1 人工知能と機械学習
1.1 人工知能とは何か?~定義・考え方の推移など~
1.2 機械学習概論~説明/事例に基づく学習など~
2 深層学習(ディープラーニング)の現状と課題
2.1 ニューラルネットワーク概論~NNの原理と学習の本質~
2.2 深層学習の基礎と最近の手法~深層学習の考え方・長所・短所~
2.3 最近のAIの課題と説明できるAI:XAI~現状のAIの課題と解決策~
3 ブラックボックス系機械学習のXAI
3.1 学習済みの深層回路の可視化~Grad-CAM・LIMEなど~
3.2 特徴空間の自動構築と可視化~AE・CAE・VAE・UMAPなどによる次元圧縮~
3.3 可視化を前提とした深層学習~GCM・判断根拠の提示~
3.4 深層回路の構造単純化・最適化法~進化計算法・勾配降下による方法~
3.5 転移学習と浸透学習~知識の転用による学習~
4 ホワイトボックス系機械学習のXAI
4.1 特徴量の最適化による精度向上~SVMなどの特徴量の最適化~
4.2 処理過程が説明できる処理の自動構築~処理ユニットの組合せ最適化~
4.3 決定木などの処理の言葉による説明~ルール集合による説明~
4.4 小規模かつ高性能な回路の自動構築~セル型回路の利用など~
5 AIの業務への導入方法
5.1 AI導入時の注意点~課題と解決策~
5.2 AI人材の育成方法~どの方法がベストか?~
6 まとめ・AIよろず相談室
~質疑応答とフリーディスカッション~
付録1:代表的な機械学習法
付録2:進化計算法の原理と特徴
付録3:横浜国大・長尾研のご紹介