スモールデータを用いた機械学習の精度向上

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、生成AIを組み合わた少量データでの機械学習モデルの構築、最適なパラメータ、データ収集の留意点、スパースデータの防止策について詳解いたします。

日時

開催予定

プログラム

第1部 少量データでの機械学習モデルの学習、構築と検証

(2024年2月14日 10:30〜14:30)※途中、休憩含む

 生成AIが一般的になってきたことにより、あらためて人工知能、機械学習の業務への適用の機運が高まっています。しかし、自社だけでビッグデータを用意し、機械学習モデルを構築することは容易ではありません。  そこで、基盤モデル、生成AI等の技術を組み合わせ、少量データでの機械学習モデルの構築。運用の方法を解説します。

  1. 概観
    1. 機械学習
    2. ディープラーニング
    3. 生成AI
  2. 機械学習のためのデータ生成
    1. 画像
    2. 言語
    3. 音・振動
  3. 少量データの水増し
    1. 画像
    2. 言語
    3. 音・振動
  4. 学習
    1. 一般的な学習
    2. 少量データの場合の注意
    3. 基盤モデルの活用と転移学習
    4. 生成AIの活用
  5. 検証と運用
    1. 検証の際の注意点
    2. 運用の際の注意点

第2部 AIの産業適用に向けたデータ収集と蓄積/前処理のポイントと実際

(2024年2月14日 14:45〜16:15)

 AI・IoTを製造や設備保守の現場で利用していく場合のデータ収集、および蓄積、活用する場合の分析におけるポイントを解説する。

  1. 産業界におけるDXの勘違い
    • DXとはどういうことか
    • デジタル化とDXは違う
    • DXがうまくいった事例
  2. プロセス/生産データの活用におけるポイント
    • 最初は今あるデータの活用から
    • 今あるデータで何が見えるのか
  3. 足りないデータを収集する場合のポイント
    • 足りないデータを集めるときに注意すべき点
    • 必要なデータを最低限のコストで収集する
  4. データ収集デバイスと蓄積システム
    • WiFi振動センサ
    • 光ファイバーセンシング
    • 音による異常検知
  5. AIの現場導入を進めるうえでの課題と対策
    • 現場導入するときのポイント
    • 失敗する理由
    • 人材育成のポイント

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