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
8月
9月
10月
2021年11月〜

化学・電気系 その他各分野
ライブ配信
8月
9月
10月
2021年11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
  ↑2021/8/4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

★人工知能(AI)技術の発展により飛躍的に発展してきた最適化問題の最新事情がわかる!
★現在主流のオフライン最適化手法のみでなく、より現実に則した適用が可能なオンライン最適化へのAI応用とその最適化アルゴリズムについてわかりやすく説明します!

人工知能(AI)による

最適化解学習・予測

深層強化学習オンライン最適化問題適用等〜

<Zoomによるオンラインセミナー>

講師

電気通信大学 i-パワードエネルギーシステム研究センター&基盤理工学専攻 准教授
(株)GRID 最高技術顧問  曽我部 東馬 先生

 *(株)GRIDの事業展開について:
   https://gridpredict.jp/our_services/project/

講師紹介

*セミナー内容下部をご参照下さい。

<その他関連セミナー>

機械学習・ディープラーニング・人工知能関連セミナー・書籍一覧

日時・会場・受講料

●日時 2021年9月27日(月) 10:30-16:30
●会場 会場では行いません
●受講料 1名47,300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36,300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

セミナーポイント

 「与えられた制約条件の下で最適な解を求める」最適化問題は我々の生活において欠かせない分野であり、工学、経済、統計、経営などに幅広く応用されています。近年の深層学習の出現で飛躍的に発展してきたAI技術の多くが最適化に立脚しています。これはより良く学習できるモデルを見出すというデータサイエンスの目標と誤差関数を最小化するという最適化手法とが自然に結びつくからです。最適化手法には、いろいろな分類基準がありますが、ここではオフライン最適化とオンライン最適化という基準に従って最適化手法の諸原理を説明します。
 オンライン最適化とは将来のデータを知らずに、将来に正の影響を及ぼす可能性の高い意思決定や最適な方策を下すことです。一方、オフライン最適化とは、現時点までのデータの集合体に基づき最適な意思決定を行うことです。
 現在主流の最適化手法は、ほとんどが現実問題から切り離されたオフライン最適化手法です。本来、現実社会における最適化問題は、対象が普遍的に時間とともに発展していくという特性を考えると、全てオンライン最適化問題として捉えるべきですが、難易度が高いため、オンライン最適化のアルゴリズムの開発は最適化分野においても非常に挑戦的かつ最先端の分野として位置づけられています。
 本セミナーの前半は、従来のオフライン最適化手法である線形計画法、非線形計画法、整数計画と混合整数計画法などをわかりやすく説明し概覧していきます。後半は近年、オンライン最適化問題に取り組んだ深層強化学習のオンライン学習原理と応用の仕組みについてわかりやすく説明します。最後に、配車計画問題(VRP)およびスマートグリッドの電力のオンライン最適化問題を適応事例として、AIによる最適化解のオンライン学習と予測の最先端機能を検証します。

○受講対象:
 ・現実的最適化問題に興味ある方
 ・オンライン学習に興味ある方
 ・オンライン最適化に興味ある方
 ・深層強化学習に興味ある方
 ・予測アルゴリズムの構築に興味ある方
 ・AIによる予測に興味ある方
 ・AIに興味ある方

○受講後、習得できること:
 本セミナーを通して、従来のオフライン最適化手法の基本知識、応用方法、問題点を習得するとともに、現実問題におけるオンライン最適化手法の最先端知識、予測機能の評価基準、応用効果と注意点などについて広く、深く把握することができます。

セミナー内容

1.オフライン最適化の概要
 1) オフライン最適化問題における目的関数と制約

  a) 連続最適化と離散最適化
  b) 広域最適化と局所最適化
 2) オフライン最適化問題における解法
  a) 厳密解法
  b) 近似解法
  c) 発見的解法

2.オフライン最適化問題
 1)線形計画問題

  a) 双対性
  b) 解法
 2) 非線形計画問題
  a) 無制限最適化
  b) 制約付き最適化
 3) ネットワーク最適化問題
 4) 整数計画問題と混合整数計画問題

3.オンライン最適化問題の概要
 1) オンライン最適化問題の基本理論

  a) レンタルスキー問題
  b) リストアクセス問題
  c) 競合比による解析手法
  d) 乱択アルゴリズムの設計

4.オンライン学習モデル
 1) 学習を考慮したオンラインアルゴリズム
 2) スペシャリストモデル

5.AIによる最適化アルゴリズム
 1) 深層強化学習の基本原理
 2) オンライン最適化における深層強化学習の応用
 3) 方策勾配法による最適化アルゴリズムの構築

  a) TSP問題の概要と強化学習による定式化
  b) 鍵となる技術アテンション(Attention)の仕組み
   ―自然言語処理を例にする
   ―ここでマルチヘッドアテンション(Multi-Head Attention)の仕組みを説明
  c) エンコーダー(Encoder)の仕組み
   ―LSTM型と self attention型の説明
   ―self attention型の説明の時にグラフアテンションエンコーダーについても説明
   ―グラフアテンションエンコーダーの説明時にグラフとノード埋め込みついても説明
  d) デコーダー(Decoder)の仕組み
   ―ポインターネットワークについて説明
   ―グリンプスについて説明
   ―マスキングについて説明
  e) 全体の流れを簡単にまとめた説明
  f) ベースラインの導入と勾配の更新
  g) 予測機能の検証:
   i-1) 同スケール予測
   i-2) ダウンスケール予測
   i-3) アップスケール予測

  <質疑応答>

*講師紹介:
-------------------------------------------
・ご略歴:
 理学博士(物理学専攻)。マックス・プランク研究所(独)博士研究員、ケンブリッジ大学(英)研究員を経て、2009年帰国。(株)グリッドの設立に携わり取締役最高技術責任者を務める。2011年より東京大学先端科学技術研究センター特任助教、特任准教授を歴任、2016年より電気通信大学准教授。先進デバイス技術とAI技術融合研究ステーション長。
 株式会社グリッド最高技術顧問(兼務)。東京大学先端科学技術研究センター客員研究員(兼務)。
 AIと量子物理の研究者。応用物理学とAIの掛け合わせによる研究開発を得意とする。現在は、企業との共同研究としてエネルギー、物流、交通等といった社会インフラシステムにおけるAIを用いた最適化、製造業における故障予測や異常検知の研究開発に従事。経産省の国家プロジェクトとして「AI最適化手法を用いた新材料開発?透明型太陽電池の開発」に従事。さらに次世代の量子コンピュータのアルゴリズム開発やカーボンニュートラル社会の実現に向けたAI最適化による水素生成デバイスの研究開発などに精力的に取り組んでいる。2019年6月に「強化学習アルゴリズム入門」オーム社、2021年2月に「Pythonによる異常検知」 オーム社を出版。

・ご専門および得意な分野・研究:
 理論物理計算、AI、強化学習、機械学習/深層学習/深層強化学習の数理モデリング、最適化、量子コンピュータ、量子アルゴリズム、エネルギー学、透明型太陽電池、水素生成デバイス開発、再生可能エネルギーシステムの最適化

・本テーマ関連のご活動:
 曽我部 東馬 著、曽我部 完 監修 :「Pythonによる異常検知」, オーム社 , (2021/02/26)
 曽我部 東馬:「強化学習アルゴリズム入門―「平均」からはじめる基礎と応用」, オーム社(2019/05)
 曽我部 東馬ら共著:「工場・製造プロセスへのIoT・AI導入と活用の仕方」,技術情報機構(2020/06/30)
 曽我部 東馬, 笠原 亮介ら共著:「機械学習を中心とした異常検知技術と応用提案 情報機構」,(2019/11)

・主要な所属学会
 日本応用物理学会、日本人工知能学会、情報処理学会(量子ソフトウエア研究会:運営委員)

・関連する講演:
 ・2017年4月 東京大学、電気通信大学(曽我部研究室)、株グリッドの産学連携プロジェクト「人工知能ラボ開設記念講演」にて「量子物理と深層学習を癒合した量子人工知能の開発」について基調講演。
 ・2017年5月 スタンフォード大学にて「GRID Inc: Deep learning framework for industrial and engineering optimization application〜産業最適化のための深層学習フレームワーク〜」として公開講座に登壇。
 ・2017年〜2021年 セミナー「強化学習・深層強化学習入門:基本・最新アルゴリズムから応用まで」等、延べ40回以上講演

セミナー番号:AG210983

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.