2025年06月12日（木）
10:30～16:30
横浜国立大学 総合学術高等研究院 上席特別教授 長尾 智晴 氏
＜経歴、等＞
東京工業大学大学院出身、東京工業大学助手・助教授を経て、2001年より横浜国立大学教授。YNU人工知能研究拠点長。経産省NEDO「共進化AIプロジェクト」採択課題研究代表者、横浜国大発ベンチャー株式会社マシンインテリジェンスCTO。
＜研究＞
知能情報学／機械学習／感性情報処理／知的画像処理／進化計算法／マルチエージェント／医工連携工学など。
＜学会＞
情報処理学会、電子情報通信学会、電気学会、人工知能学、進化計算学会、IEEEなどに所属して各学会で活動中。
非会員：
55,000円
（本体価格：50,000円）
会員：
49,500円
（本体価格：45,000円）
学生：
55,000円
（本体価格：50,000円）
■ 会員（案内）登録していただいた場合、通常1名様申込で55,000円（税込）から
・1名で申込の場合、49,500円（税込）へ割引になります。
・2名同時申込で両名とも会員登録をしていただいた場合、計55,000円（2人目無料）です。
・3名以上同時申込は1名につき27,500円（税込）です。
■会員登録とは？⇒
よくある質問
30名 ※現在、お申込み可能です。満席になり次第、募集を終了させていただきます。
資料付【PDFで配布いたします】
【Zoomを使ったWEB配信セミナー受講の手順】
１）Zoomを使用されたことがない方は、
こちらからミーティング用Zoomクライアントを
ダウンロードしてください。ダウンロードできない方はブラウザ版でも受講可能です。
２）
セミナー前日までに必ず動作確認をお願いします。Zoom WEBセミナーのはじめかたに
ついては
こちらをご覧ください。
３）開催日直前にWEBセミナーへの招待メールをお送りいたします。当日のセミナー開始
10分前までに招待メールに記載されている視聴用URLよりWEB配信セミナーにご参加
ください。
・セミナー資料は開催前日までにお送りいたします。
無断転載、二次利用や講義の録音、録画などの行為を固く禁じます。
人工知能や機械学習、深層学習の業務への導入を考えておられる多くの方々。
・人工知能(AI)・機械学習の現状と課題
・深層学習(ディープラーニング)の原理と課題
・少数データを用いた機械学習の手法
・業務へのAI導入の秘訣
業務で機械学習、特に深層学習（ディープラーニング）を利用する際、データが少なくて学習できない問題が発生することがあります。例えば、製品の画像による欠陥検査では、正常例は多数集めることができても、欠陥を含む不良品はごく少数しかない場合がほとんどです。また、そもそもデータ取得に大きな人的・時間的コストが必要な場合もあります。このような場合、結局、機械学習や深層学習の利用をあきらめてしまうことがあり、企業の業務へのAI導入を妨げる大きな要因の一つになっています。本セミナーは、そのようにデータが少ない場合でも、有効な学習を行う機械学習の方法を紹介することを目的としています。数式はできるだけ使わず、考え方や原理、要点が分り易い平易な説明を心掛けますので、人工知能や機械学習に対して特に予備知識がない方や、技術職ではない方でも大丈夫です。AIを業務に導入する際の注意点も扱いますし、最後にAIに関する様々な質疑応答やディスカッションを行う「AIよろず相談コーナー」もご用意しましたので、AIにご興味がある方はぜひお気軽にご参加下さい。
１．機械学習の現状と課題
1.1 人工知能と機械学習
1.2 深層学習(ディープラーニング)概論
1.3 生成AI・説明可能AI:XAI・共進化AI:CAI
1.4 少量データを用いた機械学習とその将来展望
２．少量データを用いた機械学習１：関数推定
2.1 最適値探索問題とその解法
2.2 ベイズ最適化に基づく関数推定
2.3 遺伝的プログラミング(GP)による関数推定
2.4 CGP(Cartesian GP)による関数推定
３．少量データを用いた機械学習２：異常検知
3.1 １クラスSVM(Support Vector Machine)
3.2 AE(Autoencoder)・CAE・VAEによる異常検知
3.3 異常検知における学習データの水増し方法
3.4 時系列信号に対する異常検知
４．少量データを用いた機械学習３：少量データによる深層学習
4.1 CG(Computer Graphics)を用いた機械学習
4.2 生成AIによる学習データの水増し
4.3 知識の転用：転移学習と蒸留
4.4 浸透学習(Percolative Learning)とその応用
4.5 アクティブラーニングとその将来展望
５．少量データを用いた機械学習４：進化的機械学習
5.1 進化計算法の原理と特徴
5.2 処理プロセスの自動生成
5.3 分かり易い分類器の自動生成
5.4 CS(Classifier System)によるルールの学習
６．AIの業務への導入方法
6.1 AI導入時の注意点
6.2 AI人材の育成方法について
７．まとめ・AIよろず相談コーナー
ディープラーニング,AI,人工知能,Deep Learning,WEBセミナー,オンライン
