使えるAIのための機械学習・深層学習の基礎!推測統計とベイズ統計の使いこなし方!

44,000 円(税込)

※本文中に提示された主催者の割引は申込後に適用されます

※銀行振込

このセミナーの申込みは終了しました。


よくある質問はこちら

このセミナーについて質問する
開催日 10:30 ~ 16:30 
締めきりました
主催者 有限会社 アイトップ
キーワード SQC一般   検定・推定   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

・MATLAB、TensorFlow、Pytorch、Chainer、Cafe、Pythonのパッケージソフトなどで機械学習・深層学習・AIを計算しても計算している内容が理解できていない(ブラックボックスになっている)と機械学習・深層学習・AIを活用できません。
・統計学(推測統計学)の基本構成は標準正規分布と中心極限定理です。これによりきれいに理論体系化されています。この理論体系をわかりやすく解説致します!
・脚光を浴びなくなっていたベイズ統計学が、機械学習・深層学習・AIが脚光を浴びてきたのとほぼ同時に脚光を浴びるようになりました。ベイズ統計学のどこにそのような力があるのかを解説致します!
・ベイズ統計学では人間の判断のしかたに似たことができると言われていますが、これが具体的に何を指すのかについても解説致します!
・AIでは、統計学・ベイズ統計学がどのように活用されているのかを解説致します!

※開催日の5営業日前までにお申し込みください

セミナー講師

(社)日本騒音制御工学会認定技士 (社)日本音響学会技術開発賞受賞
有限会社アイトップ 技術コンサルタント 通訳・翻訳
名古屋大学大学院 非常勤講師(英語で応用数学の講義を担当)
工学博士 小林 英男 氏

 東京電機大学工学部機械工学科卒業後、東京農工大学大学院工学研究科にて特別研究員
 大学生時代にESSに所属し、カリフォルニア大学バークレイ校に語学研修、および毎日新聞社後援英語弁論大会で3位入賞。企業からの派遣で東京農工大学大学院工学研究科にて5年間特別研究員(産学協同研究、文部省認定)。東京電機大学第53代ESS部長。英語の勉強にも集中したのは卒業後に世界で活躍できるエンジニアになるため。
 大学卒業後、リオン㈱に入社し、騒音・振動の測定・分析・対策、および海外事業部でセールスエンジニアとして従事。   ㈱アマダに勤務し、工場で組立・製造・検査、海外事業部で技術サービスおよび技術コンサルタント、システム事業部で板金加工自動化ライン(FMS)の開発・設計、技術研究所でアマダ製品の低騒音・低振動化および快適音化などの研究開発に携わり大ヒット商品を世に送り出した。上記のように、製造、サービス、設計、開発、研究(製造~研究まで)の一連の実務経験を積んだ。
  その後、技術コンサルタントとして独立して25年が経過した。1部上場企業の研究、開発、設計部署を中心に、多くの企業に対し技術指導およびコンサルティングを実施。この間に先進国を中心に25ヶ国以上に出張し、エンジニアとして英語で仕事をするだけでなく、通訳・翻訳なども行う。
 セミナーの講師歴は25年間。日刊工業新聞社など主催の多くの技術セミナー・英語セミナー・工業数学セミナー・応用物理数学セミナーの講師を行ってきている。この間に専門学校や大学で非常勤講師も行ってきた。
 特に、日刊工業新聞社主催のセミナー講師歴は長く10年以上。機械学習・深層学習・AIを加速化させる技術指導にも力を入れてきた。

 また、幾多の難局を乗り越えて技術指導を成功させてきた。本セミナーでは、その時々の実際の実務経験もまじえながら分かりやすく解説致します。

セミナー受講料

¥44,000/人(テキスト代、消費税含む)

1社から複数名様が同時にお申込みされた場合に限り、2名様目から1名様ごとにお1人様当たり¥5,000割引きさせて頂きます。つまり2名様目からお1人様当たりの受講料が¥39,000(テキスト代、消費税含む)になります。セミナー受講料のご請求書は、代表お申込者(お一人目の受講者様)に郵送いたします。

<テキストについて>
テキストは、原則としてセミナー開催日の2営業日前までに宅急便にて発送致します。ご自宅等に発送をご希望される場合は、備考欄にご自宅の住所・連絡先をご記入ください。
場合によっては、当社の独自の判断によりテキストをPDFファイル化しメールに添付してお送りすることもあります。

受講について

<Zoomセミナー>
◎視聴方法:Zoomを使用したWebniarになります。遅くてもこのZoomセミナー開催日の前日の午前中までに、Zoomセミナーへご参加頂くためのURLとセミナーIDをメールにてご連絡させて頂きます。セミナー開始時刻の10分くらい前にはZoomセミナーに入室できます。

セミナー受講中にご質問がある場合は、チャット欄にご記入頂く様お願い申し上げます。マイクをオンにしてご質問頂くこともできます。ご質問へのご解答は原則としてセミナー受講時間中に完了するように致します。ご解答に時間のかかるご質問については、セミナー終了後または後日にメール・電話・Zoomなどを活用してご解答させて頂きます。

【お申込の前のお願い】
ご使用のPC・通信回線にセキュリティなどの制限がある場合、Zoomを利用できない場合があります。事前に下記のサイトにて、Zoomの接続・利用についてご確認ください。
・テスト画面: 『Zoomをテストする』

<セミナースケジュール>
10:30~11:45 午前中の講習(休憩なし)
11:45~12:45 昼食休憩
12:45~16:30 午後の講習(約60分間区切りの良いところまで講習をして10分間休憩を致します。ほぼこれを繰り返します。)

セミナー趣旨

 昨今、世の中は機械学習・深層学習・AIブームといっても過言ではありません。私が技術指導をさせて頂いております某超大手企業の技術研究所などでも、機械学習・深層学習・AIを専門としていない研究者にも機械学習・深層学習・AIの分野で成果を出すことが求められています。
 また、新型コロナ感染拡大防止が叫ばれており"with コロナ"の時代になり、多くの企業がテレワークに移行しており、それまでのオフィスのスペースを縮小する動きが盛んになってきており、なかにはオフィススペースを半減、あるいは無くしてしまうという会社も珍しくない状況になってきました。
 このような状況の中、機械学習・深層学習・AIが益々活躍する時代になってきていると言っても過言ではないでしょう。。
 しかし、機械学習・深層学習・AIを十分に理解せず消化不良のまま、機械学習・深層学習・AIの分野で成果をあげることが求められており、この状況に振り回されている方が多いのではないかと思います。
 本セミナーはこのようなかたに機械学習・深層学習・AIを根底から理解するための能力を向上し、機械学習・深層学習・AIをブラックボックス化しなくてすむようにするためのセミナーです。

受講対象・レベル

  • 機械学習・深層学習・AIの技術専門書を読んでも理解できないかた
  • 機械学習・深層学習・AIを勉強したいが、その前にその数学的なよりどころになる統計解析やベイズ統計をまともに勉強したことがないかた
  • 統計解析やベイズ統計を独学したが考え方の基本がわかっていないのでこれらについての専門書が理解できなかったかた
  • MATLAB、TensorFlow、Chainer、Cafe、Pythonのパッケージソフトなどで機械学習・深層学習・AIを計算している(ブラックボックスとして計算)が、その計算結果が正しいのか正しくないのか、信頼していいのかいけないのかが判断できないかた
  • これから機械学習・深層学習・AIの勉強を開始し、この分野で成果を出して社内で評価されたいかた
  • もともと数学が苦手なかた
  • 自分の専門分野の勉強だけでも忙しいのに、その上、機械学習・深層学習・AIをまともに勉強する時間が取れないかた
  • 部下の管理・監督上、機械学習・深層学習・AIを理解しなければならない。そのためにはまず統計解析・ベイズ統計を理解しなければならないと考えておられるかた。

必要な予備知識

  • 高校卒業程度の物理、数学の基礎知識。
  • 統計学(推測統計学)の入門知識があれば理解がさらに深まりますが、入門知識からから分かりやすく解説しますので特に予備知識は必要ありません。

習得できる知識

  • 機械学習・深層学習・AIを理解するために必須である統計解析・ベイズ統計について理解できるようになります
  • 最適サンプリング数の算出方法(計算方法)についても解説致します
  • ベイズ統計を実務に応用するにはどうのようにすればよいかが理解できます
  • 機械学習・深層学習・AIを設計などの実務技術分野にどのように応用すればよいかについて最新の研究例をご紹介致します
  • 機械学習・深層学習・AIは自分の専門ではないが部下の管理・監督上、本質的な考え方・やりかたを理解したいというかたにも、この技術の重要な基礎である統計解析・ベイズ統計が理解できるようになります
  • 機械学習・深層学習・AIを機械設計の自動設計などへの応用のしかたについてのイメージが把握できるようになります

セミナープログラム

  1. ある技術の分野で統計の知識が必要になった実際例とは?
  2. 統計の基礎の基礎
    1. 統計を大別すると?
    2. 標本調査とは?
    3. 標本の選び方
    4. 平均値とは?
    5. 誤差(偏り誤差、偶然誤差)、偏差、残差とは?
    6. どのようなデータにでも統計解析は使用できるのか?
    7. 分散と標準偏差
    8. 平均値、標準偏差と分散の基本的性質
  3. 正規分布の本質を理解しよう!
    1. 統計学における大文字と小文字の基本的な使い分けについて
    2. 確率分布とは?
    3. 正規分布の由来
    4. 正規分布についての更なる解説
    5. 正規分布のグラフと平均値・標準偏差・分散の関係
    6. 種々の正規分布のグラフ
    7. 確率密度関数と正規分布
    8. 正規分布の特徴を数学的に証明
    9. 高速フーリエ変換アナライザにてS/N比の向上活用できる正規分布による誤差理論とは?
  4. 標準正規分布
    1. 標準正規分布とは?
    2. 標準正規分布 ( Z 変換 ) の本質を理解しよう
    3. 標準正規分布を使用することのメリットは何だろうか?
    4. 標準正規分布のグラフ
    5. 標準正規分布表の活用法
  5. 中心極限定理
    1. 統計学にて重要な中心極限定理とは?
    2. 中心極限定理について更に詳しく考えよう
    3. 中心極限定理と標準正規分布との関係
  6. 母平均の平均値の推定のしかた
    1. 平均値の推定とは?
    2. 母集団が正規分布でその分散が既知の場合、標本平均から母平均を推定する方法
    3. 母分散が既知でない場合
    4. 不偏分散の使用のしかた
  7. t-分布とは
    1. t-分布の由来
    2. 自由度とは ?
    3. t-分布を表す確率密度関数
    4. t-分布と標準正規分布との関係を数学手に確認しよう!
    5. 自由度とは
    6. t-分布を利用した母平均お推定方法とは?
    7. 比率の推定
    8. 抜き取り調査のための最適な数を統計理論に基づいて求めてみよう!
    9. 練習問題
  8. 統計的仮説検定
    1. 統計的仮説検定とは
    2. 統計的仮説検定の考え方としかた
  9. ベイズ統計とは?
    1. ベイズ統計をわかりやすく一言で解説すると?
    2. 最初に理解しなくてはならない専門用語
      1. 同時確率とは?
      2. 条件付き確率とは?
      3. ベイズ統計における乗法定理とは?
      4. ベイズ統計における加法定理とは?
    3. ベイズの定理について
      1. ベイズの定理とはどのようなものでどのように役立っているのか?
    4. 次に理解しなくてはならない専門用語
      1. 事前確率
      2. 尤度
      3. 事後確率とは?
  10. 実はこれが重要:ベイズの定理を実務へ応用する方法
    1. ベイズの定理の応用とは?
    2. 理由不十分の原則とは? 融通がきくとはどういうことか?
    3. ベイズ更新とは? なぜ融通がきくのか?
    4. ナイーブベイズフィルタとは? 迷惑メールへの応用とは?
  11. 質疑応答