以下の類似セミナーへのお申込みをご検討ください。
機械学習を用いた画像認識技術の基礎とその応用
グラフニューラルネットワーク【GNN】入門~グラフを使った機械学習の仕組み~<会場開催セミナー>
Pythonではじめる機械学習入門講座
モノづくりにおける機械学習セミナー入門コース
モノづくりにおける機械学習セミナー入門コース
■AI活用人材育成講座<第2回>■『ディープラーニングと機械学習プロジェクトの進め方』
■AI活用人材育成講座■『機械学習(ディープラーニング)の基礎・活用・実践<全3回>』
画像認識のためのディープラーニングとモデルの軽量化
機械学習技術の基礎と計測・制御システムへの適用及び実装のポイント
開催日 |
10:30 ~ 17:00 締めきりました |
---|---|
主催者 | 株式会社トリケップス |
キーワード | 機械学習・ディープラーニング 計測工学 制御・システム |
開催エリア | 東京都 |
開催場所 | オーム ビル(千代田区神田錦町) |
【講師】
水野直樹(みずのなおき)氏:名古屋工業大学 つくり領域 電気・機械工学専攻/電気・機械工学教育類 担当 教授(工学博士)
【プログラム】
1 機械学習技術とは
1.1 機械学習技術の種類
1.1.1 教師付き学習(理想特性の例示による学習)
1.1.2 教師なし学習(自ら答えを見出す学習)
1.1.3 強化学習(理想を追求する学習)
1.2 機械学習におけるモデルの種類と特徴
1.2.1 形モデル(既知データから未知データを予測する)
1.2.2 基底関数モデル(データの特徴を表す関数の重ね合わせによる性能向上)
1.2.3 階層モデル(関数の多重適用による表現能力の向上)
1.3 計測・制御における機械学習の役割
1.3.1 データ特性の関数近似(回帰特性の学習によるデータ処理と制御)
1.3.2 データの分類(学習によるパターン認識)
1.3.3 特異データの抽出(学習による異常検出)
1.3.4 データの低次元化(学習による特徴の強調)
2 機械学習技術の基礎
2.1 教師付き学習による回帰
2.1.1 最小二乗学習アルゴリズム
2.1.2 最小二乗解の性質
2.1.3 ニューラルネットワークによる学習
2.2 教師付き学習による分類
2.2.1 最小二乗分類アルゴリズム
2.2.2 最小二乗分類の性質
2.2.3 サポートベクターマシンによる分類
2.2.4 DNNによる分類
3 計測・制御における機械学習技術の実際
3.1 線形最小二乗学習技術による制御系のチューニング
3.1.1 制御対象の特性と適用可能性
3.1.2 学習アルゴリズムの設定と性能
3.1.3 ケーススタディ
3.2 基底関数モデル・階層モデル学習による非線形特性の推定
3.2.1 対象システムの特性とネットワークの選定
3.2.2 学習アルゴリズムと構造最適化アルゴリズムの組合せによる実現
3.3 サポートベクターマシンによる異常検出
3.3.1 異常検出における事前データ処理
3.3.2 サポートベクターマシンにおける学習アルゴリズム
4 機械学習技術の理論と実装の間
4.1 モデルと学習アルゴリズムの選定と到達性能
4.2 実用的機械学習計測・制御システムの構成
4.2.1 データの精度と学習アルゴリズムにおける数値問題
4.2.2 不適切データの処理
4.2.3 時系列処理における時間管理
5 機械学習手法の実装
5.1 機械学習機能のプログラミング(ツールとその活用)
5.2 機械学習機能のシステムへの実装
6 機械学習技術の最新動向
7 まとめ
【受講料】
・お1人受講の場合 47,000円[税別]/1名
・1口でお申込の場合 59,000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。