★人工知能・機械学習の最近の動向もふまえ、体系的にわかりやすく解説！

機械学習の各手法のしくみ・違いや正しい評価・利用法等、

ＡＩ時代に知っておきたい基礎知識習得を目指します！

初めてのＡＩ・機械学習入門

≪全体的な枠組み及び様々な手法の理解・活用と最近の動向等≫

【提携セミナー】

主催：株式会社情報機構

昨今，テレビやニュースで聞かない日はない「AI」について，皆さんはどれぐらい知っているでしょうか？まずAIとは何の略なのかご存知でしょうか？AIとは「Artificial Intelligence」の略で日本語にすると「人工知能」となります．
今や様々な業務にも深く関わることが増えてきている状況ですが、人工知能技術は大変幅広く、これまで馴染みのなかった方・これから学習・導入しようと考えている方には、自分にどこまで関係するのか・またどこを手掛かりに始めればよいかわからないという声も聞かれます。
それでは人工知能とは一体何でしょうか．人間のようにふるまう機械のことでしょうか？
一般社団法人人工知能学会では，人工知能の研究には二つの立場があると言っています．人間の知能そのものを持つ機械を作ろうとする立場と，人間が知能を使ってすることを機械にさせようとする立場の二つの立場です．そして実際の研究のほとんどは，人間が知能を使ってすることを機械にさせようとする立場にたっています．ですので，人工知能の研究と言っても，人間のような機械を作っているわけではありません．
本セミナーでは、全体像をふまえ、このような人工知能に関する位置付けや認識を整理していただいた上で、人工知能の研究ではどのようなことが研究されているのか，その上で人工知能にどのように関わり活用していけば良いのか、その留意点などについてわかりやすく説明します．
また，人工知能の技術の根幹をなす，深層学習をはじめとした機械学習について紹介します．機械学習とは，観測センサーやその他様々な手段で収集されたデータの中から一貫性のある規則を見つけ出そうとする研究で，数学の統計の分野と強い関連があり，人工知能研究の殆どの分野で利用されています．
その機械学習の代表的な手法や機械学習の評価についても本セミナーでは取り上げます．
特に評価について理解することは，実際にその技術を使用した場合に正しく把握するために必要になります．例えば，コロナ感染の有無を調べるPCR検査の評価について考えてみましょう．予測の正解率は99%とされている場合，それは何を意味するのでしょうか．100人の感染者の検査の結果99人の感染を当てることができれば99%の正解率ということになります．一方で，100人の非感染者のうち99人は非感染者であると当てることも99%の正解率ということになります．どちらも99%の正解率には違いありませんが，本当にこのような評価方法で良いのでしょうか．せっかく人工知能を用いても、その評価が適切に行われていなければ、誤った結論が導き出されることにもなりかねません。本セミナーではこういった機械学習の正しい評価方法についても解説します．
また、機械学習には数々の手法があり、その技術も日々進歩しています。本セミナーでは、なぜそのような手法がたくさん存在するのか？それぞれの手法の仕組みや違いは？目的に応じ、どのように各手法を活用していけば良いのか？といった基本的な事柄から最近の動向まで、代表的な手法を中心にわかりやすく解説します。

◆受講後、習得できること

• 人工知能とは何か理解できる．
• 機械学習でできること，できないことが分かる．
• 機械学習の適切な評価方法について理解できる．
• 教師あり学習と教師なし学習についての基礎知識
• 主な機械学習の手法について理解できる．
• 機械学習の最近の動向についてわかる．
  など

◆受講対象者

人工知能に興味がある方．機械学習で何ができて何ができないのか興味がある方．機械学習をちゃんと使ってみたい方．人工知能及び機械学習を体系的に把握したい方など．
できるだけ数式は用いませんが，確率・統計，線形代数について知識があると望ましい．

担当講師

拓殖大学 工学部 情報工学科 助教 博士（工学） 　西垣 貴央 先生

セミナープログラム（予定）

1. ビッグデータとは
1) 増え続けるデータ
2) 3Vと呼ばれるデータ

2. AI（人工知能）とは
1) 推論と学習
a) 推論とは
b) 学習とは
c) 人工知能研究について
2) 人工知能の歴史
a) 第一次人工知能ブーム
b) 第二次人工知能ブーム
c) 第三次人工知能ブーム
3) ビッグデータとAI

3. ビッグデータとAIと機械学習の関係

4. 機械学習とは
1) データ駆動型分析
2) 機械学習の概要
3) 機械学習が用いられている例

5. 機械学習とその評価法
1) 過学習（Over fitting）
a) 汎化能力と汎化誤差
b) 機械学習と過学習
2) クロスバリデーション
a) ホールドアウト法（Hold out）
b) k-分割交差検証法（k-hold cross validation）
c) 一つ抜き法（Leave one out: LOO）
3) ダブルクロスバリデーション
4) 混合行列
a) 正解率と偽陽性，偽陰性
b) 適合率
c) 再現率
d) F値

6. さまざまな機械学習手法
～特徴・アルゴリズムから最近の動向まで～
1) 教師あり学習と教師なし学習
2) 分類手法
a) 判別分析
b) サポートベクターマシン（SVM）
c) 決定木
d) ランダムフォレスト
e) その他の手法
① k近傍法
② ナイーブベイズ
③ ニューラルネットワーク
④ Xgboost
f) （番外編）外れ値検知
3) 回帰手法
a) 単回帰分析
b) 重回帰分析
c) 正則化回帰
① Lasso回帰
② Ridge回帰
③ Elastic Net
d) ロジスティック回帰
4) クラスタリング
a) クラスタリングで利用する距離
b) 階層型クラスタリング
c) 非階層型クラスタリング
① K-means法
② 混合ガウス分布
5) 次元圧縮
a) 次元削減とその必要性
b) 主成分分析
c) その他の次元削減
① 多次元尺度構成法
② カーネルPCA
③ 自己組織化マップ（SOM）
④ t-SNE
6) 深層学習（ディープラーニング）
a) 深層学習とは
① パーセプトロン
② 多層パーセプトロン（MLP）
③ オートエンコーダ
④ ディープニューラルネットワーク
b) 深層学習の特徴
c) 深層学習の種類
d) 転移学習
e) 深層学習の活用例

7.まとめ
1) なぜ機械学習手法がたくさん存在するのか
2) ご利用は計画的に
a) 利用例
b) 目的の明確化
c) 手法の選択
d) 評価の考え方
3) AI・機械学習に関わる際の留意点

＜質疑応答＞

公開セミナーの次回開催予定

開催日

2022年5月26日（木）　10:30-16:30

開催場所

Zoomによるオンラインセミナー

受講料

【オンライン(ライブ配信)（見逃し視聴なし）】：1名47,300円(税込、資料付)
＊1社2名以上同時申込の場合、1名につき36,300円
【オンライン(ライブ配信)（見逃し視聴あり）】：1名52,800円(税込、資料付)
＊1社2名以上同時申込の場合、1名につき41,800円

＊学校法人割引；学生、教員のご参加は受講料50％割引。

オンライン配信のご案内

★　Zoomによるオンライン配信

については、こちらをご参照ください

備考

配布資料・講師への質問等について
●配布資料は、印刷物を郵送で送付致します。
お申込の際はお受け取り可能な住所をご記入ください。
お申込みは4営業日前までを推奨します。
それ以降でもお申込みはお受けしておりますが（開催1営業日前の12:00まで）、
テキスト到着がセミナー後になる可能性がございます。

●当日、可能な範囲で質疑応答も対応致します。
（全ての質問にお答えできない可能性もございますので、予めご容赦ください。）
●本講座で使用する資料や配信動画は著作物であり
無断での録音・録画・複写・転載・配布・上映・販売等を禁止致します。

お申し込み方法

★下のセミナー参加申込ボタンより、必要事項をご記入の上お申し込みください。

★【オンラインセミナー（見逃し視聴なし）】、【オンラインセミナー（見逃し視聴あり）】のいずれかから、ご希望される受講形態をメッセージ欄に明記してください。