近年AI分野の一つである機械学習がIT世界から産業現場へ広がってきて、製造現場や商業ビルにおける設備のシステム制御や異常検知などに応用するニーズが急増しています。しかし、現場実装には、現場環境制約、情報セキュリティ、収集データ偏り等の現実の課題があるのが普通です。
　本セミナーでは、機械学習の基礎であるニューラルネットおよび強化学習の原理と産業現場実装方法を丁寧に説明します。特に、対象設備の時系列データを収集して学習データとして使える状態にする現実的なノウハウに力点を置きます。最後にデータ収集IoTシステム実装構築法、機械学習ツール動作理解のコツについても講師の長年の経験を紹介いたします。

1. 機械学習の産業応用の概観
   1. 最先端研究例の動画
   2. 機械学習の産業現場適用
   3. 産業応用の現場実例のサンプル集
2. 制御対象のモデル化
   1. ニューラルネットワークの基礎
   2. 実例1:機器制御動作のステップ応答
      • 実測データから入出力制御変数の選定
      • 多変数制御のブラックボックスモデル
3. 設備保全の予測
   1. 過去を記憶する機械学習
      • LSTMニューラルネットとは
   2. 実例2:設備動作の突発事象の予測
      • 保全運転発生予測の有用性と精度
      • 保全運転予測精度の評価指標と使い方
4. 設備管理の強化学習
   1. 教師データ不要の強化学習
      • Qラーニングで平常運転しながら賢くなる
   2. 実例3:設備の最適経済運転
      • 本来機能と電気代削減の両立
      • 転移学習法により学習期間を短縮
5. 学習データ収集の実際
   1. 実際に収集できる学習データの量と質
      • 理想的な学習データ収集分布
      • 欲しいデータ少ないときのSMOTE法
   2. 学習ツールか自作学習ソフトか
6. 現実的なシステム設計のコツ
   1. システム設計の戦略
      • 設計手順概要
      • 対象選定とチーム編成
   2. 機械学習ツールの使い方と限界
7. 生成AI技術の産業応用
   1. 生成AIの技術基盤:Transformer
      • 革新的ニューラルネット:Transformerとは
      • Transformerの原理概観
   2. Transformerの産業応用研究
      • Transformerによる画像認識
      • Transformerによる時系列予測
      • Transformerによるタンパク質構造予測
8. まとめ
• 質疑応答