セミナー情報

初めて学ぶ機械学習と画像処理・画像認識への応用 〜デモ付〜

〜 統計的機械学習の代表的な方法、進化計算法による最適化を用いた機械学習、画像認識・画像処理への実装例 〜

・「統計的機械学習」に代わる次世代の人工知能技術である「進化的機械学習」について学ぶ講座

・最適な機械学習技術を基礎から修得し、画像認識や画像処理に効果的に応用しよう! 

講師の言葉

 巷ではディープラーニング(深層学習)と呼ばれる機械学習手法が流行っており、企業でも業務に利用すべきか検討しているところが多いですが、ディープラーニングにも得手・不得手があり、何にでも適用すれば良いというものではありません。
 そこで、本セミナーではディープラーニングに代表される統計的機械学習とはどのようなものであるかについて、最初に人工知能に不慣れな方を対象として易しく解説します。続いて、講師らが統計的機械学習にかわる次世代の人工知能技術として開発を進めている「進化的機械学習」について、その原理と画像処理・画像認識への応用例を、具体例やデモを多数取り入れながら分かり易く解説します。本セミナーを通して、現状の人工知能の現状と、将来の可能性について知ることができます。

 

セミナー詳細

開催日時 2017年06月08日(木) 10:30 ~ 17:30
開催場所 【東京】日本テクノセンター研修室
カテゴリー ソフト・データ解析・画像・デザイン
受講対象者 ・画像処理、人工知能、システム関連企業の技術者の方
・人工知能あるいは機械学習の初学者の方
・ディープラーニングについて知りたい方
・ディープラーニングに限界を感じている方
・先端的な画像処理や画像認識の方法論に興味がある方 など
予備知識 ・特に必要ありません
修得知識 ・ディープラーニングなどの統計的機械学習の特徴と問題点
・進化的機械学習とその画像処理・認識への応用方法に関する知識
プログラム

1.機械学習超入門
  (1).機械学習とは何か?
    a.人工知能と機械学習
    b.教師あり/なし学習と半教師つき学習
  (2).統計的機械学習の代表的な方法論
    a.SVM・boosting・決定木・ランダムフォレストなど
    b.k-means法とSOM(自己組織化マップ)など
    c.ニューラルネットワークとディープラーニング(深層学習)


2.次世代の機械学習である“進化的機械学習”とは何か?
  (1).統計的機械学習(例:Deep Learning)の問題点
  (2).進化計算法による最適化を用いた機械学習
    a.最強?の最適化法としての進化計算法の昔と今
    b.進化的機械学習の現状と課題


3.進化的機械学習に基づく画像処理: 進化的画像処理
  (1).現状の画像処理の特徴と課題
  (2).進化的画像処理の実装例
    a.例1.木構造・ネットワーク構造型画像処理の自動構築
    b.例2.画像処理回路の自動構築


4.進化的機械学習に基づく画像認識: 進化的画像認識
  (1).現状の画像認識の特徴と課題
  (2).進化的画像認識の実装例
    a.例1.特徴量の組合せ最適化:特徴量選択型SVM
    b.例2.前処理の導入による特徴量の最適化ACSYS・SIFTER
    c.例3.説明可能な分類器EDENとプロセスの自然言語による説明
    d.例4.Convolutional Neural Network の説明の試み


5.機械学習の産業界での利用
  (1).産業界の利用における課題
  (2).まとめ

キーワード 機械学習 人工知能 SVM ランダムフォレスト 自己組織化マップ ディープラーニング 深層学習 進化計算法
タグ データ解析  画像処理  画像認識
受講料 一般(1名) : 48,600円 (税込み)
同時複数申し込みの場合(1名) : 43,200円 (税込み)
会場 日本テクノセンター研修室
住所: 〒 163-0722 東京都新宿区西新宿小田急第一生命ビル(22階)
- JR「新宿駅」西口から徒歩10分
- 東京メトロ丸ノ内線「西新宿駅」から徒歩8分
- 都営大江戸線「都庁前駅」から徒歩5分
電話番号 : 03-5322-5888
FAX : 03-5322-5666

このセミナーは受付を終了しました。

次回開催のお知らせや、類似セミナーに関する情報を希望される方は、
以下よりお問い合わせください。

メールを送信する

カテゴリ:

電気・機械・メカトロ・設備成形・加工・接着接合・材料化学・環境・異物対策ソフト・データ・画像・デザイン品質・生産管理・コスト・安全研究開発・ビジネススキル

Page Top