現在注目されている人工知能、特に深層学習 (ディープラーニング) に代表される統計的機械学習は高性能ですが万能ではなく、業務で利用する際には、処理がブラックボックスになり人手で調整できない、膨大な数の学習データが必要であるなどの問題があります。
これらをどのように解決し、AIをどのように会社の業務で利用したら良いかについて、理論的な説明は最小限に留め、AIを業務で利用するという観点から、直感的で分かり易く解説します。
- 人工知能と機械学習
- 人工知能の変遷と将来展望
- 機械学習の種類と特徴
- 統計的機械学習から進化的機械学習へ
- 統計的機械学習の方法論とその特徴
- 教師あり/なし学習とその代表的な手法
- 神経回路網の原理と学習法
- 深層学習 (ディープラーニング) の基礎
- 深層学習 (ディープラーニング) の問題点
- 進化的機械学習の方法論とその特徴
- 進化的機械学習とは?
- 進化計算法の原理とその改良手法
- 進化的機械学習の特徴
- 統計的・進化的機械学習の利用例
- 非破壊検査のための画像処理の自動構築
- 特徴量の進化的最適化による画像認識
- 人の違和感検知を応用した異常検知
- 画像処理回路の全自動構築
- 任意の機能を実現できる進化型神経回路網
- 時系列信号の変動予測と投資戦略の構築
- 機械・ロボット群の最適制御
- ごく最近の応用例
- 機械学習の業務応用
- 機械学習の導入における課題
- AI技術の導入方法
- まとめ