【Live配信セミナー 7/8】少ないデータによるAI・機械学習の進め方,活用の仕方

セミナー№５０７５１１

【Live配信】
少ないデータによる

AI・機械学習の進め方,活用の仕方

★転移学習、スパースモデリング、データ拡張．．．
　　　　　　　　　限られたデータで精度と効率を両立する方法とは！！

----------------------------------------------------------------------------------

■講師

１．オムロン(株)　技術・知財本部　デジタルデザインセンタ　

　　　　　　　　　AI・データ解析グループ　主査　太田 雄也 氏

２．日本電信電話(株)　特別研究員　井田 安俊 氏
　　NTTコミュニケーションズ(株)　主査　中野 将尚 氏
３．愛知工科大学　工学部　機械システム工学科　准教授　豊吉 巧也 氏

■聴講料

1名につき 60,500円（消費税込、資料付）

1社2名以上同時申込の場合のみ１名につき55,000円（税込）

大学、公的機関、医療機関の方には割引制度があります。詳しくはお問い合わせください。

■Live配信セミナーの受講について
・下記リンクから視聴環境を確認の上、お申し込みください。
　→ https://zoom.us/test
・開催日が近くなりましたら、視聴用のURLとパスワードをメールにてご連絡申し上げます。セミナー開催日時に、視聴サイトにログインしていただき、ご視聴ください。
・Zoomクライアントは最新版にアップデートして使用してください。
　Webブラウザから視聴する場合は、Google Chrome、Firefox、Microsoft Edgeをご利用ください。
・セミナー資料はお申込み時にお知らせいただいた住所へお送りいたします。お申込みが直前の場合には、開催日までに資料の到着が間に合わないことがあります。ご了承ください。
・当日は講師への質問することができます。可能な範囲で個別質問にも対応いたします。
・本講座で使用される資料や配信動画は著作物であり、録音・録画・複写・転載・配布・上映・販売等を禁止いたします。
・本講座はお申し込みいただいた方のみ受講いただけます。複数端末から同時に視聴することや複数人での視聴は禁止いたします。
・Zoomのグループにパスワードを設定しています。部外者の参加を防ぐため、パスワードを外部に漏洩しないでください。万が一部外者が侵入した場合は管理者側で部外者の退出あるいはセミナーを終了いたします。

プログラム                                                                                    

＜１０：３０～１２：００＞
１．転移学習技術を用いた生産条件最適化の精度と効率を両立する進め方
オムロン(株)　太田 雄也 氏

【講演趣旨】
サプライヤーの変更など、品質に影響を与える事象が発生した場合でも、ものづくり現場では高い品質と生産性の維持が求められています。実験計画法を用いた設備パラメータの調整など、比較的小規模なデータセットに転移学習を適用するケースを想定し、量産以降のパラメータ調整を転移学習を用いてより少ない工数で精度よく行う方法について、実験用包装機を用いた実証を交えて解説します。

【講演項目】
1.製造現場で精度と効率の両立が求められる背景
2.転移学習を用いた生産条件最適化の進め方
　2-1.進め方の概要
　2-2.技術解説：実験計画法, 転移学習(FEDA), 回帰分析(SVR)
　2-3.シミュレーションによる効果確認
3.実験用包装機を用いた効果検証
　3-1.検証プロセス, 検証結果
　3-2.実行時のポイント, 今後の課題
4.生産条件最適化の今後の展望
【質疑応答】

---------------------------------------------------------------

＜１３：００～１４：３０＞
２．高速スパースモデリングによるデータ分析　～理論と実用～
日本電信電話(株)　井田 安俊 氏
NTTコミュニケーションズ(株)　中野 将尚 氏

【講演項目】
1.スパースモデリング概要
2.枝刈りによる高速スパースモデリング
　2-1.スパースモデリングによる特徴選択
　2-2.枝刈りによる高速化
3.スパースモデリングの実用
　3-1.時系列データにおける機械学習概要
　3-2.スパースモデリングのユースケース
　3-3.ノーコードAI開発ツール「Node-AI」によるデモ
【質疑応答】

---------------------------------------------------------------

＜１４：４５～１６：１５＞
３．深層学習を用いた少ないデータへの対処と精度向上のポイント
愛知工科大学　豊吉 巧也 氏

【講演趣旨】
業務効率化のために，AIや機械学習，とりわけ深層学習の技術を取り入れる事例が増えてきていることかと思います。しかし実際には，データを用意することが困難であり，少ないデータを有効活用しなければならないケースもあります。この解決策にはデータ拡張が有効ではあるものの，明確な解決策が示されていないことも事実です。本講演では，このようなデータが限られている場合やデータが少ない場合における対処方法と精度向上について，簡単な例を交えてデータの見方と共にご紹介いたします。

【講演項目】
1.優れた予測技術の背景
　1-1.どのような技術があるのか
　1-2.どのようなデータをつかっているのか
2.予測が上手くいっている理由はなにか
　2-1.どのように学習させているのか
　2-2.学習のデータ形式に制約はあるのか
3.データが少ないときに隠れている問題点
　3-1.どこに注目すればよいのか
　3-2.データを可視化したときの注意点
4.データが少ない場合の対処法
　4-1.単なるデータ拡張ではダメな例
　4-2.効率的にデータ拡張を行うには
5.予測精度を上げるコツ
　5-1.正則化について
　5-2.正則化を用いた例
6.データ拡張における注意点
　6-1.データ拡張の判断ポイント
　6-2.データ拡張の一例
【質疑応答】

セミナーの詳細についてはお気軽にお問い合わせください。

２名以上同時にお申込される場合、２人目以降の方の情報は【弊社への連絡事項がございましたら、こちらにお書きください】欄にご入力をお願いいたします。