tech-seminar.jp

本セミナーでは、未知の異常検知、異常モニタリングの一手法として、その実用的な性質から多くの分野で活用されている「MTシステム」について取り上げ、MTシステムの基礎から解説し、既存のデータを活用し、判別・識別、診断、予測に活用する方法について詳解いたいます。

本セミナーでは、主に粉体単位操作の分離プロセスにおける数値シミュレーションと機械学習について解説いたします。
数値シミュレーションの方法や原理、汎用ソフトウェア、従来から最新のシミュレーションや機械学習の活用事例について、わかりやすく説明いたします。

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、畳み込みニューラルネットワークとVision Transformerについて、仕組みと画像認識分野への応用事例について説明いたします。
また、ネットワークモデルの軽量化技術、実装方法、実践的に活用できるポイントを解説いたします。

本セミナーでは、製造プロセス最適化やマーケティング施策評価など、実際の現場データを想定した応用例を交えながら、ベイズ的因果推論の理論と実務を結ぶ視点を養います。

本セミナーでは、まず、線形カルマンフィルタのアルゴリズムを紹介し、数値例を通してカルマンフィルタの仕組みについて学習します。続いて、代表的な非線形カルマンフィルタである拡張カルマンフィルタ (EKF) と無香料カルマンフィルタ (UKF) のアルゴリズムを説明し、非線形カルマンフィルタを用いた状態とパラメータの同時推定を導入します。また、カルマンフィルタの数値的不安定性について述べ、その問題点に対処するUD分解フィルタを導入します。さらに、カルマンフィルタの2つの応用例を紹介いたします。

本セミナーでは、生成AIを組み合わた少量データでの機械学習モデルの構築、最適なパラメータ、データ収集の留意点、スパースデータの防止策について詳解いたします。

本セミナーでは、スモールデータの解析の実態と、その方法論、データ収集の考え方を、実例を通じて解説いたします。

本セミナーでは、確率の基本からベイズモデリングの最前線までを単純なデータを使った実演や具体的な応用事例紹介を通じて、ベイズモデリングに基づく機械学習の全体像を理解することができます。

本セミナーでは、データ分析にAIエージェントを応用する方法について、データ分析およびAIエージェントの基礎から具体的なテクニックをわかりやすく解説いたします。

本セミナーでは、データ分析にAIエージェントを応用する方法について、データ分析およびAIエージェントの基礎から具体的なテクニックをわかりやすく解説いたします。

本セミナーでは、強化学習について基礎から解説し、ロボットなどの機械制御への応用が特に期待される最新の強化学習アルゴリズムや、応用の際に悩みの種となりやすい報酬の設計指針や対処法について実際の応用事例と合わせて紹介いたします。

本セミナーでは、様々なEMC問題へ機械学習・深層学習を活用する方法に関して、基本的な考え方や実践的な応用事例に触れて解説いたします。

本セミナーでは、確率の基本からベイズモデリングの最前線までを単純なデータを使った実演や具体的な応用事例紹介を通じて、ベイズモデリングに基づく機械学習の全体像を理解することができます。