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。