……Zoomオンライン受講
……見逃し視聴選択可
○AI・機械学習においてよく直面する「データ数不足」。その状況下でも精度を高める様々な戦略を事例を交えて解説!
講師
産業技術総合研究所 人間情報インタラクション研究部門 脳数理研究グループ 上級主任研究員 赤穂 昭太郎 氏
講師紹介
■ご略歴:
1990年 東大・工学部工学系研究科・修士了
同年・通産省工業技術院電子技術総合研究所 入所
2001年 独法化に伴い産業技術総合研究所・脳神経情報研究部門・情報数理研究グループ・研究グループ長
2015年より 産業技術総合研究所・人間情報研究部門・情報数理研究グループ・研究グループ長
2020年4月より 現職
産業技術総合研究所・人工知能研究センター兼任
理化学研究所・革新知能統合研究センター兼任
統計数理研究所・大学統計教員育成センター兼任
■ご専門および得意な分野・研究:
統計的機械学習や最適化,ニューラルネットワーク
<その他関連セミナー>
機械学習・AI 一覧はこちら
日時・受講料・お申込みフォーム
●日時:2025年12月19日(金) 10:30-16:30 *途中、お昼休みや小休憩を挟みます。
●受講料:
【オンライン受講(見逃し視聴なし)】: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
【オンライン受講(見逃し視聴あり)】:1名 56,100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45,100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。
●録音・録画行為は固くお断りいたします。
お申込みはこちらから
配布資料・講師への質問など
●配布資料はPDFなどのデータで配布いたします。ダウンロード方法などはメールでご案内いたします。
・配布資料に関するご案内は、開催1週前~前日を目安にご連絡いたします。
・準備の都合上、開催1営業日前の12:00までにお申込みをお願いいたします。
(土、日、祝日は営業日としてカウントしません。)
・セミナー資料の再配布は対応できかねます。必ず期限内にダウンロードください。
●当日、可能な範囲でご質問にお答えします。(全ての質問にお答えできない可能性もございます。何卒ご了承ください。)
●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・販売などは禁止いたします。
●ご受講に際しご質問・要望などございましたら、下記メールアドレス宛にお問い合わせください。
req@*********(*********にはjohokiko.co.jpを入れてください)
オンライン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。)
※メールアドレスの記載誤りについては、以下へご連絡お願いいたします。
req@*********(*********にはjohokiko.co.jpを入れてください)
→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で音声が聞こえない、カメラ・マイクが使えないなどの事象が起きる可能性がございます。お手数ですが、これらのアプリは閉じた状態にてZoomにご参加ください。
→音声が聞こえない場合の対処例
→一部のブラウザは音声が聞こえないなどの不具合が起きる可能性があります。
対応ブラウザをご確認の上、必ず事前のテストミーティング をお願いします。
(iOSやAndroidOS ご利用の場合は、アプリインストールが必須となります)
→見逃し視聴について、 こちらから問題なく視聴できるかご確認ください。(テスト視聴動画へ)パスワード「123456」
<見逃し視聴ご案内の流れ・配信期間詳細>
セミナーポイント
■はじめに:
現在の機械学習ではビッグデータと呼ばれる大量のデータを用いた学習を前提とすることが多い.しかし現実には,データの取得に金銭的・時間的コストがかかり,少数のデータしか得られないというケースも多く,単純に機械学習を適用しても満足のいく精度が出ないことがある.本セミナーでは,人間の知識やシミュレーションを援用したり,機械学習のために効率的なデータ取得を工夫したりといった,少数データ解析のための戦略について事例を交えながら紹介する.
■受講対象者:
・製造業などで少数データを製品設計などにうまく活用したいと思われている方
・機械学習の結果の解釈や評価法に興味がある方
■必要な予備知識:
特に必要ありませんが,高校~大学初級程度の線形代数・確率の知識があるとより理解がしやすいと思います.
■本セミナーで習得できること:
・人間の知識やシミュレーションを機械学習と組み合わせる技術
・機械学習のための効率的なデータの採取法
・機械学習の結果の解釈や評価の仕方
など
セミナー内容
1.機械学習の概要
1)ビッグデータとディープデータ
2)次元の呪いと汎化能力
a)線形回帰を例として(一番簡単な機械学習)
b)汎化能力と高次元データ
3)データ解析の基本手順
a)開発言語のいろいろ
b)いろいろな可視化プロット
c)主成分分析とクラスタリング
d)機械学習の基本手法
2.少数・高次元データの学習のための技術
1)スパースモデリングと正則化
a)交差検証法
b)いろいろな正則化の比較
2)圧縮センシングによる高解像度撮像
a)ブラックホールやMRIの撮像技術
3)シミュレーションデータを活用したスパースモデリング
3.人間の知識をモデル化するための技術
1)ベイジアンネットを使ったモデル化法
a)ベイズの定理と生成モデル
b)ベイジアンネットワーク
c)グラフィカルLASSO
2)ベイズ推論のための計算アルゴリズム
a)信念伝播法
b)マルコフ連鎖モンテカルロ法
3)データ同化と状態空間モデルによる時系列モデリング
a)カルマンフィルタとパーティクルフィルタ
4.結果の評価・可視化・説明
1)機械学習結果の評価法
2)信頼度付き機械学習
a)ガウス過程回帰
b)機械学習と仮説検定
3)ディープラーニングの結果の解釈と説明
a)感度分析
b)敵対的学習
5.データ不足を補ういろいろな技術
1)異常検知のための技術
2)半教師あり学習とクラウドソーシング
a)欠損値補完
3)転移学習とマルチタスク学習
a)ディープラーニングにおける少数画像の学習
4)能動学習とベイズ最適化によるデータ取得法
a)アクティブラーニング
b)ベイズ最適化
c)マルコフ連鎖モンテカルロ法による最適化
<質疑応答>
お申込みはこちらから
セミナーコード:AD251221