『数理科学とコンピュータサイエンス』で、
現実世界に起こり得るあらゆる産業の問題を解決するプロフェッショナル集団です。会社紹介はコチラ
セミナーでは実績多数のコンサルタントがわかりやすくご説明します。
セミナー申し込みは当社が契約するクラウドサービス Zoho Forms で作成されたページに遷移します。
Claude Code で最適化モデリングはここまで楽になる!AI駆動開発で、最適化における「定式化から実装まで」がどう変わるのか
AIを活用することで最適化モデリングのハードルがどこまで下がるのかを、Claude Code を用いたデモンストレーションを通してご紹介します。
生成AIのPoC止まりをどう乗り越えるか ―「使えない」の正体と、本番活用・組織定着に向けた実践アプローチ―
「生成AIは何ができるようになり、何がまだできないのか」を改めて整理したうえで、 生成AIの導入において企業がつまずきやすいポイントや、PoCと本番運用の間にあるギャップを具体的に解説します。
ブラックボックス最適化で、扱える問題はここまで広がる! 「式で表せない評価や条件」を最適化計算にどう組み込むのか
ブラックボックス最適化の基本的な考え方と、従来の数理最適化との組み合わせることにより、最適化計算に組み込める問題がどのように広がるのかを解説します。
AI開発・AIエージェントで大きく変わる、製造現場の意思決定 ~生成AIによるシミュレーション開発から業務活用まで~
これまで専門知識が必要不可欠だった「シミュレーションモデル開発」を生成AIで代替し、「誰でもクイックに高精度な机上検証」を行えるアプローチについて紹介します。
データはある。でも、どう進める? ~事例で学ぶAI・データ活用「次の一歩」~
AI・データ活用の支援事例をもとに、「課題整理・活用計画」「分析の業務活用」「社内定着・人材育成」の3つの段階から、取り組みを前に進めるためのポイントをご紹介します。
Nuorium Optimization Day 2026
勤務シフトの修正支援にAIを活用した事例と、AIエージェント連携・ブラックボックス最適化の取り組みをご紹介します。
S4 Simulation System 体験 無料オンデマンドセミナー
NTTデータ数理システムが開発・販売する汎用シミュレーションシステム S4 Simulation System を、実際にご自身の手で 操作しながら、シミュレーションをご体験頂けるセミナーです。
S4 エージェントシミュレーション特別体験 無料オンデマンドセミナー
実際にご自身の手で S4 Simulation System を操作しながら、エージェントシミュレーションをご体験いただけるセミナーです。エージェントシミュレーションの解説や事例紹介も行います。

過去開催セミナー動画
NTTデータ数理システムが過去に開催した「感染症と社会シミュレーション」「製造」「公共」「特許・知財」「医療」「AI活用一般」に関するセミナー・イベントの動画を無料で視聴いただけます。
シフトスケジュールやワークスケジュールといった、『勤務シフト』の作成を最適化する方法や、システム化・自動化する一連の流れを、当社の事例のご紹介を通してお伝えします。
エージェント型AIの最新動向をお伝えするとともに、ビジネス価値につながるAI導入のための正しい技術理解と、企画・構想の極意を解説します。
AIを活用することで最適化モデリングのハードルがどこまで下がるのかを、Claude Code を用いたデモンストレーションを通してご紹介します。
製造業における、製品の需要や工場の生産能力などの制約を満たした最適な生産スケジュールの作成や、経営判断の根拠となる大日程計画の最適化をご紹介します。
製造現場における、オペレーションをリアルタイムに最適化する方法、ボトルネックの特定から改善施策の比較、効果の定量評価までを一貫して行うアプローチをご紹介します。
AIエージェント時代に企業が競争優位を獲得するために押さえるべき、リスクマネジメントや導入するときのポイントなど3つのテーマについて解説します。
不良/予兆検知などの製造業ユースケースを題材に、今あるデータで「何ができるのか」「何から始めるべきか」「どう進めると成果につながるのか」を、成果が出るデータ活用のための技術ポイントをお伝えします。
フィールドサービスの作業員の差配、運送業の配車計画、店舗の人員計画を中心に、数理最適化を活用して計画業務を最適化する方法と、その具体的な進め方をお伝えします。
数理最適化パッケージ Nuorium Optimizer の新機能、生成AIと数理最適化を組み合わせた活用法、製品の実践事例をご紹介します。
不良検知、予兆検知などのユースケースをもとに、いかにして「意味のある特徴=特徴量」を掴み、データと課題をどう紐づけ、高精度なモデルをつくるのか、技術的視点で解説します