～ 関数推定 / 異常検知 / 深層学習 / 進化的機械学習 ～
☆☆☆ Web配信セミナー ☆☆☆
☆☆☆ 本セミナーは、Zoom/ウェビナーを使用して、行います。☆☆☆
トリケップスセミナー
開催日時：2022年2月24日（木）10:30～16:30
参 加 費：お1人様受講の場合 51,700円（税込/1名）
1口（1社3名まで受講可能）でお申し込みの場合 62,700円（税込/1口）
★ 本セミナーの受講にあたっての推奨環境は「Zoom」に依存しますので、ご自分の環境が対応しているか、お申込み前にZoomのテストミーティング（http://zoom.us/test）にアクセスできることをご確認下さい。
★インターネット経由でのライブ中継ため、回線状態などにより、画像や音声が乱れる場合があります。講義の中断、さらには、再接続後の再開もありますが、予めご了承ください。
★受講中の録音・撮影等は固くお断りいたします。
講 師
長尾 智晴（ながおともはる） 氏
横浜国立大学 大学院環境情報研究院 教授（工学博士）
＜経歴、等＞
学部：理工学部 数物・電子情報系学科 情報工学EP
大学院：大学院環境情報学府 情報環境専攻
YNU人工知能研究拠点長・情報系学科/大学院就職担当教授
経産省NEDO「共進化AIプロジェクト」採択課題研究代表者
YNU感性脳情報科学研究拠点・文科省COI-S拠点YNU総括
横浜国大発ベンチャー 株式会社マシンインテリジェンスCTO ＊研究
知能情報学／パターン認識と機械学習／知能ロボティクス／感覚知覚情報処理／知的画像処理／進化計算法／ 医工連携工学など「人と機械の知能」に関する広範囲な分野。
＊学会
情報処理学会、電子情報通信学会、電気学会、映像情報メディア学会、人工知能学、進化計算学会、IEEEなどに所属して各学会で活動中
講義項目
1.1 人工知能と機械学習
1.2 機械学習の種類と方法
1.3 教師あり／なし／半教師あり学習
1.4 深層学習（ディープラーニング）概論
1.5 少量データを用いた機械学習とは？
2 少量データを用いた機械学習1：関数推定
2.1 ベイズ最適化に基づく関数推定
2.2 遺伝的プログラミング（GP）による関数推定
2.3 CGP（Cartesian GP）による関数推定
3 少量データを用いた機械学習2：異常検知
3.1 1クラスSVM（Support Vector Machine）
3.2 CAE（Convolutional Auto Encoder）による異常検知
3.3 異常検知における学習データの水増し
4 少量データを用いた機械学習3：少量データによる深層学習
4.1 CG（Computer Graphics）を用いた機械学習
4.2 GAN（Generative Adversarial Network）による水増し
4.3 転移学習と蒸留・浸透学習（Percolative Learning）
5 少量データを用いた機械学習4：進化的機械学習
5.1 進化計算法の原理と特徴
5.2 処理プロセスの自動生成
5.3 分かり易い分類器の自動生成
5.4 CS（Classifier System）によるルールの学習
6 AIの業務への導入方法
6.1 AI導入時の注意点
6.2 AI人材の育成方法について
7 まとめ