技術セミナー・研修・出版・書籍・通信教育・eラーニング・講師派遣の テックセミナー ジェーピー

少ない学習データでもうまくいく機械学習の適用方法と進め方とそのコツ

少ない学習データでもうまくいく機械学習の適用方法と進め方とそのコツ

～少数学習の実現方法と業務へのAI導入を成功させるポイント / 少ない学習データを増やす、水増しする方法 / 少ないデータでも学習できる機械学習法 / 少量学習データの業務への導入のコツ～
オンライン 開催
関連するセミナー・出版物
本セミナーは終了いたしました。
セミナーの再開催を依頼する 関連するセミナー・出版物を探す

概要

本セミナーでは、できるだけ少量の学習データから有益なモデル化や利用が行える機械学習を実現するための手法について、数式やプログラムをほとんど使わずに率直かつ平易に解説いたします。

開催日

  • 2022年6月30日(木) 10時30分 ～ 16時30分

受講対象者

  • 機械学習の応用分野に関連する技術者、研究者
    • 画像処理
    • 信号処理
    • 医療福祉
    • スポーツ分野
    • セキュリティ (監視カメラ、警備、防犯)
    • ロボット
    • コンピュータビジョン
    • 異常行動検出、異常領域検出
    • 統計
    • 経済学 など
  • 機械学習、パターン認識分野の技術者、研究者
  • これから機械学習、パターン認識に携わる技術者、開発者
  • 機械学習で課題を抱えている方

修得知識

  • 機械学習の考え方
  • 学習データが少ないときの機械学習の適用方法
  • データを水増しして学習する方法

プログラム

　高精度な機械学習法である深層学習 (ディープラーニング) は多層の階層型神経回路網 (深層回路) であり、回路網の結合荷重などを決定する「学習」には数千 – 数万あるいはそれ以上の数のデータが必要です。一方、企業の業務に機械学習を導入しようとする場合、それほど多くのデータが存在しないケースが多々あります。このような場合、深層学習および機械学習の導入をあきらめてしまうことが多く、それはどう考えても「もったいない」です。
　そこで本セミナーでは、そのような場合でも機械学習を導入できる方法として、1少ない学習データを増やす方法、2少ないデータでも学習できる機械学習法、をご紹介します。
　本セミナーでは,AIの初学者の方や専門外の人にも分り易く、ポイントを端的にお伝えする平易な解説を行ないます。また、業務へのAI導入で陥りがちなミスや、うまく導入するコツについてもお伝えします。最後に、参加者からのAIに関するよろず相談会も行ないますので、これから業務にAIを導入しようと考えている方はぜひお気軽にご参加下さい。

  1. 機械学習の現状と課題
    1. 人工知能と機械学習
      • 人工知能の定義
      • 人工知能の歴史
      • 人工知能の現状
      • 人工知能の課題
    2. 機械学習の種類と方法
      • IBL
      • EBL
      • 教師あり学習
      • 教師なし学習 など
    3. 深層学習 (ディープラーニング) 超入門
      - 神経回路網と深層学習とは何か? –
    4. 少量データを用いた機械学習とは?
      - 本セミナーの課題と意義について –
  2. 学習データを増やす方法
    1. 画像に対する基本的な水増し方法
      - 幾何学的変形・階調変換などの利用 –
    2. 敵対的生成ネットワーク (GAN)
      - GANの原理と各種の応用手法 –
    3. 特徴/潜在空間の利用
      - 各種の次元圧縮・削減法 –
    4. AutoEncoder,CAV,VACなどの利用
      - 逆変換によるデータ生成 –
    5. CG (Computer Graphics) を用いる方法
      - 画像・立体認識への応用 –
    6. シミュレータによるデータ水増し
      - 物理シミュレータの利用 –
  3. 少量でも学習できる機械学習法
    1. ベイズ最適化などによる関数推定
      - 少ないサンプルから分布を推定する –
    2. 進化計算法による関数推定
      • 遺伝的プログラミング (GP)
      • CGPなど
    3. 1クラス学習による異常検知
      • 1クラスSVM
      • AEなどの利用
    4. 進化的機械学習による処理の自動構築
      - 処理要素の進化的組合せ最適化 –
    5. 転移学習・蒸留・浸透学習
      - 既存知識を有効に利用する –
    6. 深層回路の構造最適化
      - Pruning・Neural Architecture Search –
  4. AIの業務への導入方法
    1. AI導入時の注意点
      - 導入時・外注時の注意点など –
    2. AI人材の育成方法について
      - 最も望まれる人材育成方法とは? –
  5. まとめと質疑応答
    - Q&Aと質疑・AIよろず相談会 –
    • 付録:
      • 付録1 代表的な機械学習法
      • 付録2 説明可能AI (XAI:explainable AI)
      • 付録3 進化計算法概論
      • 付録4 横浜国大・長尾研のご紹介
ページのトップヘ

講師

  • 長尾 智晴 氏
    横浜国立大学 大学院 環境情報学府・研究院 情報メディア環境学専攻
    教授
ページのトップヘ

主催

サイエンス＆テクノロジー 株式会社
お支払い方法、キャンセルの可否は、必ずお申し込み前にご確認をお願いいたします。

お問い合わせ

本セミナーに関するお問い合わせは tech-seminar.jpのお問い合わせからお願いいたします。
(主催者への直接のお問い合わせはご遠慮くださいませ。)

受講料

1名様
: 34,200円 (税別) / 37,620円 (税込)
複数名
: 22,500円 (税別) / 24,750円 (税込)

複数名受講割引

  • 2名様以上でお申込みの場合、1名あたり 22,500円(税別) / 24,750円(税込) で受講いただけます。
    • 1名様でお申し込みの場合 : 1名で 34,200円(税別) / 37,620円(税込)
    • 2名様でお申し込みの場合 : 2名で 45,000円(税別) / 49,500円(税込)
    • 3名様でお申し込みの場合 : 3名で 67,500円(税別) / 74,250円(税込)
  • 同一法人内 (グループ会社でも可) による複数名同時申込みのみ適用いたします。
  • 受講券、請求書は、代表者にご郵送いたします。
  • 請求書および領収書は1名様ごとに発行可能です。
    申込みフォームの通信欄に「請求書1名ごと発行」とご記入ください。
  • 他の割引は併用できません。
  • サイエンス&テクノロジー社の「2名同時申込みで1名分無料」価格を適用しています。

アカデミー割引

教員、学生および医療従事者はアカデミー割引価格にて受講いただけます。

  • 1名様あたり 10,000円(税別) / 11,000円(税込)
  • 企業に属している方(出向または派遣の方も含む)は、対象外です。
  • お申込み者が大学所属名でも企業名義でお支払いの場合、対象外です。

ライブ配信セミナーについて

  • 本セミナーは「Zoom」を使ったライブ配信セミナーとなります。
  • お申し込み前に、 視聴環境 と テストミーティングへの参加手順 をご確認いただき、 テストミーティング にて動作確認をお願いいたします。
  • 開催日前に、接続先URL、ミーティングID​、パスワードを別途ご連絡いたします。
  • セミナー開催日時に、視聴サイトにログインしていただき、ご視聴ください。
  • セミナー資料は、PDFファイルをダウンロードいただきます。
  • ご自宅への書類送付を希望の方は、通信欄にご住所・宛先などをご記入ください。
  • タブレットやスマートフォンでも受講可能ですが、機能が制限される場合があります。
  • ご視聴は、お申込み者様ご自身での視聴のみに限らせていただきます。不特定多数でご覧いただくことはご遠慮下さい。
  • 講義の録音、録画などの行為や、権利者の許可なくテキスト資料、講演データの複製、転用、販売などの二次利用することを固く禁じます。
  • Zoomのグループにパスワードを設定しています。お申込者以外の参加を防ぐため、パスワードを外部に漏洩しないでください。
    万が一、部外者が侵入した場合は管理者側で部外者の退出あるいはセミナーを終了いたします。
本セミナーは終了いたしました。
セミナーの再開催を依頼する
ページのトップヘ

これから開催される関連セミナー

開始日時 会場 開催方法
2026/3/2 マテリアルズインフォマティクスの動向と少ないデータへの適用事例 オンライン
2026/3/9 ベイズ統計モデリングの基本的な考え方とモデルの立て方、結果の解釈 オンライン
2026/3/9 AI外観検査の最新動向と導入、運用ポイント オンライン
2026/3/10 Pythonを用いた高分子材料の画像解析入門 オンライン
2026/3/11 実測データとデータ解析を統合した化学プロセス設計・最適化 オンライン
2026/3/13 開発・生産現場で諸課題を解決に導くデータ駆動型手法 / ディープニューラルネットワークモデル / MTシステムの基礎と応用 オンライン
2026/3/16 小規模実験の自動化による研究開発の効率化と再現性向上 オンライン
2026/3/18 AI外観検査の最新動向と導入、運用ポイント オンライン
2026/3/19 AIの選択・精度・効率・構造・コストなどの最適化原理 オンライン
2026/3/23 実測データとデータ解析を統合した化学プロセス設計・最適化 オンライン
2026/3/26 データ駆動型の化学・材料関連研究の最新動向と小規模データの活かし方 オンライン
2026/3/30 フィジカルAI時代における知能化センシングの基礎と応用 オンライン
2026/3/31 フィジカルAI時代における知能化センシングの基礎と応用 オンライン
2026/3/31 Pythonで学ぶデータ解析・機械学習を理解するための線形代数入門 オンライン
2026/4/10 データ駆動型の化学・材料関連研究の最新動向と小規模データの活かし方 オンライン
2026/4/15 生成AI時代のPythonデータ分析 オンライン
2026/4/16 生成AI時代のPythonデータ分析 オンライン
2026/4/17 因子ごとの最適条件を少ない実験回数で見つける統計的手法「実験計画法」 & 汎用的インフォマティクス「非線形実験計画法」 オンライン
2026/4/24 統計的組合せ最適化 : 実験計画法とプログラミング不要のAIを使った汎用的インフォマティクス : 非線形実験計画法実践入門 オンライン
ページのトップヘ

関連する出版物

発行年月
2025/3/31 ベイズ最適化の活用事例
2024/10/31 少ないデータによるAI・機械学習の進め方と精度向上、説明可能なAIの開発
2024/3/4 対話型生成AI (人工知能) 利活用技術 技術開発実態分析調査報告書 (CD-ROM版)
2024/3/4 対話型生成AI (人工知能) 利活用技術 技術開発実態分析調査報告書
2023/12/27 実験の自動化・自律化によるR&Dの効率化と運用方法
2023/6/30 生産プロセスにおけるIoT、ローカル5Gの活用
2022/12/31 機械学習・ディープラーニングによる "異常検知" 技術と活用事例集
2021/10/25 AIプロセッサー (CD-ROM版)
2021/10/25 AIプロセッサー
2021/7/30 マテリアルズインフォマティクスのためのデータ作成とその解析、応用事例
2021/6/30 人工知能を用いた五感・認知機能の可視化とメカニズム解明
2021/6/28 AI・MI・計算科学を活用した蓄電池研究開発動向
2020/8/11 化学・素材業界におけるデジタルトランスフォーメーションの最新調査レポート
2020/7/31 生体情報センシングと人の状態推定への応用
2020/4/30 生体情報計測による感情の可視化技術
2019/1/31 センサフュージョン技術の開発と応用事例
2018/5/31 “人工知能”の導入による生産性、効率性の向上、新製品開発への活用
2013/6/21 機械学習によるパターン識別と画像認識への応用
2003/6/27 ニューアルゴリズムによる画像処理システム事例解説
2001/9/28 MATLABプログラム事例解説Ⅱ アドバンスド通信路等化
ページのトップヘ