tech-seminar.jp

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。

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、深層学習による時系列予測と振動からの異常検知について、基本的な手法と技術動向を解説いたします。
次に、周波数分析、再帰型・畳み込みネットワークによる特徴量化を解説いたします。
さらに、振動による異常検知について機械設備への適用事例を紹介いたします。

本セミナーでは、確率の基本からベイズモデリングの最前線までを具体的な応用事例を通じて、ベイズモデリングに基づく機械学習の全体像を理解することができます。

本セミナーでは、機械学習全般に共通する基本的な概念、そして特に要望の多い異常検知の理論や実装方法を分かりやすく解説いたします。

本セミナーでは、まず、線形カルマンフィルタのアルゴリズムを紹介し、数値例を通してカルマンフィルタの仕組みについて学習します。続いて、代表的な非線形カルマンフィルタである拡張カルマンフィルタ (EKF) と無香料カルマンフィルタ (UKF) のアルゴリズムを説明し、非線形カルマンフィルタを用いた状態とパラメータの同時推定を導入します。また、カルマンフィルタの数値的不安定性について述べ、その問題点に対処するUD分解フィルタを導入します。さらに、カルマンフィルタの2つの応用例を紹介いたします。

本セミナーでは、様々な分野で使われるようになってきた Transformerについて、基礎となる理論と応用を解説いたします。

本セミナーでは、データの使い方の基礎から、いま人工知能で話題となっているディープラーニングまで、基本的な考え方と手法の原理を解説いたします。

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。

本セミナーでは、医療ビッグデータ/リアルワールドデータを用いるための医薬品研究や臨床研究を実施するためのデータマイニングおよびデータモデリングについて解説いたします。
レセプトデータや健診データなどのリアルワールドデータの種類やその内容について解説し、実際の事例を紹介しながらデータを扱う上での問題点や個人情報保護などの法的コンプライアンスをふまえた注意点についても解説いたします。