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
セミナーのメニュー
  ヘルスケア系
ライブ配信
12月
1月
2月
3月〜

化学・電気系 その他各分野
ライブ配信
12月
1月
2月
3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
  ↑2021/11/16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  



Zoom見逃し視聴あり

オンライン受講/見逃視聴なし → 

オンライン受講/見逃視聴あり → 

★人工知能を用いて、より効率的・効果的な特許調査業務を進めるために!
 導入・適用時の留意点から、アルゴリズムや特徴量の選択などの実務上の対応まで、事例をふまえわかりやすく講義します!

機械学習を用いた効率的な

特許調査すすめ方

〜特許調査実務へのAI利用のポイントと現状・課題等〜

<Zoomによるオンラインセミナー:見逃し視聴有>

講師

アジア特許情報研究会 知財情報解析グループ 研究員
花王(株) 研究開発部門/(元)知的財産部 戦略情報グループ  安藤 俊幸 先生

日時・会場・受講料

●日時 2022年1月17日(月) 12:30-16:30
●会場 会場では行いません
●受講料
  【オンライン(ライブ配信)(見逃し視聴なし)】:1名41,800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30,800円

  【オンライン(ライブ配信)(見逃し視聴あり)】:1名46,200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35,200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。


■ セミナーお申込手順からセミナー当日の主な流れ →

配布資料・講師への質問等について

●配布資料はPDF等のデータで送付予定です。受取方法はメールでご案内致します。
 (開催1週前〜前日までには送付致します)。
*準備の都合上、開催1営業日前の12:00までにお申し込みをお願い致します。
(土、日、祝日は営業日としてカウント致しません。)

●当日、可能な範囲で質疑応答も対応致します。
(全ての質問にお答えできない可能性もございますので、予めご容赦ください。)
●本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・販売等を禁止致します。
●受講に際しご質問・要望などございましたら、下記メールにてお問い合わせ下さい。 req@johokiko.co.jp

※本講座は、お手許のPCやタブレット等で受講できるオンラインセミナーです。

下記ご確認の上、お申込み下さい(クリックして展開「▼」:一部のブラウザーでは展開されて表示されます)
・PCもしくはタブレット・スマートフォンとネットワーク環境をご準備下さい。
・ご受講にあたり、環境の確認をお願いしております(20Mbbs以上の回線をご用意下さい)。
 各ご利用ツール別の、動作確認の上お申し込み下さい。
・開催が近くなりましたら、当日の流れ及び視聴用のURL等をメールにてご連絡致します。開催前日(営業日)の12:00までにメールが届かない場合は必ず弊社までご一報下さい。
・その他、受講に際してのご質問・要望などございましたら、下記メールにてお問い合わせ下さい。
 <req@johokiko.co.jp>

Zoom
Zoomを使用したオンラインセミナーとなります(クリックして展開「▼」)
・ご受講にあたり、環境の確認をお願いしております。
 お手数ですが下記公式サイトからZoomが問題なく使えるかどうか、ご確認下さい。
 → 確認はこちら
 *Skype/Teams/LINEなど別のミーティングアプリが起動していると、Zoomでカメラ・マイクが使えない事があります。お手数ですがこれらのツールはいったん閉じてお試し下さい。
 →音声が聞こえない場合の対処例

・Zoomアプリのインストール、Zoomへのサインアップをせずブラウザからの参加も可能です
 →参加方法はこちら
 →※一部のブラウザーは音声(音声参加ができない)が聞こえない場合があります、
   必ずテストサイトからチェック下さい。
   対応ブラウザーについて(公式);コンピューターのオーディオに参加に対応してないものは音声が聞こえません

見逃し視聴あり
申込み時に(見逃し視聴有り)を選択された方は、見逃し視聴が可能です。
(クリックして展開「▼」)
・原則、開催5営業日後に録画動画の配信を行います(一部、編集加工します)。
・視聴可能期間は配信開始から1週間です。
 セミナーを復習したい方、当日の受講が難しい方、期間内であれば動画を何度も視聴できます。
 尚、閲覧用URLはメールでご連絡致します。
 ※万一、見逃し視聴の提供ができなくなった場合、
 (見逃し視聴あり)の方の受講料は(見逃し視聴なし)の受講料に準じますので、ご了承下さい。

 →こちらから問題なく視聴できるかご確認下さい(テスト視聴動画へ)パスワード「123456」


セミナーポイント

 本セミナーでは機械学習を用いた効率的な特許調査のすすめ方について特許調査と機械学習の観点から解説します。
 最近では商用のAIを利用した特許調査ツールも複数登場しています。現在は、AIへの過剰な期待の時期から冷静な判断が求められる時期に移行中です。
 最初に特許調査と検索の基礎について概観します。第3章ではAIの概要と特許調査への応用についての留意点と原理的な制限事項について述べます。第4章では、商用AI特許調査ツールの活用事例を紹介します。第5〜7章では、デモを交えてオープンソースを用いた機械学習の特許調査への応用事例として、単語・文書のベクトル化、文書分類、文書ベクトルの次元圧縮による特許公報の俯瞰可視化と技術動向調査への応用を紹介します。
 AIを用いて効率的・効果的な特許調査業務を行うためには、調査目的に応じたアルゴリズムと特徴量の選択が重要であり、また教師あり機械学習には良質な教師データの準備が重要です。本セミナーでは、そのような実務上の要点や様々な問題点への対応についても、各種事例をふまえ解説します。

○受講対象:
 研究開発者、エンジニア、知財部員等で特許調査の効率化に関心がある方。予備知識は特に必要ありません。

○受講後、習得できること:
 1.機械学習による先行技術調査、SDI調査、技術動向調査の効率化
 2.特許調査におけるAI利用の現状と注意点
 3.商用AI特許調査ツールの活用事例
 4.オープンソースを利用した機械学習による特許調査
 5.オープンソースを利用した自分でできる特許情報解析ツールの活用のヒント

セミナー内容

1.はじめに
 1.1 講師自己紹介
 1.2 アジア特許情報研究会紹介

2.特許調査と検索の基礎
 2.1 調査対象と調査範囲の特定・明確化
 2.2 マッチングと適合
 2.3 特許調査における再現率(網羅性)と適合率(効率)
 2.4 先行技術調査と侵害防止調査の検索モデルの違い
 2.5 「完全一致」⇔「最良一致」検索モデルの比較
 2.6 特許調査システムとその評価方法

3.AIの概要と特許調査への応用
 3.1 人工知能(AI:Artificial Intelligence)とは
 3.2 AI、機械学習、深層学習について
 3.3 AI活用特許調査システムへの過剰な期待
   〜現時点でできること/できないこと、性能レベルなど〜
 3.4 特許調査への機械学習適応時の留意点
 3.5 人とAIの役割分担
 3.6 問題の定式化
 3.7 AIの使用と情報要求
 3.8 シンボルグランディング(記号接地)問題
 3.9 ノーフリーランチ(NFL)定理
 3.10 フレーム問題
 3.11 過学習(汎化性能)
 3.12 特徴量選択(醜いアヒルの子の定理)

4.商用AI特許調査ツールの活用事例
 4.1 AI特許調査ツールへの要求性能
 4.2 Patentfieldの活用事例
 4.3 PatentfieldのAIセマンティック検索
 4.4 PatentfieldのAI分類予測
 4.5 Deskbee5のSDI調査事例
 4.6 特許調査分野における人工知能(AI)技術の活用動向

5.オープンソースを用いた機械学習の特許調査への応用
 5.1 機械学習の概要と特許調査への応用
 5.2 特許調査分野における人工知能(AI)技術の活用動向
 5.3 機械学習概要(分類、回帰、クラスタリング、次元圧縮)
 5.4 特許分野における自然言語処理導入のメリット
 5.5 特許調査用学習済モデルの作成とその評価方法
 5.6 先行技術調査の流れ(進め方)
 5.7 分散表現(単語埋め込み)とは
 5.8 分布仮説に基づいた文脈中の単語の重み学習(word2vec)
 5.9 doc2vecによる公報(文書)単位の類似度計算
 5.10 doc2vecによる発明の要素(文)単位の類似度計算

6.機械学習のクラス分類の応用事例
 6.1 ディープラーニングの基礎検討
 6.2 文書のベクトル化検討
 6.3 one hotベクトル(BoW、TF・IDF等)
 6.4 分散表現ベクトル(word2vec、doc2vec、fastText等)
 6.5 機械学習による文書分類
 6.6 SDI調査への応用

7.教師無し機械学習(クラスタリング、次元圧縮)の応用
 7.1 単語・文書のクラスタリングによる動向調査への応用
 7.2 文書ベクトルの次元圧縮による特許公報の俯瞰可視化
 7.3 文書分類との組み合わせによるパテントマップの自動作成

8.特許調査実務へのAI利用の現状のまとめと将来展望

  <質疑応答>

セミナー番号:AD220166

top

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.