tech-seminar.jp

本セミナーでは、具体的に「データ分析プロジェクト」「AIプロジェクト」という二大DXプロジェクトにフォーカスして学び、プロセスを体系的に理解し、同時に明日から始められるようなテクニカルな「型」を提供いたします。

本セミナーでは、扱う材料系が多様、データが集まりにくい、データの規模が小さい等、課題に直面した際、マテリアルズインフォマティクスを研究開発に適用する方法、モデル構築について取り上げ、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解説いたします。

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、扱う材料系が多様、データが集まりにくい、データの規模が小さい等、課題に直面した際、マテリアルズインフォマティクスを研究開発に適用する方法、モデル構築について取り上げ、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解説いたします。

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、浸透学習法 (PLM:Percolative Learning Method) について取り上げ、発明者である講師が基礎から解説いたします。

本セミナーでは、自律型研究開発の基礎から、海外研究機関・大学での取り組み、企業における導入事例、機械学習による材料特性予測・材料設計と、ロボットによる実験自動化、両者を連携させた自律型研究システムについて、具体的な事例を交えて解説いたします。
さらに、導入時に直面する技術的課題や、データ管理・品質保証の考え方、今後の展望についても解説いたします。