小規模データに対する機械学習の効果的適用法

☆少ない学習データでも有効に活用できる機械学習の方法を分かりやすく解説！※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。【アーカイブ配信：6/25～7/9（何度でも受講可能）】での受講もお選びいただけます。

セミナー講師

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＜経歴、等＞東京工業大学大学院出身、東京工業大学助手・助教授を経て、2001年より現職。YNU人工知能研究拠点長。情報工学EP代表。経産省NEDO「共進化AIプロジェクト」採択課題研究代表者、横浜国大発ベンチャー　株式会社マシンインテリジェンスCTO。＜研究＞知能情報学／機械学習／感性情報処理／知的画像処理／進化計算法／マルチエージェント／医工連携工学など。＜学会＞情報処理学会、電子情報通信学会、電気学会、人工知能学、進化計算学会、IEEEなどに所属して各学会で活動中。

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。（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。　 メールまたは郵送でのご案内となります。　 郵送での案内をご希望の方は、備考欄に【郵送案内希望】とご記入ください。

受講について

Zoomを使ったWEB配信セミナー受講の手順

1. Zoomを使用されたことがない方は、こちらからミーティング用Zoomクライアントをダウンロードしてください。ダウンロードできない方はブラウザ版でも受講可能です。
2. セミナー前日までに必ず動作確認をお願いします。
3. 開催日直前にWEBセミナーへの招待メールをお送りいたします。当日のセミナー開始10分前までに招待メールに記載されている視聴用URLよりWEB配信セミナーにご参加ください。

• セミナー資料は開催前日までにPDFにてお送りいたします。
• アーカイブの場合は、配信開始日以降に、セミナー資料と動画のURLをメールでお送りします。
• 無断転載、二次利用や講義の録音、録画などの行為を固く禁じます。

セミナー趣旨

業務で機械学習、特に深層学習（ディープラーニング）を利用する際、データが少なくて学習できない問題が発生することがあります。例えば、製品の画像による欠陥検査では、正常例は多数集めることができても、欠陥を含む不良品はごく少数しかない場合がほとんどです。また、そもそもデータ取得に大きな人的・時間的コストが必要な場合もあります。このような場合、結局、機械学習や深層学習の利用をあきらめてしまうことがあり、企業の業務へのAI導入を妨げる大きな要因の一つになっています。本セミナーは、そのようにデータが少ない場合でも、有効な学習を行う機械学習の方法を紹介することを目的としています。数式はできるだけ使わず、考え方や原理、要点が分り易い平易な説明を心掛けますので、人工知能や機械学習に対して特に予備知識がない方や、技術職ではない方でも大丈夫です。AIを業務に導入する際の注意点も扱いますし、最後にAIに関する様々な質疑応答やディスカッションを行う「AIよろず相談コーナー」もご用意しましたので、AIにご興味がある方はぜひお気軽にご参加下さい。

受講対象・レベル

人工知能や機械学習、深層学習の業務への導入を考えておられる多くの方々。

習得できる知識

・人工知能(AI)・機械学習の現状と課題・深層学習(ディープラーニング)の原理と課題・少数データを用いた機械学習の手法・業務へのAI導入の秘訣

セミナープログラム

１．機械学習の現状と課題　　1-1. 人工知能と機械学習　　1-2. 深層学習(ディープラーニング)概論　　1-3. 生成系AI・説明可能AI:XAI　　1-4. 少量データを用いた機械学習とは？２．少量データを用いた機械学習１：関数推定　　2-1. 最適値探索問題とその解法　　2-2. ベイズ最適化に基づく関数推定　　2-3. 遺伝的プログラミング(GP)による関数推定　　2-4. CGP(Cartesian GP)による関数推定３．少量データを用いた機械学習２：異常検知　　3-1. １クラスSVM(Support Vector Machine)　　3-2. CAE(Convolutional Auto Encoder)による異常検知　　3-3. 異常検知における学習データの水増し方法　　3-4. 時系列信号に対する異常検知４．少量データを用いた機械学習３：少量データによる深層学習　　4-1. CG(Computer Graphics)を用いた機械学習　　4-2. GAN(Generative Adversarial Network)によるデータ水増し　　4-3. 転移学習と蒸留　　4-4. 浸透学習(Percolative Learning)とその応用５．少量データを用いた機械学習４：進化的機械学習　　5-1. 進化計算法の原理と特徴　　5-2. 処理プロセスの自動生成　　5-3. 分かり易い分類器の自動生成　　5-4. CS(Classifier System)によるルールの学習６．AIの業務への導入方法　　6-1. AI導入時の注意点　　6-2. AI人材の育成方法について７．まとめ・AIよろず相談コーナー

キーワード：ディープラーニング,AI,人工知能,Deep Learning,WEBセミナー,オンライン