Adjust characters

aws-samples · Oct 9, 2023 · dc4b207 · dc4b207
1 parent 4ca98ce
commit dc4b207
Show file tree

Hide file tree

Showing 4 changed files with 13 additions and 12 deletions.
diff --git a/README.md b/README.md
@@ -5,19 +5,19 @@
 ワークショップの実施により、次のような課題の解決ができます。
 
 * 機械学習や生成系 AI に可能性を感じるものの、技術に詳しくなく目の前の課題と結びつかない。
-* データサイエンス・分析チームとは散発的な依頼ベースのつながりしかなく、プロダクト全体への活用を議論する土壌がない。
-* 活用の機運が高まりアイデアが検討されるものの、いつの間にか立ち消えになっている。
+* データサイエンス・分析チームとは散発的なつながりしかなく、プロダクト全体への活用を議論できてない。
+* 活用の機運が高まりアイデアが検討されるものの、いつの間にか立ち消えている。
 
-上記の課題は、日本ではよく見られる課題です。例えば、日本ではデータを活用した企画や業務改善を考えられる人材が 20% 程度と米国の約 1/3 に留まり、 スタートアップでも機械学習や生成系 AI といった技術革新を受けプロダクトのピボットを検討した企業は 1 割程度に留まります。この差が、 AI の導入効果が米国に比べ 1/7 程度、スタートアップの成長率は約 1/30 と非常に低い値となる一因になっています。関心ある方は以下の資料もご参照ください。
+上記の課題は、日本ではよく見られる課題です。例えば、日本ではデータを活用した企画や業務改善を主導できる人材が 20% 程度と米国の約 1/3 に留まり、 スタートアップでも技術革新を受けプロダクトのピボットを検討した企業は 1 割程度に留まります。この差が、 AI の導入効果が米国に比べ約 1/7 、スタートアップの成長率は約 1/30 と大きく乖離する一因になっています。関心ある方は以下の資料もご参照ください。
 
 * [日本のAI導入効果がアメリカの7分の1程度しかないのはなぜなのか](https://note.com/piqcy/n/na971fee54568) : 📹[動画](https://www.youtube.com/watch?v=Uxip1ggPwtw)
 * [日本のスタートアップ企業の成長速度が米国に比べ30分の1以下という現状にデータサイエンティストは何ができるか](https://note.com/piqcy/n/n66c93427d8f0)
 
-本ワークショップではデータに基づく顧客体験の改善 (=成長サイクル) を 1~3 カ月で行う計画を作成します。ワークショップおよび計画の実行を通じて得られる共通体験により、機械学習や生成系 AI の活用、データサイエンスチームとの連携を持続的な活動とし米国同等の効果と成長率の実現につなげます。
+本ワークショップではデータに基づく顧客体験の改善 (=成長サイクル) を 1~3 カ月で行う計画を作成します。ワークショップおよび計画の実行を通じて得られる共通体験から機械学習や生成系 AI の活用、データサイエンスチームとの連携を持続的にし米国同等の効果と成長率を実現します。
 
 ## :books: ワークショップ資料
 
-ワークショップは 3 部構成となっています。Titleのリンクから資料へ、Workから成果物用のテンプレートにアクセスできます。
+ワークショップは 3 部構成となっています。 Title のリンクから各パートの詳細にアクセスできます。
 
 | Title |[理解編: 成長サイクルの理解](docs/organizer/day1.md)|[応用編: 顧客体験改善への応用](docs/organizer/day2.md)|[開始編: 検証/実装を開始する](docs/organizer/day3.md)|
 |:--------|:---------|:------|:------|
@@ -40,7 +40,7 @@ ML Enablement Workshop の特徴は 3 つです。
 * :octocat: **公共的**
    * GitHub で オープンソースとして教材を公開しており、ライセンスの範囲で無料で利用頂くことができます。[ワークショップを開催するためのガイド](docs/organizer/)を参照し、社内での機械学習やデータ活用推進などに活用いただけます。
 
-「実践的」の証明として、ワークショップの改善の歩みを残しています。関心ある方は下記記事をご参照ください。
+「実践的」の証明としてワークショップ改善の歩みを残しています。関心ある方はご参照ください。
 
 * [機械学習プロジェクトの約80%が失敗するのは伊達ではないと実感したが、現実に負けないワークショップに挑戦する](https://note.com/piqcy/n/n9c9e97896596)
    * ML Enablement Workshop 改善版について、改善前の課題と改善後のポイントをまとめた記事です。

diff --git a/docs/organizer/day1.md b/docs/organizer/day1.md
@@ -2,12 +2,13 @@
 
 ## ワークショップ資料
 
-PDF 資料 : [機械学習の成長サイクルを理解する](../presentations/ml-enablement-01-architect.pdf)
-
 | 成長サイクルの理解 | 事例の共有 | ビジネスモデル作成 |
 |:--------|:---------|:------|
 | ![day1-part1.png](./assets/day1/day1-part1.png) | ![day1-part2.png](./assets/day1/day1-part2.png) |![day1-part1.png](./assets/day1/day1-part3.png) |
 
+PDF 資料 : [機械学習の成長サイクルを理解する](../presentations/ml-enablement-01-architect.pdf)
+
+
 ## 資料の構成と提供のポイント
 
 1. 章前

diff --git a/docs/organizer/day2.md b/docs/organizer/day2.md
@@ -2,12 +2,12 @@
 
 ## ワークショップ資料
 
-PDF 資料 : [顧客体験改善への応用](../presentations/ml-enablement-02-application.pdf)
-
 | ストーリー可視化の意義 | 顧客体験シミュレーション | 顧客の確信を得る準備 |
 |:--------|:---------|:------|
 | ![day2-part1.png](./assets/day2/day2-part1.png) | ![day2-part2.png](./assets/day2/day2-part2.png) |![day2-part3.png](./assets/day2/day2-part3.png) |
 
+PDF 資料 : [顧客体験改善への応用](../presentations/ml-enablement-02-application.pdf)
+
 ## 資料の構成と提供のポイント
 
 1. 章前

diff --git a/docs/organizer/day3.md b/docs/organizer/day3.md
@@ -2,12 +2,12 @@
 
 ## ワークショップ資料
 
-PDF 資料 : [成長サイクルの検証を開始する](../presentations/ml-enablement-03-action.pdf)
-
 | 検証の重要性 | 良いマイルストン | 実行計画の作成 |
 |:--------|:---------|:------|
 | ![day3-part1.png](./assets/day3/day3-part1.png) | ![day3-part2.png](./assets/day3/day3-part2.png) |![day3-part3.png](./assets/day3/day3-part3.png) |
 
+PDF 資料 : [成長サイクルの検証を開始する](../presentations/ml-enablement-03-action.pdf)
+
 ## 資料の構成と提供のポイント
 
 1. 章前