|
【講座概要】
現在の機械学習ではビッグデータと呼ばれる大量のデータを用いた学習を前提とすることが多い。しかし現実には、データの取得に金銭的・時間的・人的コストがかかり、少数のデータしか得られないというケースも多く、単純に機械学習を適用しても満足のいく精度が出ないことがある。本講座では、人間の知識やシミュレーションを援用したり、機械学習のために効率的なデータ取得を工夫したりといった、少数データ解析のための戦略について事例を交えながら紹介する。
【受講対象】
・製造業などで少数データを製品設計などにうまく活用したいと思われている方
・機械学習の結果の解釈や評価法に興味がある方
【受講後習得できること】
・人間の知識やシミュレーションを機械学習と組み合わせる技術
・機械学習のための効率的なデータの採取法
・機械学習の結果の解釈や評価の仕方
1.機械学習の概要
1.1 ビッグデータとディープデータ
1.2 次元の呪いと汎化能力
1.3 データ解析の基本手順
2.少数・高次元データの学習のための技術
2.1 スパースモデリングと正則化
2.2 圧縮センシングによる高解像度撮像
2.3 シミュレーションデータを活用したスパースモデリング
3.人間の知識をモデル化するための技術
3.1 ベイジアンネットを使ったモデル化法
3.2 ベイズ推論のための計算アルゴリズム
3.3 データ同化と状態空間モデルによる時系列モデリング
4.結果の評価・可視化・説明
4.1 機械学習結果の評価法
4.2 信頼度付き機械学習
4.3 ディープラーニングの結果の解釈と説明
5.データ不足を補ういろいろな技術
5.1 異常検知のための技術
5.2 転移学習とマルチタスク学習
5.3 実験計画による効率的データ取得法
【質疑応答】
|
