小規模データに対する機械学習の効果的適用法

関数推定 / 異常検知 / 深層学習 / 進化的機械学習について解説します！

セミナー講師

　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　教授（工学博士）

セミナー受講料

お1人様受講の場合　51,700円[税込]／1名
1口でお申込の場合　62,700円[税込]／1口（3名まで受講可能）
 
受講申込ページで2～3名を同時に申し込んだ場合、自動的に1口申し込みと致します。

受講について

• 本セミナーの受講にあたっての推奨環境は「Zoom」に依存しますので、ご自分の環境が対応しているか、お申込み前にZoomのテストミーティング（http://zoom.us/test）にアクセスできることをご確認下さい。
• インターネット経由でのライブ中継ため、回線状態などにより、画像や音声が乱れる場合があります。講義の中断、さらには、再接続後の再開もありますが、予めご了承ください。
• 受講中の録音・撮影等は固くお断りいたします。

セミナープログラム

　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