tech-seminar.jp

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、Multi-Sigmaの基本的な原理と具体的な解析手順を学ぶとともに、今後様々な分野における活用方法について説明いたします。

本セミナーでは、製造加工業の中でも特に品質検査 (表面・外観検査) 、故障診断と欠陥予知という三つの分野に応用した最新鋭のディープラーニング技術を紹介いたします。
応用事例を取り上げながら、解析手法の原理、解析手法の解析プロセスの詳細、検証結果を詳解いたします。

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、ノイズ除去の方法、音の故障検知への利用、故障予知への発展方法について、事例を交えて解説いたします。

本セミナーでは、機械学習、ディープラーニングの基本から異常検知の具体例まで数式を極力使わず、実践で使えることを第一に考えて解説いたします。

本セミナーでは、機械学習の性能を引き出すための様々なデータに対する前処理の考え方と具体的方法について理解を深めるとともに、AIを有効に活用するための特徴量エンジニアリングの基礎について習得していただきます。

本セミナーでは、講師のこれまでの音声研究のノウハウと、各種企業との共同研究の経験値を組み合わせ、音が故障検知や故障予知にどのように利用できるかを説明いたします。
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した後、それらの故障検知への利用方法、およびその故障予知への発展の方法について、可能なアプローチをご紹介いたします。
また、実際の環境音、騒音などを鑑みて、比較的平易に取り組める雑除去手法も紹介いたします。

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。