しているデータを塊にグループ分けすることが可能です。
例えば、疲労状況の傾向分類、運転者(ドライバー)の属性分析、電力需要分類、売上動向が類似する店舗の分類などで活用されます。

AIMINAでは既に学習が完了したAIモデルを搭載しておりますので、作ってみる(学習)はなく、使ってみる(推論)のみの機能となります。

● 利用シーン

時系列クラスタリングを使った利用シーン例は以下となります。
・電力需要の分析
・疲労状況の把握
・運転者(ドライバー)の属性分析
・転倒者の挙動分析
・商品売上動向分析
・患者の症状分析
 など

【学習】

※学習はございません。AIMINAにて学習済のAIモデルを提供しておりますので、推論処理からご利用ください。

【推論】
● データ登録前の事前準備

時系列のデータをCSV形式で準備ください。

ファイル構成
・ファイルフォーマット:csvファイル(UTF-8、UTF8-SIG BOM付形式)
*1列(時系列)、2列目(予測項目)、3列目以降(説明変数)
*時系列の欠損はエラーとなります
*時系列単位:年、月、週、日、時、秒、連番
*予測項目は数値のみ
・ファイル名:半角英数字のみ
例)Salesforecast.csv

● データサイズ

・ご利用いただいているプラン毎に設定されている「1度に登録可能な最大データ容量」の容量内に収まるようご用意ください。
※容量を超える場合にはデータ登録時にエラーとなります

● データの登録方法:

csvファイルでアップロードください。

【ご利用の流れ】
● 使いたい機能選定からはじめる画面

→時系列解析の下の「このカテゴリーから選ぶ」ボタンを押してください

→時系列クラスタリング(Timeseries Clustering)を選択して「決定」ボタンを押し、次へ進んでください

● 推論用データを入力画面

→データを選択/登録し「アップロード」ボタンを押します。アップロード完了後に「次へ」ボタンを押してください

● パラメータを選択画面

→以下をご設定の上、「推論を開始する」ボタンを押してください。
1)クラスタリング数:クラスター数をプルダウンから選択ください。
時系列クラスタリングとは、時系列データを類似する推移ごとにいくつかのグループに分類する手法のことです。指定した数以内でAIモデルがグループへの分類を推論します。

● 推論結果画面

時系列クラスタリングの推論結果は、推論に使用されたデータが順に表示されます。
「CSV出力ボタン」をクリックし結果をダウンロードください

推論結果(一覧)で表示される項目は以下となります。

♦モデル名:
表示されている結果に対応したAIMINAで設定したモデル名(アルゴリズム)
♦時系列クラスタリング:
一覧(連番)にてidごとの結果が表示される

 ・表示内容:id、cluster_id

♦一覧CSVをダウンロード:
idごとに割り振られたcluster_idを一覧でダウンロードできます
♦詳細CSVをダウンロード:
詳細結果を確認したい際は、詳細CSVファイルをダウンロードください。推論時に登録したデータに対しidごとにcluster_idを割り当てた結果をご確認いただけます。(項目:timestamp、id、値、cluster_id)
♦メニューバー「TOPに戻る」:
こちらをクリックするとTOP画面に戻ります
♦メニューバー「推論用データ入力へ戻る」:
こちらをクリックすると推論用データ入力画面へ戻ります

⑥ 時系列分類(Timeseries Classification)

● 概要

時系列分類においては、学習データとして事前に教師データを付与することで、時間軸における順序関係や波形パターンの形状などから時系列データを分類することが可能です。
例えば、認知症レベルの度合い把握、関節座標を使用した姿勢推定の分類などで活用されます。

● 利用シーン

時系列分類を使った利用シーン例は以下となります。
・認知症レベルの度合い把握
・関節座標を使用した姿勢推定
など

【学習】
● データ登録前の事前準備

CSV形式のファイルにデータを記載し準備します。

ファイル構成
・ファイルフォーマット:csvファイル(UTF-8、UTF8-SIG BOM付のみ)
1列目(時系列)
*時系列単位:年、月、週、日、時、秒、連番
2列目(予測項目)
*目的変数:ラベル(分類名 cat、dogなど)(半角英数字のみ)
3列目(ID)
*ID:データをグループ分けし管理します(例 人のモーションセンサーのケースでID:1=Aさん、ID:2=Bさんのデータなど)(半角数字のみ)
4列目以降(説明変数)
*説明変数:センサーデータなどの値 (半角数字のみ)
※時系列、目的変数、説明変数の欠損はエラーとなります
※1行目の項目名は任意のものが設定可能です

・ファイル名:半角英数字のみ
例)motionsensor.csv

● データサイズ

・ご利用いただいているプラン毎に設定されている「1度に登録可能な最大データ容量」の容量内に収まるようご用意ください
※容量を超える場合にはデータ登録時にエラーとなります。

● データの登録方法

csvファイルでアップロードください。

【ご利用の流れ】
● 使いたい機能選定からはじめる画面

→時系列解析の下の「このカテゴリーから選ぶ」ボタンを押し、「時系列分類(Timeseries Classification)」を選択して「決定」ボタンを押してください

● 学習用データを入力画面

→データを選択/登録し「アップロード」ボタンを押してください
※データアップロード中はAIMINA内の別のページに移動しないようそのままの画面でお待ちください。

● 参照過去データ範囲でのデータ範囲の設定画面

*学習したい対象期間とデータ単位をセットください

→データ範囲を設定後「AIモデルを作成する」ボタンをクリックして学習処理を開始ください

● 学習結果画面(サマリー)

学習結果Summary(概要)で表示される項目は以下となります。

♦表示モデル:
精度ランキングNo+AIMINAで設定したアルゴリズム名
♦Based on:
学習したAI手法の精度評価指標

例)Accuracy、AUC、F値

♦ランキング表示:
学習処理が実行されたアルゴリズムをランキング順にアルゴリズム名と精度を表示
♦各AI手法の精度を示す指標:
時系列分類(Timeseries Classification)ではAccuracyの結果表示

【予測結果のFACT】

♦この学習で検証したモデルの総数:
学習時に学習処理を実行したアルゴリズムの数


【この予測モデルの設定】

♦業種:
選択された業種(機能から選択の場合は非表示)
♦ロール:
選択されたロール(機能から選択の場合は非表示)
♦利用シーン:
選択された利用シーン(機能から選択の場合は非表示)
♦学習用データ名:
学習時に利用されたデータ名
♦学習と評価の処理時間:
学習処理全体にかかった時間
♦学習と評価の開始時間:
学習処理を開始した時間

【入力パラメータ表示】

♦参照過去データ範囲:
学習時に設定したデータ範囲



● 学習結果画面(詳細)

学習結果Details(詳細)で表示される項目は以下となります。
♦accuracy:正解率

【推論】
● データ登録前の事前準備

CSV形式のファイルにデータを記載し準備します。

ファイル構成
・ファイルフォーマット:csvファイル(UTF-8、UTF8-SIG BOM付のみ)
1列目(時系列)
*時系列単位:年、月、週、日、時、秒、連番
2列目(予測項目)
*予測項目:予測対象となりますので空としてください
3列目(ID)
*ID:データをグループ分けし管理します(例 人のモーションセンサーのケースでID:1=Aさん、ID:2=Bさんのデータなど)(半角数字のみ)
4列目以降(説明変数)
*説明変数:センサーデータなどの値 (半角数字のみ)
※時系列、説明変数の欠損はエラーとなります
※1行目の項目名は学習時と同様にしてください

・ファイル名:半角英数字のみ
*csvファイル(UTF-8、UTF8-SIG BOM付のみ)に対応しています。
例)motionsensor.csv

● データサイズ

・ご利用いただいているプラン毎に設定されている「1度に登録可能な最大データ容量」の容量内に収まるようご用意ください。
※容量を超える場合にはデータ登録時にエラーとなります

● データの登録方法:

csvファイルでアップロードください。

【ご利用の流れ】
● 使いたい機能選定からはじめる画面

→時系列解析の下の「このカテゴリーから選ぶ」ボタンを押してください

→生成し保存した時系列分類モデルを選択して「決定」ボタンを押し「次へ」ボタンを押してください

● 推論用データを入力画面

→データを選択/登録し「アップロード」ボタンを押します。アップロード完了後推論を開始ください

● 推論結果画面

時系列予測の推論結果は、推論に使用されたデータが表示されます。
「CSV出力ボタン」をクリックし結果をダウンロードください。

推論結果(一覧)で表示される項目は以下となります。

♦モデル名:
表示されている結果に対応したAIMINAで設定したモデル名(アルゴリズム)
♦時系列予測:
一覧(連番)にて時系列ごとの結果が表示されます。

 ・表示内容:時系列、予測項目、追加した説明変数
※予測項目欄に、AIが予測した数値が表示されます。

♦メニューバー「TOPに戻る」:
こちらをクリックするとTOP画面に戻ります
♦メニューバー「推論用データ入力へ戻る」:
こちらをクリックすると推論用データ入力画面へ戻ります

⑦ 時系列状態推定(State Estimation)※推論のみ

● 概要

人によって金融商品のボラティリティ推定の観点が異なることや、作業に時間を必要とするという課題を解決するために、AIモデルの状態推定をご利用いただけます。時系列と株価など金融価値の記録から、ボラティリティの値を予測します。過去の変動をAIでとらえられるか精度をお試しください。

● 利用シーン

時系列状態推定を使った利用シーン例は以下となります。
・為替のボラティリティ推定
 など

【学習】

※学習はございません。AIMINAにて学習済のAIモデルを提供しておりますので、推論処理からご利用ください。

【推論】
● データ登録前の事前準備

時系列のデータをCSV形式で準備ください。

ファイル構成
・ファイルフォーマット:csvファイル(UTF-8、UTF8-SIG BOM付形式)
*1列(時系列)、2列目(予測項目)
*予測項目には金融価値(株価終値など)がはいります(半角数値のみ)
*予測結果としてボラティリティーの値(予測項目)が表示されます
*1行目の項目名は任意のものが設定可能です
*時系列、目的変数の欠損はエラーとなります
*時系列単位:年、月、週、日、時、秒、連番

*予測項目は数値のみ
・ファイル名:半角英数字のみ
例)volatility.csv

● データサイズ

・ご利用いただいているプラン毎に設定されている「1度に登録可能な最大データ容量」の容量内に収まるようご用意ください。
※容量を超える場合にはデータ登録時にエラーとなります

● データの登録方法:

csvファイルでアップロードください。

【ご利用の流れ】
● 使いたい機能選定からはじめる画面

→時系列解析の下の「このカテゴリーから選ぶ」ボタンを押してください

→時系列状態推定(State Estimation)を選択して「決定」ボタンを押し、次へ進んでください

● 推論用データを入力画面

→データを選択/登録し「アップロード」ボタンを押します。アップロード完了後に「次へ」ボタンを押してください

● パラメータを選択画面

→以下をご設定の上、「推論を開始する」ボタンを押してください。
1)データ単位:データ単位は登録するcsvデータの単位を選択ください。
例:月次データは「月」、日次データは「日」、秒単位は「秒」

● 推論結果画面

状態推定の推論結果は、推論に使用されたデータにボラティリティが追加されて表示されます。
「CSV出力ボタン」をクリックし結果をダウンロードください

推論結果(一覧)で表示される項目は以下となります。

♦モデル名:
表示されている結果に対応したAIMINAで設定したモデル名(アルゴリズム)
♦時系列状態推定:
一覧(連番)にて時系列ごとの結果が表示されます

 ・表示内容:タイムスタンプ、目的変数、ボラティリティーの値(予測項目)

♦メニューバー「TOPに戻る」:
こちらをクリックするとTOP画面に戻ります
♦メニューバー「推論用データ入力へ戻る」:
こちらをクリックすると推論用データ入力画面へ戻ります

⑧ 時系列異常検知(Anomaly Detection) *推論のみ

● 概要

時系列異常検知では、時間の変化に沿って蓄積した時系列の情報から、通常の動きとは異なる値や急激な変化を異常箇所として察知します。
例えば、株価データや機械センサーのデータ、ウェブサイトアクセスのようなトラフィックデータから急激な変化を捉え、ビジネス上の危機管理や安全管理に結びつけます。
AIMINAでは既に学習が完了したAIモデルを搭載しておりますので、作ってみる(学習)はなく、使ってみる(推論)のみの機能となります。
AIMINAが提供している時系列異常検知のAIアルゴリズムでは、周期的なデータの中で突発的なデータを検知することに向いている設定となっています。
例:製造装置のセンサーデータ、心電図の異常検知など

● 利用シーン

時系列異常検知 を使った利用シーン例は以下となります。
・製造機器の異常検知
・心電図の異常検知
 など

【学習】

※学習はございません。AIMINAにて学習済のAIモデルを提供しておりますので、推論処理からご利用ください。

【推論】
● データ登録前の事前準備

時系列のデータをCSV形式で準備ください。

ファイル構成
・csvファイル(UTF-8、UTF8-SIG BOM付のみ)に対応しています
*1列目(時系列)、2列目(予測項目)
*時系列の欠損はエラーとなります
*時系列単位:年、月、週、日、時、秒、連番
*予測項目は数値のみ
・ファイル名:半角英数字のみ
例)Productline.csv

● データサイズ

・ご利用いただいているプラン毎に設定されている「1度に登録可能な最大データ容量」の容量内に収まるようご用意ください。
※容量を超える場合にはデータ登録時にエラーとなります

● データの登録方法:

csvファイルでアップロードください。

【ご利用の流れ】
● 使いたい機能選定からはじめる画面

→時系列解析の下の「このカテゴリーから選ぶ」ボタンを押してください

→時系列異常検知(Anomaly Detection)のAIモデルを選択して「決定」ボタンを押してください

● 推論用データを入力画面

→データを選択/登録し「アップロード」ボタンを押します。アップロード完了後に「次へ」ボタンを押してください

● パラメータを選択画面

→以下をご設定の上、「推論を開始する」ボタンを押してください。
1)データ単位:データ単位は登録するcsvデータの単位を選択ください
例:月次データは「月」、日次データは「日」、秒単位は「秒」

● 推論結果画面

時系列異常検知の推論結果は、推論に使用されたデータが表示されます。
「グラフを見る」ボタンでグラフを確認いただけます。
「CSV出力ボタン」をクリックし結果をダウンロードください。

推論結果(一覧)で表示される項目は以下となります。

♦モデル名:
表示されている結果に対応したAIMINAで設定したモデル名(アルゴリズム)
♦時系列異常検知:
一覧(連番)にて時系列ごとの結果が表示される

 ・表示内容:タイムスタンプ、目的変数、異常率

♦メニューバー「TOPに戻る」:
こちらをクリックするとTOP画面に戻ります
♦メニューバー「推論用データ入力へ戻る」:
こちらをクリックすると推論用データ入力画面へ戻ります

● グラフ画面

「時系列異常検知」のグラフは、推論に使用されたデータと推論結果(異常率)をグラフとして表示しています。

グラフ画面で表示される項目は以下となります。

♦左グラフ:
登録された推論を時系列で表示しています。X軸:タイムスタンプ、Y軸:目的変数
♦右グラフ:
AIモデルが予測した異常度を時系列で表示しています。X軸:タイムスタンプ、Y軸:異常率(%)
♦「一覧に戻る」ボタンを押すと、推論結果一覧に戻ります

⑨ 時系列モデルリダクション(Timeserise Model Reduction)※推論のみ

● 概要

時系列モデルリダクションは、膨大で複雑な流体解析の時系列データに対してモデルリダクションを実行することで、データの最適化や削減を行い、構造的な理解を目指す、などの利用シーンが考えられます。

● 利用シーン

モデルリダクションを使った利用シーン例は以下となります。
・CAEの結果解釈の後処理
・流体解析の後処理
 など

【学習】

※学習はございません。AIMINAにて学習済のAIモデルを提供しておりますので、推論処理からご利用ください。

【推論】
● データ登録前の事前準備

時系列のデータをCSV形式で準備ください。

ファイル構成
・ファイル名に使用可能な文字は、半角英数字です
・csvファイル(UTF-8、UTF8-SIG BOM付のみ)に対応しています
*1列目(時系列)、2列目以降(説明変数)
*時系列単位 : 年、月、週、日、時、秒、連番
*説明変数には複数のセンサーデータの値(数値のみ)を入力します。
*データの最大列数は、時系列含めて5,000列
*データの列数が500列を超える場合、推論結果は画面に表示されず、CSVデータのダウンロードのみとなります
*時系列、説明変数の欠損はエラーとなります
*1行目の項目名は任意のものが設定可能です
・csvファイルをアップロードしてください
例)cfd.csv

● データサイズ

・ご利用いただいているプラン毎に設定されている「1度に登録可能な最大データ容量」の容量内に収まるようご用意ください。
※容量を超える場合にはデータ登録時にエラーとなります

● データの登録方法:

csvファイルでアップロードください。

【ご利用の流れ】
● 使いたい機能選定からはじめる画面

→時系列解析の下の「このカテゴリーから選ぶ」ボタンを押してください

→モデルリダクション(Model Reduction)のAIモデルを選択して「決定」ボタンを押し、「次へ」でお進みください

● 推論用データを入力画面

→データを選択/登録し「アップロード」ボタンを押します。アップロード完了後に「次へ」ボタンを押してください

● パラメータを選択画面

→以下をご設定の上、「推論を開始する」ボタンを押してください。
1)データ単位:データ単位は登録するcsvデータの単位を選択ください
例:月次データは「月」、日次データは「日」、秒単位は「秒」

● 推論結果画面

モデルリダクションの推論結果は、推論に使用されたデータからモデルにより削減された結果が表示されます。「CSV出力ボタン」をクリックし、結果データをダウンロードください。
データの列数が500列を超える場合、推論結果は表示されず、CSVデータのダウンロードのみとなります。

推論結果(一覧)で表示される項目は以下となります。

♦モデル名:
表示されている結果に対応したAIMINAで設定したモデル名(アルゴリズム)
♦モデルリダクション:
一覧(連番)にて時系列ごとの結果が表示される

 ・表示内容:タイムスタンプ、目的変数、異常率

♦メニューバー「TOPに戻る」:
こちらをクリックするとTOP画面に戻ります
♦メニューバー「推論用データ入力へ戻る」:
こちらをクリックすると推論用データ入力画面へ戻ります

⑩ 時系列予測 説明変数なし(Timeseries Prediction Prophet)

● 概要

将来の姿を予測するためには、少なからず人間の勘や経験値に頼ってしまう部分がありますが、時間の経過とともに蓄積された時系列データを解析することで得られる傾向や特徴から、将来を予測します。時系列予測(Prophet)では、予測したい項目のみのデータから、時間の経過とともにデータがどのように変化しているかを掴み、未来を予測します。

● 利用シーン

時系列予測(Prophet)を使った利用シーン例は以下となります。
・需要予測
・売上/出荷数予測
・来店者数予測
・株価予測
・発電量予測
・コールセンター入電予測
など

【学習】
● データ登録前の事前準備

時系列のデータをCSV形式でご準備ください。

ファイル構成
・ファイルフォーマット:csvファイル(UTF-8、UTF8-SIG BOM付形式)
1列目(時系列)
*時系列の欠損はエラーとなります
*時系列単位:日、時、秒で統一して記載ください
*時系列はyyyy-mm-dd、もしくはyyyy-mm-dd hh:mm:ssの形式(/の使用不可)
*時系列は等間隔である必要があります

2列目(予測項目)
*目的変数の欠損はエラーとなります
*1行目の項目名は任意のものが設定可能です
*目的変数は数値のみです
*エクセルをcsvに変換した場合、各行のデータ末尾に不要なカンマが付く場合があります。カンマは削除ください。

・ファイル名:半角英数字のみ
例)Salesforecast.csv

● データサイズ

・ご利用いただいているプラン毎に設定されている「1度に登録可能な最大データ容量」の容量内に収まるようご用意ください
※容量を超える場合にはデータ登録時にエラーとなります。

● データの登録方法

csvファイルでアップロードください。

【ご利用の流れ】
● 使いたい機能選定からはじめる画面

→時系列解析の下の「このカテゴリーから選ぶ」ボタンを押してください

→時系列予測(Timeseries Prediction Prophet)を選択して「決定」ボタンを押してください

● 学習用データを入力画面

→データを選択/登録し「アップロード」ボタンを押してください

● AIモデルを作成する

→データアップロードが完了すると「AIモデルを作成する」ボタンが活性化されますので、クリックして学習処理を開始ください

● 学習結果画面(サマリー)

学習結果Summary(概要)で表示される項目は以下となります。

♦表示モデル:
精度ランキングNo+AIMINAで設定したアルゴリズム名
♦Based on:
学習したAI手法の精度評価指標

例)Accuracy、AUC、F値

♦ランキング表示:
学習処理が実行されたアルゴリズムをランキング順にアルゴリズム名と精度を表示
♦各AI手法の精度を示す指標:
時系列予測(Prophet)ではMSEの結果表示

【予測結果のFACT】

♦この学習で検証したモデルの総数:
学習時に学習処理を実行したアルゴリズムの数


【この予測モデルの設定】

♦業種:
選択された業種(機能から選択の場合は非表示)
♦ロール:
選択されたロール(機能から選択の場合は非表示)
♦利用シーン:
選択された利用シーン(機能から選択の場合は非表示)
♦学習用データ名:
学習時に利用されたデータ名
♦学習と評価の処理時間:
学習処理全体にかかった時間
♦学習と評価の開始時間:
学習処理を開始した時間


● 学習結果画面(詳細)

学習結果Details(詳細)で表示される項目は以下となります。

♦学習結果表項目(各AI手法ごとのキーファクタ)

【推論】
● データ登録前の事前準備

時系列予測(Prophet)では推論用データは不要です。
予測したい対象期間を指定するだけで推論を実施いただけます。

● データサイズ

データ不要

● データの登録方法:

データ不要

【ご利用の流れ】
● 使いたい機能選定からはじめる画面

→時系列解析の下の「このカテゴリーから選ぶ」ボタンを押してください

→作成し保存した時系列予測(Prophet)モデルを選択して「決定」ボタンを押してください

● パラメータを選択画面

→以下をご設定の上、「推論を開始する」ボタンを押してください。

1)予測する期間:予測したい対象期間をセットください。
*指定した期間分の予測が表示されます。
*単位は学習時の単位と同様になります。

● 推論結果画面

Prophetの推論結果は、推論に使用されたデータから指定された予測期間分が表示されます。
「CSV出力ボタン」をクリックし結果をダウンロードください。

推論結果(一覧)で表示される項目は以下となります。

♦モデル名:
表示されている結果に対応したAIMINAで設定したモデル名(アルゴリズム)
♦時系列予測:
一覧(連番)にて時系列ごとの結果が表示される

 ・表示内容:日付、予測項目
 ※予測項目欄に、AIが予測した数値が表示されます。

♦メニューバー「TOPに戻る」:
こちらをクリックするとTOP画面に戻ります
♦メニューバー「推論用データ入力へ戻る」:
こちらをクリックすると推論用データ入力画面へ戻ります

7.AI管理機能

「AI管理」機能では、利用者が生成したAIモデル、作成中のAIモデル、推論中のモデルをご確認いただけます。また、生成後に保存したAIモデルの作成日や稼働ステータスの確認、AIモデルの削除もこちらから実行いただけます。

7-1. AI管理(My AIモデル)

「My AIモデル」では、利用者が保存したモデルが一覧表示されます。一覧では、AIモデルの概要、メンバー評価、データ容量、コメントなどが確認できます。対象のAIモデルをクリックすると、リスト下がアコーディオン式に開いて詳細が表示されます。詳細内の、「このモデルを使って予測する」を選択すると推論に使用できます。
※生成したAIモデルのダウンロード機能は2022年4月以降に追加予定です。

画像差し替え

<ヘッダー情報>

・Sort by:
日付、モデル名、お気に入り、メンバー評価でソートが可能です。
・データ使用状況ステータスバー:
ご利用プランごとに登録できるデータ量の上限があります。こちらのステータスバーにてアカウントごとの現在の使用状況を確認いただけます。
※なお、上限はプラン毎に異なります。
・削除:
画面右上の「削除」ボタンより、保存したAIモデルの削除を行います。削除ボタンを押すと、AIモデルのリストを複数選択が可能になります。削除したい項目を選択して実行するとAIモデルが削除されます。

<リスト内表示>

・AIモデル名:
利用者がAIモデル生成後、保存した際に登録したAIモデル名が表示されます。
・メンバー評価:
同じアカウントに所属するユーザー間で、生成したAIモデルを5段階評価で管理いただけます。メンバー評価の星の印をクリックすると星に色がつきます。メンバー評価については、随時誰でも上書きすることが可能です。
・Data容量:
AIモデル生成時にアップロードした学習用データ容量を示します。
・お気に入り:
生成したAIモデルをお気に入り表示させることができます。ハートのマークをクリックすると色がつきます。お気に入りはユーザーごとにご利用いただける機能です。
・コメント:
アカウントに紐づくユーザー間で生成したAIモデルについてのメッセージ交換ができます。

<詳細内容>

・モデルコード:
AIMINAで採番したアルゴリズムごとのコードです。(変更不可)
・作成日時:
学習が完了しAIモデルが生成された日時です。
・作成者(Created by):
学習完了時にモデル名を設定して登録した作成者名です。
・種別:
学習段階の生成AIモデル、または推論段階の推論使用AIモデルの区分が表示されます。
・カテゴリー名:
AIカテゴリー名が表示されます。
・AI手法名:
AI手法名が表示されます。
・アルゴリズム名:
AIアルゴリズム名が表示されます。
・データ名:
学習、または推論時に使用したデータ名が表示されます。
・このモデルを使って予測する:
対象のAIモデルを使用し推論を行う際は、こちらのボタンから進みます。

●生成AIモデルのダウンロード機能

学習完了し保存したAIモデルは、「My AIモデル」よりAIモデルダウンロードが可能です。推論を実施し、AIの精度検証後の実運用においてAIMINAで生成したAIモデルを活用したい際、こちらよりダウンロードいただけます。

・AIモデルのダウンロード方法

→「AI管理」の「My AI モデル」タブに保存されている学習済みAIモデルがダウンロード可能モデルです。AIモデル名をクリックし、詳細表示ください。

→アコーディオン式に表示される詳細内に、「ダウンロード準備開始」ボタンがあります。「ダウンロード準備開始」ボタンをクリックすると、「ダウンロード」ボタンに切り替わりダウンロード可能な状態になります。

・ダウンロードに含まれるファイル

Zipフォルダ内に以下が格納されておりますので、解凍しご確認ください。
・README.md
・LICENSE.txt
・image.tar

・注意事項

※ダウンロード機能は有料プランご利用の方のみご利用いただけます。ご利用プランによってダウンロード可能数に違いがあります。
※事前準備として、dockerとcudaの最新版のインストールが必要になります。
※モデルによってGPU稼働環境が必要になります。

7-2. AI管理(作成中モデル)

「AI管理 Dashboard」の「作成中モデル」タブより、学習フェーズの作成中AIモデルを確認いただけます。学習フェーズ実行中に学習完了を待たずに「AIモデル作成中」画面を離れた方は、こちらのAI管理内「作成中モデル」タブより、作成中AIモデルのステータスを確認いただけます。

画像差し替え

AIモデル作成が完了すると、「結果の確認」ボタンが表示されますので、こちらよりAIモデル学習結果画面に遷移し、生成AIモデルの詳細が確認できます。
「モデル作成を中止」ボタンをクリックすると、AIモデル作成停止時点までのAIモデルが生成され、学習結果が表示されます。
学習中にエラーが発生した場合は、「エラーを確認」ボタンが表示されますのでご確認ください。

<ヘッダー情報>

・ソート:
日付、モデル名、お気に入り、メンバー評価でソートが可能です。
・使用量:
ご利用プランごとに登録できるデータ量の上限があります。こちらの使用量バーにて現在の使用状況を確認いただけます。
※なお、上限はプラン毎に異なります。

<リスト内表示>

・AIモデル名:
利用者が学習処理をおこなったAI手法名です。
・作成者:
学習処理を実行した利用者名です。
・ステータス:
作成中のAIモデルのステータスです。完了/作成中/停止中/停止処理完了/エラーの表示がございます。
・開始時間:
AIモデル作成開始日時です。
・残り時間:
AIモデルの生成完了目途を表示します。こちらはあくまで目安なため、完了が前後する可能性があります。
・アクションボタン:
3つのボタンがあります。
「結果を確認」ボタンは、学習結果画面へ遷移し結果を確認いただけます。
「モデル作成を停止」ボタンでは、AIモデルの作成を停止させます。モデル停止時時点までのAIモデルが⽣成されます。
なお、停止処理中は「モデル作成を停止」ボタンが非活性になります。
「エラーを確認」ボタンをクリックすると、エラー内容が表示されますので、詳細をご確認ください。

7-3. AI管理(推論中モデル)

「AI管理 Dashboard」の「推論中モデル」タブより、推論中AIモデルを確認いただけます。推論中フェーズ実行中に推論完了を待たずに「推論実施中」画面を離れた方は、こちらのAI管理内「推論中モデル」タブより、推論中AIモデルのステータスを確認いただけます。

画像差し替え

<ヘッダー情報>

・ソート:
日付、モデル名、お気に入り、メンバー評価でソートが可能です
・使用量:
ご利用プランごとに登録できるデータ量の上限があります。こちらの使用量バーにて現在の使用状況を確認いただけます。
※なお、上限はプラン毎に異なります。

<リスト内表示>

・AIモデル名:
利用者がAIモデル生成後、保存した際に登録したAIモデル名が表示されます。
・作成者:
推論実行者名です。
・ステータス:
作成中のAIモデルのステータスです。完了/作成中/停止中/停止処理完了/エラーの表示がございます。
・データ名:
推論時に使用したデータ名が表示されます。
・ステータス:
推論処理状況を確認できます。推論中/完了の表示パターンで表示されます。
・推論開始時間:
推論を開始した日時が表示されます。
・閲覧期限:
推論結果を確認できる期限が表示されます。こちらの期限後は推論結果が削除されますので、期限内にご確認ください。
・アクションボタン:
「結推論結果を確認する」ボタンより、推論結果画面へ遷移させ結果を確認いただけます。なお、推論中は、ボタンが非活性でクリックできません。

8.Data管理機能

AIMINAの各アカウントに登録されたデータを管理する機能です。
管理するデータには大きく2つあります。
My Data:アカウントに所属する利用者が登録するデータ
Sample Data:AIMINA側で用意したサンプルデータ

利用者によるデータの登録方法には大きく2つの方法があります。

①学習及び推論実行プロセスにおけるデータ入力からデータを登録
「AIモデルを作ってみよう(学習)」で指定した学習用データや「AIモデルを使ってみよう(推論)」で指定した推論用データ。
※こちらのData入力方法については「4-2 学習データを選択」、「5-2 推論用データを選択」をご確認ください。

②Data管理画面からデータ登録
※こちらのページでは、②Data管理画面からのアップロードの説明となります。

● 「My Data」管理

「My Data」タブでは、AIMINA上にアップロードした利用者のデータが一覧表示されます。一覧では、データの登録名、データの説明(概要)、データの学習用/推論用種別、アップロードしたデータの使用AIモデル(AIカテゴリー、AI手法名)などを確認いただけます。
また、対象のデータ名称をクリックすると、リスト下がアコーディオン式に開いて詳細が表示され、詳細内よりデータ情報を編集いただけます。

マイデータ管理

<ヘッダー情報>

・Sort by:
日付、ステータス、およびデータ名でソートできます。
・データ使用状況ステータスバー:
ご利用プランごとに登録できるデータ量の上限があります。こちらのステータスバーにてアカウントごとの現在の使用状況を確認いただけます。
※なお、上限はプラン毎に異なります。
・アップロード:
こちらより、利用者のローカル環境からAIMINAへデータのアップロードが実行できます。
・削除:
アップロード済みのデータを削除する際は、こちらより実行いただけます。

<リスト内表示>

・データ名:
データをAIMINAにアップロードした際に設定したデータ名が表示されます。
・作成日:
データをAIMINAに登録した日が表示されます。
・作成者:
データをAIMINAに登録した方の氏名が表示されます。
・データ概要:
データをAIMINAにアップロードした際に記入したデータの説明文が表示されます。
・ステータス:
データのアップロード状況を確認できます。完了、エラー、Uploadingで表示されます。
・データ容量:
ご利用プランごとに登録できるデータ量の上限があります。
※なお、上限はプラン毎に異なります。
・お気に入り:
データごとにお気に入り表示させることができます。ハートのマークをクリックすると色がつきます。お気に入りはユーザーごとにご利用いただける機能です。
・コメント:
アカウントに紐づくユーザー間で各データについてのメッセージ交換ができます。

<詳細内容>

・データコード:
データアップロード時に自動生成されるユニークなコードで編集はできません。
・種別:
対象データの使用用途が学習用のデータ、もしくは推論用のデータか区分が表示されます。なお、こちらよりデータ種別の変更ができます。
・カテゴリー名:
対象データの使用用途とするAIカテゴリー名が表示されます。なお、こちらより使用用途のAIカテゴリーを編集することができます。
・ダウンロード:
こちらのダウンロードボタンより、対象のデータをダウンロードいただけます。
・変更ボタン:
「My Data」タブより、アップロード済みデータの情報を編集いただけます。編集対象のデータ名をクリックすると、リスト下がアコーディオン式に開いて詳細が表示されます。「変更」ボタンよりデータ名、データ概要のテキストおよび学習/推論種別を編集いただけます。

● データのアップロード方法

「Data管理 Dashboard」上部の「アップロード」ボタンをクリックすると、「データアップロード」画面が表示されますので、ローカル環境からアップロードください。

データの登録方法は、「ファイルを選択」ボタンをクリックし、Zip形式のファイルを選択し、データを登録いただくか、「フォルダから選択」ボタンをクリックし、ローカル環境のフォルダからファイルを選択いただくか、ローカル環境のフォルダから「データをアップロード」画面に対象のファイルをクリック&ドロップで投入していただくかの3通りあります。

※ご利用いただいているプラン毎に登録できるデータ容量の上限があります。また、一度に登録可能なデータサイズの上限があります。詳細は「アカウント管理/リソース管理」にてご確認いただけます。アカウント管理者以外の利用者は、アカウント管理者へお問い合わせください。

※学習で利用するデータは対象となるAI手法ごとに登録するフォーマットや条件が異なります。

詳細は「5.AI手法別学習/推論機能詳細」に関する記述を参照ください。

● データのアップロードファイル形式について

以下ガイド以外の方法でデータをアップロードするとエラーとなりますので、ご確認ください。

差し替え

【システム共通】
※データのファイル名やデータを分類するフォルダ名は半角英数字で記載ください
※対象のデータは1つのフォルダに集約し、フォルダ名は必ず「dataset」(半角小英字)としてください。
※1つのフォルダに集約いただいたフォルダ「dataset」をZip形式に圧縮したファイルで投入してください。
※ご利用いただいているプラン毎に、一度に登録可能なデータサイズの上限があります。詳細は「アカウント管理/リソース管理」にてご確認いただけます。アカウント管理者以外の利用者は、アカウント管理者へお問い合わせください。

【AI手法ごと】
学習で利用するデータは対象となるAI手法ごとに登録するフォーマットや
条件が異なります。詳細は「6.AI手法別学習/推論機能詳細」に関する記述を参照ください。

・「ファイルを選択する」場合

ファイル形式:ZIP
※ZIPファイルの作成方法:すべての学習及び推論用のデータを「dataset」フォルダにまとめ、ZIPに圧縮したかたちでアップロードいただきます。

※データのアップロードファイル形式について 「ファイルを選択する」場合


・「フォルダを選択する」場合

①「フォルダを選択」をクリックする
※フォルダの名称は「dataset」(半角小英字)としてアップロードしてください。

※データのアップロードファイル形式について 「フォルダを選択する」場合

②アップロードするフォルダを選択

※データのアップロードファイル形式について 「フォルダを選択する」場合

③「アップロード」をクリックする

※データのアップロードファイル形式について 「フォルダを選択する」場合

④「フォルダ」内のデータが表示されるので確認する
⑤アップロードをクリックする

※データのアップロードファイル形式について 「フォルダを選択する」場合


・ローカル環境のフォルダから「データをアップロード」画面に対象のファイルをクリック&ドロップで投入する場合

フォルダ形式でもファイル形式でもアップロードが可能です。
フォルダおよびファイルの命名規則は「フォルダを選択」する場合、もしくは「ファイルを選択」する場合と同様です。

● データ削除

「Data管理 Dashboard」上部の「削除」ボタンより、アップロード済みデータの削除が可能です。
削除したいデータを選択(複数選択可)し、「削除を確定」より処理を進めてください。

①「削除」をクリック

※データのアップロードファイル形式について データ削除

②削除したいデータを選択
③削除を選択

※データのアップロードファイル形式について データ削除

④OKを選択

※データのアップロードファイル形式について データ削除

● 「Sample Data」管理

AIMINAが用意したサンプルデータは、こちらからダウンロードしご利用いただけます。

※データのアップロードファイル形式について データ削除 「Sample Data」管理

<リスト内表示>

・データ名:
AIMINAサンプルデータ名です。
・作成日:
AIMINAにてデータ登録した日付です。データが更新されましたら、更新された日付が表示されます。
・作成者:
サンプルデータの登録者はシステム管理者(AIMINA運用者)です。
・データ概要:
サンプルデータの説明文が記載されております。
・データ容量:
ご利用プランごとに登録できるデータ量の上限があります。※なお、上限はプラン毎に異なります。

<詳細内容>

・データコード:
データアップロード時に自動生成されるユニークなコードで編集はできません。
・種別:
対象データの使用用途が学習用のデータ、もしくは推論用のデータか区分が表示されます。
・カテゴリー名:
対象データを使用用途とするAIカテゴリー名が表示されます。
・ダウンロード:
こちらのボタンより、サンプルデータをダウンロードいただけます。

9.アカウント機能

TOP画面の右上の「設定」(歯車マーク)より、以下項目を変更・更新することができます。

9-1. マイアカウント
管理
9-2. アカウント管理
①マイアカウント情報変更 ①アカウント情報変更 ⑦利用規約
②アカウントユーザー管理 ⑧セキュリティーポリシー
③料金プラン変更 ⑨特定商取引法に基づく表記
④支払い情報変更 ⑩運営会社
⑤請求履歴 ⑪問い合わせ
⑥リソース管理

9-1. マイアカウント管理

①マイアカウント情報変更

初期登録時に設定した、氏名・フリガナ、パスワード、職種、会社名・部署・役職名、秘密の質問・質問の回答、2要素認証の設定、メールマガジン配信設定を変更する際は、こちらから更新いただけます。

マイアカウント情報変更手順

更新したい項目の横にある「変更」ボタンをクリックし、更新を実行してください。

マイアカウント情報変更手順



補足:「2要素認証の設定」方法

あらかじめ設定されている標準状態では無効になっています。2要素認証「無効」の状態では、以下手順にて有効化が可能です。

2要素認証設定手順
認証システムを使用し、表示されているQRコードを読み取ると6桁の認証コードが表示されます。
認証コードを入力欄に記載し、有効化ボタンを押してください。
対応認証システム:Google Authenticator、Microsoft Authenticator

2要素認証設定手順


2要素認証無効化手順
無効にしたい場合は、無効化するボタンを押してください。

2要素認証無効化手順

※注意事項
認証システムを端末から削除した場合、及び端末を変えた場合は、一度無効化してから再度有効化設定を行ってください。

9-2. アカウント管理

①アカウント情報変更

アカウント管理者のみ以下内容を更新することができます。

アカウント情報変更
<変更可能項目>

・アカウント名
・業種
・アカウント作成時のユーザー登録内容(住所、電話番号)

アカウント情報変更

更新したい項目の横にある「変更」ボタンをクリックし、変更内容を記入の上「更新」を実行してください。

② アカウントユーザー管理

ご利用アカウントに紐づくユーザーの一覧を確認、更新することができます。
各ユーザーの詳細情報確認から、ユーザーのアカウント招待、削除もこちらから実施します。

アカウントユーザー管理

アカウントユーザー変更・削除は、ユーザー一覧の画面から「変更」ボタンを押して実施します。
アカウントユーザー変更においてユーザー権限を更新することが可能です。権限は、「ユーザー」または「アドミン」を選択することが可能です。

アカウントユーザー管理


「アカウントユーザーの招待」

アカウントにユーザーを招待するときは、アカウントユーザー一覧画面の下部にある「アカウントユーザーの招待」ボタンより、招待するユーザーのアドレスと権限を選択し招待を進めます。招待メール送信後、招待されたユーザーがメール内のリンクよりユーザー登録を行います。

アカウントユーザーの招待

補足
アカウント管理者
アカウントの以下閲覧、更新が可能な管理者です。(閲覧権限)※アカウント管理者のみ可能権限

・アカウント情報詳細取得
・アカウント情報更新
・料金プラン更新
・請求履歴取得
・請求履歴CSV出力
・リソース詳細取得
・データ削除
・ダウンロードライセンスの使用
・AIモデル削除
・推論実施結果CSV出力

アカウントユーザー
アカウントに招待したユーザーを指します。以下「アドミン」と「ユーザー」の権限があります。

アドミン:複数グループの情報閲覧が可能な権限です。アドミン権限には、以下の更新権限があります。
・データ削除
・ダウンロードライセンスの使用

ユーザー:所属しているグループ内の情報のみ閲覧可能な権限です。
※フリープランにグループ機能はございません。その為、アドミンとユーザーの権限は同様です。

③ 料金プラン変更

ご利用中のAIMINAプランを変更する際は、こちらからプランのアップグレードのみ変更が可能です。プランをアップグレードされた際は、翌月1日より変更後のプランに更新されます。
フリートライアルプランから有料プランへ更新される場合は、クレジットカード情報の登録が必要になるため、遷移するクレジットカード情報登録ページ経由の上、プランを変更いただけます。
なお、ダウングレード(ご利用プランを下げる)をご希望の方は、料金プラン変更画面の下部にありますお問合せより、プランを下げたい旨をお問い合わせください。

画像差し替え

④ 支払い情報変更

ご利用のクレジットカードを変更される場合はこちらから変更いただきます。
クレジットカード決済において与信エラー発生メールを受信された際は、通知メール受信より3日以内にこちらよりクレジットカード情報を更新ください。与信エラーが解消されない場合はアカウント停止処理されます。
※メールの件名:【重要】[AIプラットフォーム AIMINA]お支払いの対応依頼

支払い情報変更

「クレジットカード番号」横の「変更」ボタンをクリックし、表示画面に従って内容を更新してください。

⑤ 請求履歴

請求の履歴はこちらの画面から確認いただけます。以下画面の赤枠箇所に、「YYYY/MM」(例:2021/12)と半角数字とスラッシュで検索対象年月を記載し、「参照」ボタンをクリックしてください。
また、月単位の請求項目をCSV形式にてダウンロードが可能です。対象年月を表示し、「CSVダウンロード」ボタンをクリックください。

請求履歴

⑥ リソース管理

ご利用中のプラン詳細、使用ストレージ詳細を確認いただけます。使用中ストレージ容量の詳細も容量の大きい順に一覧表示されますので、合わせてご利用状況をご確認ください。
また、リソース上限のお知らせメールを受信されましたら、こちらより詳細をご確認ください。
※メールの件名:【ご確認ください】[AIプラットフォーム AIMINA]リソース上限のお知らせ

リソース管理

⑦ 利用規約

利用規約をご確認いただけます。
※利用規約更新時には、ログイン時に同意を求めるポップアップが表示されます。

⑧ セキュリティーポリシー

AIMINA運営会社「SB C&S株式会社」のWEBサイトへリンクしています。
リンク先のページにて個人情報等、セキュリティーポリシーをご確認いただけます。

⑨ 特定商取引法に基づく表記

特定商取引法に基づく表記を記載しております。

⑩ 運営情報

AIMINA運営会社「SB C&S株式会社」のWEBサイトへリンクしています。そちらで会社情報を確認ください。

⑪ 問い合わせ

AIMINAに関するお問い合わせはこちらから送信いただけます。
「プランについて」「使い方について」「料金について」「システムトラブルについて」「その他」から、お問い合わせのカテゴリーを選択し、具体的なお問い合わせ内容をテキストボックスにご記入ください。

※お問い合わせいただいた際に伺った個人情報は、ご回答のために必要な範囲に限定して利用させていただくとともに、個人情報保護方針に基づき厳重に取り扱いを行います。
内容によっては回答をさしあげるのにお時間をいただくこともございます。
また、休業日は翌営業日以降の対応となりますのでご了承ください。

問い合わせ

10.アカウント作成

AIMINAをご利用いただくために、アカウントを作成する初期登録が必要です。
AIMINAポータルサイト(https://aimina.com/)上で「お申込み」ボタンをクリックすると、アカウント作成がはじまります。
アカウント作成の流れは以下の通りとなります。
10-1. メールアドレスの入力とメールの受信
10-2. アカウント登録

10-1. メールアドレスの入力とメールの受信

メールアドレスの記入欄にAIMINAで利用するメールアドレスを記載ください。
「利用規約」と「個人情報の取り扱いについて」に同意(チェックボックスにチェック)いただき、「送信」ボタンをクリックください。
※こちらで記入するメールアドレスは、今後AIMINAからのシステムメール配信先となります。
※メールアドレスの記載に誤りがないか確認の上で送信ください。

画像差し替え

「送信」ボタンをクリックすると、記入されたメールアドレス先に『件名:[AIプラットフォーム AIMINA]本登録のご案内』メールが配信されます。
メール内に記載されているURLより、ユーザー登録のお手続きをお願い致します。

画像差し替え

※メールが受信できない場合は迷惑メールに入っていないか確認ください。
※ご注意:この認証メールの有効期間は48時間です。
48時間以上経過した場合、仮登録データは削除されますので、ユーザー登録をはじめからやり直して頂きます。

10-2. アカウント登録

本登録のご案内メール内に記載されているURLをクリックすると、ユーザー登録画面が開きますので、以下の4ステップで本登録を完了ください。完了後、アカウントが発行されます。
①ユーザー情報入力
②料金プランの選択
③支払い情報入力
④登録情報確認

①ユーザー情報入力

以下の項目を入力ください

ユーザー情報入力

<リスト内表示>

氏名(必須):
姓と名を記入ください。(全角)
フリガナ(必須):
フリガナを記入ください。(全角カタカナ)
アカウント名:
AIMINAで使用するアカウント名を設定ください。
グループ名:
アカウント名が自動的に反映されます。
※グループ機能はフリープランでご利用いただけません。
パスワード(必須):
AIMINAにログインするパスワードを設定ください。
※英大文字、英小文字、数字、記号のうち3種類以上を選択の上、10文字以上で設定ください
パスワード確認(必須):
パスワードに誤りがないか再記入ください。
業種(必須):
お勤め先の業種を選択よりお選びください。
職種(必須):
お勤め先の職種を選択よりお選びください。
会社名(必須):
お勤め先の会社名を正式名で記入ください。
部署名:
お勤め先の部署を記入ください。
役職名:
お勤め先の役職を記入ください。
郵便番号(必須):
郵便番号をハイフンなしで記入ください。(半角数字)
都道府県(必須):
都道府県を選択よりお選びください。
市区町村、番地(必須):
都道府県以下の住所情報を記入ください。
ビル名、階数:
ビル名、階数はこちらに記入ください。
電話番号(必須):
固定電話か携帯電話いずれかを記入ください。
ウェブサイト:
お勤め先のウェブサイトURLを記入ください。
秘密の質問(必須):
パスワードの再設定などに使用します。選択肢より秘密の質問を選択ください。
秘密の回答(必須):
選択した秘密の質問の回答を記入ください。
メールマガジンの配信を希望する:
今後、AIMINAより情報を配信します。不要の方はチェックを外してください。

上記項目を最後まで入力いただき、「次へボタン」をクリックください。

ユーザー情報入力

※入力フォーム右にあるスクロールバーで下へ進み、すべての項目を記載の上で「次へ」をクリックください。

②料金プランの選択

ご利用の料金プランを選択していただきます。「無料プラン」と「有料プラン」がありますので、各プランの情報は「詳細」ボタンをクリックしてご確認ください。
詳細表示にて以下内容がご確認いただけます。

料金プランの選択

準備中

<詳細表示>

タイトル:
プラン名、プラン説明
・プラン月額(税抜き):
プランごとのご利用金額
※契約単位ごとのご契約で月々払いとなります。
・対象:
プランで利用可能なAIカテゴリー
・利用ユーザー数:
プラン内で利用可能な利用ユーザー数上限
・契約単位:
契約期間
※契約期間内での途中解約はできません
・インスタンス(学習用):
プランで利用している学習時のインスタンスとコンピューターリソース
・インスタンス(推論用):
プランで利用している推論時のインスタンスとコンピューターリソース
・データ容量上限(最大/アカウント):
プラン毎に設定された1アカウントで保存できる最大データ容量
・データ容量上限(ファイル):
プラン毎に設定された1度に登録できるデータ(フォルダorファイル)のデータ容量上限
・最大利用可能時間:
プラン毎に設定された1か月の間で利用できる最大利用時間

プランが決まったら、「確定」ボタンをクリックし次に進んでください。

③支払い情報入力

有料プランを選択された方は、クレジットカード情報を登録いただきます。画面に表示の項目を記入ください。なお、無料プランを選択された方は、こちらの支払い情報入力ページはスキップされます。

準備中

④登録情報確認

①ユーザー情報入力、②料金プランの選択、③支払い情報入力のステップで記入、選択いただいた内容の最終確認をお願いします。
内容に問題なければ、利用規約に同意(チェックボックスにチェック)し、「OK」ボタンをクリックしてください。

支払い情報入力
支払い情報入力

「登録が完了しました」のページに遷移し、「本登録完了のお知らせ」メールが配信されます。
メール内にアカウントコードが記載されておりますので、ご確認ください。
こちらでAIMINAをご利用いただく前のアカウント作成は完了です。
ログイン画面に、登録いただいたメールアドレスとパスワードを入力し、ご利用を開始いただけます。

登録情報確認
登録情報確認

11.注意事項

●平日18:00から翌9:00まで、週末金曜日18:00から月曜日9:00まではメンテナンス時間となります。都合により前後することがあります。メンテナンス中はログインはできなくなりますが、学習/推論中のものは停止しません。また、緊急メンテナンスの際はAIMINAポータルサイトにて随時ご案内させていただきます。

●長時間放置(動作確認がない場合):セッションのタイムアウトアラートが表示されますので、再度ログインしてください。

●登録完了後、メールが届かない場合、迷惑フォルダにメールが振り分けられていないかご確認ください。迷惑フォルダにメールがない場合は登録のメールアドレスが正しいかご確認ください。

Loading...