【中止】次世代の説明できるAI(XAI)と企業へのXAI導入を成功させるコツ【LIVE配信】
開催日 |
10:30 ~ 16:30 締めきりました |
---|---|
主催者 | (株)R&D支援センター |
キーワード | AI(人工知能) 機械学習・ディープラーニング |
開催エリア | 全国 |
開催場所 | お好きな場所で受講が可能 |
深層学習の問題を解決するXAIと、
企業へのXAI導入について平易に解説!
本セミナーはZOOMを使ったLIVE配信セミナーです。会場での参加はございません。
セミナー修了後、受講者のみご覧いただける期間限定のアーカイブ配信を予定しております。
セミナー講師
横浜国立大学 大学院 環境情報学府・研究院
情報メディア環境学専攻 教授 長尾 智晴 氏
セミナー受講料
55,000円(税込、資料付)
■ セミナー主催者からの会員登録をしていただいた場合、1名で申込の場合49,500円、
2名同時申込の場合計55,000円(2人目無料:1名あたり27,500円)で受講できます。
備考欄に「会員登録希望」と希望の案内方法【メールまたは郵送】を記入ください。
(セミナーのお申し込みと同時に会員登録をさせていただきますので、
今回の受講料から会員価格を適用いたします。)
※ 会員登録とは
ご登録いただきますと、セミナーや書籍などの商品をご案内させていただきます。
すべて無料で年会費・更新料・登録費は一切かかりません。
受講について
- 本セミナーは「Zoom」を使ったライブ配信セミナーとなります。
- 「ミーティング用Zoomクライアント」をダウンロードするか、ZOOM をダウンロードせず、Web ブラウザから参加するかの2種類がございます。
- お申込み後、受理のご連絡メールをさせていただきます。
一部メールが通常セミナー形式(受講券、請求書、会場の地図)になっておりますがLIVE配信のみのセミナーです。 - お申込み後、接続テスト用のURL(https://zoom.us/test)から「ミーティングテストに参加」を押していただき動作確認をお願いします。
- 後日、別途視聴用のURLをメールにてご連絡申し上げます。
- セミナー開催日時の10分前に、視聴サイトにログインしていただき、ご視聴ください。
- セミナー資料はPDFにて前日までには、お送りいたします。
- ご質問については、オープンにできるご質問をチャットにご記入ください。
個別相談(他社に知られたくない)のご質問は後日メールにて講師と直接お願いします。 - タブレットやスマートフォンでも受講可能ですが、機能が制限される場合があります。
- 講義の録音、録画などの行為や、テキスト資料、講演データの権利者の許可なく複製、転用、販売などの二次利用することを固く禁じます。
セミナー趣旨
現在、人工知能技術として深層学習(ディープラーニング)による機械学習についての研究や開発が注目されていますが、深層学習には膨大な学習データが必要であり、学習によって作られる処理がブラックボックスになって説明できないなど、企業でAIを用いる際の課題も多く、説明性が高い次世代のAI技術であるXAI(eXplainable AI)が求められています。本講座では、少ない学習データから説明性の高い処理を自動構築することができるXAI技術として、深層学習などの機械学習の精度と説明性を向上させる代表的な手法、最近注目されている“進化的機械学習”などの原理・方法・適用事例について紹介します。また、企業にXAIを導入させる際に陥りやすい諸問題や、XAIの利用上の注意などについても併せて解説します。
受講対象・レベル
機械学習および人工知能に関心がある方、現状の深層学習に問題を感じている方、仕事や業務にAIを導入する方法や成功の秘訣などに関心がある方などを対象とします。
数式をほとんど使わなずに平易な解説を行いますので、人工知能にあまり詳しくない方や、これから人工知能を学ぼうとする方でも大丈夫です。
習得できる知識
・人工知能と機械学習のキーポイント
・深層学習の現状・利点と課題
・説明できるAI(XAI)の考え方と代表的な手法
・企業へのXAI導入成功のコツ
セミナープログラム
1.人工知能と機械学習
1.1 人工知能とは何か?
1.2 機械学習の種類と方法
1.3 教師あり/なし/半教師あり学習
2.深層学習(ディープラーニング)の現状と課題
2.1 階層型神経回路網の原理
2.2 深層学習の基礎と最近の手法
2.3 深層学習の問題点とその対策
3.XAI ~ブラックボックス機械学習の説明性向上~
3.1 説明できるAIとは?
3.2 深層回路の可視化手法
3.3 深層回路の圧縮と簡約化
3.4 処理が理解し易い深層回路と言葉による説明
4.XAI ~ホワイトボックス機械学習の精度向上~
4.1 進化的機械学習の原理
4.2 特徴量の最適化法
4.3 わかり易い処理の自動構築
4.4 決定木などの言葉による説明
5.XAIの応用事例
5.1 少量データを用いた機械学習の例
5.2 既存知識の転移・蒸留・浸透例
5.3 ヘルスケア領域へのXAIの応用例
6.企業へのXAI導入方法
6.1 XAI導入における「基本8箇条」とは?
6.2 XAIコンサルの必要性
7.まとめと質疑応答
キーワード
機械学習,ディープラーニング,AI,人工知能,Deep Learning,研修,講習会