スモールデータでAIに勝つ!

少ないデータに対する機械学習のすすめ方【LIVE配信】

※本セミナーはZOOMを使ったLIVE配信セミナーです。会場での参加はございません。
セミナー修了後、受講者のみご覧いただける期間限定のアーカイブ配信を予定しております。

セミナー概要
略称
機械学習【WEBセミナー】
セミナーNo.
開催日時
2021年11月15日(月) 10:30~16:30
主催
(株)R&D支援センター
問い合わせ
Tel:03-5857-4811 E-mail:info@rdsc.co.jp 問い合わせフォーム
講師
名古屋大学 工学研究科 物質プロセス工学専攻 准教授 博士(工学) 藤原 幸一 氏
【専門】
機械学習・生体信号処理・医療AI
【略歴】
2004年 3月 京都大学工学部工業化学科卒業
2006年 3月 京都大学大学院工学研究科化学工学専攻修士課程修了
2006年 4月 トヨタ自動車株式会社入社
2007年 4月 京都大学大学院工学研究科化学工学専攻・博士後期課程進学
2008年 4月 JSPS特別研究員・DC2
2009年 3月 京都大学博士(工学)取得
2009年 4月 JSPS特別研究員・PD
2009年10月 豪州Curtin 大学・客員研究員
2010年 4月 NTT持ち株会社コミュニケーション科学基礎研究所
2012年 7月 京都大学大学院情報学研究科システム科学専攻・助教
2018年10月 JSTさきがけ研究員(社会システム)
2018年11月 名古屋大学大学院工学研究科物質プロセス工学専攻・准教授
       東京医科歯科大学・非常勤講師,滋賀医科大学・客員准教授,
       東京大学・客員准教授,京都大学・研究員
価格
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)
価格関連備考
■ 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
定員
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。
備考
資料付【PDF配布】

【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。
講座の内容
受講対象・レベル
・少量のデータから統計モデルを構築したいと考えられている方
・現場でのデータ解析に従事されている方
・現場におけるデータ収集についてお困りの方
・線形代数と初歩の統計学の学習を前提とします
必要な予備知識
・機械学習の基礎知識,及び入力変数選択・異常検知手法などスモールデータに適したデータ解析手法の習得
・スモールデータにおけるデータ収集の心構えの習得
習得できる知識
粒子を分散するということの意味、分散剤が必要な理由、市販されている分散剤の種類とその構造、分散剤の具体的な選択指針、配合量の決め方
趣旨
生産現場の操業データや医療データにおいては,データ収集の面において様々な困難に直面することがある.たとえば,測定されている変数の数と比較して統計モデリングに使用可能なデータ量が限られることが多い。また,通常のモデリングでは正例・負例双方のサンプルが必要となるが,装置故障など稀な事象のデータはなかなか集められない。医療データにおいては,倫理的な問題から多くの患者から臨床データを収集するのは困難である。このように実世界ではしばしば必要なデータが十分に収集できず,スモールなデータからいかに知識を抽出するのかが重要となる。本講演では,製薬プロセスおよびてんかん患者の臨床データ解析の実例を通じて,スモールデータ解析の考え方と展望を述べる。
プログラム

1.スモールデータとは
2.次元削減と回帰分析

  2-1. 主成分分析
  2-2. 部分的最小二乗法(PLS)
3.入力変数選択
  3-1. スパースモデリング
  3-2. 変数クラスタリングによる入力変数選択
  3-3. 製薬プロセスへの応用例
4.異常検出
  4-1. 多変量統計的プロセス管理(MSPC)
  4-2. 自己符号化器(オートエンコーダー)
  4-3. 医療データ解析への応用例
5.スモールデータ解析への心構え
  5-1. スモールデータの収集/解析の考え方
  5-2. データ収集の際の留意点
  5-3. 必要となるデータの質の問題

キーワード
機械学習,Deep Learning,データ,少量,AI,オンライン,WEBセミナー
関連するセミナー
関連する書籍
関連するタグ
フリーワード検索