AIの選択・精度・効率・構造・コストなどの最適化原理

企業の業務にAIや機械学習を導入する場合、機械学習ライブラリ中の基礎的な手法や、これまでに国際会議などで提案された既存モデルを試すことになります。あるいは、外部のAIベンダに外注したり、既存のAIソフトウェア・サービスを利用する場合もあるでしょう。その際、AI導入担当者は常に、『もっと良いモデルや利用方法がある/あったのではないだろうか?』という不安を感じることと思います。このため、用いるAIモデルの最適化を図る必要が生じます。ここでの最適化の評価基準は一通りではなく、モデルの精度・効率・構造・コスト・説明性などがあります。 　そこで本セミナーでは、AIを企業で有効かつ効率的に利用するために必要な「AIの最適化技術」を取り扱います。数式は極力使用せず、企業でAIを利用する観点から平易に解説いたしますので、実際にAI導入を担当されるAIの専門家の方だけでなく、日頃からAIに不慣れな方や、業務へのAI導入を検討中の方など、様々なバックグラウンドの方々にご参加頂ければ幸いです。最後に質疑応答や意見交換の時間も設けていますので、お気軽にご参加下さい。

1. 機械学習概論
   1. 人工知能と機械学習
   2. 機械学習の種類と方法
   3. 機械学習の課題
2. AIモデルの選択の最適化
   1. 基礎となる考え方
   2. 選択の自動化の試み
3. AIモデルの精度の最適化
   1. 深層学習モデルの精度向上
   2. 深層学習以外のモデルの精度向上
4. AIモデルの学習効率の最適化
   1. 教師なし学習の利用
   2. 自己教師あり学習の利用
   3. 学習データの水増しの活用
   4. 転移学習と蒸留の活用
5. AIモデルの構造の最適化
   1. 特徴空間の最適化
   2. 深層回路の構造最適化
   3. 進化的機械学習の利用
6. AIモデルのコストの最適化
   1. 重要度解析に基づく入力変数の削減
   2. 浸透学習法による入力変数の削減
   3. エッジAI化の試み
7. AIモデルの説明性の最適化
   1. AIモデルの説明性・説明可能AI (XAI)
   2. 深層学習に対するXAI手法
   3. 深層学習以外のモデルに対するXAI手法
8. まとめ
   1. セミナー内容のまとめと今後の課題
   2. 質疑応答と意見交換