Transformerニューラルネットの原理と産業現場への応用研究

日時・会場・受講料・お申込みフォーム

●日時：2026年2月10日(火)　10:30-16:30　＊途中、お昼休みや小休憩を挟みます。

●会場：[東京・大井町]きゅりあん 4階第2特別講習室　→「セミナー会場へのアクセス」

●受講料：
【会場受講】：1名50,600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39,600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」を確認ください。
＊5名以上でのお申込の場合、更なる割引制度もございます。
　ご希望の方は、以下より別途お問い合わせ・お申込みください。
　req@*********（*********にはjohokiko.co.jpを入れてください）

■ セミナーお申込手順からセミナー当日の主な流れ　→

---

お申込みはこちらから

会場（対面）セミナーご受講に関する各種案内（必ずご確認の上、お申込みください。）

●配布資料は、印刷したものを当日会場にてお渡しいたします。

●当日会場でセミナー費用等の現金支払はできません。
●昼食やお飲み物の提供もございませんので、各自ご用意いただけましたら幸いです。
●講義中の携帯電話・スマートフォンでの通話や音を発する操作はご遠慮ください。
●講義中のパソコン使用は、講義の支障や他の方のご迷惑となる場合がありますので、極力お控えください。場合により、使用をお断りすることがございますので、予めご了承ください（パソコン実習講座を除きます。）

●講座で使用する資料や配信動画は著作物であり、無断での録音・録画・複写・転載・配布・上映・販売などは禁止いたします。また、申込者以外の受講・動画視聴は固くお断りいたします（代理受講ご希望の際は、開催前日までに弊社までご連絡お願いします）。

セミナーポイント

■　講師のことば：
　近年注目を浴びている⽣成AIの基盤技術は⾰新的なニューラルネットである"Transformer"です。その言語知識能力のカギはTransformerの単語系列予測にあります。その優れた予測能力を産業現場の機械学習に応用しようとする研究が進んでいます。
　本セミナーでは，まずAI機械学習の⼊り⼝である「ニューラルネットとは？」から初めて，その時系列データや単語系列へ適⽤を学びます。そのうえで，Transformerニューラルネットの内部計算の概要を分かりやすく説明します。そして，Transformerの卓越した時系列予測能力を活かすべく，画像や予知や制御といった産業現場への最先端研究の実例を紹介します。

■　受講対象：
・業務において「制御」や「AI学習」がキーワードとなる技術者や研究者の方全般
・設備･機器メーカー、インフラ･産業システムメーカー、土木･建築およびそれらの関連企業の方
・システム制御に関わる教育研究・開発設計・生産管理に携わる技術者の方

■　予備知識：
・予備知識は特に必要ありません。確率統計もデータサイエンスもAIの知識経験がなくても受講可
反対に専門家の方でも有用な内容となります。

■　習得知識：
・IoT通信によるインターネット経由実機データ収集専用方式
・ChatGPTのTである，Transformerニューラルネットの原理をおおむね知る
・実機収集モデリング手法として、伝統的解析法から実機収集ニューラルネットワークまでの知識
・Transformerニューラルネットを言語でなく産業現場に応用した研究例を知る
・現実の実機収集データから、サンプル数補強、データ分布偏りの補正など実用的な対処知識

■　キーワード：
AI　機械学習　深層学習　ディープラーニング　LSTMニューラルネットワーク　
制御モデリング　時系列データ　実機収集データ　重回帰モデル　突発事象予知モデル
最適制御　最適探索　大規模探索　モデル構築　IoT　センサ　デジタルモデリング

セミナー内容

１．AI機械学習の現状
1.1　AI機械学習の位置づけ
　教師有／無し学習，ニューラルネット，強化学習
1.2　産業応用への適用現状
　事例：欠陥画像と検査，切削音と工具寿命，他

２．ニューラルネットの基礎
2.1　MLP型ディープラーニング
　ベクトル行列計算，活性化関数とは
　事例：設備電力制御に適用・性能評価
2.2　系列型LSTMニューラルネット
　再帰型系列ニューラルネットの基礎原理
　事例：突発事象予測に適用・性能評価

３．言語機械学習の基礎
3.1　単語符号化
　埋込みベクトル化，なぜベクトルか？
　単語意味の演算，文脈意味分布
3.2　生成AIの登場
　大規模言語モデル：GPT・BERT

４．生成AIのTransformerニューラルネット
4.1　生成AIの技術基盤Transformer
　Transformerの内部アーキテクチャ
　豊富な情報を与える単語位置ベクトル
　単語間の関係性を抽出するQKV Attention機構
4.2　Transformer応用：自然言語から産業現場へ
　自然言語応用のみならす系列データ処理の素質

５．Transformer産業応用の研究事例
5.1　Transformerで路面凍結の予知
5.2　ビル消費電力の時系列予測系列予測
5.3　Transformerで空調負荷予測構造予測

６．産業実装への課題
6.1　Transformerと産業現場の現実
　産業現場データ収集困難さと対策
　系列予測とTransformer内部計算説明性
6.2　Transformer実装の展望

７．質疑応答