結果を出すって難しい！ | cloud.config Tech Blog

こんにちは！2023年入社の橋本です。初めてのブログ投稿になります！

本記事では簡単な自己紹介と学生時代に行った研究についてすごーく簡単にお伝えしたいと思います！

自己紹介

----------皆さん車乗っていますか!?!?--------------

私はペーパードライバー歴もうすぐ5年になります...

そんな私は大学院で単純な興味で2年間車の部品の故障予防予測をテーマに研究をしていました。

みなさんはオイル交換やバッテリー交換してますか？

大体の方が1年毎であったり、走行距離に応じて定期的に交換を行っていると思います。

では、エンジンやオルタネータ(発電機)交換していますか？？？？

ほとんどの方が壊れてから交換、もしくは一度も壊れることなく車ごと変える方が多いと思います。

リース車を借りている方、最近は整備、メンテナンスを一括で引き受けてくれるサービスもあるかと思います。

だけど整備、メンテナンスしてくれているはずなのにエンジンの故障などで突然車が使えなくなるのって不便ですよね。

ってことで私は企業様から車の新車の状態からある期間までの全ての整備記録が記されたデータを頂き、壊れたら一発アウトな部品(わかりやすく以降例としてエンジン) が壊れる前に察知して予防交換できるようにしよう！っていう研究をしていました。

使ったメイン手法は生存時間解析という統計的手法を用いて解析を行っていました。

データ解析といえば機械学習も挙げられると思いますが、生のデータを使うと機械学習に使えるデータがすっごく少なくなるんですよね、というのもみなさんが乗ってる車でエンジン交換したことありますか？

多分ないかと思います。機械学習で

出力は後〇〇km 走ったら 50% で壊れるという回帰的な結果が欲しい

場面って壊れた車のデータを用いて結果を出すと思います。

だけど壊れていない車の割合のほうが圧倒的に多いわけで、同じ距離を走っても壊れていない車のデータも立派なデータで活用していきたいということで

壊れていない車を打ち切りデータとして捉えることで生存時間解析という手法を用いて解析していました。

結果としては個人的には思ったより結果が出たという印象です。

というのもやり残したことがまだまだあったなぁという感想です。

後は評価の仕方について企業様と話し合う時間が足りなく、自分の結果、評価について合わせてもらった気もします。

そのため本当に企業側が必要としている結果ではなかったのかもしれません。

時間がなかった理由はそもそも評価するための、分析結果モデルの作成の進捗が悪かったのが後の一番大切な評価が充実させきれなかったです。

スケジュール管理頑張りたいと思います！！！！！！！

自分が主体になって動く作業について、段々と結果を出す前から結果がわかるようになるというケースが出てくると思います。

その時、気づいたら

自分が行っている作業が、自分の都合の良い方向に向かって進んでる

こともあります。しかしそれは本当に相手が求めていることなのか考える必要があります。

ゲームみたいに間違えたらセーブポイントに戻ればいいというのは現実にはできないです。

間違えた地点まで戻ることはできてもそれまでに費やした時間というのは残念ながら帰ってこないです。

そのため、

自分と相手、もしくはチーム全体で、できるだけ同じベクトルを向いて進んでいるのかこまめに話し合うというのは大切である

ということが伝えたかったことです。

最近 Chatbot すごいですよね、将来的にはデータぶち込んで、文章でデータ解析お願いしたら特徴量生成含めて全部やっちゃってくれるのかな？とも思ったりします。データ解析に必要な前提知識も google scholar とか用いればある程度嘘は省けそうですし...

私が在学中にすごいAIが更に開発されて、質問で

「それってすごいAIじゃダメなの？」

って聞かれたら泣いちゃいますね

それほどAIを通して様々な分野において、加速度的に技術の更新が行われる境目にいま私たちはいるのかな？とも感じます。