機械学習やAIの概論，自部署導入のメリット・デメリット，導入の流れと準備について，
数式を極力抑え，わかりやすく解説する今後の足がかり的位置づけの特別セミナー！！
- 講師
-
愛知工科大学 工学部 機械システム工学科 教授 博士（学術）荒川 俊也 先生
愛知工科大学 高度交通システム(ITS)研究所 副所長・政策研究大学院大学 政策研究センター 客員研究員
富士重工業（株）スバル技術研究所勤務の後、准教授を経て現職
- 日時
- 会場
-
- 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
- テキスト
受講概要
受講対象
特にありません。AI・機械学習について全く知識が無い方や殆ど知識が無い方を対象としていますので， ある程度ご存知の方には本講座はレベル的に不十分でしょう。 数式が苦手な方もOKです。
予備知識
特にありません。
習得知識
AI・機械学習の超基礎知識・概論，長短所，自部署導入のメリット・デメリット
講師の言葉
様々な場面で「機械学習」や「AI」などのキーワードが飛び交っています．今後のIoTの時代に向けてもニーズの高まりを見せています。 しかし，いざ機械学習を学ぼう，導入しようとしても，よくわからない，何から勉強したら良いのかわからない，などの声があるのも事実です。 実際の機械学習では，数式が多く出てくるので，「大変そう」「よくわからない」ということで，学習を躊躇する方も いらっしゃると思います。 本講座は，大まかに機械学習やAIの概論を勉強したいという方を対象として，数式を極力抑え，概念を中心としてわかりやすく説明します。 今後の学習に向けた「足がかり」的な位置づけの講座です。
プログラム
１．イントロダクション 1.1 人工知能とは？ 1.2 人工知能の歴史 1.3 機械学習の歴史 1.4 機械学習で何ができるのか？ 1.5 「機械学習」と「人工知能」の違い ２．機械学習の概論 2.1 機械学習の手法 2.2 「教師あり」学習と「教師なし」学習について ３．「教師なし」学習 3.1 クラスタリング 3.2 混合ガウスモデル 3.3 隠れマルコフモデル ４．「教師あり」学習 4.1 一般化線形モデル 4.2 決定木 4.3 判別分析 4.4 サポートベクタマシン 4.5 ニューラルネットワーク 4.6 ディープラーニング（深層学習） ５．どういうときに機械学習に頼るべきか？（嬉しさと問題点） 5.1 機械学習の嬉しさ 5.2 機械学習の問題点 ６．産業応用の実例（実問題をベースとして） ７．機械学習の導入の流れと準備 7.1 開発環境について 7.2 ハードウェアについて 7.3 準備における注意点 7.4 問題点 ８．国内外の研究動向と展望（大学・研究機関・企業など） 8.1 大学の研究動向と展望 8.2 研究機関の研究動向と展望 8.3 企業の研究動向と展望 ９．まとめ
講師紹介
2001年早稲田大学理工学部機械工学科卒業，2003年東京大学大学院総合文化研究科広域科学専攻博士前期課程修了． 2003年〜2013年富士重工業株式会社（現：株式会社SUBARU）スバル技術研究所勤務．ドライバ漫然状態推定研究， 香りの効能研究，環境対応型自動車用ランプ(FEL)の開発等に従事． その間，2012年総合研究大学院大学複合科学研究科統計科学専攻博士後期課程修了，博士（学術）． 2013年より愛知工科大学工学部機械システム工学科准教授，2016年同大学同学部同学科教授，大学院工学研究科システム工学専攻教授併任． 2017年4月愛知工科大学高度交通システム(ITS)研究所副所長，同年5月政策研究大学院大学政策研究センター客員研究員． 現在の研究テーマは自動運転におけるヒューマンファクタの研究，地理情報システムのインフラ管理への活用など． 主な著作：Automated Estimation of Mouse Social Behaviours Based on a Hidden Markov Model (in “Hidden Markov Models: Methods and Protocols” (Eds. David R. Westhead and M. S. Vijayabasker), Springer)など． 所属学協会：自動車技術会，計測自動制御学会，ヒューマンインタフェース学会，日本機械学会，精密工学会，産業応用工学会． 自動車技術会ヒューマンファクター部門委員会およびエレクトロニクス部門委員会委員，愛知県ITS推進協議会特別会員（学識）． 計測自動制御学会システム・情報部門学術講演会2016研究奨励賞，産業応用工学会全国大会2016優秀論文発表賞， 産業応用工学会2014年度論文賞など受賞．