少ない学習データでもうまくいく機械学習の適用方法と進め方とそのコツ

再開催を依頼する / 関連するセミナー・出版物を探す
オンライン 開催

本セミナーでは、できるだけ少量の学習データから有益なモデル化や利用が行える機械学習を実現するための手法について、数式やプログラムをほとんど使わずに率直かつ平易に解説いたします。

日時

開催予定

プログラム

近年、深層学習に代表される機械学習によって多くの問題で高い精度のクラス分類や回帰を実現できることが注目されており、企業の業務へのAI導入が検討されていますが、実際はまだあまり進んでいないのが現状です。その理由の一つが学習データを多数集められないということです。実問題では、何らかの理由で学習データを多く集めることができなかったり、集めること自身が非常に高コストであることや、学習データに偏りがあって学習し辛いことがよくあります。このような場合は深層学習などの機械学習のライブラリをそのまま適用しただけでは必要な精度を得ることができません。  そこで、本セミナーでは、学習データが少ない状況で機械学習を有効に適用するためのいくつかの方法をご紹介します。

  1. 人工知能の現状と課題
    1. 人工知能の定義と発展の歴史
      • 人工知能とは何か?
      • 考え方の推移など
    2. 人工知能の最近の課題と今後の展望
      • 説明性
      • 精度保証
      • XAI
      • 共進化AIなど
  2. ベースとなる機械学習技術
    1. 教師あり学習・教師なし学習・半教師あり学習
      • SVM
      • 決定木
      • ランダムフォレスト
      • k-平均法など
    2. 深層学習の原理と特徴
      • ニューラルネットワーク
      • 深層学習
      • 問題点など
    3. 進化的機械学習の原理と特徴
      • 進化計算法
      • 進化的機械学習など
  3. 少ない学習データを用いる学習法
    1. データ分布を推定する方法
      • ベイズ最適化
      • EMアルゴリズムなど
    2. 関数最適化問題として解く方法
      • 遺伝的プログラミング (GP)
      • CGP
      • GMAなど
    3. 1クラス学習を用いる方法
      • 1クラスSVM
      • AE
      • CAE
      • VAEなど
    4. 深層回路の構造最適化に基づく方法
      • 深層回路の線形化
      • 進化的最適化など
    5. 転移学習・蒸留・浸透学習を用いる方法
      • 知識の流用による少数学習など
    6. 進化計算法による処理構造の自動構築法
      • 処理構造の進化的最適化
      • セル型回路など
  4. データを水増しして学習する方法
    1. 基礎的なデータ水増し法
      • 学習データに対する変換
      • ノイズ混入など
    2. 特徴空間を用いた水増し法
      • 特徴空間での分布特性の利用など
    3. 学習データを人工的に作る方法
      • CG画像
      • シミュレータの利用など
    4. フェイクデータの作成方法
      • 敵対的生成ネットワーク (GAN) の利用など
    5. クラウドサービスを利用した学習データの収集
      • 人海戦術によるデータ増強など
  5. 企業へのAI導入の実際
    1. AI導入時の注意点
      • 導入時の問題と解決方法など
    2. AI導入を成功させるコツ
      • AI人材の育成方法など
  6. まとめ・AIよろず相談室
    • Q&Aとフリーディスカッションなど

受講料

複数名受講割引

アカデミー割引

教員、学生および医療従事者はアカデミー割引価格にて受講いただけます。

ライブ配信セミナーについて