データが少量な場合に機械学習を有効に適用するための

具体的な方法についてわかりやすく解説します。

＜一日速習セミナー＞

少量データ向け機械学習技術

≪少量の学習データで機能する異常検知、GAN、エッジAI、進化的機械学習≫

【提携セミナー】

主催：株式会社情報機構

企業の業務への機械学習の導入は深層学習（ディープラーニング）を用いれば全て解決！と考えてしまう風潮が強いようだが、現実はそれほど簡単ではない。実際に企業で取り扱うデータの中には、通常の深層学習には不向きなデータがあり、機械学習をどのように利用すれば良いか悩むケースが多々ある（あるいは、そういったケースがほとんどである）のが実情である。その中の１つが、データが少ない、特定のクラスに偏っている、といった「少量データの問題」である。本セミナーでは、データが少量な場合に機械学習を有効に適用するための具体的な方法について解説する。AIや機械学習に不慣れな方でも直観的に理解できるように、数式をできるだけ用いずに平易な解説を行なうので、機械学習やその業務への導入についてご関心をお持ちの方は、奮ってご参加頂ければ幸いである。

◆受講対象者

本テーマやAI・機械学習にご関心のある方なら業種やご専門を問いません。

◆必要な予備知識など

最初にAI・機械学習の要点を解説しますので、特にありません。

担当講師

横浜国立大学 大学院環境情報研究院　教授 工学博士　長尾 智晴 先生

セミナープログラム（予定）

1. 機械学習の現状と課題
1.1 人工知能と機械学習
1.2 機械学習の種類と方法
1.3 深層学習(ディープラーニング)概論
1.4 少量データを用いた機械学習とは？

2. 学習データを増やす方法
2.1 画像に対する学習データの基本的な水増し
2.2 敵対的生成ネットワーク(GAN)
2.3 特徴／潜在空間の利用
2.4 オートエンコーダー(AE),CAE,VAEなどの利用
2.5 CG (Computer Graphics) を用いる方法
2.6 シミュレータによるデータ水増し

3. 少量でも学習できる方法
3.1 ベイズ最適化などによる関数推定
3.2 進化計算法による関数推定
3.3 １クラス学習による異常検知
3.4 進化的機械学習による処理の自動構築
3.5 転移学習・蒸留・浸透学習 (Percolative Learning)
3.6 深層回路の構造最適化による回路規模の縮小

4. AIの業務への導入方法
4.1 AI導入時の注意点
4.2 AI人材の育成方法について

5. まとめと質疑応答
Q&Aとディスカッション・AIよろず相談会

付録：
Ａ 代表的な機械学習法
Ｂ 説明可能AI (XAI：explainable AI)
Ｃ 進化計算法概論
Ｄ 長尾研・YNU人工知能研究拠点のご紹介

公開セミナーの次回開催予定

開催日

2022年11月7日（月）　10:30-16:30

開催場所

Zoomによるオンラインセミナー

受講料

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

＊学校法人割引；学生、教員のご参加は受講料50％割引。

　●録音・録画行為は固くお断り致します。

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PDF等のデータで送付予定です。受取方法はメールでご案内致します。
（開催1週前～前日までには送付致します）。
＊準備の都合上、開催1営業日前の12:00までにお申し込みをお願い致します。
（土、日、祝日は営業日としてカウント致しません。）

●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。