化学品の市場調査、研究開発の支援、マーケット情報の出版

CMCリサーチウェビナー【ライブ配信】 のご案内

       開催日時:2020年11月27日(金)10:30~16:30 
       受 講 料:50,000円 + 税  * 資料付
          *メルマガ登録者 40,000 円 + 税
          *アカデミック価格 24,000 円 + 税
         パンフレット

※ 本セミナーは、当日ビデオ会議ツール「Zoom」を使ったライブ配信セミナーとなります。
 お申し込み前に、下記リンクから視聴環境をご確認ください。
   → https://zoom.us/test
 ★ アカデミック価格:学校教育法にて規定された国、地方公共団体および学校法人格を有する大学、大学院の教員、学生に限ります。
 ★【メルマガ会員特典】通常の特典(2名目無料、3名目以降半額)は適用外となりますが、 定価の20%引でご参加いただけます。
 ★ お申込み後のキャンセルは基本的にお受けしておりません。ご都合により出席できなくなった場合は代理の方がご出席ください。
 
お申し込み受付中

申込方法

 ウェビナー参加のお申込は、下記のカートへの投入、あるいはFAX用紙にてお願いします。
 セミナーお申し込み前に必ず  こちら  をご確認ください。

   FAX申込用紙PDF 
 [メルマガ登録者はこちらから]
 弊社のメルマガ登録者は、参加費が20%引きになります。メルマガ登録をされていない方で、登録をご希望の方は、メルマガ登録を行ってから、ウェビナー参加を、お申込ください。 → メルマガ登録ページ 
 メルマガ登録者のウェビナー参加は、下記のカートへの投入によってお申込ください。 また、FAX申込用紙でお申込の場合は、FAX申込用紙のメルマガ登録の項にチェックをお願いします。
   FAX申込用紙PDF 
 [アカデミック価格申込者はこちらから]
   FAX申込用紙PDF 
 

講 師

 太田 桂吾 氏  ㈱ネクステージ AIアナリスト

【講師経歴】
 1990年3月 岡山大学 文学部卒業。
  同年4月 応用技術㈱ 入社。多くのWEBシステム構築に携わる。近年はデータマイニング技術の応用に携わる。一般企業向けの機械学習・ディープラーニングセミナー開催多数。

セミナーの趣旨

 製造業での課題解決に対して、機械学習・ディープラーニングを使用する際の、基本、注意事項を1日で概観できます。まず、機械学習の基本とディープラーニングの基本を極力数式なしで説明します。その後、講師が実際のデータを操作することで、データをどう扱うかを学習していきます。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、が具体的に学習できます。
 また、受講者でノートPCを用意いただければ、事前に環境設定プログラム、サンプルプログラムを配布しますので、自身でも動作を確認することも可能です。実際にデータを取り扱われる方、製造業での課題解決に機械学習・ディープラーニングを活用する最初の1歩となります。

セミナー対象者

 機械学習、AIを活用した製造業の課題解決に興味のある方

セミナーで得られる知識

 機械学習、AIを活用した製造業の課題解決のアイデア。実際のデータ分析の手順。

プログラム

      ※ 適宜休憩が入ります。

1 機械学習/ディープラーニング概観 
 1.1 データ分析と統計 
 
2 機械学習/ディープラーニングを行う際に必要なデータ処理の基本 
 2.1 データの定義 
 2.2 扱うデータの特性を把握する
  2.2.1 時間軸/場所の考慮
  2.2.2 画像
  2.2.3 音
  2.2.4 センサー(時系列)データ
  2.2.5 その他(言語)
 2.3 特徴量エンジニアリング
  2.3.1 特徴量エンジニアリングとは何か
  2.3.2 具体例 
 
3 機械学習の基礎と実践 
 3.1 機械学習の基本
  3.1.1 データがモデルをつくる
 3.2 学習の種類
  3.2.1 教師あり学習の基本 
  3.2.2 教師なし学習の基本 
 3.3 結果の分類 
  3.3.1 回帰 
  3.3.2 クラス分類 
 3.4 製造業でのサンプル 
  3.4.1 画像データによる傷の検知
  3.4.2 音データ処理による異常検知 
  3.4.3 センサーデータ処理による時系列データ処理 
 
4 ディープラーニングの基礎と実践 
 4.1 ディープラーニングの基本 
  4.1.1 基本的な仕組み 
  4.1.2 ほとんど数式なしの誤差逆伝播理解 
 4.2 製造業でのサンプル 
  4.2.1 CNNによる画像データによる傷の検出 
  4.2.2 RNNによる音データ処理による異常検知 
  4.2.3 RNNによるセンサーデータ処理による時系列データ処理 
 
5 製造業と機械学習 
 5.1 機械学習による課題解決 
  5.1.1 PoCへの取り組み(なるべく小さな範囲で) 
  5.1.2 PoCからソリューションへ 
 5.2 精度はどこまで求めるか 
  5.2.1 精度は100%にはならない 
  5.2.2 運用も含めた 100%を目指す 

 

関連図書

        機械・装置

関連セミナー/ウェビナー

        機械・エレクトロニクス・コンピュータ