☆☆☆Web配信セミナー☆☆☆
小規模データに対する
機械学習の効果的適用法
S210312KW
☆☆☆本セミナーは、Zoomを使用して行います☆☆☆
開催日時：2021年3月12日（金） 10:30-16:30
受 講 料：お1人様受講の場合 46,000円[税別]／1名
1口でお申込の場合 57,000円[税別]／1口（3名まで受講可能）
<講師紹介>
【主経歴】
東京工業大学大学院総合理工学研究科出身
東京工業大学工学部助教授を経て
2001年より現職
【所属学会】
情報処理学会，人工知能学会，進化計算学会，IEEEなど
【セミナーポイント】
いま人工知能，特に機械学習が注目され，様々な分野や企業の業務への導入が検討されています．
最近注目されている機械学習法である深層学習（ディープラーニング）は，非常に高精度な分類や
推定を行なえる反面，学習に膨大な数のデータと時間を必要とします．しかしながら，実際の業務や
現場では，大量の学習用データがなかったり，集めるのが非常に大変なために，少ない学習データしか
ないことがよくあります．このため，深層学習を適用できず，AI導入を躊躇している企業も多いです．
本セミナーは，少ない学習データを基にして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，要点が分り易く伝わるような平易な
説明を心掛けますので，人工知能や機械学習に対して予備知識がない方や，技術職ではない方もぜひ
ご参加下さい．後半では，AIを業務に導入する際の注意点や成功させるためのコツなどについても
扱いますので，企業経営者の方もぜひ受講して頂けると幸いです．
【受講後、習得できること】
・人工知能(AI)・機械学習の現状と課題
・深層学習(ディープラーニング)の原理と課題
・少数データを用いた人工知能の手法
・業務へのAI導入の秘訣
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
