少ない学習データでも有効に活用できる機械学習の方法を分かりやすく解説！
こちらは6/24実施WEBセミナーのアーカイブ（録画）配信です。期間中何度でも視聴できます
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 生成系AI・説明可能AI:XAI
1.4 少量データを用いた機械学習とは？
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 CAE(Convolutional Auto Encoder)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 GAN(Generative Adversarial Network)によるデータ水増し
4.3 転移学習と蒸留
4.4 浸透学習(Percolative Learning)とその応用
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