AI活用で実績をだしてAI時代を生き抜く！ 分かりやすく工夫された実践ガイド！ 従来技術に活用すべき機械学習と活用術

セミナー趣旨

技術者とデータサイエンティスト！
両者は本来、協力し合えば非常に強力なチームになるはずですが、実際には「言葉が通じない」ことが少なくありません。

データサイエンティストは数学には強いものの、現場の技術や業界特有の知識に乏しい。
一方で、技術者は自分の専門技術はよく理解しているのに、数学や機械学習には苦手意識がある。
こうしたギャップが、仕事の場でAIを活用しきれない原因になっています。

本セミナーでは、その溝を埋めるための技術的な「共通言語（共通知識）」を身につけることを目的としています。

Pythonのプログラムも紹介しますが、ChatGPTを活用する方法を丁寧に解説することで、プログラミング経験ゼロの方でも実践に踏み出せるように設計しています。紹介するコードは単なる例ではなく、あなたの仕事場で使えるように応用できるヒントが詰まっています。

また、難解な理論に深入りせずに、短時間で「使える機械学習」を自分の技術に組み込めるようになることを最大の目標としています。

AI時代の今、エンジニアが機械学習を理解すれば、あなた自身が“AIエンジニア”として一歩抜きん出ることも夢ではありません。
ぜひ、このセミナーでその第一歩を踏み出してください。

受講対象・レベル

・ 高校数学（特に関数・行列・微分など）の基礎知識があれば十分に理解できます。
・ 大学の教養レベルの数学（線形代数・微積分・統計など）に触れたことがあれば、よりスムーズに内容が頭に入ります。
・ 難解な数式や理論の暗記は不要です。技術者として理解しやすい形で丁寧に解説しますので、数学に苦手意識のある方もご安心ください。

必要な予備知識

・これから機械学習を学び始めたい方、あるいは独学で断片的に学んできた知識を整理し、体系的に理解したい方
・自分の専門分野（開発・設計・解析・制御・画像処理・研究など）に機械学習を取り入れたいが、どこから手を付けていいか分からない方
・「数学が苦手だから機械学習は無理かも…」と感じている技術者の方
・ChatGPTなどのAIツールを使って、効率的にPythonや機械学習を実務に活かしたい方
・AI時代に備え、技術者としての武器をもう一つ手に入れたいと考えている方

習得できる知識

・ 機械学習を自分の専門技術分野にどのように応用すべきか、その“考え方”と“具体的なアプローチ”が明確に身につきます。
・ 「何をどう使えばいいのか」がわかるようになり、実務に直結する活用力が得られます。

セミナープログラム

１． 現在までの機械学習の全貌を効率的に短時間に整理！！
    1-1 2010年代初頭までの機械学習とは？
        (1) 分類の例としての2010年代初頭までのスパムメール判定のしかた
        (2) 機械学習における回帰とは？
        (3) 分類のための主な10個の機械学習アルゴリズムについての解説
        (4) 機械学習アルゴリズム６種類の用途例とその内容についての一覧表など
    1-2 2010年代初頭以降の機械学習とは？
        (1) この時代から2025年までの現代に急速に発展してきた機械学習の概要
    1-3 狭義の機械学習とは？
    1-4 広義の機械学習とは？

２． 機械学習の実務基礎を理解するための教師アリ学習と教師ナシ学習の基礎とポイント
    2-1 教師アリ学習とは？ どのようなときに使うのか？
    2-2 教師アリ学習の例題（課題とその解き方）
        (1) 課題の背景
        (2) 目的
        (3) 教師あり学習の使い方
        (4) 利点
        (5) 実際に使われている現場例
        (6) この場合の「AIで学習させる」とは具体的にどんな方法か？
        (7) なぜCNN（畳み込みニューラルネットワーク）が使われるのか？
        (8) 具体的な学習方法の流れ（スマホガラス検査の場合）
        (9) 損失関数と最適化
        (10) 学習のしかた
        (11) なぜ、多層パーセプトロン(MLP)を使用しないでCNNを使用するのか？
        (12) CNNの本質とは？
        (13) CNNで画像のエッジ処理を行い傷などの特徴量検出を行う方法を具体的な計算で解説
    2-3 教師ナシ学習とは？ どのようなときに使うのか？
        (1) 教師ナシ学習のイメージ
        (2) どのようなときに使うのか？
        (3) 主な用途は？
        (4) どのようなときに使うか？
        (5) 教師ナシ学習の具体例 ： クラスタリング（K-means法）
    2-4 教師アリ学習、教師ナシ学習、自己教師アリ学習の整理

３． 機械学習と有限要素法などによる数値解析やインフォーマティクス（情報科学）との比較と各々の使いこなし方
    3-1 有限要素法などによる数値解析・機械学習・インフォーマティクス（情報科学）の各々の特徴（長所と欠点）の一覧表
    3-2 各々の活用法・活用例を簡単に理解しよう！
    3-3 各分野の主要ソフト・導入難易度・ライセンス一覧
    3-4 インフォ－マティクスに活用されている最適化数学の代表的な手法について名称・特徴・主な用途/分野を一覧表にてポイント解説

４． 機械学習プログラムをPythonで容易に実装するために！ Pythonのインストール、Google Colaborately、及びPythonプログラムの使用、実行方法および使いこなし方につて分かりやすく解説、もはやPythonプログラム作成は容易になった！
    4-1 一番簡単なPythonのインストール方法とGoogle Colaboratoryの使いこなし方
    4-2 ChatGPTを活用した要領のよいタイパ最高のPythonプログラムの作成のしかた

５． 機械学習はまず分類と回帰から！
    5-1 分類とは？
        (1) 情報処理・機械学習における「分類」
        (2) 科学・工学分野における「分類」
        (3) 文章や表の構成における「分類」
    5-2 実際に工業分野で活用されている分類による機械学習10選！
    5-3 Pythonを使って簡単な分類による機械学習をやってみよう！
        (1) 機械学習によるモータ電流(IoT)の常時監視による正常/異常の判断のしかた
    5-4 回帰による機械学習にはどのようなものがあるのか？
    5-5 実際に工業分野で活用されている回帰による機械学習10選！
    5-6 代表的な４種類の回帰の内容・計算方法・具体的な計算のしかた
    5-7 Pythonを使って簡単な回帰による機械学習をやってみよう！

６． 機械学習は多層パーセプトロンが成功を収めてから急速に発展した！そのやり方を分かりやすく実例で解説！
    6-1 深層学習（ディープラーニング）とは？
    6-2 深層学習による画像認識の具体例
    6-3 実際に仕事で活用されている深層学習（ディープラーニング）による機械学習10選！
    6-4 Pythonを使って簡単な深層学習（ディープラーニング）による機械学習を実際にやってみよう！
        (1) 問題設定（手書き数字の認識と判定のしかた、６万枚の画像データを使用）
        (2) 解答と解説
        (3) Pythonプログラムの実装TensorFlow/Kerasによる実装
        (4) 実行結果
    6-5 TensorFlow、Keras、Pytorchの使い分け方とどのような機械学習に使用するかのポイント

７． 機械学習の実務エンジニアリイングへの活用例として、機械設計に活用して使いこなす方法と技術ノウハウを分かりやすく解説！
    7-1 モータの効率を最大化するシャフト寸法を機械学習により求める機械設計問題とその解き方と具体的な設計方法（機械設計問題の最適化のためのモデル化のしかたのノウハウも解説）
    7-2 解き方を分かりやすく解説（技術ノウハウを含む）
    7-3 Python で実装（ランダムフォレスト回帰）
    7-4 この設計問題で使用する機械学習理論の一つであるランフダムフォレスト回帰についての理論（本質的な考え方）を分かりやすく解説
    7-5 今回のプログラムに即した数値処理の流れ
    7-6 前記の各ステップのPythonプログラムを一つにまとめて
    7-7 実行結果とそのグラフ

８． 機械学習の実務エンジニアリングへの活用例として、機械学習を制御技術に活用して使いこなす方法と技術ノウハウを分かりやすく解説！
    8-1 実務にすぐに使える設計課題の設定（モータの異常検知による自動制御切替）とその分かりやすい解き方と具体的な設計方法
    8-2 この問題の解答の前に、この問題の解決に使用する機械学習理論の一つであるOne-Class SVMの理論のポイントと分かりやすい解説
    8-3 One-Class SVMについての 分かりやすいイメージと解説！
    8-4 解答に至るまでの考え方と具体的な計算のしかた
    8-5 One-Class SVMを使って異常判定し、制御モードを切り替えるPythonプログラム
    8-6 実行結果
    8-7 通常のSVMとOne-Class SVMの違い
    8-8 One-Class SVMの数学的定式化のしかたのイメージと数式の解説
    8-9 カーネル関数の具体的なイメージ
    8-10 One-Class SVMによる異常検知プログラム
    8-11 次に、この課題をオートエンコーダーにより実行することを考える！まずはオートエンコーダーについての分かりやすい解説
    8-12 オートエンコーダーによる異常検知プログラム
    8-13 One-Class SVMとオートエンコーダーの比較

９．質疑応答

セミナー講師

（社）日本騒音制御工学会認定技士
（社）日本音響学会第２回技術開発賞受賞
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 博士（工学）　　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（５年間）。
　大学生時代にESS（英会話部）に所属し、カリフォルニア大学バークレイ校（通称ＵＣバークレー、世界大学ランキングで毎年10位以内）にて英語研修、および毎日新聞社後援英語弁論大会で３位入賞。上智大学にて開催された全日本選抜集中合宿英語研修（２週間英語のみで日本語禁止、主催は財団法人語学教育振興会で会長は東京大学名誉教授坪井忠二先生）に２年連続で選抜され参加。東京電機大学第５３代ESS部長。技術だけでなく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ヨーロッパを担当して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NCタレットパンチプレスの修理・NCプログラムの作成教育・板金加工技術のコンサルタント、システム事業部で板金加工自動化ライン(FMS)の開発・設計、および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・実績を積み重ねた。
　 その後、技術コンサルタントとして独立して２８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、多くの企業に対し振動・騒音分野およびマルチフィジックス分野で技術指導および技術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してきた。またときに通訳・翻訳なども依頼され実施してきた。
　ここ10年以上は推測統計解析、ベイズ統計解析の研究にも力を入れ、実務エンジニアリングへのベイズ統計学の適用、および機械学習やAIの研究にも力を入れている。 　セミナーの講師歴は約３０年間。日刊工業新聞社主催などの多くの技術セミナー・（技術）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実施してきた。この間に専門学校や大学で非常勤講師も行ってきた。
　また、日刊工業新聞社主催のセミナー講師歴は長く１０年以上。本セミナーの内容にも関連する流体と振動・騒音や伝熱とのマルチフィジックス解析の技術指導も行ってきた。また現在は、機械学習・AIにより従来技術を高知能化するための技術指導にも力を入れている。

　本セミナーでは、上記に関連した技術理論はもとよりその時々の実際の実務経験・技術ノウハウもまじえながら分かりやすく解説致していきます。

セミナー受講料

お一人様￥50,000（テキスト代など全てを含みます）

※上記キャンペーン期間にお申込みの場合
　キャンペーン価格：お一人様￥45,000

＜テキストについて＞
テキストは、PDF化したものをメールに添付して受講者様にお送りさせて頂きます。基本的にお申込み頂いた日にPDFテキストをお送り致します。 テキストは１枚のA４に２スライド印刷なので文字が適度な大きさなので見やすくなっております。 なお、テキストのコピーおよび２次配布などは禁止させて頂いております。