ＡＩ導入の観点から深層学習（ディープラーニング）の特徴・課題，深層学習を説明する方法，ホワイトボックスの精度向上手法，
ＡＩ導入を成功に導く鍵と今後のＡＩについて，ＡＩコンサル経験を踏まえ，率直に分かり易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
- 会場
- 受講料
- （消費税等込み）1名：48,600円 同一セミナー同一企業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
人工知能を業務に応用したいと考えている企業の技術者・経営者など
予備知識
予備知識は特に必要ありません
習得知識
1)人工知能と機械学習の基礎を企業へのAI導入の観点から把握する． 2)深層学習の原理・特徴・問題点・対策について理解する． 3)進化的機械学習などの次世代の機械学習についての知見を得る． 4)企業へのAI導入の事例を通して導入成功の鍵を知る．
講師の言葉
現在，人工知能，特に深層学習（ディープラーニング）のような機械学習技術を業務で利用しようとしている多くの 企業が実は悩んでいます．深層学習が世の中で言われているほど万能なAIではなく，処理がブラックボックスになる， 多数の学習用データが必要であるなど使いづらいからです．また今後は，AIを利用した企業にその処理の説明責任が 課せられる可能性があり，その対策が必要です． 本セミナーでは，AIの業務利用を検討予定，または既に検討中で問題を抱えている企業の技術者・経営者の方々を 対象として，AI導入を成功に導くための鍵と，さらに付加価値をつける次世代のAIについて，多くの企業の AIコンサル経験を有する講師が，AIにあまり親しみがない人にも理解できるよう，難しい数式は使わずに，他の セミナーにはない率直で分かり易い解説を行います．
プログラム
１．業務でのAI利用の現状と課題 1.1 AI利用の現状 1.2 AIに対する説明責任 ２．深層学習(ディープラーニング)の特徴と課題 2.1 人工知能と機械学習 2.2 統計的機械学習 2.3 神経回路網の基礎 2.4 深層学習の基礎と最近の手法 2.5 深層学習の課題 ３．深層学習を説明する方法 3.1 学習済みの深層回路の可視化手法 3.2 入出力の関係性を調べる方法 3.3 深層回路を小さな回路に圧縮する方法 3.4 原理が分かり易い深層回路を作る方法 3.5 他の知識を利用・転用する深層学習法 ４．ホワイトボックス（決定木など）の精度向上手法 4.1 単位処理のモジュール化による構造の最適化 4.2 SVMの特徴量の最適化法 4.3 小規模な回路による高度な処理の実現方法 4.4 処理フローが明確な認識器を作る方法 4.5 処理フローを言葉で説明する方法 ５．業務へのAI導入方法 5.1 AI導入時の基本８箇条とは？ 5.2 AI導入に成功する企業・失敗する企業 5.3 AIコンサル≠経営コンサル ６．まとめと質疑応答
講師紹介
東京工業大学大学院総合理工学研究科出身．工学博士（東京工業大学）．東京工業大学工学部助手，助教授を経て2001年より現職． 専門は知能情報学．特に最適化法である進化計算法の研究を長年行ってきている．論文多数． 産学連携活動に力を入れており，2008年に大学発ベンチャー(株)マシンインテリジェンスを起業して取締役CTOを兼任中． これまでに多くの企業との共同研究・技術指導の実績があり，いくつかの企業の技術顧問も務めている． 所属学会は人工知能学会，情報処理学会，進化計算学会，電子情報通信学会など．