昨今、「ディープラーニング」などの“機械学習技術・知能化技術”に人々の関心が集まっています。これまで、コンピュータに仕事をさせるためには、人が方法を考え、プログラムを作る手間が必要でしたが、機械学習によってそれを自動的に行うことができるようになり,業務の抜本的な省力化や改善が期待できます。機械学習の応用範囲は広く、今後、様々な産業分野で大いに利用されると考えられており、知能化は第四の産業革命と言われています。
　本セミナーでは、専門が情報工学系ではない、言わば「予備知識ゼロ」の受講生の方々を主な対象として、機械学習の原理・手法・特徴・応用・産業応用・性能限界・将来性などについて、直感的で分かり易く解説します。

1. 機械学習とは何か?
   1. 人工知能入門
      1. 人工知能における考え方の変遷
      2. 人工知能の各世代の代表的な方法
   2. 機械学習の種類とそれぞれの概要
      1. 帰納学習・演繹学習・発見的学習
      2. 類推学習・強化学習・概念形成
   3. 産業応用が最も期待できる“事例ベース学習”の概要
      1. 教師あり学習の基本的な考え方
      2. 教師なし学習の基本的な考え方
      3. その他の学習方法について
2. 教師あり学習の具体的な手法の概要
   1. 基本的な方法の例
      1. 線形判別分析
   2. 高性能な分類手法の例
      1. サポートベクターマシン (SVM)
      2. ブースティング
   3. 木構造を用いる方法
      1. データを分類する木 (決定木)
      2. ランダムフォレストと呼ばれる手法
   4. ニューラルネットワークを用いる方法
      1. 階層型神経回路網を用いたデータ分類
      2. ディープラーニング (深層学習) について
3. 教師なし学習の具体的な手法の概要
   1. 類似するデータをまとめるクラスタリング
      1. 基礎手法
         • NN (Nearest Neighbor法)
         • k-NN法
      2. 実用的な手法:k-平均法
   2. 自己組織化マップ (SOM)
      1. SOMの原理と特徴
      2. SOMによるデータの自動分類
4. 機械学習の具体的な応用事例の紹介
   1. 各種計測データの自動分類
   2. 画像処理プロセスの自動構築・最適化
   3. 高精度な画像認識器の自動構築
   4. ロボットの制御ルールの自動生成
   5. 複雑なデータ間の関係性の自動抽出
   6. 時系列変動データの将来変動予測
   7. その他の問題への応用
5. 機械学習の産業応用
   1. 機械学習の導入の現状と課題
   2. 機械学習の産業応用の将来展望
6. まとめ
• 質疑応答