Home
->  5月開催 その他セミナー 

「少ないデータ」を用いた 高効率機械学習と業務への導入の仕方

5月開催 その他セミナー  更新日:2019年4月 3日
 セミナー番号【905508】5/21 講師1名
★大量の教師データを必要としない関数推定、異常検知、深層学習の作り方とは!!

「少ないデータ」を用いた 高効率機械学習と業務への導入の仕方


■ 講師
横浜国立大学 大学院環境情報研究院 教授 長尾 智晴 氏

■ 開催要領
日 時 : 2019年5月21日(火) 10:00~17:00

会 場 : [東京・五反田]技術情報協会 8F セミナールーム
聴講料 : 1名につき50,000円(消費税抜き、昼食、資料付) 
〔1社2名以上同時申込の場合1名につき45,000円(税抜)〕


プログラム

<10:00~17:00>


「少ないデータ」を用いた高効率機械学習と業務への導入の仕方

横浜国立大学 大学院環境情報研究院 教授 長尾 智晴 氏


【講演趣旨】
昨今,深層学習(ディープラーニング)が注目されており,企業の業務への導入が検討されていますが,学習・最適化のために膨大な数の教師用データが必要なことが問題になっています.特に異常検知などでは異常データが集まらないといった問題があります.そこで本セミナーでは「少ない教師データから有効な機械学習を行う方法」について解説します.人工知能と機械学習の概要,深層学習の特徴と課題について概観した後,少量データから有効な機械学習を行う方法として,関数推定,異常検知,深層学習の応用,進化的機械学習にフォーカスして具体例を示します.さらに,AIを業務で利用する際の注意点と成功のコツをご紹介します.数式は極力使わず直感に訴える平易な解説を心がけますので,技術者の方だけでなく人事・営業・経営などに携わる方々も歓迎致します.

【講演項目】

1.機械学習の現状と課題
 1.1 人工知能におけるパラダイムシフト    
  ・AIにおける考え方の推移~
 1.2 機械学習の種類と方法  
  ・様々な機械学習の考え方と将来展望
 1.3 教師あり/なし/半教師つき学習  
  ・SVM・k-means・Random Forestなどの基礎手法
 1.4 少量データを用いた機械学習とは?  
  ・効率的な学習を行うために必要なこと

2.深層学習(ディープラーニング)と現状と課題
 2.1 階層型人工神経回路網の原理と問題点  
  ・確率的勾配降下法は"学習"ではない?
 2.2 深層学習の基礎と最近の手法  
  ・様々な深層化技法と最近流行りの手法
 2.3 深層学習の問題点とその対策  
  ・深層学習を使う際に生じる多くの課題

3.少量データを用いた機械学習1:関数推定
 3.1 ベイズ最適化に基づく関数推定  
  ・基本的な考え方と応用例の紹介
 3.2 遺伝的プログラミング(GP)による関数推定
  ・GP(Genetic Programming)の原理と課題
 3.3 CGP(Cartesian GP)による関数推定  
  ・多出力の関数推定とその応用

4.少量データを用いた機械学習2:異常検知
 4.1 1クラスSVM(Support Vector Machine)  
  ・原理と応用例の紹介
 4.2 CAE(Convolutional Auto Encoder)による異常検知  
  ・原理と応用例の紹介
 4.3 半教師つき学習によるクラス分類  
  ・ベンチマーク問題への適用例

5.少量データを用いた機械学習3:深層学習の応用
 5.1 CG(Computer Graphics)を用いた機械学習  
  ・CGによる教師データの生成と学習
 5.2 GAN(Generative Adversarial Network)による水増し  
  ・GANを利用したdata augmentation
 5.3 転移学習と蒸留・浸透学習(Percolative Learning)  
  ・既存知識・学習時のみ利用できる情報の有効活用

6.少量データを用いた機械学習4:進化的機械学習
 6.1 進化計算法の原理と特徴  
  ・進化計算が強い探索法である理由
 6.2 処理プロセスの自動生成  
  ・単位処理ユニットの合成による処理フロー生成
 6.3 分かり易い分類器の自動生成  
  ・特徴量の最適化+浅いNNまたはSVMの提案
 6.4 CS(Classifer System)によるルールの学習  
  ・ルールの縮約と進化的最適化

7.企業への機械学習導入方法
 7.1 機械学習導入における「基本8箇条」  
  ・[AI=深層学習=データ収集]という誤解  
 7.2 AIコンサルの必要性  
  ・深層学習だけが機械学習ではない

【質疑応答・名刺交換】