. .
セミナー・イベントTOPへ戻る


小規模データに対する機械学習の効果的適用法【WEBセミナー】
〜関数推定 / 異常検知 / 深層学習 / 進化的機械学習〜


■開催日時:2022年02月24日(木) 10:30〜16:30

■会場:【WEB限定セミナー】※在宅、会社にいながらセミナーを受けられます 

■定員:30名

■受講料:51,700円(税込、資料付き/1人)

■備考:
資料付き
【LIVE配信セミナーとは?】

■主催:(株)R&D支援センター

■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 氏 

<経歴等>
 学部:理工学部 数物・電子情報系学科 情報工学EP
 大学院:大学院環境情報学府 情報環境専攻
 YNU人工知能研究拠点長・情報系学科/大学院就職担当教授
 経産省NEDO「共進化AIプロジェクト」採択課題研究代表者
 YNU感性脳情報科学研究拠点・文科省COI-S拠点YNU総括
 横浜国大発ベンチャー 株式会社マシンインテリジェンスCTO

 *研究
 知能情報学/パターン認識と機械学習/知能ロボティクス/感覚知覚情報処理/知的画像処理/
進化計算法/ 医工連携工学など「人と機械の知能」に関する広範囲な分野。
 
 *学会
 情報処理学会、電子情報通信学会、電気学会、映像情報メディア学会、人工知能学、進化計算学会、
IEEEなどに所属して各学会で活動中



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 教師あり/なし/半教師あり学習
  1.4 深層学習(ディープラーニング)概論
  1.5 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
  2.1 ベイズ最適化に基づく関数推定
  2.2 遺伝的プログラミング(GP)による関数推定
  2.3 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
  3.1 1クラスSVM(Support Vector Machine)
  3.2 CAE(Convolutional Auto Encoder)による異常検知
  3.3 異常検知における学習データの水増し

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
  4.1 CG(Computer Graphics)を用いた機械学習
  4.2 GAN(Generative Adversarial Network)による水増し
  4.3 転移学習と蒸留・浸透学習(Percolative Learning)

5 少量データを用いた機械学習4:進化的機械学習
  5.1 進化計算法の原理と特徴
  5.2 処理プロセスの自動生成
  5.3 分かり易い分類器の自動生成
  5.4 CS(Classifier System)によるルールの学習

6 AIの業務への導入方法
  6.1 AI導入時の注意点
  6.2 AI人材の育成方法について

7 まとめ

Copyright (C) 2021 NTS Inc. All right reserved.