セミナー 印刷

【オンデマンド配信】
少数データ、データ不足における
機械学習適用の問題解決方法とその戦略

~機械学習のための効率的なデータ取得の工夫、
少数データ解析の戦略、結果の解釈と評価~

視聴期間:申込日含め10営業日(期間中は何度でも視聴可)

現実的に少数のデータしか得られない、データに偏りがある、データのサンプルが少ない、、、ではどうすればいいのか
少量データの活用法、データ不足を補う為のアプローチとその工夫・技術を解説
少数・高次元データの学習のための技術、人間の知識をモデル化するための技術、
スパースモデリング、ベイズモデリング、、、
貴重なデータを最大限に活かすために
日時 2025年3月28日(金)  23:59まで申込み受付中/ ※映像時間:約4時間12分
収録日時 2024年12月17日
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55,000円 (2名ともE-Mail案内登録必須​/1名あたり定価半額の27,500円)

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44,000円 ( E-Mail案内登録価格 42,020円 )
 定価:本体40,000円+税4,000円
 E-Mail案内登録価格:本体38,200円+税3,820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。
配布資料PDFデータ(印刷可):マイページよりダウンロード ※資料のあらゆる二次的な利用は固く禁じます。
講師メールアドレスの掲載:有(セミナーに関する質問に限りメールで質問が可能です)
※ご質問の内容や時期によっては、ご回答できない場合がございますのでご了承下さい。
オンライン配信オンデマンド配信 ►受講方法・視聴環境確認 (申込み前に必ずご確認ください)
備考※録音・撮影、複製は固くお断りいたします。
※講師の所属などは、収録当時のものをご案内しております
得られる知識・人間の知識やシミュレーションを機械学習と組み合わせる技術
・機械学習のための効率的なデータの採取法
・機械学習の結果の解釈や評価の仕方
キーワード:スパースモデリング、ベイズモデリング

セミナー講師

(国研)産業技術総合研究所 情報・人間工学領域 上級主任研究員 博士(工学) 赤穂 昭太郎 氏
【講師紹介】

セミナー趣旨

 現在の機械学習ではビッグデータと呼ばれる大量のデータを用いた学習を前提とすることが多い。しかし現実には、データの取得に金銭的・時間的コストがかかり、少数のデータしか得られないというケースも多く、単純に機械学習を適用しても満足のいく精度が出ないことがある。
 本セミナーでは、人間の知識やシミュレーションを援用したり、機械学習のために効率的なデータ取得を工夫したりといった、少数データ解析のための戦略について事例を交えながら紹介する。

セミナー講演内容

1.機械学習の概要
 (1)ビッグデータとディープデータ
 (2)次元の呪いと汎化能力
  a.線形回帰を例として(一番簡単な機械学習)
  b.汎化能力と高次元データ
 (3)データ解析の基本手順
  a.開発言語のいろいろ
  b.いろいろな可視化プロット
  c.主成分分析とクラスタリング
  d.機械学習の基本手法

2.少数・高次元データの学習のための技術
 (1)スパースモデリングと正則化
  a.交差検証法
  b.いろいろな正則化の比較
 (2)圧縮センシングによる高解像度撮像
  a.ブラックホールやMRIの撮像技術
 (3)シミュレーションデータを活用したスパースモデリング

3.人間の知識をモデル化するための技術
 (1)ベイジアンネットを使ったモデル化法
  a.ベイズの定理と生成モデル
  b.ベイジアンネットワーク
  c.グラフィカルLASSO
 (2)ベイズ推論のための計算アルゴリズム
  a.確率伝播法
  b.マルコフ連鎖モンテカルロ法
 (3)データ同化と状態空間モデルによる時系列モデリング
  a.カルマンフィルタとパーティクルフィルタ

4.結果の評価・可視化・説明
 (1)機械学習結果の評価法
 (2)信頼度付き機械学習
  a.ガウス過程回帰
  b.機械学習と仮説検定
 (3)ディープラーニングの結果の解釈と説明
  a.感度分析
  b.敵対的学習

5.データ不足を補ういろいろな技術
 (1)異常検知のための技術
 (2)半教師あり学習とクラウドソーシング
  a.欠損値補完
 (3)転移学習とマルチタスク学習
  a.ディープラーニングにおける少数画像の学習
 (4)能動学習とベイズ最適化によるデータ取得法
  a.アクティブラーニング
  b.ベイズ最適化
  c.マルコフ連鎖モンテカルロ法による最適化