1.主旨
コロナ禍において、企業の発展にはDXが重要であり、その中でもAIの活用が鍵となっています。
AIの活用には、優秀なAI技術者が必要であり、本講座は「事例とともに学ぶAI基礎学習」、「教材プロトタイプによる学習」および「応用プロトタイプ構築学習」をもとに、現場で成果を出せるAI技術者の養成を促進します。
2.本研修の特徴
(1) 双方向型のオンライン講義(ライブ講義)の間のライブ講義までの期間に、宿題をもとに自習していただき、自習結果を次のライブ講座でフォローすることによって、理解を深める研修を行います。
(2)「事例とともに学ぶAI基礎学習」では、事例と結び付けたAIの基礎事項を学習します。
「教材プロトタイプ学習」では、「教材プロトタイプ」をもとに機能の解説、ツール・言語の使い方、ソースコードを学習します。
(3)「応用プロトタイプ構築学習」では、次の３つの応用プロトタイプ構築の実践的な研修を行います。
① ラーニングの画像分析による工場内ライン異常検知／部品形状異常検知
（TensorFlow活用、転移学習の活用）
② オープンデータ活用による卸売業者の注文
（分類・回帰・クラスタリングでのscikit-learn活用）
③ 時系列系 機器振動波形異常検知
いずれも、応用システムの狙い、プロトタイプの機能、構築の実現方法をわかりやすく説明します。
(4)オンライン研修における「交流の場」を設けます。「交流の場」は、受講生から講師への質問、講師から受講生への連絡・アドバイス、受講生同士の交流、受講生と講師の交流に活用します。
【参考】プロトタイプイメージ
画像分析による工場内ライン異常検知（TensorFlow活用）
オープンデータ活用による卸売業者の注文分析（scikit-learn活用）
時系列系 機器振動波形異常検知
3.対象者
技術者を原則とします。
中堅技術者及び技術職で無くてもAI利活用により業務高度化に興味のある方（営業職、生産管理職、労務管理職等）も対象とします。
4.研修内容
・研修期間 2021年11月27日（土）～2022年3月12日（土）
・オンライン（ライブ）講義回数 7回 （すべて土曜日）
・オンライン（ライブ）講義と次のオンライン（ライブ）講義の間は自習；宿題作成
・オンライン（ライブ）講義時間帯 10:30～17:30（休憩1時間） ※3回と6回は18:30まで
・オンライン（ライブ）総講義時間 44時間 （自習時間は含まない）
・参加方法 オンライン（Zoom）
・参加条件 PCは受講者が用意すること、PCの必要スペック：CPU：intel core-i5以上、メモリ：4GB以上、ディスク空き容量：80GB以上、OS：Windows10 64bit
5.カリキュラム
(1)第1回：2021年11月27日（土）10:30～17:30
オリエンテーションとAI基礎学習-1
① オリエンテーション：本研修の狙い、受講生と講師の自己紹介
② AI基礎と各種方式、AI応用事例
③ 統計的機械学習（演習含む）、宿題提示＆説明（自習内容の説明）
※自習；宿題作成
(2)第2回：2021年12月11日（土）10:30～17:30
AI基礎学習-2
① 第1回機械学習宿題解答の説明
② 深層学習入門
・ディープラーニング(DL)の基礎講義
・DLの３機能の講義：CNN、RNN、AE
③ 演習環境説明、手書き数字認識演習、宿題提示＆説明（自習内容の説明）
・TensorFlowインストール説明、Google Colaboratory説明
※自習；宿題作成
(3)第3回：2022年1月15日（土）10:30～18:30
AI基礎学習-3
① 第2回深層学習宿題解答の説明
応用プロトタイプ構築学習-1
① 深層学習応用プロトタイプｰDL-1工場ライン異常検出 その１
・DL基礎およびCNN自習の解説、Q&A
・画像分析による工場内ライン異常検知 機能解説、構築方式
② 深層学習応用プロトタイプｰDL-1工場ライン異常検出 その２、宿題提示＆説明
・構築環境、自習内容の説明
③ グループ交流
※自習；宿題作成
(4)第4回：2022年1月29日（土）10:30～17:30
応用プロトタイプの構築学習-2
① 深層学習応用プロトタイプｰDL-1工場ライン異常検出-その３、第3回宿題解答説明
② 深層学習応用プロトタイプｰDL-1工場ライン異常検出-その４、宿題提示＆説明
③ 深層学習応用プロトタイプｰDL-2部品形状異常検知（転移学習の応用)-その１
・転移学習、推論処理の構築解説、宿題提示＆説明
※自習；宿題作成
(5)第5回：2022年2月12日（土）10:30～17:30
応用プロトタイプの構築学習-3
① 深層学習応用プロトタイプｰDL-2部品形状異常検知（転移学習の応用)-その２
② 深層学習応用プロトタイプｰDL-1工場ライン異常検出-その５、第4回宿題解答説明
③ 最終日の全体発表宿題提示と説明
④ AI ローコード、ノーコードの紹介とデモ
※自習；宿題作成
(6)第6回：2022年2月26日（土）10:30～18:30
応用プロトタイプの構築学習-4
① 機械学習：基礎の復習、分類のアルゴリズム比較と演習
② オープンデータを使ったクラスタリングの応用、次回宿題提示＆説明（自習内容の説明）
③ 異常検知入門、心電図異常検知演習：講義、異常検知の宿題提示＆説明
・時系列系 機器振動波形異常検知 自習内容説明
④ グループ交流
※自習；宿題作成
(7)第7回：2022年3月12日（土）10:30～17:30
応用プロトタイプの構築学習-5、全体まとめ
① 第6回宿題解答説明、オープンデータのクラスタリングによる分析例
② 機器振動異常検知演習：講義・デモ、時系列信号異常検知-第6回異常検知宿題解答説明
③ 全体発表会
・最終アンケート作成
6.講師
①小泉寿男氏（M2M･IoT研究会 理事長、東京電機大学 名誉教授）
・出身：福島県
・東北大学工学部通信工学科卒業。東北大学大学院情報科学研究科博士課程修了 博士（情報科学）
・職歴：三菱電機、東京電機大学教授
②大江信宏氏（M2M･IoT研究会 理事、サイバー大学 教授）
・出身：兵庫県西宮市
・神戸大学工学部計測工学科卒業、博士（工学）
・職歴：三菱電機、東海大学教授
③清尾克彦氏（M2M･IoT研究会 副理事長、サイバー大学 教授）
・出身：東京都
・東京大学工学部計数工学科卒業、博士（工学）
・職歴：三菱電機
④澤本 潤氏（M2M･IoT研究会 理事）
・出身：兵庫県丹波篠山市
・京都大学大学院工学研究科修了、博士（工学）
・職歴：三菱電機、岩手県立大学教授
⑤大高謙二氏（M2M･IoT研究会）
・出身：栃木県
・慶応義塾大学工学部数理工学科卒業
・職歴：三菱電機
7.受講料
KEIS組合員・事業協力会員・M2M･IoT研究会員 8万円/人（7回分 税抜）
KEIS-BL特別会員・KEIS組合員外・M2M･IoT研究会員外 9万円/人（7回分 税抜）
8.定員：20名（先着順）
15名以下の場合は不開催
※締切日内は組合員・M2M・IoT研究会員を優先
9.申込方法
件名を「AI研修申込」として、申込者の組織名・部署役職・氏名・email・tel・受講人数を記載し、10月26日（火）までにこのサイトの「連絡」あるいはKEIS事務局emailへお送りください。
※厚生労働省の人材開発支援助成金の申請は、研修開始の1か月前（10月26日（火））までです。
