tech-seminar.jp

本セミナーでは、フィジカルAIの基盤技術として、人工知能・機械学習の基礎から各種ニューラルネットワーク、ディープラーニングの原理と応用を解説いたします。
また異常音検出や水道管漏水検出などの実例に加え、ディープラーニングの一例としてMask R-CNNを取り上げ、転移学習を活用した光沢表面部品の自動検査システムを題材に、フィジカルAIを現場に実装するための実践的アプローチを紹介いたします。

本セミナーでは、プロセスインフォマティクスについて基礎から解説し、化学プロセスにおける前処理、モデル選定、小規模データ対応の実践ノウハウを解説いたします。

本セミナーでは、外観検査AIの基礎となる異常検知の考え方から解説し、学習データを用いないZero-shot手法、少量データで高性能を狙うFew-shot手法、数十枚程度の画像から構築できる最新の高性能検査AIまでを体系的に解説いたします。
各手法の特性や適した現場、導入の進め方やつまずきやすいポイントを具体例とともに示して解説いたします。

本セミナーでは、多変量が係わる/複雑な現象を予測できる「ディープニューラルネットワークモデル」と未学習・未知の異常も検出できる「MTシステム」について、年間受講者が1000人を超え定評のある講師が基礎から易しく解説いたします。

本セミナーでは、高分子材料の内部構造の画像解析について取り上げ、材料画像に特有の課題を踏まえつつ、Pythonを用いた一連の処理手順を体系的に解説いたします。
基本的な画像前処理から、領域抽出に向けたアルゴリズム、特徴量の算出、解析結果の可視化まで、実データを扱う上で役立つポイントを中心に解説いたします。

本セミナーでは、外観検査AIの基礎となる異常検知の考え方から解説し、学習データを用いないZero-shot手法、少量データで高性能を狙うFew-shot手法、数十枚程度の画像から構築できる最新の高性能検査AIまでを体系的に解説いたします。
各手法の特性や適した現場、導入の進め方やつまずきやすいポイントを具体例とともに示して解説いたします。

本セミナーでは、実験科学者である講師らの研究グループで行った、小規模データへの機械学習の効果的活用によるマテリアルズインフォマティクスの研究事例について紹介いたします。

本セミナーは、時系列データの前処理、多変量を含めた時系列データからの特徴抽出、これらの解析手法に加え、機械学習を活用した予測モデルの適用について、Pythonを使用した解析の演習を交えて解説いたします。

本セミナーでは、AIエージェントの仕組み、プロンプト設計、RAG、データ分析プロセスまで、業務に直結する基礎を体系的に整理して解説いたします。
さらに、要約・可視化・レポート作成といった定型業務を“半自動化”するための実務プロセスを具体的に解説いたします。

本セミナーでは、AIエージェントの仕組み、プロンプト設計、RAG、データ分析プロセスまで、業務に直結する基礎を体系的に整理して解説いたします。
さらに、要約・可視化・レポート作成といった定型業務を“半自動化”するための実務プロセスを具体的に解説いたします。

本セミナーでは、電池・半導体・高分子・触媒など、幅広い材料系で活用が進むMLIPについて取り上げ、MLIPの基礎から学習データ作成やモデル検証といった実務まで、体系的に解説いたします。

本セミナーでは、ベイズ統計及びベイズモデリングの基本的な考え方を多くの例を交えて解説いたします。
また、最近話題のベイズ分析ツールRStanなどの基礎となるアルゴリズム (マルコフ連鎖モンテカルロ法)を取り上げ、ベイズ統計の各モデリング手法、RStanによるデータ分析の実践例を示します。

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手がけたAI外観検査の取り組みを紹介いたします。
活動事例を通じて得られた、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の知見を解説いたします。