セミナー 印刷

少量データを有効活用する
機械学習の実践方法

~データが少ない場合でも有効な機械学習を行うには~

■受付中■ 早めのお申込みがおトク! 早期割引価格対象セミナー

※1名様で開催月の2ヵ月前の月末までにお申込みの場合、33,000円(税込み)で受講できます。
受講可能な形式:【ライブ配信(アーカイブ配信付)】のみ
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
関数推定、異常検知、深層学習、進化的機械学習、学習データの水増し方法、、、、
日時 2024年8月2日(金)  10:30~16:30
受講料(税込)
各種割引特典
55,000円 ( E-Mail案内登録価格 52,250円 ) S&T会員登録とE-Mail案内登録特典について
定価:本体50,000円+税5,000円
E-Mail案内登録価格:本体47,500円+税4,750円
E-Mail案内登録なら、2名同時申込みで1名分無料 1名分無料適用条件
2名で55,500円 (2名ともE-mail案内登録必須​/1名あたり定価半額27,500円) 
■■■ 1名様で、6月30日申込み受付分まで ■■■
※■早めのお申込みがおトク!■ 【早期割引価格対象セミナー】
 1名申込みの場合:受講料( 定価:33,000円/E-mail案内登録価格 33,000円 )

定価/E-mail案内登録価格ともに:本体30,000円+税3,000円
※1名様で開催月の2ヵ月前の月末までにお申込みの場合、上記特別価格になります。
※本ページからのお申込みに限り適用いたします。他の割引は併用できません。

■■■ 1名様で、7月1日申込み受付分から ■■■
※テレワーク応援キャンペーン(1名受講)【オンライン配信セミナー受講限定】
 1名申込みの場合:受講料( 定価:41,800円/E-mail案内登録価格 39,820円 )

定価:本体38,000円+税3,800円/E-mail案内登録価格:本体36,200円+税3,620円
※1名様でオンライン配信セミナーを受講する場合、上記特別価格になります。
※お申込みフォームで【テレワーク応援キャンペーン】を選択のうえお申込みください。
※他の割引は併用できません。
特典 ■Live受講に加えて、アーカイブでも1週間視聴できます■
【アーカイブの視聴期間】2024年8月5日(月)~8月11日(日)まで
このセミナーはアーカイブ付です。セミナー終了後も繰り返しの視聴可能です。
配布資料PDFデータ(印刷可・編集不可)
※開催2日前を目安に、S&T会員のマイページよりダウンロード可となります。
オンライン配信ライブ配信(Zoom) ►受講方法・接続確認(申込み前に必ずご確認ください)
備考※講義中の録音・撮影はご遠慮ください。
※開催日の概ね1週間前を目安に、最少催行人数に達していない場合、セミナーを中止することがございます。
得られる知識・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
対象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

セミナー講師

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 長尾 智晴 氏
  (所属ユニット:革新と共創のための人工知能研究ユニット)
 YNU人工知能研究拠点長・(株)マシンインテリジェンスCTO
教育補助:環境情報学府情報環境専攻/理工学部情報工学EP
【講師紹介】

セミナー趣旨

 業務で深層学習(ディープラーニング)などの機械学習を利用する際、データが少なくて学習できなかったり、信用性が低い深層回路が作られたりする問題が発生します。また、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異常例はごく少数しか集めることができない場合が多いです。また、そもそもデータの取得に多大な人的・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受講可能です。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。

セミナー講演内容

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 データの特徴空間を用いた異常検知
 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 生成系AIによる学習データの水増し
 4.3 既存NNの知識の活用: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 ルール集合の学習

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