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．