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

機械学習 (ディープラーニング) の基礎・活用・実践 (全3回)

AI活用人材育成講座

機械学習 (ディープラーニング) の基礎・活用・実践 (全3回)

オンライン 開催 PC実習付き デモ付き
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、機械学習について基礎から解説し、ディープラーニングの具体的な実践方法をわかりやすく解説いたします。

開催日

  • 2024年6月10日(月) 10時00分 ～ 17時00分
  • 2024年7月8日(月) 10時00分 ～ 17時00分
  • 2024年8月5日(月) 10時00分 ～ 17時00分

修得知識

  • プログラム:Pythonの基本の習得
  • 機械学習:基本の習得と実践できる環境の構築
  • 深層学習 (画像分類、物体検出、自然言語処理) が一通り自分で試せるようになる

プログラム

第1回: Python基礎と機械学習基礎

(2024年6月10日 10:00〜17:00)

　機械学習の初めの一歩として、概要、様々な情報のデータ化の実際、そしてPythonプログラムの基礎を学習します。Pythonプログラムを実際に動かすことで、データ化の実際、機械学習はどのように動作しているのかを確認でき、理解が容易になります。なお、無償のGoogle Colaboratoryを使用することで、実際に動きを確かめながら、学習することが可能です。

  1. 機械学習とは
    1. 概要
    2. 学習方法による分類
    3. 活用する箇所
  2. 機械学習のためのデータ準備
    1. データとは
    2. 画像・言語、音のデータ化
  3. Python基礎
    1. 環境構築
      1. PCでの環境構築
      2. クラウドの環境利用 (Google Colab)
    2. 文法基礎
    3. ライブラリの活用
    4. フレームワークの活用
  4. 機械学習を試す
    1. 機械学習のサンプル1 (数値データ解析)
    2. 機械学習のサンプル1 (画像データ分類)
    • 質疑応答

第2回: ディープラーニングと機械学習プロジェクトの進め方

(2024年7月8日 10:00〜17:00)

　AIの基礎となるディープラーニングの基本を学習します。ディープラーニングの中の様々の手法を確認することで、データからの特徴抽出のための考え方が身に付きます。また、後半は機械学習プロジェクトの進め方を学習します。
　実際のプロジェクトを進める上での課題 (特徴量エンジニアリングはどうする、データ量が少ない、ハイパーパラメータの決定) などへの対処方法を学習します。
　なお、無償のGoogle Colaboratoryを使用することで、実際に動きを確かめながら、学習することが可能です。

  1. ディープラーニングの基礎
    1. 機械学習とディープラーニングの違いは?
      1. ディープニューラルネットワークとは
      2. 把握すべきディープニューラルネットワークの特性
    2. ディープラーニングを分類し、その特徴を把握する
      1. 畳み込みニューラルネットワーク CNN (Convolutional Neural Network)
      2. 再帰型ニューラルネットワーク RNN (Recurrent Neural Network)
      3. 強化学習 (Deep Q – learning)
      4. その他の手法
  2. 機械学習プロジェクト進め方
    1. データ準備
    2. 一般的なデータ前処理
    3. 特徴量エンジニアリング
    4. 手法の定義
    5. パラメータ調整
      1. ハイパーパラメータとは
      2. ハイパーパラメータの自動調整 (optunaの活用)
    6. データ量に関する考察
    7. 基盤モデルと転移学習
    • 質疑応答

第3回: 機械学習 実践編 〜分類、時系列解析、異常検知、生成AI〜

(2024年8月5日 10:00〜17:00)

　様々な課題に対する機械学習 (ディープラーニング) の活用方法を学習します。画像分類、時系列分析、異常検知等の例を解説し、実際の動きを確認します。また最後に生成系AIの解説も行い、その概要、業務課題への適用 (LLMの転移学習等) を検討します。
　なお、無償のGoogle Colaboratoryを使用することで、実際に動きを確かめながら、学習することが可能です。

  1. 画像分類/物体検出
    1. 画像での特徴量エンジニアリング
    2. 分類モデル
    3. 物体検出
    4. サンプルデータを使用した物体検出
  2. 時系列データ解析
    1. 時系列データの定義
    2. 自己相関と変動
    3. ARIMAモデル
    4. RNNモデル
    5. サンプルデータを使用した時系列予測
  3. 異常検知への応用
    1. 異常検知の基本
    2. AutoEncoder
    3. RNN+AutoEncoder
    4. サンプルデータを使用した異常検知
  4. 生成AI
    1. 生成AIの基本
    2. 著作権の注意
    3. Transeformer
    4. Diffusion model (拡散モデル)
    5. サンプルデータを使用したLLMの転移学習
    • 質疑応答
ページのトップヘ

主催

株式会社 R&D支援センター
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
: 150,000円 (税別) / 165,000円 (税込)
複数名
: 75,000円 (税別) / 82,500円 (税込) (案内をご希望の場合に限ります)

案内割引・複数名同時申込割引について

R&D支援センターからの案内登録をご希望の方は、割引特典を受けられます。
案内および割引をご希望される方は、お申込みの際、「案内の希望 (割引適用)」の欄から案内方法をご選択ください。

「案内の希望」をご選択いただいた場合、1名様 135,000円(税別) / 148,500円(税込) で受講いただけます。
複数名で同時に申込いただいた場合、1名様につき 75,000円(税別) / 82,500円(税込) で受講いただけます。

  • R&D支援センターからの案内を希望する方
    • 1名様でお申し込みの場合 : 1名で 135,000円(税別) / 148,500円(税込)
    • 2名様でお申し込みの場合 : 2名で 150,000円(税別) / 165,000円(税込)
    • 3名様でお申し込みの場合 : 3名で 225,000円(税別) / 247,500円(税込)
  • R&D支援センターからの案内を希望しない方
    • 1名様でお申し込みの場合 : 1名で 150,000円(税別) / 165,000円(税込)
    • 2名様でお申し込みの場合 : 2名で 300,000円(税別) / 330,000円(税込)
    • 3名様でお申し込みの場合 : 3名で 450,000円(税別) / 495,000円(税込)

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。
  • 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
2026/9/14 外観検査の自動化技術とシステムの構築 オンライン
2026/9/15 実践例20選から学ぶ産業現場AI異常検知の方式選定法 オンライン
2026/9/15 生成AIを活用した他社特許明細書の解釈と弱点の見つけ方 オンライン
2026/9/16 画像認識技術を用いたAI外観検査の現場導入事例と精度向上技術 オンライン
2026/9/16 MTシステム (MT法) の基礎および異常検知・異常モニタリング・予防保全技術入門 オンライン
2026/9/18 化学・材料研究者のためのExcel×Pythonデータ処理実務 オンライン
2026/9/24 FT-IRの基礎と機械学習によるスペクトルデータ解析 オンライン
2026/9/25 材料実験AIエージェントを自分で作る オンライン
2026/9/28 機械学習のための効率的データ取得とAIモデルの解釈・評価 オンライン
2026/9/28 FT-IRの基礎と機械学習によるスペクトルデータ解析 オンライン
2026/9/28 製薬業におけるCMC・製造領域のデータ・AI活用 オンライン
2026/9/29 生成AIを活用したバイブコーディングの進め方 オンライン
2026/9/29 機械学習のための効率的データ取得とAIモデルの解釈・評価 オンライン
2026/9/29 機械学習を利用した多成分混合物の物性予測・物性推算 オンライン
2026/9/30 AI画像処理・画像生成技術のための画像品質評価 オンライン
2026/9/30 生成AIを活用したPythonによる化学プロセス計算の基礎と実践 オンライン
2026/10/6 生体信号解析へのAI技術の適用 オンライン
2026/10/6 少ないデータでも使える機械学習・異常検知の基礎とインフラ・製造分野への応用 オンライン
2026/10/7 少ないデータでも使える機械学習・異常検知の基礎とインフラ・製造分野への応用 オンライン
2026/10/8 生成AIを活用したバイブコーディングの進め方 オンライン
ページのトップヘ