少ないデータに対する機械学習の適用と学習結果の評価技術

セミナーに申し込む
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

現在の機械学習や深層学習ではビッグデータと呼ばれる大量のデータを用いた学習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・深層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、人間の知識やシミュレーションを援用したり、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、少数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. 少数データと次元の呪い
    2. データ解析の基本手順
    3. 可視化のための方法
  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. シミュレーションを活用したスパースモデリング
  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. ベイズ推論のための計算アルゴリズム
    4. データ同化とパーティクルフィルタ
  4. 結果の評価・可視化・説明
    1. 機械学習結果の評価法
    2. 信頼度付き学習
    3. XAI:ディープラーニングの説明性
  5. データ不足を補ういろいろな技術
    1. 異常値検知の技術
    2. 半教師あり学習,欠損値補完
    3. 転移学習と深層学習での利用
  6. 効率的なデータ取得方法
    1. アクティブラーニング
    2. ベイズ最適化
    3. MCMCとシミュレーションを用いた効率的最適化

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