SERVICE KUNOのサービス

最新の技術力をもって、AIの導入/運用サポート・WEBクラウド・スマホアプリ・IoT開発/運用など…… 課題解決に寄り添う、お客様のニーズに沿った総合的な提案を行ないます。

AI部門

AI×未来業務改善から、
新サービスの開発へ。

現在、幅広い分野・業種でAIは活用されています。当然のように業務改善のフローに組み込まれ、あるいはサービスの一環として実用化されているAI……昔から言われていたRPAだけではなく、思いもよらない領域での活躍しはじめているため、よほど注意深くみていないと気付かれないでしょう。特にここ数年、機械学習・深層学習についての技術進捗は日進月歩です。

株式会社KUNOは、Googleの機械学習ライブラリ【TensorFlow】のイベントを日本初で開催・以降ユーザーグループを牽引しているなど、この分野に、積極的に関わってまいりました。IoT、ビッグデータ活用、DXへの対応、５G関連技術の活用……研究開発のスタートから提案～実践できるエキスパートパートナーとして、お客様のさまざまなニーズにお応えします。

OUR VALUES

論文調査
基礎研究
方向付け
技術選定
設計
開発作業
実装
試験
商用化

どうデータをとるか。
何にどう活用するか──
今後大切になってくるのは、
「基礎研究」ベースの考え方。

ヒヤリングした内容を分析し、一段階掘り下げて【論文調査】から設計に落とし込み、他にはない【プロトタイプソリューション】を行うことができます。

KUNOはJDLA(一般社団法人日本ディープラーニング協会）の正会員です。JDLAは日本の産業がディープラーニングをより有効に活用して、産業競争力を高めていくことを目指し、ディープラーニングの有識者が中心となって、産業促進を促すために設立された団体です。

AI部門-導入事例

AI - CASE 01
自動運転技術向上のための学習システム

クライアント：自動車メーカー様

画像認識による物体検知システム。
継続的な学習のためのパイプライン構築

オープンセット認識

Explainable AI

クラスタリング

FewShot Learning

Deep MetricLearning

Data Augumentation

OTHER WORKS

AI
公共インフラ施設の画像認識モデルの精度改善

公共インフラ事業

業務に使用する画像認識システムの精度を上げるため、データの前処理や、現システムの問題原因調査から、手法の選定・学習まで、顧客のニーズに応じた提案・実装・実験をし、最終的に顧客からの制約条件の中に認識精度を大幅に改善した。
- Vertex AI
- ViT(Vision Transformer)
AI
学習の自動化用パイプライン構築

製造業

物体認識の精度を高めていくために、大量の訓練データによる学習を継続的に行う必要があり、人力での作業負荷に懸念があった。学習結果の評価や改善を自動化するパイプラインを構築した。
- CloudDataFlow
- Data Augumentation
- Google Cloud
- TensorFlow
AI
配置の最適化（数理最適化）

合弁ベンチャー企業

売上の変遷や地域性など様々な観点を加味した最適な配置を自動的に行えるモデルの開発・チューニング。数理最適化・クラスタリング・状態空間モデルを用いたプロトタイプを開発した。
- 数理最適化、クラスタリング、状態空間モデル
AI
物体検出アルゴリズムセミナー

金融機関系開発会社

研修対象者（受講者）のレベル感やニーズを事前にヒアリングし、教育の狙いに合わせてプログラム設計。弊社CTO新村が開発事例などを交えて講義実施いたしました。
- SSD: Single Shot MultiBox Detector、 Mask R-CNN、

クラウド部門

導入から開発までワンストップで任せられる
心強いクラウドエキスパートサービス

Google Cloud パートナー企業として、Google cloud 技術の資格保有者が多数在籍する弊社は、「Google Cloud上の環境構築／システム構築」はもちろん「オンプレからクラウドへのシステム移行」「アプリケーションの開発」など、スペシャリストとして効率的なシステム開発をご提案可能です。

またAzureやAWSにも対応。既存データの活用から、高い処理能力を求められるバックエンド開発までスケール問わず柔軟に対応します。

OUR VALUES

規模感問わず頼れる、
ビジネスへの【豊富な対応力】
があります。

小さな工場の管理のようなミニマムな相談から、PMも含めた大規模開発まで。規模感問わず頼れる、ビジネスへの【豊富な対応力】があります。

KUNOはそれぞれの規模に合わせ、提案から運用まで、ワンストップで相談できる環境・そして実績があります。御社の疑問・希望に寄り添い、基礎研究からビジネスまで、とことんお付き合いします。

クラウド部門-導入事例

CLOUD - CASE 01
コールセンター業務改善

クライアント：通信会社様

入電内容の自動仕分けシステム。
膨大な数のお問い合わせ記録から、
データの有効活用でニーズ動勢を把握。

LDA（潜在的ディリクレ配分法）

クラスタリング（Affinity Propergation, 階層型クラスタリング）

scikit learn

gensim
CLOUD - CASE 02
基幹システムのクラウド化

クライアント：販売代理店様

オンプレミスからクラウドへの移行
会計管理・販売管理のクラウド内完結に向けて。

Google App Engine

BigQuery

Google Compute Engine

DataFlow

Stack Driver

OTHER WORKS

AI
公共インフラ施設の画像認識モデルの精度改善

公共インフラ事業

業務に使用する画像認識システムの精度を上げるため、データの前処理や、現システムの問題原因調査から、手法の選定・学習まで、顧客のニーズに応じた提案・実装・実験をし、最終的に顧客からの制約条件の中に認識精度を大幅に改善した。
- Vertex AI
- ViT(Vision Transformer)
AI
学習の自動化用パイプライン構築

製造業

物体認識の精度を高めていくために、大量の訓練データによる学習を継続的に行う必要があり、人力での作業負荷に懸念があった。学習結果の評価や改善を自動化するパイプラインを構築した。
- CloudDataFlow
- Data Augumentation
- Google Cloud
- TensorFlow
AI
配置の最適化（数理最適化）

合弁ベンチャー企業

売上の変遷や地域性など様々な観点を加味した最適な配置を自動的に行えるモデルの開発・チューニング。数理最適化・クラスタリング・状態空間モデルを用いたプロトタイプを開発した。
- 数理最適化、クラスタリング、状態空間モデル
AI
似ている顔判定

通信・インフラ系開発会社様

顔の特徴点抽出には、Microsoft AzureのFace APIを活用して開発コストと工期を抑えて開発。
またアプリ挙動の遅延を防ぐため、サーバ／DB上での処理を優先する構成にて構築した。
- Azure DevOps Services
- Face API