説明できるAIセミナー:横国大・長尾智晴:2022年9月15日オンライン配信
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
11月〜

化学・電気系 その他各分野
ライブ配信
8月
9月
10月
11月〜
情報機構 技術書籍情報機構 技術書籍
技術書籍 一覧技術書籍 一覧
   <新刊書籍>
  ・  CN燃料最新動向
電子書籍電子書籍
化学物質管理化学物質管理
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
セミナー講師のコラムです。講師コラム
  ↑2022/7/7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

ブラックボックスではない、根拠を「説明できる」ホワイトなAIへ!
機械学習の利用を考えている方や、人工知能や機械学習に興味のある方ならどなたでも受講可能です。

説明できるAI:

XAIの実現方法と業務へのAI導入方法

〜機械学習の導入上の課題と業務への導入を成功させるコツ〜

<Zoomによるオンラインセミナー>

講師

横浜国立大学 大学院環境情報研究院 教授 工学博士 長尾 智晴 先生

日時・会場・受講料

●日時 2022年9月15日(木) 10:30-16:30
●会場 会場での講義は行いません。
●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・録画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

■はじめに
産業・社会の色々な場面で“AI”という言葉が多用されており,企業の業務にもAI導入が必須となっていますが,高性能で話題の深層学習(ディープラーニング)は優れた機械学習法である一方,作られる処理が説明できないこと,万能ではなくチューニングが必要であること,膨大な学習データが必要なこと,回路が大規模なことなど,業務への導入の際に弊害になることが多く,産業界での機械学習・AI利用の妨げになっています.特に処理がブラックボックスになることは企業のコンプライアンス上,あるいはリスク管理上の大きな問題であり,現場や顧客への説明ができなければ機械学習を導入することができません.このため,深層学習などの機械学習を人が理解できるようにするための「説明できるAI (XAI:eXplainable AI)」に注目が集まっています.本セミナーでは,説明できるAI:XAIの考え方・方法論と業務へのAI導入方法,陥りやすいミス,成功の秘訣などについて平易に解説します.

■受講対象
企業で機械学習の利用を考えている方など,人工知能や機械学習に興味のある方ならどなたでも受講可能です.

■本セミナーに参加して修得できること
・神経回路網・深層学習の原理と問題点
・説明できるAI:XAIの概要と将来展望
・AI導入時のポイントと成功のコツ

セミナー内容

1.人工知能と機械学習
  1.1 人工知能とは何か?
    〜AIの過去・現在・未来〜
  1.2 機械学習概論
    〜教師あり/なし/半教師付き学習など〜

2.深層学習(ディープラーニング)の現状と課題
  2.1 ニューラルネットワーク概論
    〜勾配降下に基づく階層型神経回路網の学習〜
  2.2 深層学習の基礎と最近の手法
    〜業務利用の観点から〜
  2.3 最近のAIの課題と説明できるAI:XAI
    〜機械学習の説明性・了解性など〜

3.ブラックボックス系機械学習のXAI
  3.1 学習済みの深層回路の可視化
    〜各層の強度や関係性の見える化〜
  3.2 特徴空間の自動構築と可視化
    〜データ解析と特徴空間による可視化〜
  3.3 可視化を前提とした深層学習
    〜可視化層を内在する深層回路〜
  3.4 深層回路の構造単純化・最適化法
    〜線形回路化・回路規模の縮小〜
  3.5 転移学習と浸透学習
    〜既存回路・学習時のみ利用可能な情報の利用〜

4.ホワイトボックス系機械学習のXAI
  4.1 特徴量の最適化による精度向上
    〜進化計算を用いた特徴量の取捨選択〜
  4.2 処理過程が説明できる処理の自動構築
    〜進化的機械学習・進化的画像処理など〜
  4.3 決定木などの処理の言葉による説明
    〜処理を自然言語で説明する〜
  4.4 小規模かつ高性能な回路の自動構築
    〜構造制約に基づく回路設計〜

5.AIの業務へのAI導入方法
  5.1 AI導入時の注意点
    〜基本8原則とは?〜
  5.2 AI人材の育成方法
    〜AI導入の成功のコツとは?〜

6.まとめ・AIよろず相談室
  付録1 代表的な機械学習法
  付録2 現状の画像・物体認識の抱える課題と対策
  付録3 画像認識システムの選定・導入上の問題
  付録4 長尾研・YNU人工知能研究拠点のご紹介


講師紹介

【略歴】
東京工業大学大学院総合理工学研究科出身.
東京工業大学工学部助手,助教授を経て2001年 横浜国立大学 大学院環境情報研究院教授.現在に至る.工学博士.
大学発ベンチャーの取締役CTOを兼務中.YNU人工知能研究拠点・拠点長.
経済産業省NEDO「人と共に進化する次世代人工知能に関する技術開発事業」採択事業の研究開発代表者.
長尾研究室URL: https://nagao-lab.ynu.ac.jp

【専門】
知能情報学/パターン認識と機械学習/知能ロボティクス/感覚知覚情報処理/知的画像処理/進化計算法/医工連携工学など「人と機械の知能」に関する広範囲な分野.企業との共同研究など産学官連携活動に力を入れている.

【本テーマ関連学協会での活動】
情報処理学会,電子情報通信学会,電気学会,映像情報メディア学会,人工知能学会,進化計算学会,IEEEなどに所属して各学会で活動中.論文多数.

セミナー番号:AG220937

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 技術セミナー・技術書籍の情報機構 All Rights Reserved.