『製造業におけるディープラーニングの活用とデータ処理の進め方』
〜データ処理を的確に行うための〜
S200311A
開催日時:2020年3月11日(水)10:30-16:30
会 場:オーム ビル(千代田区神田錦町3-1)
受 講 料:お1人様受講の場合 47,000円[税別]/1名
1口でお申込の場合 57,000円[税別]/1口(3名まで受講可能)
太田桂吾(おおたけいご) 氏
株式会社ネクステージ AIアナリスト
<ご略歴> |
1990年3月 岡山大学 文学部卒業。
同年4月 応用技術株式会社入社。
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。
2019年4月 株式会社ネクステージ AIアナリストとして勤務。 |
|
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。
|
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