人工知能を実務に応用するのに必要な 業務でAIを有効活用するための機械学習・ディープラーニングの基礎とAIの産業応用
~深層学習とその問題点・解決策・今後のAIなど~

AIの産業応用の観点から,人工知能・機械学習・深層学習やその先に来る進化的機械学習について
  AIの業務への応用方法と失敗しないコツを含めて初心者にもわかるようにわかりやすく解説する特別セミナー!!

講師 横浜国立大学 大学院環境情報研究院 YNU人工知能研究拠点長 教授 工学博士 長尾 智晴 先生
日時

2018/10/10(水) 10:00 ~ 17:00

会場

連合会館 (東京・お茶の水)

会場案内
受講料 1名:48,600円 同時複数人数申込みの場合 1名:43,200円
講師 横浜国立大学 大学院環境情報研究院 YNU人工知能研究拠点長 教授 工学博士 長尾 智晴 先生
日時 2018/10/10(水) 10:00 ~ 17:00
会場

連合会館 (東京・お茶の水)

会場案内
受講料 1名:48,600円 同時複数人数申込みの場合 1名:43,200円

受講対象

 1)人工知能や機械学習,深層学習に興味をもつ初学者の方.
 2)AIを業務に利用する予定の企業の技術者や関連部署の方.
 3)深層学習の利用に問題を感じている技術者の方.

予備知識

 特になし

習得知識

 1)人工知能と機械学習の手法の概要,深層学習の基礎と特徴
 2)次世代の人工知能である進化的機械学習の概要,
 3)AIの業務応用の方法と失敗しないためのコツなど.

講師の言葉

 数年前から人工知能,特にニューラルネットワークの一種である深層学習(ディープラーニング)の
性能の高さに大きな関心が集まっています。一方,深層学習に対して過度な期待が集中したブームの絶頂は
今や過ぎ去った感があり,最近では,1)処理がブラックボックスになってしまって内容を説明できないので
現場で使ってもらえない,2)学習に大量の学習データが必要である,3)学習パラメータや回路構造の決定が
職人芸である,などの深層学習の産業応用上の問題点も明らかになってきました。
 このため,深層学習の業務への導入に対する課題の解決策が求められてるのが現状です。
 本セミナーはよくありがちな「深層学習は凄い!何でもできる!」といった深層学習礼賛のセミナーとは一線を
画しています。 講師は大学教員ですがこれまでに多くの企業との共同研究や産学連携を実施してきており,
自身でも大学発ベンチャーを起業して取締役CTO を務めています。 このため,セミナー全体を通して徹底して
AIの産業応用の観点から,人工知能・機械学習・深層学習やその先に必ず来る進化的機械学習について,人工知能に
初めて接する人でもわかるように平易に解説します。

プログラム

【入門編:機械学習の基礎・手法の概要】
1.人工知能と機械学習
 1.1 人工知能超入門
   ・人工知能のアプローチの推移
 1.2 機械学習の種類と概要
   ・説明に基づく学習/事例に基づく学習/強化学習
 1.3 統計的機械学習の代表手法
   ・教師あり学習法(SVM・Boosting・決定木など)
   ・教師なし学習法(k-means法・SOMなど)
2.神経回路網とディープラーニング
 2.1 ニューラルネットワーク超入門
   ・神経回路網研究の歴史/数理モデル/回路構造
 2.2 深層学習(ディープラーニング)とは?
   ・深層化の各種のテクニック
   ・CNN(Convolutional Neural Network)
 2.3 ディープラーニングの利用方法と最近の手法
   ・TensorFlow・Chainerなど
   ・GAN・YOLOなど
 2.4 ディープラーニングの課題と解決策
   ・深層学習の問題点・企業と大学での問題
   ・CNNの見える化・構造最適化などの解決策
3.深層学習の次に来る機械学習「進化的機械学習」
 3.1 進化計算法超入門
   ・進化計算法の仕組み
   ・なぜ進化計算が最強の最適化法なのか?
 3.2 進化的機械学習による機械学習の最適化
   ・進化的機械学習の考え方と最適化例

【応用編:機械学習の業務利用に向けて】
4.生産現場の効率化へのAI導入
 4.1 目視検査工程の省力化・自動化
   ・ディープラーニングによるクラス分類
   ・Convolutional AutoEncoderによる良品学習
   ・進化的画像処理による画像処理の自動構築
   ・特徴量の最適化に基づく進化的画像認識
 4.2 部品取り付け工程の省力化・自動化
   ・3次元物体の姿勢推定
   ・ロボットハンドによるピッキングの機械学習
5.その他の業務へのAI導入
 5.1 ロボット・エージェントの制御最適化
   ・移動ロボット・ロボット群制御
 5.2 時系列変動予測と投資戦略の最適化
   ・価格予測/戦略の自動生成
 5.2 ヒト・モノの最適配置に関するAIの導入
   ・人材/店舗・オフィスなどの最適配置
 5.3 顧客満足度向上のための感性情報処理
   ・感性計測の現状と課題など
6.産業現場へのAI導入方法
 6.1 AI導入に当たっての問題点
   ・想定される問題点や検討すべき点など
 6.2 AIとのつきあい方
   ・AI導入を成功させるコツとは?
7.まとめと質疑応答・名刺交換・個別相談など

講師紹介

 東京工業大学大学院総合理工学研究科出身.東京工業大学工学部助手,同助教授を経て2001年より現職。
 専門は知能情報学。
 研究テーマは進化計算法,画像処理,ニューラルネットワーク,など多岐に渡る。
 著書,論文,所属学会多数.産学連携に力を入れており常時 5~10社の企業との共同研究を実施中。
 2008年に大学発ベンチャー株式会社マシンインテリジェンスを起業して取締役CTOを併任中。