……Zoomオンライン受講
……見逃し視聴選択可
〇現場で計測された多様で複雑なセンサーデータを、“AIで使える特徴量データ”にするために。
〇産学で経験豊富な講師が、物理データの基礎、データ収集・整理のポイント、前処理の定番手法、実事例・実践ノウハウ、生成AIなど最新トレンドまで、一気通貫で解説します！
講師
Ｎ研究所株式会社 代表取締役／ 元・岐阜大学 工学部 教授 蜷川 忠三 氏
講師紹介
■ご略歴：
三菱重工業株式会社でビル空調制御，太陽光発電インバータの開発設計。
その間，三菱重工業株式会社技術職最高位の技監に就任。
その後，岐阜大学工学部で電気電子工学科教授，スマートグリッド共同研究講座特任教授。
退官後，AI産業応用の技術コンサル会社N研究所株式会社立上げ。
米国University of Washington大学院正規卒業。工学博士。
■ご専門：
需要家スマートグリッド，AI機械学習の産業応用。
■著作：
和英専門書（単著）10冊，学術論文110編。
代表著書は「AI時系列制御解析」コロナ社，「仮想発電所システム構築技術」オーム社など。
■ご所属学会：
電気学会スマートグリッド技術委員会委員，人工知能学会スマートマニュファクチャリング委員会委員。
■その他ご活動など
岐阜大学工学部非常勤研究員・客員教授，NEDO有識者受嘱。
＜その他関連商品＞
機械学習・AI・データ分析 一覧はこちら
日時・受講料・お申込みフォーム
●日時：2027年2月9日(火) 13:00-17:00 ＊途中、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 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
【オンライン受講（見逃し視聴あり）】：1名 51,700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40,700円
＊「見逃し視聴あり」でお申込の場合、当日のご参加が難しい方も後日セミナー動画の視聴が可能です。
各種割引について
＊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）
＊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。
お申込みはこちらから
商品コード：AD270206
配布資料・講師への質問など
●配布資料は、印刷物を郵送で1部送付いたします。
・お申込みの際にお受け取り可能な住所を必ずご記入ください。
・郵送の都合上、お申込みは4営業日前までを推奨します。（土、日、祝日は営業日としてカウントしません。）
・それ以降でもお申込みはお受けしておりますが（開催1営業日前の12:00まで）、その場合、テキスト到着がセミナー後になる可能性がございます。ご了承の上お申込みください。
・資料未達の場合などを除き、資料の再配布はご対応できかねますのでご了承ください。
●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。）
●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：
産業製造現場におけるAI活用において，センサー生データを機械学習が認識できる特徴量という形へ加工する「前処理」は，地味ながらも決定的に重要な工程です。しかし，既存の書籍や講座の多くは，アルゴリズムや応用事例の解説に偏っているのが現状です。
産業現場で計測される物理量センサーデータは，言語データとは比較にならないほど多様で複雑です。ノイズ，欠損，外れ値などに貴重な微弱信号が隠されていることは珍しくなく，そのままではAIツールに入力できません。フィルタリング，信号処理，周波数スペクトル変換といった技を使わないと，AIツールに投入する価値がある特徴量データには仕上がらないのは想像できます。しかし，実際にどのように進めていくのは意外と系統立てて解説されていません。
本講座では，現場の物理量計量値などセンサーデータを特徴量データへと昇華させる全工程を，定番手法と現実の事例を交えて一気通貫で解説します。さらに，将来の先端技術を見据えて戦略的にデータを蓄積・整備していく指針も提示いたします。講師がメーカー技術者として30年，および大学教授として10年で培った実践的ノウハウを短時間でお伝えします。
■受講対象者
・製造業，設備業などで，産業現場のAI機械学習システムの企画開発に携わる管理者，技術者。
・IT会社などで，産業現場のAI機械学習システムの知識を勉強しようとするソフトウェア技術者。
・電力，水道，ガスなどで，インフラのAI機械学習システムに関わる地方自治体や企業の技術者。
・研究機関，教育機関などで，観測計測装置のデータ解析システムを構築しようとする研究者。
■本セミナーで習得できること
・本質の理解：言語データAIに比べ、センサーデータAIが難しい理由を原理から理解できる。
・基礎の習得：センサーデータの前処理の統計・信号処理・機械学習を概観・学習できる。
・工程の把握：AIツール投入前に行う、生データ前処理の工程を一気通貫で理解できる。
・最新トレンド：生成AIの基盤技術「Transformer」を応用するための前処理手法を習得できる。
など
セミナー内容
１．製造･産業現場AI活用の現状
1.1 我が国の製造･産業現場とAI
1.2 言語系AIと現場系AIの違い
２．製造･産業現場の生データ
2.1 物理データの種類と特徴
2.2 データ収集現場の環境
３．データ収集と整理のポイント
3.1 データ前処理の工程構成
3.2 生データのベクトル化，構造化
3.3 外れ値，欠損，補間，フィルタリング
４．データ前処理における定番手法
4.1 説明変数決定の定番
4.2 外れ値選別の定番
4.3 特徴抽出の定番
５．データ前処理が主役効果事例
5.1 画像分析における前処理事例
5.2 周波数分析における前処理事例
5.3 時系列回帰における前処理事例
６．将来AIとデータ前処理
6.1 生成AI Transformer応用に向けて
6.2 将来LLMエージェントとの融合
７．質疑応答
お申込みはこちらから
