1. ホーム
  2. セミナー
  3. 少ないデータでも使える機械学習・異常検知の基礎とインフラ・製造分野への応用【LIVE配信】

少ないデータでも使える機械学習・異常検知の基礎とインフラ・製造分野への応用【LIVE配信】

※オンライン会議アプリzoomを使ったWEBセミナーです。ご自宅や職場のノートPCで受講できます。

【アーカイブ配信：12/8（月）～12/22（月）】受講を希望される方は、⇒《 こちら 》からお申し込み下さい。
当日のご受講が難しい際にはこちらをご利用ください。

セミナー概要
略称
少データ機械学習【WEBセミナー】
セミナーNo.
251273
開催日時
2025年12月05日（金） 13:00～16:00
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。　
講師
（株）東芝 総合研究所 エキスパート
九州大学 マス・フォア・インダストリ研究所 教授
博士(情報科学)　山口 晃広氏

【ご経歴等】
＜略歴＞
2006年4月　株式会社東芝 入社
2015年4月　名古屋大学大学院 博士後期課程入学
2018年3月　同大学院 博士後期課程修了
2016年4月〜現在　株式会社東芝 総合研究所 エキスパート
2024年10月〜現在　九州大学 マス・フォア・インダストリ研究所 教授

＜学会＞
情報処理学会　/　日本データベース学会

＜研究テーマ＞
主にインフラ・製造分野を応用先として時系列データを用いた説明性の高い機械学習・データマイニング

＜主な受賞など＞
日本データベース学会 若手功績賞（2025年）
DEIM 2024 最優秀論文賞（2024年, 2022年）
The Best of SIAM Data Mining（2020年）
山下記念研究賞（2020年）
情報処理学会論文誌データベース優秀論文賞（2017年）
WebDB Forum 2016 最優秀論文賞（2016年）
価格
非会員：  49,500円 （本体価格：45,000円）
会員：  46,200円 （本体価格：42,000円）
学生：  49,500円 （本体価格：45,000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49,500円（税込）から
・1名で申込の場合、46,200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49,500円（2人目無料）です。
・3名以上での申込は1名につき24,750円（税込）です。

※LIVE配信とアーカイブ配信（見逃し配信）両方の視聴を希望される場合
　会員価格で1名につき49,500円（税込）、2名同時申込で60,500円（税込）になります。
　メッセージ欄に「LIVEとアーカイブ両方視聴」と明記してください。

◆◇◆10名以上で同時申込されるとさらにお得にご受講いただけます。◆◇◆
お申込みご希望の方は 【こちら】からお問い合わせください。

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
【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
製造・インフラ分野で異常検知の導入を検討している情報系技術者や新人
データマイニング・機械学習関連業務に携わっている技術者や新人
必要な予備知識
特に予備知識は必要ありません。基礎から解説いたします。
（高校数学の基礎があると理解がスムーズです）
習得できる知識
・AIや機械学習の基本概念を理解できる。
・異常検知やクラス分類の考え方と仕組みを理解できる。
・異常事例が少ない場合の対処方法と評価方法を理解できる。
・インフラ・製造分野にAIを導入する際の課題を理解できる。
・それらの課題を解決するAI技術の概略を理解できる。
趣旨
　製造・インフラ分野では、設備や装置の稼働データを活用したAI・機械学習技術の導入が進められています。本セミナー前半では、AI・機械学習の概要、クラス分類と異常検知の基本、異常事例が少ない状況への対処や評価指標を解説します。後半では、インフラ・製造分野にAIを導入する際に直面しやすい課題を整理し、これらを解決するAI技術を紹介します。少ないデータからでも始められる機械学習の基本的な考え方を習得し、現場で使える技術を本質的に理解することを目指します。また、実務適用に向けたヒントを持ち帰っていただければ幸いです。
プログラム

1．クラス分類と異常事例が少ない場合への対応
　1-1.　AI・機械学習の基本概念
　1-2.　クラス分類の仕組み（SVMを中心に）
　1-3.　異常事例が少ない場合に生じる課題
　1-4.　不均衡データへの対応（オーバー/アンダーサンプリング, コストセンシティブ学習）

2．異常検知手法とその性能評価方法
　2-1.　教師なし異常検知の基本的な考え方
　2-2.　代表的な手法（ホテリングT2法, k近傍法, One-Class SVM, オートエンコーダなど）
　2-3.　評価指標（F値, AUCなど）

3．インフラ・製造分野におけるAI技術の３つの課題
　3-1.　説明性（判定根拠の提示）
　3-2.　時系列データの性質
　3-3.　異常データ収集

4．２つの課題を解決するAI技術
　4-1.　説明性のある時系列データ分類手法（shapelets学習法）
　4-2.　機械学習で用いられる学習アルゴリズム（勾配降下法）
　4-3.　Shapelets学習法の適用事例

5．３つ全ての課題を解決するAI技術
　5-1.　説明性のある時系列データ異常検知手法（OCLTS）
　5-2.　OCLTSによる異常検知の仕組み
　5-3.　変電所設備診断への適用事例

6．最近の研究内容
　6-1.　その他の産業課題やそれを解決するAI技術の紹介
 

キーワード
機械学習,AI活用,少ないデータ,不均衡データ,異常検知
関連するセミナー
関連する書籍
関連するDVD
関連する通信講座
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