製造業関連情報総合ポータルサイト@engineer
WEB営業力強化支援サービスのご案内
研究・技術・事業開発のためのセミナー/書籍 サイエンス&テクノロジー
イベント

2/18 センサデータのAI・機械学習活用のための前処理技術

  • このエントリーをはてなブックマークに追加
  • @engineer記事クリップに登録
化学・材料  / 2026年11月20日 / 
イベント名 センサデータのAI・機械学習活用のための前処理技術
開催期間 2027年02月18日(木)
13:00~16:30

【見逃し配信の視聴期間】
開催翌営業日から7日間[2/19~2/26中]を予定
※動画は未編集のものになります。
※視聴ページは、開催翌営業日にマイページへリンクを設定します。
※会社・自宅にいながら受講可能です。

※講義中の録音・撮影はご遠慮ください。
※開催日の概ね1週間前を目安に、最少催行人数に達していない場合、セミナーを中止することがございます。

■配布資料
PDFデータ(印刷可・編集不可)
※開催2日前を目安に、主催会社様HPのS&T会員マイページよりダウンロード可となります。
会場名 【Zoomによるライブ配信セミナー】アーカイブ(見逃し)配信付き
会場の住所 オンライン
お申し込み期限日 2027年02月18日(木)12時
お申し込み受付人数 30  名様
お申し込み

センサデータのAI・機械学習活用のための前処理技術

~時系列・画像・スペクトル等の生データ処理と特徴量抽出のノウハウ~

受講可能な形式:【ライブ配信(見逃し配信付)】のみ

受講料(税込):49,500円

\お得な割引キャンペーン実施中!/
詳細・お申し込みは「お申し込みはこちらから」よりご確認ください。

【オンライン配信】
ライブ配信 ►受講方法・接続確認(申込み前に必ずご確認ください)
アーカイブ配信 ►受講方法・視聴環境確認(申込み前に必ずご確認ください)

セミナー視聴はマイページから
お申し込み後、マイページの「セミナー資料ダウンロード/映像視聴ページ」に
お申込み済みのセミナー一覧が表示されますので、該当セミナーをクリックしてください。
(アーカイブ配信は、配信日に表示されます。)


センサから取得した生データを、AI・機械学習で活用できるデータへ
センサから得られる多様で複雑な生データには、ノイズ・欠損・外れ値などに貴重な微弱信号が隠れていることも。
こうした生データを価値ある特徴量データに仕上げるための前処理の一連の工程と定番手法を、
データ収集・整理のポイントから実践的ノウハウを交えて解説します。

講師

蜷川 忠三 氏
N研究所(株) 代表取締役 / 元岐阜大学 工学部 教授

三菱重工業(株)でビル空調制御,太陽光発電インバータの開発設計。
その間,三菱重工業(株)技術職最高位の技監に就任。
その後,岐阜大学工学部で電気電子工学科教授,スマートグリッド共同研究講座特任教授。
退官後,AI産業応用の技術コンサル会社N研究所(株)立上げ。
米国University of Washington大学院正規卒業。工学博士。

専門: 需要家スマートグリッド,AI機械学習の産業応用。
著作: 和英専門書(単著)10冊,学術論文110編。
    代表著書は「AI時系列制御解析」コロナ社,「仮想発電所システム構築技術」オーム社など。
所属学会: 電気学会スマートグリッド技術委員会委員,人工知能学会スマートマニュファクチャリング委員会委員。
活動状況: 岐阜大学工学部非常勤研究員・客員教授,NEDO有識者受嘱。

セミナー趣旨

センサーデータをAI活用する場面において,センサー生データを機械学習が認識できる特徴量という形へ加工する「前処理」は,地味ながらも決定的に重要な工程です。しかし,既存の書籍や講座の多くは,アルゴリズムや応用事例の解説に偏っているのが現状です。
 種々のシーンで計測される物理量のセンサーデータは,言語データとは比較にならないほど多様で複雑です。ノイズ,欠損,外れ値などに貴重な微弱信号が隠されていることは珍しくなく,そのままではAIツールに入力できません。フィルタリング,信号処理,周波数スペクトル変換といった技を使わないと,AIツールに投入する価値がある特徴量データには仕上がらないのは想像できます。しかし,実際にどのように進めていくのは意外と系統立てて解説されていません。
 本講座では,センサーから得られる物理データを特徴量データへと昇華させる全工程を,定番手法と現実の事例を交えて一気通貫で解説します。さらに,将来の先端技術を見据えて戦略的にデータを蓄積・整備していく指針も提示いたします。講師がメーカー技術者として30年,および大学教授として10年で培った実践的ノウハウを短時間でお伝えします。

セミナー講演内容

1.AI・機械学習用のセンサーデータ前処理の重要性

2.センサー生データの種類と複雑さ
 2.1 物理データの種類と特徴
 2.2 データ収集現場の環境

3.データ収集と整理のポイント
 3.1 データ前処理の工程構成
 3.2 生データのベクトル化,構造化
 3.4 外れ値,欠損,補間,フィルタリング

4.データ前処理における定番手法
 4.1 説明変数決定の定番
 4.2 外れ値選別の定番
 4.3 特徴抽出の定番

5.データ前処理が主役効果事例
 5.1 画像分析における前処理事例
 5.2 周波数分析における前処理事例
 5.3 時系列回帰における前処理事例

6.将来AIとデータ前処理
 6.1 生成AI Transformer応用に向けて
 6.2 将来LLMエージェントとの融合

  □質疑応答□

※詳細・お申込みは上記
「お申し込みはこちらから」(遷移先WEBサイト)よりご確認ください。

※満席・日程終了などで参加が難しい場合は、下記「お問い合わせ」ボタンより再開催のリクエストを承っております

サイト内検索
ページカテゴリ一覧
新着ページ
月別ページ