tech-seminar.jp

本セミナーでは、まず、実験計画法の原理と問題点の解説を行います。
その上で、実験計画法の問題点を補うために人工知能の一種であるディープラーニング (ニューラルネットワークモデル=超回帰式) を併用した、製造業の開発により適した非線形実験計画法を解説いたします。

本セミナーでは、データ解析について取り上げ、Excelを活用した多変量解析の基本からニューラルネットワーク非線形解析 、逆問題解析について解説いたします。
また、製造業における「分析モデルに基づくスモールデータの取り扱い方と活用事例」「Excelをベースとするプログラミング不要な分析モデル開発環境の利用方法」について、デモを交えて実践的な知識と理解を深めていただきます。

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、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、機械学習・ディープラーニングを概観・整理した後、時系列データの分析手法を概観し、異常検知に役立てる手法と実践のポイントを解説いたします。

本セミナーでは、実環境での雑音の種類から話をスタートし、ディジタル信号処理において、それぞれの雑音に対して、どのような対処策があるかを詳細に説明いたします。
具体的なアルゴリズムを提示し、結果を確認しながら解説しますが、雑音の性質に応じた各種フィルタリング技術から、時変性がある従来対処困難とされていた雑音に対しても有効に働く、フレーム内処理方法やディープニューラルネットワークの利用までをカバーします。
最先端のWave-U-Netやその改善方法なども説明いたします。

本セミナーでは、Pythonの基礎から解説し、機械学習における教師あり学習 (分類問題と回帰問題) および教師なし学習 (次元圧縮およびクラスター解析) 、医薬品開発への応用について詳解いたします。

本セミナーでは、Pythonの基礎から解説し、機械学習における教師あり学習 (分類問題と回帰問題) および教師なし学習 (次元圧縮およびクラスター解析) 、医薬品開発への応用について詳解いたします。

本セミナーでは、ディジタル信号処理の基礎から、音の特徴量の求め方までを平易に解説いたします。
また、故障検知への利用および故障予知への発展の方法へのアプローチを紹介いたします。

本セミナーでは、機械学習・ディープラーニングを概観・整理した後、時系列データの分析手法を概観し、異常検知に役立てる手法と実践のポイントを解説いたします。