ホーム > セミナー > データ不足、小規模データにおける 機械学習適用の問題解決方法とその戦略【WEBセミナー】

データ不足を補う為のアプローチとその技術を解説
少数・高次元データの学習のための技術、人間の知識をモデル化するための技術

データ不足、小規模データにおける
機械学習適用の問題解決方法とその戦略【WEBセミナー】

~人間の知識やシミュレーションを機械学習と組み合わせる技術~

セミナー概要

略称
機械学習【WEBセミナー】
セミナーNo.
st201230  
開催日時
2020年12月23日(水)10:30~16:30
主催
サイエンス&テクノロジー(株)
問い合わせ
Tel:03-5857-4811 E-mail:info@rdsc.co.jp 問い合わせフォーム
開催場所
【WEB限定セミナー】※在宅、会社にいながらセミナーを受けられます 
講師
(国研)産業技術総合研究所 人間情報研究部門・情報数理研究グループ
研究グループ長 博士(工学) 赤穂 昭太郎 氏
【講師紹介】https://www.science-t.com/lecturer/26311.html
価格
非会員: 35,200円(税込)
会員: 33,440円(税込)
学生: 35,200円(税込)
価格関連備考
定 価 :1名につき 35,200円(税込)
会員価格:1名につき 33,440円 2名の場合 49,500円、3名の場合 74,250円(税込)

※上記会員価格は受講者全員の会員登録が必須となります。
※同一法人内(グループ会社でも可)による2名同時申込みのみ適用いたします。
※受講券、請求書は、代表者に郵送いたします。
※請求書および領収証は1名様ごとに発行可能です。
 (申込みフォームの通信欄に「請求書1名ごと発行」と記入ください。)
※他の割引は併用できません。
備考
資料付(郵送)
※講義中の録音・撮影はご遠慮ください。

【ZoomによるLive配信】
 ・本セミナーはビデオ会議ツール「Zoom」を使ったライブ配信セミナーとなります。
 ・お申し込みの際は、接続確認用URL→ https://zoom.us/testにアクセスして
   接続できるか等ご確認下さい。
 ・後日、別途視聴用のURLをメールにてご連絡申し上げます。
 ・セミナー開催日時に、視聴サイトにログインしていただき、ご視聴ください。
 ・リアルタイムで講師へのご質問も可能です。
  ・タブレットやスマートフォンでも視聴できます。

配布資料:製本テキスト(開催前日着までを目安に発送)
  ※セミナー資料はお申し込み時のご住所へ発送させていただきます。
  ※開催日の4~5日前に発送します。
   開催前日の営業日の夕方までに届かない場合はお知らせください。
  ※開催まで4営業日~前日にお申込みの場合、セミナー資料の到着が、
   開講日に間に合わない可能性がありますこと、ご了承下さい。

講座の内容

習得できる知識
・人間の知識やシミュレーションを機械学習と組み合わせる技術
・機械学習のための効率的なデータの採取法
・機械学習の結果の解釈や評価の仕方
趣旨
現在の機械学習ではビッグデータと呼ばれる大量のデータを用いた学習を前提とすることが多い。しかし現実には、データの取得に金銭的・時間的コストがかかり、少数のデータしか得られないというケースも多く、単純に機械学習を適用しても満足のいく精度が出ないことがある。
 本セミナーでは、人間の知識やシミュレーションを援用したり、機械学習のために効率的なデータ取得を工夫したりといった、少数データ解析のための戦略について事例を交えながら紹介する。
プログラム

1.機械学習の概要
 (1) ビッグデータとディープデータ
 (2) 次元の呪いと汎化能力
  a. 線形回帰を例として(一番簡単な機械学習)
  b. 汎化能力と高次元データ
 (3) データ解析の基本手順
  a. 開発言語のいろいろ
  b. いろいろな可視化プロット
  c. 主成分分析とクラスタリング
  d. 機械学習の基本手法

2.少数・高次元データの学習のための技術
 (1) スパースモデリングと正則化
  a. 交差検証法
  b. いろいろな正則化の比較
 (2) 圧縮センシングによる高解像度撮像
  a. ブラックホールやMRIの撮像技術
 (3) シミュレーションデータを活用したスパースモデリング

3.人間の知識をモデル化するための技術
 (1) ベイジアンネットを使ったモデル化法
  a. ベイズの定理と生成モデル
  b. ベイジアンネットワーク
  c. グラフィカルLASSO
 (2) ベイズ推論のための計算アルゴリズム
  a. 信念伝播法
  b. マルコフ連鎖モンテカルロ法
 (3) データ同化と状態空間モデルによる時系列モデリング
  a. カルマンフィルタとパーティクルフィルタ

4.結果の評価・可視化・説明
 (1) 機械学習結果の評価法
 (2) 信頼度付き機械学習
  a. ガウス過程回帰
  b. 機械学習と仮説検定
 (3) ディープラーニングの結果の解釈と説明
  a. 感度分析
  b. 敵対的学習

5.データ不足を補ういろいろな技術
 (1) 異常検知のための技術
 (2) 半教師あり学習とクラウドソーシング
  a. 欠損値補完
 (3) 転移学習とマルチタスク学習
  a. ディープラーニングにおける少数画像の学習
 (4) 能動学習とベイズ最適化によるデータ取得法
  a. アクティブラーニング
  b. ベイズ最適化
  c. マルコフ連鎖モンテカルロ法による最適化

  □質疑応答□

関連するセミナー

関連する書籍・DVD

関連する通信講座

関連するタグ