京都大学　大学院情報学研究科　教授　博士(工学)　加納 学　氏
専門：
プロセスシステム工学，プロセスデータ活用
京都大学大学院工学研究科化学工学専攻の助手・准教授を経て2012年から現職．仮想計測（ソフトセンサー）・異常検出・制御・最適化などの方法開発と産業応用を実施．企業との共同研究も多数実施．

AIが勝手にデータ解析をしてくれる時代が到来した．データとプロンプトを与えれば解析結果を出力してくれる．AIを使わないまでも，自動的に機械学習によるモデル構築を行ってくれるツールもある．ボタンを押すだけで，数多くの方法を試してオススメのモデルを提示してくれる．実に便利だ．しかし，それで大丈夫なのだろうか．間違った使い方をして間違った結論に飛びついていないだろか．実は，これは深刻な問題である．
生産性向上や品質改善を実現するためには，設備や製品に関する知識とデータを活用しなければならず，そのための方法を身に付ける必要がある．ドメイン知識が重要な役割を果たす．製造現場で成果をあげるために，最先端の機械学習手法が必要とは限らない．むしろ，実績豊富な方法を自分の道具箱に入れておき，それらを適材適所で使うことが大切である．目標を達成できるのであれば，手法やモデルはできるだけ単純な方がよい．
そのような観点から，本講座の基礎編では，最低限知っておくべきデータ解析手法を解説し，それらを使用する際に注意すべきこと（弱点）を指摘する．また，地味だが重要なデータ前処理にも触れる．その上で，応用編では，産業応用事例を紹介しながら，転移学習やグレイボックスモデル（ハイブリッドモデル）を含めて，実際に現場で役立つデータ活用術を紹介する．さらに，これまでの数多くの失敗経験から抽出した，データ解析で成果を挙げるための心得３箇条を示す．