【当講座は2020年4月9日に開催予定であったセミナーのオンライン開催です。】

機械学習・AIの正しい知識とデータ解析の定石を身につけ、
様々な手法の概要・コツやつまづきやすいポイント、
効率化・最適化手法、最新動向までを詳解!

ディープラーニングについては、一部簡単なデモを交えて解説します!

①Zoomでの受講が難しい方へ;Zoomを介さず視聴できるライブ配信形式での受講も可能です。
 本形式をご希望の方は申込フォーム備考欄に【ライブ配信希望】とご記入ください。
 Zoomとの同時受講はできません。

②本セミナーは見逃し視聴を選択できます。
 ご希望の方は申込フォーム備考欄に【見逃し視聴希望】とご記入ください。

※備考欄にご記入のない場合は【Zoom・見逃し視聴なし】となります。

セミナー講師

産業技術総合研究所 人間情報研究部門 情報数理研究グループ
研究グループ長 赤穂 昭太郎 先生
■ご略歴:
1990年 東大・工学部工学系研究科・修士了
 同年 通産省工業技術院電子技術総合研究所 入所
2001年 独法化に伴い産業技術総合研究所・脳神経情報研究部門・情報数理研究グループ・研究グループ長
2015年〜産業技術総合研究所・人間情報研究部門・情報数理研究グループ・研究グループ長
ご兼任:産業技術総合研究所・人工知能研究センター、理化学研究所・革新知能統合研究センター
■ご専門および得意な分野・研究:
統計的機械学習や最適化、ニューラルネットワーク
■本テーマ関連学協会でのご活動:
日本神経回路学会理事

セミナー受講料

【ライブ配信(見逃し視聴無し)1名47,300円(税込(消費税10%)、資料付)
 *1社2名以上同時申込の場合、1名につき36,300円

【ライブ配信(見逃し視聴有り)1名52,800円(税込(消費税10%)、資料付)
 *1社2名以上同時申込の場合、1名につき41,800円

 *学校法人割引;学生、教員のご参加は受講料50%割引。

*見逃し視聴有りをご希望の方は、お申込みの際、備考欄に【見逃し視聴希望】とご記入ください。

受講について

※本講座は、お手許のPCやタブレット等で受講できるオンラインセミナーです。

配布資料・講師への質問等について

  • 配布資料はPDF等のデータで送付予定です。受取方法はメールでご案内致します。
    (開催1週前~前日までには送付致します)。

    ※準備の都合上、開催1営業日前の12:00までにお申し込みをお願い致します。
    (土、日、祝日は営業日としてカウント致しません。)
  • 当日、可能な範囲で質疑応答も対応致します。
    (全ての質問にお答えできない可能性もございますので、予めご容赦ください。)
  • 本講座で使用する資料や配信動画は著作物であり、
    無断での録音・録画・複写・転載・配布・上映・販売等を禁止致します。

下記ご確認の上、お申込み下さい

  • PCもしくはタブレット・スマートフォンとネットワーク環境をご準備下さい。
  • ご受講にあたり、環境の確認をお願いしております(20Mbbs以上の回線をご用意下さい)。
    各ご利用ツール別の動作確認の上、お申し込み下さい。
  • 開催が近くなりましたら、当日の流れ及び視聴用のURL等をメールにてご連絡致します。

Zoomを使用したオンラインセミナーとなります

  • ご受講にあたり、環境の確認をお願いしております。
    お手数ですが下記公式サイトからZoomが問題なく使えるかどうか、ご確認下さい。
    確認はこちら
    ※Skype/Teams/LINEなど別のミーティングアプリが起動していると、Zoomでカメラ・マイクが使えない事があります。お手数ですがこれらのツールはいったん閉じてお試し下さい。
  • Zoomアプリのインストール、Zoomへのサインアップをせずブラウザからの参加も可能です。
    ※一部のブラウザは音声(音声参加ができない)が聞こえない場合があります。
     必ずテストサイトからチェック下さい。
     対応ブラウザーについて(公式) ;
     「コンピューターのオーディオに参加」に対応してないものは音声が聞こえません。

※Zoomでの受講が難しい方へ;セミナー動画のライブ配信
(ライブエンコーダーを用いた同時ストリーミング配信)です。

申込み時に(見逃し視聴有り)を選択された方は、見逃し視聴が可能です

  • 開催5営業日以内に録画動画の配信を行います(一部、編集加工します)。
  • 視聴可能期間は配信開始から1週間です。視聴期間内は動画を何度でも再生可能です。
    尚、閲覧用のURLはメールにてご連絡致します。
    ※万一、見逃し視聴の提供ができなくなった場合、
    (見逃し視聴有り)の方の受講料は(見逃し視聴無し)の受講料に準じますので、ご了承下さい。
    こちらから問題なく視聴できるかご確認下さい(テスト視聴動画へ)パスワード「123456」

セミナー趣旨

 機械学習に関する情報はインターネットなどを通じて手に入りやすくなりましたが、実際に自分の問題に機械学習を適用しようとするとどこから手を付けてよいのかよくわからない、いろいろ試してみたけどなかなかうまくいかないといったことがよくあります。
 本講座ではスパースモデリング・ベイズモデリング・ディープラーニングといった機械学習の手法の使い方のコツやつまづきやすいポイントなどについて解説します。

受講対象・レベル

・機械学習によるデータ解析を始めたばかりの方から、少し始めてみたもののなかなかうまくいかないとお困りの方
・製品設計の複雑な最適化問題に関心がある方
・本テーマに興味のある方なら、どなたでも受講可能です。

必要な予備知識

特に必要としませんが、線形代数・確率統計の初歩的な知識があればより深く理解していただけると思います。

習得できる知識

・機械学習を用いたデータ解析法の基本的な流れの理解
・機械学習でつまずきやすい点の習得
・機械学習を応用した最適化問題の解き方
など

セミナープログラム

1.はじめに
2.機械学習の基礎
 1)機械学習の基本のき
 2)機械学習の最新動向・機械学習が出来ること
 3)スパースモデリング
 4)ベイズモデリング

3.機械学習の基本手順と注意点
 1)現場的(探索的)なデータ解析
 2)データの可視化
 3)あてはめと予測・局所最適解への対処
 4)スパースモデリングによるモデル選択
 5)低次元化と推薦システムへの応用欠損値の補完
 6)クラスタリングの注意点
 7)異常検出の考え方
 8)パターン認識の各手法や教師データの作り方

4.各種モデル化の効率化〜概要とポイント〜
 1)線形ガウスモデル
 2)ベイジアンネットによるモデル化
  a)ベイズモデリングの基本
  b)ベイジアンネット
  c)ナイーブベイズ法
 3)カーネル法によるモデル化
  a)概要・関数の具体例
  b)ガウス過程回帰の基礎
  c)サポートベクターマシン(SVM)の基礎と使い方
 4)アンサンブル学習・転移学習によるデータ利用
  a)概要
  b)ランダムフォレスト
  c)転移学習
 5)ディープラーニングの活用
  a)ニューラルネットワーク
  b)能力を向上する要素
  c)畳み込みニューラルネットワーク(CNN)
  d)リカレントニューラルネットワーク
  e)最新動向・研究
  f)活用と問題点
  g)簡単なデモンストレーション
 6)意思決定と強化学習
  a)バンディット問題とネット広告
  b)強化学習とディープラーニング
 7)時系列モデリング
  a)状態空間モデルとパーティクルフィルタ
  b)解析のポイント

5.機械学習と最適化
 1)そもそも最適化とはなにか?
 2)最適化とベイズモデリングの関係
 3)マルコフ連鎖モンテカルロ法による最適化
 4)事例(材料の合成条件、スペクトルデータの構造推定)

6.お勧め書籍

<質疑応答・個別質問・講師との名刺交換>

■ご講演中のキーワード:
スパースモデリング、ベイズモデリング、ディープラーニング、最適化