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
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
本セミナーでは、光学系を用いた画像の撮影に関する技術から、画像認識技術の概要、一般的な画像認識処理フロー、評価方法、ディープラーニングの基礎、様々な画像認識アルゴリズム、また外観検査などへの応用に関して解説いたします。
本セミナーでは、生体信号の種類・計測やノイズ処理・解析など生体データの収集から生体情報のデータマイニングまで分かりやすく解説いたします。
本セミナーでは、自然言語処理、生成AI・大規模言語モデルについて取り上げ、生成したデータの評価について、具体的な活用事例を交えて詳解いたします。
本セミナーでは、デプス・センシング・アルゴリズムの基礎から、それを用いた非接触生体センシングの動作原理、ヒューマン・ヘルスケア関連アプリケーションへの展開について、次世代デバイスHololensのデモを交えて解説いたします。
本セミナーでは、自然言語処理、生成AI・大規模言語モデルについて取り上げ、生成したデータの評価について、具体的な活用事例を交えて詳解いたします。
本セミナーでは、画像フィルタリングについて基礎から解説し、MATLABを併用して実際にアルゴリズムを提示、実行し、結果を確認しながら、解説を進めます。
本セミナーでは、デプス・センシング・アルゴリズムの基礎から、それを用いた非接触生体センシングの動作原理、ヒューマン・ヘルスケア関連アプリケーションへの展開について、次世代デバイスHololensのデモを交えて解説いたします。
本セミナーでは、最近特に必要性が注目されている「説明できるAI」について、深層学習などのブラックボックス機械学習の説明性向上、決定木などのホワイトボックス機械学習の精度向上の方法、次世代AIである進化的機械学習、企業へのAI導入を成功させるコツについて平易に解説いたします。
本セミナーでは、社会的信号処理の根幹となる、カメラ・マイク・生体センサといった複数のセンサから取得されるマルチモーダル時系列データより、多様な人間の内面状態を自動推定するためのマルチモーダル情報処理・機械学習技術を体系的に解説いたします。
本セミナーでは、最近特に必要性が注目されている「説明できるAI」について、深層学習などのブラックボックス機械学習の説明性向上、決定木などのホワイトボックス機械学習の精度向上の方法、次世代AIである進化的機械学習、企業へのAI導入を成功させるコツについて平易に解説いたします。
本セミナーでは、光学系を用いた画像の撮影に関する技術から、画像認識技術の概要、一般的な画像認識処理フロー、評価方法、ディープラーニングの基礎、様々な画像認識アルゴリズム、また外観検査などへの応用に関して解説いたします。
本セミナーでは、Transformerの典型的モデルの仕組みから、自然言語処理、画像処理、音声認識に応用した最新モデルまでを解説いたします。
本セミナーでは、3次元的な自己位置推定・環境地図作成のためのコンピュータビジョン技術を基礎から解説いたします。
具体的には特徴点マッチングや画像検索等の画像処理技術及びカメラの透視投影モデル、三角測量、バンドル調整等のコンピュータビジョン技術を説明いたします。
その後、写真測量の基盤となるSfMやMVS、オンライン自己位置推定技術であるVisual SLAM、さらには近年注目されているディープラーニングに基づく環境地図作成技術のNeRFを説明いたします。
本セミナーでは、最近注目されているDeep Learning (ディープラーニング) について、基礎的なところから応用事例まで解説いたします。
本セミナーでは、自社でAIを開発するためのAIの基礎から解説し、画像認識AIの開発プロセス、実装での留意点、画像データからの特徴量抽出のポイントや、サンプルデータが少量だったときの工夫など、 モデル構築での問題解決のヒントを数多く提供いたします。
本セミナーでは、検査と品質保証の概要から、目視検査と自動検査の違い、検査結果の効果的活用法、さらには外観検査に使われている機材と利用ノウハウについて分かりやすく解説いたします。
本セミナーでは、中小製造現場でいくつかの導入実績をあげた講師が、自身が手がけたAI外観検査の取り組みを紹介。活動事例を通じて、AI外観検査の導入プロジェクトの進め方から学習データの質と量の課題、学習を意識した画像情報の集め方、品質保証への対応までを解説いたします。
本セミナーでは、深層学習法の原理と応用について、発明者である講師が紹介いたします。
本セミナーは、浸透学習法に特化した日本初のセミナーとなっております。
本セミナーでは、中小製造現場でいくつかの導入実績をあげた講師が、自身が手がけたAI外観検査の取り組みを紹介。活動事例を通じて、AI外観検査の導入プロジェクトの進め方から学習データの質と量の課題、学習を意識した画像情報の集め方、品質保証への対応までを解説いたします。