tech-seminar.jp

本セミナーは、現在の人工知能技術の基盤となる統計的な分類手法について解説し、人工知能の「中身」を理解していただくことを目的としています。

本セミナーでは、ブラックボックス的な性質が課題となる機械学習技術について取り上げ、モデルの判断根拠や内部挙動を説明する解釈性付与について、具体的手法から活用技術、機械学習を用いた開発・ビジネスにおいて解釈性が可能にすること、今後求められる技術や方向性などを解説いたします。

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、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、製品におけるキズ・欠陥、形材の地合、複雑な立体形状の陰影に紛れた不明瞭な欠陥像を検出するために画像処理、機械学習を利用した目視・外観検査自動化の実例を解説いたします。

本セミナーでは、予防安全技術の歴史やロードマップを基にして、ドライバ状態検出技術の最新研究開発動向および将来の展望について詳細に解説いたします。
また、ドライバ状態を検出するに当たって活用が期待される統計科学的手法、機械学習の手法について解説いたします。

本セミナーでは、機械学習、ディープラーニングの概要を解説いたします。
また、画像 (分類) 、音 (異常検知) 、センサーデータ等、それぞれの例で解説いたしますので、それぞれがどのように取り扱われるか、注意点は何かを具体的に解説いたします。

本セミナーでは、テキストマイニングについて取り上げ、文章情報の分類、クラスタリングから情報の抽出、将来市場の予測、トレンド技術の把握、先行企業の動向調査、ホワイトスペースの探索へ活用するポイントと課題について詳解いたします。

本セミナーでは、時系列データを対象にし、データの個性を定量化する統計的指標や、数式として表現する時系列モデルを多数紹介いたします。更に、応用として「将来予測」や「異常検知」に着眼し、より高度な機械学習モデルを取り入れつつ、実務への応用をサポートいたします。

本セミナーでは、機械学習について基礎から解説し、ディープラーニングの具体的な実践方法をわかりやすく解説いたします。