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

高精度な機械学習法である深層学習 (ディープラーニング) は多層の階層型神経回路網 (深層回路) であり、回路網の結合荷重などを決定する「学習」には数千 – 数万あるいはそれ以上の数のデータが必要です。一方、企業の業務に機械学習を導入しようとする場合、それほど多くのデータが存在しないケースが多々あります。このような場合、深層学習および機械学習の導入をあきらめてしまうことが多く、それはどう考えても「もったいない」です。  そこで本セミナーでは、そのような場合でも機械学習を導入できる方法として、1少ない学習データを増やす方法、2少ないデータでも学習できる機械学習法、をご紹介します。  本セミナーでは,AIの初学者の方や専門外の人にも分り易く、ポイントを端的にお伝えする平易な解説を行ないます。また、業務へのAI導入で陥りがちなミスや、うまく導入するコツについてもお伝えします。最後に、参加者からのAIに関するよろず相談会も行ないますので、これから業務にAIを導入しようと考えている方はぜひお気軽にご参加下さい。

  1. 機械学習の現状と課題
    1. 人工知能と機械学習
      • 人工知能の定義
      • 人工知能の歴史
      • 人工知能の現状
      • 人工知能の課題
    2. 機械学習の種類と方法
      • IBL
      • EBL
      • 教師あり学習
      • 教師なし学習 など
    3. 深層学習 (ディープラーニング) 超入門
      - 神経回路網と深層学習とは何か? -
    4. 少量データを用いた機械学習とは?
      - 本セミナーの課題と意義について -
  2. 学習データを増やす方法
    1. 画像に対する基本的な水増し方法
      - 幾何学的変形・階調変換などの利用 -
    2. 敵対的生成ネットワーク (GAN)
      - GANの原理と各種の応用手法 -
    3. 特徴/潜在空間の利用
      - 各種の次元圧縮・削減法 -
    4. AutoEncoder,CAV,VACなどの利用
      - 逆変換によるデータ生成 -
    5. CG (Computer Graphics) を用いる方法
      - 画像・立体認識への応用 -
    6. シミュレータによるデータ水増し
      - 物理シミュレータの利用 -
  3. 少量でも学習できる機械学習法
    1. ベイズ最適化などによる関数推定
      - 少ないサンプルから分布を推定する -
    2. 進化計算法による関数推定
      • 遺伝的プログラミング (GP)
      • CGPなど
    3. 1クラス学習による異常検知
      • 1クラスSVM
      • AEなどの利用
    4. 進化的機械学習による処理の自動構築
      - 処理要素の進化的組合せ最適化 -
    5. 転移学習・蒸留・浸透学習
      - 既存知識を有効に利用する -
    6. 深層回路の構造最適化
      - Pruning・Neural Architecture Search -
  4. AIの業務への導入方法
    1. AI導入時の注意点
      - 導入時・外注時の注意点など -
    2. AI人材の育成方法について
      - 最も望まれる人材育成方法とは? -
  5. まとめと質疑応答
    - Q&Aと質疑・AIよろず相談会 -

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