1. ホーム
  2. セミナー
  3. ■AI活用人材育成講座<第3回>■『機械学習実践編～分類,時系列解析,異常検知,生成AI～』【LIVE配信】

☆AIを活用できる人材を育成するための全3回特別講座。基礎から環境構築、実践まで段階的に習得します。

■AI活用人材育成講座<第3回>■『機械学習実践編～分類,時系列解析,異常検知,生成AI～』【LIVE配信】
＜見逃し配信付＞

■AI活用人材育成講座＜全3回＞■→ https://www.rdsc.co.jp/seminar/240632
【受付終了】第1回テーマ『Python基礎と機械学習基礎』のプログラムはこちら→ https://www.rdsc.co.jp/seminar/240632
【受付終了】第2回テーマ『ディープラーニングと機械学習プロジェクトの進め方』のプログラムはこちら→ https://www.rdsc.co.jp/seminar/240742
第3回テーマ『機械学習実践編～分類,時系列解析,異常検知,生成AI～』のプログラムはこちら→ https://www.rdsc.co.jp/seminar/240807

※過去開催分を受講希望の場合は、上記の＜全3回＞のURLからお申込みください。

※受付を終了しました。最新のセミナーはこちら

セミナー概要
略称
AI活用人材<3>【WEBセミナー】
セミナーNo.
240807
開催日時
2024年08月05日（月） 10:00～17:00
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
開催場所
【WEB限定セミナー】※会社やご自宅でご受講下さい。　
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
会員の方あるいは申込時に会員登録される方は、受講料が1名55,000円（税込）から
　・1名49,500円（税込）に割引になります。
　・2名申込の場合は計55,000円（2人目無料）になります。両名の会員登録が必要です。
　・10名以上で申込される場合は大口割引がございます。
　　お気軽にご連絡ください。info@rdsc.co.jp
■会員登録とは？　⇒　よくある質問
特典
・当日の講座を復習できる見逃し配信付（※視聴期間は1週間予定）
・サンプルプログラムの提供あり
・セミナー終了後でもメール等による講師への直接質問可能
備考
【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。
　ご自宅への送付を希望の方はコメント欄にご住所などをご記入ください。
　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
AIを活用したい、AIを使いこなせる人材を育成したいなど、AI活用に向けた基本知識から実践方法を段階的に解説していきます
必要な予備知識
特に予備知識は必要ありません。基本から解説いたします。
習得できる知識
・プログラム：pythonの基本の習得
・機械学習：基本の習得と実践できる環境の構築
・深層学習（画像分類、物体検出、自然言語処理）がひととおり自分で試せるようになる
趣旨
　第3回目では、様々な課題に対する機械学習（ディープラーニング）の活用方法を学習します。
　画像分類、時系列分析、異常検知等の例を解説し、実際の動きを確認します。また、最後に生成系AIの解説も行い、その概要、業務課題への適用（LLMの転移学習等）を検討します。
　なお、無償のGoogle Colaboratoryを使用することで、実際に動きを確かめながら、学習することが可能です
プログラム

１．画像分類/物体検出
　1-1　画像での特徴量エンジニアリング
　1-2　分類モデル
　1-3　物体検出
　1-4　サンプルデータを使用した物体検出

２．時系列データ解析
　2-1　時系列データの定義
　2-2　自己相関と変動
　2-3　ARIMAモデル
　2-4　RNNモデル
　2-5　サンプルデータを使用した時系列予測

３．異常検知への応用
　3-1　異常検知の基本
　3-2　AutoEncoder　
　3-3　RNN＋AutoEncoder
　3-4　サンプルデータを使用した異常検知

４．生成AI
　4-1　生成AIの基本
　4-2　著作権の注意
　4-3　Transeformer
　4-4　Diffusion model（拡散モデル）
　4-5　サンプルデータを使用したLLMの転移学習

　【質疑応答】

キーワード
AI人材,AI活用,AIスキル,深層学習,機械学習,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
カテゴリ別検索
カテゴリ別検索