製造業に特化したデータサイエンティストを養成
現場で必要な課題に焦点を当て取り組む唯一無二のプログラム
異常検知
品質予測
需要予測
画像分類
外観検査
在庫管理
パラメータ調整
一般的なデータサイエンス養成コースでは、幅広い内容を学ぶことができる一方、各業界固有の問題に特化して学ぶことはできません。
機械学習のアルゴリズムひとつをとっても、機材の消耗に合わせて臨機応変に対応できるメンテナンスフリーなアルゴリズムなど、製造業ならではの問題が存在しています。
本コースは多変量解析、画像処理、時系列解析、最適化といった製造業の現場で本当に必要とされる領域に絞って集中的に学べるコースです。
また、本コースは平日の夜に実施するため、終業後に参加することができます。
在庫の最適化や人員計画のスケジューリングなど、現場にある問題をいかにして、コンピュータに解かせるための定式化を行えるかを考えられるようになります。 詳細な数学も大切ですが、本コースでは「現場で使える」を優先したカリキュラムを用意しています。
「AI」と一言で表しても、多変量解析や画像処理、時系列解析など様々な領域を含んでいます。本コースでは、製造業で必要となる領域をピックアップしているため、本当に必要な知識を効率よく幅広く習得することができます。
工場内の製造機器のデータをネットワーク経由で取得・分析し、故障予知や品質管理を実現すれば、企業にとって大きなメリットが生まれます。その一方で、AIだけでなくクラウドを含めたIoTまでを考慮した知見を得るためには幅広い知識と経験が必要となります。本コースでは、このシステム構築にも重きを置いています。
カリキュラム制作および講師運営担当。
舞鶴高専にて画像処理およびロボットの研究、京都大学大学院にて製造業向けの機械学習を用いた製造工程最適化の研究に従事。
ITベンチャーを経て、2017年1月に株式会社キカガクを設立。
ビジネスの現場で使えるAIを目指し、企業向けの教育やコンサルティングを行う。
現在は東京大学でも非常勤講師として教鞭を執る。
プロジェクト制作担当。
大手自動車メーカーやそのグループ会社において業務改善やシステムコンサルタントとしての実績多数。
現在はその知見を活かして、IoTプロジェクトの指揮をとる。
トヨタ生産方式を中心とした製造業の知見を持つIoT、AIシステム会社代表として、次世代のモノづくりを支援する。
企画アドバイザーおよびメンター担当。
重要な経営資源である”データ”をグループ横断で活用するための戦略を構築し実行する役割を担う。また、筑波大学大学院の客員准教授として企業の即戦力となる人材育成にも従事する。2017年からはデータサイエンティスト協会の理事として、事業会社へのデータサイエンス普及にも尽力する。
人工知能・機械学種・ディープラーニングとは
機械学習に必要な数学
機械学習の３大トピック
内挿と外挿
微分は「何」に使えるのか？
導関数を求めよう
微分の公式
偏微分
「モデル」を決める
「評価関数」を決める
評価関数を「最小化」する
プログラミングの環境構築
変数
基本構文
複数の変数を扱う
制御構文
関数
Numpyの数値計算
Pandasによるデータベース操作
Matplotlibでグラフの描画
実データに対する単回帰分析の実装
スカラー・ベクトル・行列
行列の演算
サイズ感
転置・単位行列・逆行列
ベクトルで微分
「モデル」を求める
「評価関数」を決める
評価関数を「最初化」する
行列演算の基礎
パラメータの導出
実データで演習
主な統計量
正規分布と３σ法
スケーリング
外れ値除去
モデル構築
スケーリングとパラメータの確認
現場で機械学習を導入できる人材とは
AI・機械学習・深層学習とは
実現場で解決したい課題について
データの前処理・整形
代表的な機械学習アルゴリズム
モデル構築
精度の検証
ハイパーパラメータのチューニング
時系列解析向けのライブラリ
時系列解析のポイント
時系列データの取得
需要予測
基礎的な数学
フレームワーク (Keras) を用いた実装
画像処理アルゴリズム
画像処理の実装 (OpenCV)
画像処理とディープラーニング
Convolutional Neural Network (CNN)
最適化とは
線形最適化（在庫の最適化）
目的関数と制約条件
最適化の実装
実践課題：現場の課題を定式化
異常検知と次元削減
主成分分析 (PCA)
scikit-learn による実装
部分的最小二乗法 (PLS)
製造業でよくある多重共線性の問題
scikit-learn による実装
時系列解析でよく用いられる統計量
需要予測と異常検知
時系列解析とディープラーニング
Reccurent Neural Network (RNN)
有名なモデルの紹介
Keras での実装
CNN の実装
手書き数字の自動判別
背景を含む画像の分類
CNNの有名なモデル
ファインチューニングの概要
ファインチューニングの実装
非線形最適化とは
非線形最適化の手法紹介
非線形最適化の実装
異常検知（距離ベース）
距離の定義
異常検知アルゴリズムの実装
異常検知（モデルベース）
多変量解析
複数のセンサーを考慮した異常検知
RNN による需要予測
RNN による異常検知
時系列データ向けCNN
Fully Convolutional Network (FCN)
一般物体検出
アルゴリズムの実装
パラメータの最適化
メタヒューリスティックス
遺伝的アルゴリズムの実装
職人技をアルゴリズムへ落とし込む
プロセスのモニタリングを実施するシステムの構築（仮）
外観検査を実施するシステムの構築（仮）
複数のプロセスから成る一連の流れの
全体最適システムの構築（仮）
| 出席率及び、演習課題への取り組み(ソースコードの工夫・モデルの精度・速度等)を総合的に評価します。 |
欠席者には補講動画を用意しています |
製造業に強い会社を掲げるテービーテックは、愛知県豊田市に本社を置き、トヨタ生産方式などモノづくりノウハウを熟知。大手自動車メーカーなどの基幹システム構築からIoTやAI、業務改善支援まで幅広く製造業支援に携わっています。
キカガクは、感動する学びを世界に届けることをミッションとし、カリキュラムだけではなく、受講生との向き合い方や場の作り方、モチベーションの保ち方までを考えてセミナーに取り組んでいます。
※詳しくは、お問い合わせください。
| 豊田開催 第４期 |
２０２０年 ５月開講 （申込み受付中。申込みの締め切りは４月末ですが、定員になり次第締め切らさせていただきます。） |
| 東京開催 第２期 |
２０２０年 ６月開講 （申込み受付中。申込みの締め切りは５月末ですが、定員になり次第締め切らさせていただきます。） |
● 開催場所 : 東京校 〒101-0047 東京都千代田区内神田３丁目２-１ 喜助内神田３丁目ビル４０１（JR神田駅から徒歩３分）
※祝日等の関係上、別曜日に開催する回もございます。
| 月 | 東京校開催（月・木） 18:30 ~ 21:30 週２回３時間 |
| Month 1 | 10/28, 10/31, 11/11, 11/14, 11/18, 11/21, 11/25 |
| Month 2 | 11/28, 12/2, 12/5, 12/9, 12/12, 12/16, 12/19, 12/23 |
| Month 3 | 1/9, 1/16, 1/20, 1/23, 1/27, 1/30, 2/3, 2/6 |
| Month 4 | 2/10, 2/13, 2/17, 2/20, 2/27, 3/2, 3/5, 3/9 |
| Month 5 | 3/12, 3/16, 3/19, 3/23, 3/26, 3/30, 4/2, 4/6 |
| Month 6 | 4/9, 4/13, 4/16, 4/20, 4/23, 4/27, 4/30, 5/11, 5/14 |
● 開催場所 : 豊田校 〒471-0842 テービーテック株式会社 愛知県豊田市土橋町３丁目４－１ 東京貿易ビル４階
※祝日等の関係上、別曜日に開催する回もございます。
| 月 | 豊田第３期開催（火・金） 14:30 ~ 17:30 週２回３時間 |
| Month 1 | 11/19, 11/22, 11/26, 11/29, 12/3, 12/6, 12/10, 12/13 |
| Month 2 | 12/17, 12/20, 12/24, 1/7, 1/10, 1/14, 1/17, 1/21 |
| Month 3 | 1/24, 1/28, 1/31, 2/4, 2/7, 2/11, 2/14, 2/18 |
| Month 4 | 2/21, 2/25, 2/28, 3/3, 3/6, 3/10, 3/13, 3/17 |
| Month 5 | 3/20, 3/24, 3/27, 3/31, 4/3, 4/7, 4/10, 4/14 |
| Month 6 | 4/17, 4/21, 4/24, 4/28, 5/12, 5/15, 5/19, 5/22 |
| 受講内容 | 事前学習 + 講義 + プロジェクト |
| 料金 | 720,000 円 / 名（税別） |
下記の内容にお間違いがないかご確認のうえ、［送信］ボタンをクリックしてください。
修正される場合は、［戻る］ ボタンをクリックしてください。
お申込みありがとうございました。
※ご入力いただいたメールアドレスに、自動返信メールを送付させていただいております。 しばらくしてもメールが届かない場合は、メールのフィルタリング機能によって迷惑メールとして扱われている場合がありますので、迷惑メールフォルダをご確認ください。