tech-seminar.jp

本セミナーでは、機械学習における「教師なし学習」について、特に要望の多い「異常検知」の理論や手法の説明とともにPythonを用いた実装の解説を交えて機械学習の理解を深めます。

本セミナーでは、初めての方でも安心してご受講いただけるよう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) についてExcelおよびPythonを使ってわかりやすく解説します。

本セミナーでは、グラフニューラルネットワークの基本的な知識およびいくつかの研究事例について紹介するとともに、今後の学習のための情報源などについても解説いたします。

本セミナーは、自動車がカメラからの画像を用いて環境を理解する原理・基礎に重点を置いて説明いたします。
また、レーザーを用いて周囲の物体形状を計測するLIDAR (ライダー) を用いた環境認識技術についても触れます。

本セミナーでは、画像認識問題を題材として、まず軽量化の観点からディープラーニングの基礎を説明した後、様々な軽量化技術のテクニックを紹介いたします。
各テクニックに関しては、AI系の有力国際会議 (CVPR、ICLRなど) やプレプリントサーバ (ArXiv) に掲載されている最新技術を主に扱い、理論的な厳密さよりもイメージやコンセプト重視でわかりやすく説明いたします。

本セミナーでは、近年多くの需要・要望が寄せられている人工知能による異常検知について、背景となる基本的な考え方と、古典的なアルゴリズムの理解を深め、さらにAIによる高度な異常検知の基礎とアルゴリズム、応用例をPythonによる実習を通して学んでいきます。

認識精度などのモデル性能の向上とともに増加し、処理速度・消費電力・部品コスト等に影響する、メモリ使用量や演算量。
本セミナーでは、車載機器や組み込みIoTデバイス等の様々なエッジデバイスへのディープラーニングの実装が広がるなか、必要性が増しているモデル軽量化技術について、ディープラーニングの基礎から各手法、最新技術までを分かりやすく解説いたします。

本セミナーでは、アンサンブル学習とよばれるデータサイエンスの手法について、Pythonによるデモを交えて解説いたします。

本セミナーでは、グラフニューラルネットワークの基本的な知識およびいくつかの研究事例について紹介するとともに、今後の学習のための情報源などについても解説いたします。

本セミナーは、自動車がカメラからの画像を用いて環境を理解する原理・基礎に重点を置いて説明いたします。
また、レーザーを用いて周囲の物体形状を計測するLIDAR (ライダー) を用いた環境認識技術についても触れます。

本セミナーでは、目に見えない感性や体験を可視化・定量化するために、ユーザの深いニーズを引き出して可視化するインタビュー法、適切なアンケートの作り方、感性を具体的な設計に落とし込む方法について、実習を通じて具体的に学びます。

本セミナーでは、回帰分析について基礎から解説し、Rによる実際の分析のデモを交えて、非線形回帰モデルの構築方法、モデル推定のポイントまで解説いたします。
また、Rのソースコードを配布いたします。