tech-seminar.jp

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。

本セミナーでは、最初に画像の前処理・特徴量抽出手法について紹介した後、機械学習や深層学習による画像認識システムについて、プログラミング言語Pythonによるプログラム例とともに紹介いたします。
また、画像認識システムのサンプルプログラムを紹介するとともに、システム構築にあたっての注意点について解説いたします。

本セミナーでは、現在の自動運転自動車のセンシングに欠かせないセンサとなっているLiDARを一例として取り上げ、自動運転自動車周囲に存在している移動物体の運動推定手法を題材とした状態推定アルゴリズムの解説を行います。
また、金沢大学の実装例を交えて解その他の自動運転全般の技術の概要についても解説いたします。

本セミナーでは、機械学習の成果を左右する「データ前処理」について取り上げ、その基本から、高度な前処理、自然言語・画像・音声におけるすぐに使える前処理技術、うまく対処できない時のための最新技術の調べ方のコツなどについて、PCを用いた演習を含めて実践的な内容を解説いたします。

本セミナーでは、効率的な材料設計やプロセス・装置設計を可能にする実験計画法について取り上げ、必要なデータ解析理論とベイズ最適化の基礎、具体的な応用例や最新の研究事例などを解説いたします。

本セミナーでは、講師が研究事業で獲得した知見を踏まえ、機能安全の基礎や考え方、AI搭載システムの安全実現上の課題、AI搭載システムの機能安全適合方法などについて解説いたします。

本セミナーでは、実験計画法の原理と問題点から解説し、実験計画法の問題点を補うために人工知能の一種であるディープラーニング (ニューラルネットワークモデル=超回帰式) を併用した、製造業の開発により適した非線形実験計画法を解説いたします。

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、機械学習モデルを対象としたテスト技術や、機械学習を活用したシステムに対する品質保証の枠組みやガイドラインに関して、近年議論されている話題を俯瞰的に概説いたします。

本セミナーでは、効率的な材料設計やプロセス・装置設計を可能にする実験計画法について取り上げ、必要なデータ解析理論とベイズ最適化の基礎、具体的な応用例や最新の研究事例などを解説いたします。

本セミナーでは、畳み込みニューラルネットワークの基礎と画像認識分野における応用事例について説明いたします。
また、畳み込みニューラルネットワークの判断根拠の視覚的説明や応用方法、実装に向けた環境やディープラーニングフレームワークについても紹介し、実践的に活用できる内容を網羅的に説明いたします。