～ 基本的なパターン認識処理、線形識別手法と応用、識別面のマージン最大化とサポート・ベクトル・マシン、非線形識別手法とカーネル法、代表的な画像特徴 ～
・ベイズ推定と、データの判別を容易にするための特徴抽出手法を修得し、精度の高い画像処理システムに応用するための講座
・深層学習より軽く、計算量が少なくて済む線形識別手法を学び、高い性能を実現できるシステム開発へ応用しよう！
オンラインセミナーの詳細はこちら：
https://www.j-techno.co.jp/オンラインセミナーのご案内/
・ＷＥＢ会議システムの使い方がご不明の方は弊社でご説明いたしますのでお気軽にご相談ください。
深層学習ライブラリの普及により、多くの課題が、データを揃えるだけで何らかの結果を導くことができる end-to-end 処理が一般化しています。
一方で、データ数が不足しているため深層学習が適用できない、あるいは、どういうデータを採ればよいのかわからないという事例があり、また、実際にライブラリに適用してみたところ、ベンチマークセットではよい性能が出ても、実際のデータでは性能が出ないという事例も出てきています。
そのため、実データがどのような素性であるか（どのような分布となっているか）、また、何を手掛かり（特徴）に判断を行えばよいかを見直す必要性が、再び注目されています。
本セミナーでは、統計的パターン認識の原点に戻り、データの類似性、データの確率分布に基づく推定手法（ベイズ推定）と、データの判別を容易にするための特徴抽出手法について紹介し、現在のＡI技術（主に、深層学習）が、何を基準として判断を行っているかをしめします。
本講座の申し込み受付は終了しました
| 開催日時 |
|
|---|---|
| 開催場所 | オンラインセミナー |
| カテゴリー | オンラインセミナー、ソフト・データ・画像・デザイン |
| 受講対象者 |
・現在のAI技術の基盤となる手法について知りたい方 ・AIライブラリ（深層学習ライブラリ）を適用してみたが、イマイチ上手くいっていないと感じている方 ・AI技術を取り入れたいが、何が必要なのか知りたい方 ・システム、ソフト、画像処理関連の技術者の方 |
| 予備知識 |
・線形代数、確率の知識があれば望ましいが、必須ではない ・とは言うものの、数式で表現する内容も多いので、それに着いてこられる素養があることが望ましい |
| 修得知識 |
・ＡI技術（深層学習：データに基づくパターン認識技術）の基盤となる手法についての知識が得られる ・深層学習よりも軽い（計算量が少なくて済む）線形識別手法を理解できる |
| プログラム |
１．人工知能技術とパターン認識 ２．パターンの表現と距離尺度／類似度 ３．基本的なパターン認識処理：最近傍法 ４．確率分布 ５．識別問題の例 ６．線形識別手法 ７．識別面のマージン最大化とサポート・ベクトル・マシン ８．非線形識別手法とカーネル法 ９．代表的な画像特徴 １０．線形識別の応用例：顔画像認識（笑顔度）の検出 １１．深層学習技術 |
| キーワード | パターン 距離尺度/類似度 最近傍法 k-NN ベイズ推定 最尤法 識別問題 教師あり学習 線形識別 サポート・ベクトル・マシン マージン最大化 非線形識別手法 カーネル法 画像特徴 共起特徴 動画特徴 笑顔度 深層学習 CNN |
| タグ | AI・機械学習、データ解析、画像、画像処理、ITサービス |
| 受講料 |
一般 (1名)：49,500円(税込)
同時複数申込の場合(1名)：44,000円(税込) |
| 会場 |
オンラインセミナー本セミナーは、Web会議システムを使用したオンラインセミナーとして開催します。 |
こちらのセミナーは現在募集を締め切っております。
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、以下よりお問合せ下さい。
営業時間 月~金：9:00～17:00 / 定休日：土日・祝日
