本セミナーはビデオ会議ツール「Zoom」を使って当日ライブ配信します。
※講師の講演部分に関しましては、後日見逃し配信を予定しています。

受講申し込みは、8月24日（水）午前10時に締め切らせていただきます。

セミナー紹介

昨今は人工知能、特に機械学習の利用が盛んに行われており、中でも深層学習（ディープラーニング）が好んで利用される傾向にあります。確かに、深層学習は多数の学習データを与えることで非常に高精度なモデルを作ることができる優れた手法です。

ところが、企業の業務などの現実的な課題では、深層学習に必要な数千～数万といった膨大な数のデータがそもそも存在しない、あるいは存在しても集めることに多大なコストが必要で、学習データが少ないケースが頻出します。その場合は深層学習をうまく利用することができません。それが、AI導入が進まない要因の1つになっています。

本セミナーでは、このように学習データの数が少ないため、あるいは用意できないために、深層学習の直接適用が困難な問題に対して、対処を可能にする有効な機械学習手法を紹介します。具体的には、幾何学的変形や階調変換などを利用したデータの水増し、GAN、次元の圧縮や削減、オートエンコーダー（AE）、CAV、VAC、CG、物理シミュレーション、ベイズ推定、遺伝的プログラミング（GP）、1クラス学習、転移学習、プルーニングといった深層ネットワークの構造最適化、などです。企業でのAI利用にとっても実践的な知見になると思います。

本セミナーでは、説明に数式や数学理論を多用せず、AIの初学者にも分り易い平易な説明を心がけて、専門外の方や技術職以外の方にもわかるようにしますのでぜひ奮ってご参加下さい。

本講座の特徴

機械学習の現状と課題から要点を整理して学習します。

数式や数学理論を多用せず、AIの初学者でも基礎から学びます。

学習データが少なく、深層学習を適用することが困難な問題でも適用できる有効な機械学習手法を学びます。


■視聴にあたって
  1. ライブ配信当日の視聴に必要なURLと、登録、ログイン方法につきましては、登録完了メールに記載されています。
    URLはセミナーに参加する方のみ利用可能とし、再配布を禁止します。
  2. 受講者は、動画を録画・キャプチャーすること、SNSなどへのアップも禁止します。
    もし、発見した場合、事務局は削除を要求できることとします。
  3. セミナーの内容や受講者の個人情報などはセミナー内のみとし、口外しないでください。
  4. システムトラブルなどにより、画像・音声に乱れが生じた場合も再送信や返金はできませんので、予めご了承ください。 なお、音声、画像は受講者でご調整ください。また、サービス利用にあたってのサポートは致しかねます。
  5. 配信中、異常と思われる接続を発見した場合、予告なく切断することがあります。
  6. Zoomの接続環境は【パソコン、有線またはWi-Fiのインターネット環境】推奨です。
なお、「Zoom」上では、個人情報は一切取得いたしません。開催時間中にURLにアクセスいただくと受講可能です。

開催概要

セミナー名 小規模データでも活用できる効果的な機械学習のすべて
日時 2022年8月24日（水） 10：00～17：00
会場 オンライン開催
Zoomを使ったWeb配信セミナーです
受講料

52,000円（税込み）
※上記は1名様の料金です。複数名での共有は禁止させていただきます。
定員 60名
※最少開催人数（15名）に満たない場合は、開催を中止させていただくことがあります。
主催 日経クロステック　日経エレクトロニクス

講師紹介

長尾 智晴（ながお ともはる）氏
横浜国立大学大学院環境情報研究院・社会環境と情報部門 教授・YNU人工知能研究拠点長
東京工業大学大学院出身．東京工業大学工学部助手・助教授を経て2001年から現職。工学博士．専門は知能情報学（人工知能）。所属学会は情報処理学会、人工知能学会、電子情報通信学会、IEEEなど。産学連携に力を入れており大学発ベンチャー、（株）マシンインテリジェンスCTOを兼任

プログラム （10：00～17：00）

1．機械学習の現状と課題

  • 1.1　人工知能と機械学習
    ～人工知能の本質と機械学習の位置付け・AIの課題～
  • 1.2　機械学習の種類と方法
    ～IBL・EBL・教師あり／なし学習など～
  • 1.3　深層学習（ディープラーニング）概論
    ～ニューラルネットと深層学習の本質と特徴～
  • 1.4　少量データを用いた機械学習とは？
    ～学習データを増やす／少量でも学習できる方法を用いる～

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
    ～幾何学的変形・階調変換などの利用～
  • 2.2　敵対的生成ネットワーク（GAN）
    ～GANの原理と各種の応用手法～
  • 2.3　特徴／潜在空間の利用
    ～各種の次元圧縮・削減法～
  • 2.4　オートエンコーダー（AE）、CAV、VACなどの利用
    ～逆変換によるデータ生成～
  • 2.5　CG（Computer Graphics）を用いる方法
    ～画像・立体認識への応用～
  • 2.6　シミュレータによるデータ水増し
    ～物理シミュレータの利用～

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
    ～少ないサンプルから分布を推定する～
  • 3.2　進化計算法による関数推定
    ～遺伝的プログラミング（GP）・CGPなど～
  • 3.3　1クラス学習による異常検知
    ～１クラスSVM・AEなどの利用～
  • 3.4　進化的機械学習による処理の自動構築
    ～リッチな処理要素の進化的組合せ最適化～
  • 3.5　転移学習・蒸留・浸透学習（Percolative Learnig）
    ～既存知識を有効に利用する～
  • 3.6　深層回路の構造最適化による回路規模の縮小
    ～Pruning・Neural Architecture Search～

4．AIの業務への導入方法

  • 4.1　AI導入時の注意点
    ～導入時に注意すべき点・外注時の注意点など～
  • 4.2　AI人材の育成方法について
    ～最も望まれる人材育成方法・生き残る企業の特徴など～

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 横浜国大・長尾研のご紹介
※プログラム内容・講師は予告なく変更になることがあります。予めご了承ください。

【お申し込み注意事項】

  • このセミナーは、ZoomによるリアルタイムWeb配信にてご提供します。
    視聴URLは、登録完了メールに記載していますので、当日まで大切に保存してください。
  • ※このセミナーの運営事務局からメールやお電話でご連絡を差し上げることがあります。
  • ※お申し込み後のキャンセル、ご送金後の返金はお受けいたしかねます。
  • ※受講料のお支払い：請求書払い／クレジットカード払いが選択できます。
    お支払方法が「請求書」の方には、後日、請求書を郵送いたします。ご入金は銀行振込でお願いいたします。なお、振込手数料はお客様のご負担となりますのであらかじめご了承ください。
    クレジットカード払いの場合、お支払い手続きにて決済が完了した後、以下「MyPageメニュー」にお申し込み内容が表示されます。
    ＜MyPage＞https://ers.nikkeibp.co.jp/user/myPageLogin/
    各種書類（領収書等）の発行については、こちらをご覧ください。
  • ※講師企業と競合すると考えられる製品やサービスなどをご提供される会社の方は、主催者の判断に基づき受講をお断りさせていただく場合がございますので、あらかじめご了承ください。
  • ※講師の急病、天災その他の不可抗力、またはその他やむを得ない理由により、講座を中止する場合があります。この場合、未受講の講座の料金は返金いたします。