本セミナーでは、機械学習・深層学習の基礎理論から、Pythonによる実装方法、さらに機械設計・異常検知・制御技術への具体的な活用法までを、工学・製造業の実務視点で分かりやすく解説します。
「教師あり学習」「教師なし学習」「CNN」「One-Class SVM」「オートエンコーダー」などの主要技術を、単なるAI理論ではなく、“現場でどのように使うのか” を重視して学びます。
また、有限要素法や数値解析との違い・使い分けについても整理し、既存技術とAIを融合できるエンジニア育成を目指します。
セミナー概要
本セミナーでは、エンジニアに必要な機械学習・深層学習の基礎から実務適用までを、工学分野に特化して体系的に解説します。
単なるAI理論ではなく、「実際にどのような問題設定を行い、どのアルゴリズムを選択し、どのようにPythonで実装するか」を重視して説明します。
また、有限要素法・数値解析・インフォマティクスとの違いや役割分担についても整理し、“AIを既存技術と組み合わせて活用できるエンジニア” を目指します。
・教師あり学習・教師なし学習・自己教師あり学習の基礎
・分類・回帰・深層学習の代表的アルゴリズムと用途
・Python・JupyterNotebook・TensorFlow/Kerasの基本的な使い方
・機械設計最適化への機械学習適用事例
・異常検知・制御切替へのOne-Class SVMやオートエンコーダーの活用法
セミナープログラム
１．現在までの機械学習の全貌を最初に把握しよう！
1-1 2010年代初頭までの機械学習とは？
(1) 2010年代初頭までのスパムメール判定のしかた
(2) 回帰とは？
(3) 主な分類のための10個のアルゴリズムについての解説
(4) 各アルゴリズムの６種類の用途例とその内容についての一覧表など
1-2 2010年代初頭以降の機械学習とは？
1-3 狭義の機械学習とは？
1-4 広義の機械学習とは？
２．教師アリ学習と教師ナシ学習
2-1 教師アリ学習とは？ どのようなときに使うのか？
2-2 教師アリ学習の例題（課題とその解き方）
(1) 課題の背景
(2) 目的
(3) 教師あり学習の使い方
(4) 利点
(5) 実際に使われている現場例
(6) この場合の「AIで学習させる」とは具体的にどんな方法か？
(7) なぜCNNが使われるのか？
(8) 具体的な学習方法の流れ（スマホガラス検査の場合）
(9) 損失関数と最適化
(10) 学習
(11) なぜ、多層パーセプトロン(MLP)を使用しないでCNNを使用するのか？
(12) CNNの本質とは？
(13) CNNで画像のエッジ処理を行い傷などの特徴量検出を行う方法を具体的な計算で解説
2-3 教師ナシ学習とは？ どのようなときに使うのか？
(1) 教師ナシ学習のイメージ
(2) どのようなときに使うのか？
(3) 主な用途は？
(4) どのようなときに使うか？
(5) 教師ナシ学習の具体例 ： クラスタリング（K-means法）
2-4 教師アリ学習、教師ナシ学習、自己教師アリ学習の整理
３．有限要素法などによる数値解析・機械学習・インフォーマティクス（情報科学）の使いこなし方
3-1 有限要素法などによる数値解析・機械学習・インフォーマティクス（情報科学）の各々の特徴（長所と欠点）の一覧表
3-2 各々の活用法・活用例を簡単に理解しよう！
3-3 各分野の主要ソフト・導入難易度・ライセンス一覧
3-4 インフォ－マティクスに活用されている最適化数学の代表的な手法について：名称・特徴・主な用途/分野を一覧表
４．PythonのインストールとPythonプログラムの使用と実行方法
4-1 JupyterNotebookのインストール方法
(1) アナコンダ経由でJupyter Notebookをインストールする方法
(2) Jupyter Notebookだけを単独でインストールする方法（pip使用）
4-2 Pyhtonが分からなくてもChatGPT(無料版）を併用すれば問題無しとは？
4-3 Pythonプログラムの入力と実行方法とバグの修正方法
(1) Pythonプログラムの入力と実行方法
(2) バグ（エラー）の修正方法
５．分類と回帰による機械学習
5-1 分類とは？
(1) 情報処理・機械学習における「分類」
(2) 科学・工学分野における「分類」
(3) 文章や表の構成における「分類」
5-2 実際に工業分野で活用されている分類による機械学習10選！
5-3 Pythonを使って簡単な分類による機械学習をやってみよう！
(1) 機械学習によるモータ電流(IoT)の常時監視による正常/異常の判断のしかた
5-4 回帰による機械学習にはどのようなものがあるのか？
5-5 実際に工業分野で活用されている回帰による機械学習10選！
5-6 代表的な５種類の回帰の内容・計算方法・具体的な計算のしかた
(1) リッジ回帰についての解説
(2) ラッソ回帰についての解説
(3) 決定木回帰についての解説
(4) ベイズ回帰についての解説
5-7 Pythonを使って簡単な回帰による機械学習をやってみよう！
(1) 問題（k-NN回帰の計算例題）
(2) この問題を解くための数学理論(勾配降下法）
(3) k-NN回帰問題の計算のしかたと解答の求め方
(4) この問題を計算するPythonプログラムの作成と実行結果
６．深層学習における多層パーセプトロンによる機械学習
6-1 深層学習（ディープラーニング）とは？
6-2 深層学習による画像認識の具体例
6-3 実際に仕事で活用されている深層学習（ディープラーニング）による機械学習10選！
6-4 Pythonを使って簡単な深層学習（ディープラーニング）による機械学習をやってみよう！
(1) 問題設定（手書き数字の認識）
(2) 解答と解説
(3) Pythonプログラムの実装 : TensorFlow/Kerasによる実装
(4) 実行結果
6-5 TensorFlow、Keras、Pytorchの使い分け方とどのような機械学習に使用するかのポイント
７． 機械学習を機械設計に活用してみよう！
7-1 課題設定（機械設計問題の最適化のためのモデル化のしかたのノウハウも解説）
7-2 解き方
7-3 Pythonで実装（ランダムフォレスト回帰）
7-4 ランフダムフォレスト回帰の理論（本質的な考え方）
7-5 今回のプログラムに即した数値処理の流れ
7-6 前記の各ステップのPythonプログラムを一つにまとめて
7-7 実行結果とそのグラフ
８． 機械学習を制御技術に活用してみよう！
8-1 実務にすぐに使える設計課題の設定（モータの異常検知による制御切替）
8-2 この問題の解答の前に、One-Class SVMの理論のポイントと分かりやすい解説
8-3 One-Class SVM の分かりやすいイメージ！
8-4 解答に至るまでの考え方と具体的な計算のしかた
8-5 One-Class SVMを使って異常判定し、制御モードを切り替えるPythonプログラム
8-6 実行結果
8-7 通常のSVMとOne-Class SVMの違い
8-8 One-Class SVMの数学的定式化のしかたノイメージと数式の解説
8-9 カーネル関数の具体的なイメージ
8-10 One-Ckass SVMによる異常検知プログラム
8-11 次に、この課題をオートエンコーダーにより実行することを考える！
8-12 オートエンコーダーによる異常検知プログラム
8-13 One-Class SVMとオートエンコーダーの比較
- ９．質疑応答