機械学習・AI実践活用基礎セミナー受講者の感想例

1. 機械学習という言葉はよく聞いていましたが、種類が多く、何から勉強すればよいのか分からずにいました。今回のセミナーでは、従来の機械学習から深層学習まで全体像を整理して説明してくれたので、各手法の位置づけが理解できました。最初に全体像を把握できたことで、その後の具体的な技術内容も理解しやすかったです。
2. 機械設計の仕事をしていますが、AIをどのように設計業務に取り入れればよいのか分からず、今回受講しました。ランダムフォレスト回帰を使った設計問題の最適化は、実際の業務への応用をイメージしやすい内容でした。特に、設計課題を機械学習の問題としてモデル化する考え方が参考になりました。
3. Pythonを使った経験がほとんどなかったので、プログラミングの部分が理解できるか心配でした。 ChatGPTを利用してプログラムを作成し、実行やエラー修正を進める方法が説明されており、これなら自分でも取り組めそうだと感じました。 AIを勉強するために、最初から高度なプログラミング技術が必要だと思っていたので、少し安心しました。
4. 教師あり学習と教師なし学習の違いについて、これまで何となく理解している程度でした。実際の工業分野での使用例を交えた説明があり、どのような問題にどちらを使うべきか整理できました。特に、正常データしか十分に得られない場合の異常検知への応用が興味深かったです。
5. FEM解析を担当しており、機械学習との組合せに以前から興味がありました。数値解析、機械学習、インフォーマティクスのそれぞれの長所と欠点を比較した説明が非常に参考になりました。 FEMを機械学習に置き換えるということではなく、両者の特徴を生かして使い分ける考え方が印象に残りました。
6. CNNによる画像認識については、これまでブラックボックスのように感じていました。画像のエッジや傷の特徴を抽出する仕組みが具体的な計算とともに説明されており、ようやく基本的な原理が理解できました。単にAIの使い方を紹介するだけではない点が良かったです。
7. 設備保全の業務を担当しており、モータ電流の監視による異常検知の例題が特に参考になりました。測定データを機械学習で正常・異常に分類する流れが具体的に説明されていたので、実際の設備への応用を考えるきっかけになりました。今後は小規模な設備から試してみたいと思います。
8. 回帰分析は統計学で学んだことがありますが、機械学習で使われる回帰手法との違いがよく分かっていませんでした。リッジ回帰、ラッソ回帰、決定木回帰などの特徴が整理されており、問題に応じて手法を選ぶ重要性が理解できました。各手法の名前を覚えるだけでは不十分だと感じました。
9. AIを活用したいと思っても、専門のソフトウェアや高価なシステムを導入する必要があると考えていました。無料のPythonとChatGPTを組み合わせることで、基本的な機械学習を実行できることが分かりました。まずは費用をかけずに技術検証を始められる点が、中小企業にとっても魅力的だと思います。
10. 制御技術を担当していますが、機械学習を制御に活用する具体的な方法が分からずにいました。モータの異常を検知して制御モードを切り替える例題は、実務との関係が明確で興味深かったです。従来の制御技術にAIをどのように組み合わせるかを考えるうえで、参考になる内容でした。
11. One-Class SVMについては初めて学びましたが、正常データを基準として異常を検出するという考え方が分かりやすかったです。数学的な説明だけでなく、Pythonプログラムと実行結果まで示されていたので、処理の流れを具体的に理解できました。設備診断への応用を検討したいと思います。
12. 深層学習について、ニューラルネットワークの層を増やせば高性能になるという程度の認識しかありませんでした。多層パーセプトロンの仕組みや学習方法を理解することで、深層学習がどのように計算されているのかイメージできるようになりました。手書き数字の認識をPythonで実行する例題も理解を深めるのに役立ちました。
13. これまでAI関連のセミナーをいくつか受講しましたが、一般的な活用事例の紹介が中心で、実際にどう計算するのか分からないことが多くありました。今回はアルゴリズムの基本的な考え方からPythonによる実装まで説明されており、技術者向けの内容だと感じました。特に計算の仕組みを理解できた点が良かったです。
14. 品質検査の自動化を検討しているため、CNNを使ったガラス表面の傷検出の例題が参考になりました。なぜ通常の多層パーセプトロンではなくCNNを使用するのかという説明が分かりやすく、手法を選ぶ理由が理解できました。 AIを導入する際には、対象となるデータの特徴を考えることが重要だと感じました。
15. TensorFlow、Keras、PyTorchという名前は知っていましたが、違いや使い分けがよく分かっていませんでした。それぞれの特徴や用途が整理されており、今後Pythonで機械学習を行う際の参考になりました。実際のプログラム例があるので、受講後に自分でも試してみたいと思います。
16. 機械学習のアルゴリズムは非常に多く、どれを選べばよいのか迷っていました。工業分野で実際に利用されている分類や回帰の具体例が数多く紹介されており、各手法の用途が整理できました。自分の担当業務に適した手法を考えるための基礎知識が得られたと思います。
17. オートエンコーダーについては、名前を聞いたことがある程度でした。 One-Class SVMとの比較を通して、それぞれの異常検知の考え方や特徴を理解することができました。同じ異常検知でも複数の方法があり、データの性質や目的に応じて選択する必要があると分かりました。
18. AIを機械設計に利用するといっても、具体的に何を入力して何を予測するのか、イメージできていませんでした。設計パラメータと評価値の関係を機械学習で扱う例題があり、問題設定から計算結果の評価までの流れが理解できました。今後の設計最適化業務に活用できる可能性を感じました。
19. 生成AIを使えばPythonプログラムを簡単に作成できますが、その計算が正しいかどうかを判断する知識が必要だと感じました。今回のセミナーでは、機械学習の理論とプログラムによる計算の両方を学べたので、AIを利用する際の技術的な判断力を高めることにつながりました。単なるAIツールの操作講習とは異なる内容でした。
20. このセミナーで最も良かったのは、機械学習の基礎理論だけでなく、機械設計、制御、数値解析などの実務への活用方法まで学べたことです。教師あり学習、教師なし学習、回帰、深層学習などの技術が、具体的な工業分野の課題と結びついて理解できました。 PythonとChatGPTを活用した計算例もあり、受講後に自分で試してみようという気持ちになりました。 AIを仕事に取り入れたいエンジニアにとって、非常に参考になる内容だと思います。

セミナー受講者の感想（順不同、一部抜粋）