１． 製造業の現場の課題とAI／機械学習の活用例
～IT導入による業務の効率化を超えて
1-1. はじめに
(1) 機械学習技術(AI)が生み出すシステム基盤のイノベーション
：消費者行動予測から業務プロセス改善、そして社会インフラの最適化へ
(2) 日常化するAI活用：ゲームAI、生成AIによる研究開発、そして創作活動へ
1-2. 製造業における機械学習への取り組み例
(1) 製造プロセス条件の最適化
(2) ソフトセンサー開発
(3) 非破壊検査
(4) 販売予測に基づく生産計画
1-3. 最近のAI/機械学習の活用動向
(1) 物理シミュレーション（CAE）に基づく設計最適化コストの削減
(2) データ科学に基づく材料開発の高速化～マテリアルズ・インフォマティクス
(3) 現実空間とサイバー空間の相互連携（“デジタルツイン”）
1-4. AI/機械学習モデルの価値を業務ドメインの言葉で理解し、活用するためのステップ
1-5. 経営・業務課題解決への分析モデル設計プロセス
1-6. 分析モデル作成ソフトウェア選択の注意点
２． Excel分析機能で多変量解析のエッセンスをつかむ
2-1. 重回帰分析 ～教師つき学習の基礎
(1) Excel分析ツール/Excel VBA/Excelソルバー
(2) 古典力学の問題（トイプロブレム）への適用
(3) ヒストグラム/相関分析/重回帰分析
2-2. 主成分分析 ～教師なし学習の基礎
(1) 情報の集約とはどういうことか？
(2) 文字パターン群の可視化
2-3. 効率的なデータサンプリング
～直交配列実験（実験計画法の一部実施法）の活用
３． 線形解析の限界を超える
～Excelアドインツールで始めるニューラルネットワーク非線形解析
3-1. ニューラルネットワーク機械学習
(1) スパース性の仮説に基づく過学習の回避
(2) 線形回帰から非線形回帰へ
3-2. 文字判別モデルと感度分析による要因分析
3-3. 自己組織化マップ（非線形主成分分析）による可視化～問題の俯瞰と特徴抽出
４． 予測モデル（順問題）の基づく設計条件の最適探索（逆問題）
4-1. Excelソルバーを活用する
4-2. 遺伝的アルゴリズムによる設計条件の大域的探索の高速化
５． 組織力でデータから成果を得るために
～問題解決プロセスに基づくデータ活用プロジェクトの進め方
5-1. 分析モデルの活用による問題解決プロセスのポイントと注意点
5-2. 分析モデルの共有による部門横断での意思決定の最適化
６． 参考文献 技術の理解を深めるために
【質疑応答】