次世代「機械学習」の基礎と応用

～ 企業での機械学習の導入方法 ～

★ 深層学習の問題点を解決する次世代の機械学習とその利用方法を詳細解説！

講師

横浜国立大学　大学院環境情報研究院
教授　工学博士　長尾 智晴 氏

【専門】知能情報学
【略歴】
　東京工業大学大学院総合理工学研究科出身．東京工業大学工学部助手、助教授を経て2001年より現職。YNU人工知能研究拠点長。産学連携に力を入れており、企業等との多数の連携実績がある。2008年に横浜国立大学発ベンチャー株式会社マシンインテリジェンスを起業して取締役CTOを兼務中。

受講料

R&D会員登録していただいた場合、通常1名様申込で49,980円（税込）から
★1名で申込の場合、47,250円（税込）へ割引になります。
★2名同時申込で両名とも会員登録をしていただいた場合、計49,980円（2人目無料）です。

(まだR&D会員未登録の方は、申込みフォームの通信欄に「会員登録情報希望」と記入してください。詳しい情報を送付します。ご登録いただくと、今回から会員受講料が適用可能です。)

受講対象・レベル

　初心者向け。機械学習や深層学習がどのようなもので、現在どのような問題点があり、それらをどのように解決すれば良いのかに関心がある人、また、機械学習を会社で仕事に利用することを検討している人など。

習得できる知識

深層学習および次世代の機械学習の基礎と応用例、および機械学習の企業での活用方法

趣旨

　現在注目されている機械学習、特に深層学習（ディープラーニング）が抱える問題点と、それらを解決する次世代の機械学習の基礎と応用例、さらに、企業で機械学習を導入する方法やその際の注意点などについて平易に解説いたします。

プログラム

１．機械学習とは何か？
　1-1　人工知能超入門
　1-2　機械学習の種類と要点
　1-3　教師あり／なし／半教師つき学習

２．深層学習（ディープラーニング）の基礎
　2-1　ニューラルネットワークの基礎
　2-2　深層学習とは何か？
　2-3　深層学習の利用方法
　2-4　深層学習の最近の手法
　2-5　深層学習の抱える問題点

３．次世代の機械学習“進化的機械学習”による問題解決
　3-1　“進化的機械学習”とは何か？
　3-2　入出力の関係式のつくりかた
　3-3　分かり易い特徴量のつくりかた
　3-4　学習データからの処理の全自動構築法
　3-5　処理をブラックボックスにしない方法
　3-6　深層学習の「見える化」と最適化

４．機械学習の企業での利用方法
　4-1　AIや深層学習とのつきあい方
　4-2　機械学習導入の際の課題と注意点
　4-3　AI導入で企業業績を伸ばす方法

５．まとめ