少量データを有効活用する機械学習の実践方法

セミナーに申し込む
オンライン 開催

本セミナーでは、少ない学習データでも有効に活用できる機械学習の方法を分かりやすく解説いたします。

日時

開催予定

プログラム

業務で深層学習 (ディープラーニング) などの機械学習を利用する際、データが少なくて学習できなかったり、信用性が低い深層回路が作られたりする問題が発生します。また、例えば製品の画像による欠陥検査では、正常例は多数集めることができても欠陥を含む異常例はごく少数しか集めることができない場合が多いです。また、そもそもデータの取得に多大な人的・時間的コストが必要な場合もあります。このような場合、結局、機械学習や深層学習の利用をあきらめてしまうことがあり、企業の業務へのAI導入を妨げる大きな要因の一つになっています。  本セミナーは、そのようにデータが少ない場合でも、有効な学習を行う機械学習の方法を紹介することを目的としています。数式はできるだけ使わず、考え方や原理、要点が分り易い平易な説明を心掛けますので、人工知能や機械学習に対して特に予備知識がない方や、技術職ではない方でも受講可能です。AIを業務に導入する際の注意点も扱いますし、最後にAIに関する様々な質疑応答やディスカッションを行う「AIよろず相談コーナー」もご用意しましたので、AIにご興味があ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
    2. 深層学習 (ディープラーニング) 概論
    3. 生成系AI・説明可能AI:XAI
    4. 少量データを用いた機械学習とは?
  2. 少量データを用いた機械学習1:関数推定
    1. 最適値探索問題とその解法
    2. ベイズ最適化に基づく関数推定
    3. 遺伝的プログラミング (GP) による関数推定
    4. CGP (Cartesian GP) による関数推定
  3. 少量データを用いた機械学習2:異常検知
    1. 1クラスSVM (Support Vector Machine)
    2. データの特徴空間を用いた異常検知
    3. 異常検知における学習データの水増し方法
    4. 時系列信号に対する異常検知
  4. 少量データを用いた機械学習3:少量データによる深層学習
    1. CG (Computer Graphics) を用いた機械学習
    2. 生成系AIによる学習データの水増し
    3. 既存NNの知識の活用:転移学習と蒸留
    4. 浸透学習 (Percolative Learning) とその応用
  5. 少量データを用いた機械学習4:進化的機械学習
    1. 進化計算法の原理と特徴
    2. 処理プロセスの自動生成
    3. 分かり易い分類器の自動生成
    4. ルール集合の学習
  6. AIの業務への導入方法
    1. AI導入時の注意点
    2. AI人材の育成方法について
  7. まとめ・AIよろず相談コーナー

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