機械学習（AI）技術をどう現場で使うのか～特許/IoT・画像/Webデータ解析の実例～＜Zoomによるオンラインセミナー＞

現場での機械学習活用について詳細に解説！
特許、画像、ツイートなどの解析事例をご紹介します。

セミナー講師

国立大学法人　長岡技術科学大学
情報・経営システム工学専攻　准教授 博士（工学）　野中 尋史　先生

【略歴】
豊橋技術科学大学産学官連携研究員、名古屋大学研究員、大分工業高等専門学校情報工学科講師を経て、2015年に長岡技術科学大学講師に着任。2018年に准教授昇格。現在に至る。この間、機械学習を利用したテキストマイニング、画像解析などの研究に従事。
【専門】
機械学習応用
【本テーマ関連学協会での活動】
電子情報通信学会信越支部庶務幹事
知財工学会理事

セミナー受講料

1名47,300円(税込（消費税10％）、資料付)
　＊1社2名以上同時申込の場合、1名につき36,300円
　＊学校法人割引；学生、教員のご参加は受講料50％割引。

受講について

※本講座は、お手許のPCやタブレット等で受講できるオンラインセミナーです。

配布資料・講師への質問等について

• 配布資料はPDF等のデータで送付予定です。受取方法はメールでご案内致します。
  （開催1週前～前日までには送付致します）。
  ※準備の都合上、開催1営業日前の12:00までにお申し込みをお願い致します。
  （土、日、祝日は営業日としてカウント致しません。）
• 当日、可能な範囲で質疑応答も対応致します。
  （全ての質問にお答えできない可能性もございますので、予めご容赦ください。）
• 本講座で使用する資料や配信動画は著作物であり、
  無断での録音・録画・複写・転載・配布・上映・販売等を禁止致します。

下記ご確認の上、お申込み下さい

• PCもしくはタブレット・スマートフォンとネットワーク環境をご準備下さい。
• ご受講にあたり、環境の確認をお願いしております（20Mbbs以上の回線をご用意下さい）。
  各ご利用ツール別の動作確認の上、お申し込み下さい。
• 開催が近くなりましたら、当日の流れ及び視聴用のURL等をメールにてご連絡致します。

Zoomを使用したオンラインセミナーとなります

• ご受講にあたり、環境の確認をお願いしております。
  お手数ですが下記公式サイトからZoomが問題なく使えるかどうか、ご確認下さい。
  → 確認はこちら
  ※Skype／Teams／LINEなど別のミーティングアプリが起動していると、Zoomでカメラ・マイクが使えない事があります。お手数ですがこれらのツールはいったん閉じてお試し下さい。
• Zoomアプリのインストール、Zoomへのサインアップをせずブラウザからの参加も可能です。
  ※一部のブラウザは音声（音声参加ができない）が聞こえない場合があります。
  　必ずテストサイトからチェック下さい。
  　対応ブラウザーについて(公式) ;
  　「コンピューターのオーディオに参加」に対応してないものは音声が聞こえません。

セミナー趣旨

近年、機械学習（AI）技術が急速に産業界に普及している。各企業においても現場の課題解決のために機械学習をどのように活用するかが重要な経営課題になりつつある。こうした中で、発表者らの研究グループは、10年以上前から、特許データの解析技術の開発を進めている。さらに、近年では、SNS/オンラインレビューに代表されるWebデータの解析や製造業の現場におけるIoT・画像解析技術の開発など現場のニーズに応じた機械学習技術の実用的な研究を遂行している。本セミナーでは、それぞれの分野における従来からの動向から本研究室での取り組みまでをご紹介し、現場での機械学習活用について詳細に解説する。

受講対象・レベル

特許情報解析にご関心のある知財部門・弁理士の方。メーカーの経営管理部門・研究開発部門の方
画像解析・IoTデータ解析などにご関心のあるメーカーの方。
Webデータを利用した顧客分析に関心のあるメーカー、サービス業の方。

習得できる知識

・特許解析を機械学習で解析し、研究/知財経営戦略の策定につなげる手法に関する知識
・画像/IoTデータを機械学習で解析し、製造業における生産効率化につなげる手法に関する知識
・Webデータを機械学習で解析し顧客動向の把握につなげる手法に関する知識

セミナープログラム

1．特許情報の解析
　　1）特許価値評価の従来研究
　　2）ネットワーク埋め込みと時系列解析モデルを利用した
　　　 引用ネットワーク解析を用いた特許価値評価
　　3）ニューラルハザードモデルをベースとした
　　　 権利期間予測モデルによる特許価値評価
　　4）グラフベースモデルとブートストラップ法を用いた
　　　 パテントマップ自動生成の基礎技術

2．画像・IoTデータの解析
　　1）従来技術の動向
　　2）深層学習をベースとする作業動作解析
　　3）位相的データ解析をベースとする機械学習を用いた図面解析
　　4）グラフ情報による不良品解析

3．Webデータの解析
　　1）従来技術の紹介
　　2）オンラインレビューデータのテキスト解析と
　　　 因果分析を組み合わせた顧客動向の分析
　　3）tweetデータのテキスト解析と
　　　 因果分析を組み合わせた顧客動向の分析