時系列データの基礎とAIによる制御モデリング

日時・会場・受講料・お申込みフォーム

●日時：2026年2月17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・東新宿]新宿文化センター 4階第1会議室　→「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：
　今後、IoTの常時データ収集により膨大な実機収集データのあふれる時代となるでしょう。その高度利用のためにデータサイエンスおよびAI学習手法によるデジタルモデリング技術が重要となってきます。
　本セミナーでは、制御分野における実機収集データからAI学習によりデジタルモデルを構築する実務を紹介します。特に産業界の制御システム開発者が制御対称モデリングにAI学習理論を実践する手法について重点をおきます。講師の30余年の経験に基づき，実際に現場から収集したデータを用いた実例を豊富に用いて解説します。

■　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
・システム制御対象のデジタルモデルを構築する原理、方法、実務の基礎
・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
・実機収集データから構築するAI最適探索法、強化学習法によるモデリング方法の概観
・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．制御モデリング
（１）．制御モデリングとは何か
（２）．実機時系列データと制御モデルの関係
（３）．制御モデリングにAI機械学習手法を用いる

２．線形実機収集モデリング
（１）．重回帰モデルの基礎
（２）．自己回帰ARモデルの基礎
（３）．実例１：基本的な安定区間重回帰モデル
（４）．実例２：基本的なステップ応答ARモデル

３．ディープラーニングAIモデリング
（１）．ディープラーニングの基礎
（２）．実機収集データからのディープラーニング基礎解説
（３）．実例３：基本的なステップ応答ARニューラルネットワーク
（４）．実例４：ディープラーニング突発事象予知モデル

４．LSTM　AI モデリング
（１）．LSTMニューラルネットワークの基礎
（２）．LSTM実機収集モデル
（３）．実例５：電力卸市場LSTMモデル
（４）．実例６：設備突発事象予知LSTMモデル

５．実機収集AIモデルによる最適制御
（１）．最適探索制御の基礎
（２）．状態爆発をさける並列探索の工夫
（３）．実例７：電力料金最適探索制御
（４）．実例８：大規模探索の実用的打切り

６．実機学習データ収集の現実
（１）．実例９：時系列データからステップ応答抽出法
（２）．実例１０：限られた収集データからの補完増強法
（３）．実例１１：シミュレータによる人工的な学習データ生成法

７．実機収集AIモデリングの実作業
（１）．IoTによる実機収集データ収集方法
（２）．実機収集AI学習データのゾーン選別
（３）．実機収集AIモデリング自作ソフト