機械学習 XAI 説明可能AI セミナー

サイトマップサイトマップ よくあるお問合わせよくあるお問合せ リクエストリクエスト セミナー会場セミナー会場へのアクセス リンクリンク
セミナーのメニュー
  ヘルスケア系
1月
2月
3月
4月〜

化学・電気系 その他各分野
1月
2月
3月
4月〜
出版物出版物
新刊図書新刊図書 月刊 化学物質管理Gmpeople
通信教育講座通信教育講座
LMS(e-learning)LMS(e-learning)
セミナー収録DVDDVD
電子書籍・学習ソフトDVD
セミナー講師のコラムです。講師コラム
  ↑2020/1/15更新!!
お申し込み・振込み要領お申込み・振込要領
案内登録案内登録
↑ ↑ ↑
新着セミナー、新刊図書情報をお届けします。

※リクエスト・お問合せ等
はこちら→ req@johokiko.co.jp



SSL GMOグローバルサインのサイトシール  


機械学習 XAI 説明可能AI セミナー

★「XAI(explainable AI:説明可能なAI)」を識るセミナー!
 AIのブラックボックス性をいかに解消していくか!?


機械学習
モデル理解のための説明法

XAIの研究動向〜

講師

大阪大学 産業科学研究所 助教 博士(工学) 原 聡 先生

* 希望者は講師との名刺交換が可能です

講師紹介

2013年4月 - 2016年3月 IBM東京基礎研究所 研究員
2016年4月 - 2017年8月 国立情報学研究所 JST ERATO 河原林巨大グラフプロジェクト 特任助教
2017年9月 - 現在 大阪大学 産業科学研究所 助教

→このセミナーを知人に紹介する

<その他関連セミナー>

2020年3月5日 機械学習技術を用いた画像・動画・センサデータ解析〜数値列から意味情報を導き出す〜

日時・会場・受講料

●日時 2020年3月6日(金) 12:30-16:30
●会場 [神奈川・川崎]川崎市産業振興会館10階第4会議室 →「セミナー会場へのアクセス」
●受講料 1名47,300円(税込(消費税10%)、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。→「セミナー申込要領・手順」を確認下さい。

 ●録音・撮影行為は固くお断り致します。
 ●講義中の携帯電話の使用はご遠慮下さい。
 ●講義中のパソコン使用は、講義の支障や他の方の迷惑となる場合がありますので、極力お控え下さい。
  場合により、使用をお断りすることがございますので、予めご了承下さい。
  *PC実習講座を除きます。


■ セミナーお申込手順からセミナー当日の主な流れ →

セミナーに際して

■講師より/本セミナーのポイント
 機械学習は人工知能の基盤技術として様々な場面(ビジネスや社会的課題)への適用が進んでいます。しかし、高精度な認識・識別が可能な機械学習モデルは一般に非常に複雑な構造をしており、どのような基準で判断が下されているかを人間が窺い知ることは困難です。このようなモデルのブラックボックス性を解消するために、近年様々なモデルの説明法が研究・提案されてきています。本講座では、これら機械学習モデルの判断根拠を提示するための説明法について解説します。

■受講対象者は?
・機械学習の簡単な基礎知識があることを推奨(教師あり学習、誤差逆伝播、勾配降下法などを知っていることを想定します)
・機械学習・ディープラーニング・AI関連技術の研究者・技術者、またはこれら技術を基盤としたビジネスを企画・検討している方

■受講することで得られる知識/ノウハウは?
・「機械学習モデルの説明」の研究背景と昨今の状況
・「機械学習モデルの説明」の各種の代表的手法

セミナー内容

1 導入
 1.1 社会的背景
 1.2 学術研究の現状
 1.3 前置き・注意事項

2 可読なモデル
 2.1 線形モデル
  2.1.1 線形回帰
  2.1.2 スパース回帰
 2.2 ルールモデル
  2.2.1 決定木
  2.2.2 ルールリスト
  2.2.3 ルールセット

3 局所的な説明
 3.1 特徴量の提示による説明
  3.1.1 線形モデルに基づく方法:LIME
  3.1.2 ゲーム理論に基づく方法:SHAP
  3.1.3 特徴の切り抜きに基づく方法:Anchor
 3.2 関連データの提示による説明
  3.2.1 影響関数に基づく方法:influence
  3.2.2 モデルにデータを埋め込む方法:ProtoPNet

4 大域的な説明
 4.1 決定木を使った説明:Born Again Trees
 4.2 ルールセットを使った説明:defragTrees

5 深層学習モデルの説明
 5.1 勾配を使った説明:Saliency Map
 5.2 抽象概念を使った説明:Concept Vector

6 説明法の評価
 6.1 モデルランダム化による評価
 6.2 データの塗りつぶしによる評価
 6.3 モデルの再学習による評価

7 説明法の応用:データクレンジング

<質疑応答・名刺交換・個別相談>

セミナー番号:AC200305

top

注目の新刊

雑誌 月刊化学物質管理

動画配信 統計学入門

新時代植物工場

創薬スクリーニング

異常検知技術と応用提案

各社の化学物質管理

分散技術

中分子医薬品

5G

洗浄バリ 2019

分野別のメニュー

化学・電気系他分野別一覧

  植物工場他

  機械学習他

ヘルスケア系分野別一覧

  海外関連

  医療機器

各業界共通
マーケティング・人材教育等

「化学物質情報局」

特許・パテント一覧 INDEX
(日本弁理士会 継続研修)

印刷用申込フォーム    

セミナー用

書籍用

会社概要 プライバシーポリシー 通信販売法の定めによる表示 商標について リクルート
Copyright ©2011 情報機構 All Rights Reserved.