弊社で扱う最適化技術は，数理最適化のことで，実際問題の『どうすればいいか』の答えを計算するための技術です．数理最適化は実際問題を抽象化し，数理モデル（複雑な数式）として表現することで，たくさんある答えの中から最適な答えを科学的に計算します．

このように，簡単なルールや勘ではなく，より科学的な計算にもとづいた意思決定を行うことで，意思決定の自動化（高速化）だけでなく，コスト最小化（利益最大化）のようなより良い意思決定が可能になります．

また，最適化では問題を抽象化して解くため，現実社会では異なる問題でも，ほぼ同じアルゴリズムが適用可能なことも多いため，幅広い分野の問題を解くことが可能です．

ビジネスの観点から：

• 真の効率化が実現できます．ビジネスの意思決定は考慮すべき条件も多く，実行可能な意思決定の組み合わせも膨大な数になるため，簡単な計算やルールだけでは，本当の最適な意思決定を選ぶことはほぼ不可能です．最適化技術はその本当の最適な意思決定（厳密解）を見つけ出すことができます．（厳密解でない近似解の場合も，簡単な計算やルールでの解より大幅に良い解のことがほとんどです．）
• 変化に強い計画が可能です．想定される変化に対し最適化ベースのシミュレーションを行うことで，ロバストな計画が可能になります．
• 変化への迅速な対応が可能です．意思決定の自動化（もしくは半自動化）が可能になるため，想定外の変化へも迅速な対応が可能です．
• 特定の人に依存しない持続可能なビジネスにすることができます．

技術の観点から：

• 最適化は新しい技術ではありませんが，以前と比べると非常に高速に（最適化アルゴリズムとコンピューター計算速度）なっています．（20年前は2ヶ月→今は1秒で厳密解）
• 最適化に必要なデータが取れるようになっており，最適化技術が使える人材も増えてきています．
• pyhonの普及で最適化モデリングや実験などがより短時間で，簡単にできるようになっています．
• 多くの成功事例があり，長年の知見が蓄積されてきたため，実務への応用に適している技術です．

最適化のソルバーは無料のものから数千万円するものまで，様々なものがあります．それではどのソルバーを選択すれば良いのでしょうか？それは解決すべき問題に依存します．最適化問題は細かく分類されます．非線形なのか線形なのか，非凸なのか凸なのか，整数が含まれているのかそうでないのか，などなど専門的には数百の分類があります．それぞれの問題クラスに対して適切なソルバーを選択することが肝要です．さらに，同じ問題のクラスに対しても，その規模に応じて推奨するソルバーが異なってきます．オープンソースのソルバーで解ける問題に対して高価なソフトウェアは必要ありません．解きたい問題を教えていただければ，導入コンサルティングで，最も適した（最も安価な）ソルバーをご提供することができます．もちろん市販のソルバーで解けない問題もあります．その場合には，問題に応じたソルバーを設計・開発することも可能です．

深層学習に対するフレームワークには様々なものがあります．GoogleのTensorFlowやFacebookのPyTorchやPrefferd NetworksのChainerなど，各社が競って開発を進めています．我々が現在推奨しているのはfastaiです．これは，PyTorchをもとにAIの民主化を目標にして開発されたものです．我々は多くのフレームワークを性能と速度と開発とメンテナンスのしやすさで比較し，現状ではfastaiが使いやすいと判断しました．問題は，日本語の情報がほとんどないということですが，弊社の専門家によってソースコードから解析済みで，多くの応用に対して，現状での最高レベルの性能の深層学習が可能になっています．ただし，強化学習は問題依存で開発する必要があるので，その際にはTensorFlowを使用してご提供する場合もあります．

基本的には，ベンチマーク問題とよばれる公開データに基づいて評価をしています．たとえば，数理最適化問題に対してはMIPLIB，深層学習に対してはbenchmark.aiにあるデータセット(MNISTやcifar-10,100やCOCOなど）を用いて評価します．特別な問題に対しては，問題ごとに応じた配送計画やスケジューリングのベンチマークセットに対して実験を行います．さらに，独自に生成したサプライ・チェイン最適化で重要と思われる問題に対しても比較をします．

深層学習は優良な無料講義がたくさんあります．

Andrew Ngの機械学習：基礎理論をこれで勉強します．

deep-learning.ai: 同じくAndrew Ng氏の連続講義で深層学習の基本を勉強します，練習問題をPythonで自分で書いてみることをお勧めします．

David Silverの強化学習:  強化（深層）学習についての連続講義です．

fast.ai : Jeremy Howard氏による連続講義です．開発環境のfastaiも無料で公開しています．

Introduction to Deep Learning: MITの2020年度版の講義です．基礎から最新情報まで幅広い知識を得ることができます．

日本語での講義をご希望でしたら，上の講義をまとめたものを弊社からご提供できますので，お気軽にお問い合わせ下さい．