機械学習における少ないデータへの対策、活用と学習効果の評価

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、機械学習を用いたプロジェクトにおいて、データが少ない場合に人間の知識やシミュレーションを援用したり、逆に機械学習の結果から知識を抽出したり、さらには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、データ解析のための戦略について事例を交えながら解説いたします。

日時

開催予定

プログラム

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ること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、データが少ない場合に人間の知識やシミュレーションを援用したり、逆に機械学習の結果から知識を抽出したり、さらには機械学習のために効率的なデータ取得方法を工夫したりといった、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。

  1. 機械学習の概要
    1. ビッグデータとディープデータ
    2. 少数データ解析の基本手順
  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
    2. 圧縮センシングによる高解像度撮像
  3. 人間の知識をモデル化するための技術
    1. ベイズモデリングと確率的知識
    2. ベイジアンネットワークを使ったモデル化法
    3. データ同化と時系列モデリング
  4. 結果の評価・可視化・説明の技術
    1. 信頼度付き機械学習
    2. ディープラーニングの結果の解釈
  5. データ不足を補ういろいろな技術
    1. 異常検知と欠測値補完
    2. 転移学習
  6. 効率的なデータ取得方法
    1. アクティブラーニングとベイズ最適化
    2. シミュレーションを併用した最適化

受講料

複数名同時受講割引について

アカデミック割引

日本国内に所在しており、以下に該当する方は、アカデミック割引が適用いただけます。

ライブ配信セミナーについて