【締切】深層学習の「見える化」と次世代の「説明できるAI」

「説明できるAI」について、深層学習などのブラックボックス機械学習の
説明性向上、決定木などのホワイトボックス機械学習の精度向上の方法、
次世代AIである進化的機械学習、企業へのAI導入を
成功させるコツについて平易に解説します

セミナー講師

長尾 智晴 氏
横浜国立大学大学院環境情報研究院 教授(工学博士)
YNU人工知能研究拠点長
(株)マシンインテリジェンスCTO
経歴
 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教授を経て
 2001年より現職
所属学会
 情報処理学会、人工知能学会、進化計算学会、IEEEなど

セミナー受講料

お1人様受講の場合 46,000円[税別]/1名
1口でお申込の場合 57,000円[税別]/1口(3名まで受講可能)
受講申込ページで2~3名を同時に申し込んだ場合、自動的に1口申し込みと致します。

セミナー趣旨

昨今、深層学習(Deep Learning)を業務で利用しようとしたものの、生成された処理を説明することができず、実際は導入できていない企業も多い。本セミナーでは、最近特に必要性が注目されている「説明できるAI」について、深層学習などのブラックボックス機械学習の説明性向上、決定木などのホワイトボックス機械学習の精度向上の方法、次世代AIである進化的機械学習、企業へのAI導入を成功させるコツについて平易に解説する。

セミナープログラム

1.人工知能と機械学習
  1.1 人工知能の考え方の推移
  1.2 機械学習の種類と方法

2.深層学習(ディープラーニング)の基礎と問題点
  2.1 神経回路網の原理と学習法
  2.2 深層学習の基礎と実装方法
  2.3 深層学習の最近の手法
  2.4 深層学習の問題点と課題

3.「説明できるAI」~ブラックボックスの説明性向上~
  3.1 説明できるAIとは?
  3.2 学習済の深層回路と入出力の関係性の可視化
  3.3 深層回路の圧縮と簡約化
  3.4 処理過程が理解し易い構造の深層学習

4.「説明できるAI」 ~ホワイトボックスの精度向上~
  4.1 進化的機械学習の原理
  4.2 特徴量の最適化による簡潔な認識処理
  4.3 処理過程が説明できる処理の自動生成
  4.4 決定木・決定回路の処理の言葉による説明
  4.5 小規模かつ高性能な回路の自動設計

5.業務へのAI導入方法
  5.1 AI導入における基本8原則
  5.2 AIコンサルの事例紹介

6. まとめと質疑応答