小規模データに対する機械学習の効果的適用法

～関数推定 / 異常検知 / 深層学習 / 進化的機械学習～

セミナー講師

長尾智晴（ながおともはる）氏　 　　　横浜国立大学　総合学術高等研究院　上席特別教授（工学博士）YNU人工知能研究拠点長　／　株式会社マシンインテリジェンスCTO  ＜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年から横浜国立大学教授．NEDO共進化AI事業採択課題代表者，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取締役CTOを兼務． ＜研究＞ 　知能情報学／進化計算法／機械学習／神経回路網など． ＜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　53,900円[税込]／1名1口でお申込の場合　66,000円[税込]／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。

受講について

• 本セミナーの受講にあたっての推奨環境は「Zoom」に依存しますので、ご自分の環境が対応しているか、お申込み前にZoomのテストミーティング（http://zoom.us/test）にアクセスできることをご確認下さい。
• インターネット経由でのライブ中継ため、回線状態などにより、画像や音声が乱れる場合があります。講義の中断、さらには、再接続後の再開もありますが、予めご了承ください。
• 受講中の録音・撮影等は固くお断りいたします。

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　機械学習の種類と方法　　1.3　教師あり／なし／半教師あり学習　　1.4　深層学習（ディープラーニング）概論　　1.5　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　ベイズ最適化に基づく関数推定　　2.2　遺伝的プログラミング（GP）による関数推定　　2.3　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）による水増し　　4.3　転移学習と蒸留・浸透学習（Percolative Learning）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