tech-seminar.jp

本セミナーでは、少ない学習データでも有効に活用できる機械学習の方法を分かりやすく解説いたします。

本セミナーでは実験データを解析できるようになることを主眼におき、実験データの解釈のための可視化の方法や、実験、解析の計画設計のための手順、実験データを解析する際に起こりうる失敗事例の紹介を行います。

本セミナーでは、材料開発の実務に資するデータ分析の考え方から材料開発現場における各種データ (表形式・画像・テキスト・スペクトル・時系列・有機材料・無機材料など) の扱い方、現場でよくある課題への対処法について解説いたします。

本セミナーでは、時系列データ分析の基礎である時系列重回帰分析の基礎的な理論から解説し、自己回帰モデルなどの数理モデルを市販ソフトであるExcelで使用する方法やクラウド上にあるサービスや開発環境により機械学習を利用する方法の概要と実例を紹介いたします。

本セミナーでは、域外適用条項により大きな影響を受けるEU AI法の具体的な規制内容、留意点を実務的な視点から詳解いたします。

本セミナーでは、実験計画法の原理、問題点、問題点を補うため人工知能の一種であるニューラルネットワークモデル (超回帰モデル) を併用した非線形実験計画法について、事例を踏まえ、実践的にわ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、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、AI特許に関連する審査基準、最新の特許の事例や係争事例を交えながら、AIに関連する事業を行う企業が知財業務を行う上で必要な特許に関する基礎的事項を、実務上の経験を踏まえて解説いたします。

本セミナーでは、AI特許に関連する審査基準、最新の特許の事例や係争事例を交えながら、AIに関連する事業を行う企業が知財業務を行う上で必要な特許に関する基礎的事項を、実務上の経験を踏まえて解説いたします。

本セミナーでは、化学工学におけるデータ解析について取り上げ、特にニューラルネットワークに焦点を置いてその利活用手法について解説いたします。

本セミナーでは、カルマンフィルタの基礎理論について詳細に解説します。センシング、制御、あるいは機械学習などのAI の分野とカルマンフィルタの関係についても述べます。

本セミナーでは、データ分析に生成AIを応用する方法について、データ分析および生成AIの基礎から具体的なテクニックをわかりやすく解説いたします。

本セミナーでは、ベイズ推定の基礎から実装までを解説し、どのように応用できるのかをX線光電子分光スペクトルや磁気コンプトン散乱データを例にとって説明いたします。