AI技術者研修2022 募集案内

1.主旨
あらゆることがデジタル化され、企業発展にはDXが不可欠であり、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による学習」の３段階学習法をもとに、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)と次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義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、ＡＩプログラミングの基礎的な部分の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、受講生間での交流を通して、互いに理解度を確認し、アドバイスを行い合い、講師への質問内容の検討などを行います。

【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　2022年11月19日（土）～2022年3月11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　10:00～17:30（昼休憩12:00～13:00）
・オンライン（ライブ）総講義時間　45.5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
開発環境は、Webブラウザで動作するGoogle Colaboratoryを利用（Googleアカウントが必要です）

5.カリキュラム
(1)第1回：2022年11月19日（土）10:00～17:30
オリエンテーションとAI基礎
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リテラシー
③交流会
④Python入門(開発環境　Google Colaboratory)
・基本の文法、データタイプ、基本のライブラリ、演習、宿題提示（python）
⑤AI応用事例とAI基礎
⑥アンケート回答

※自習；宿題作成

(2)第2回：2022年12月3日（土）10:00～17:30
機械学習の基礎と教材プロトタイプ学習、機械学習応用プロトタイプ学習(ML1)
①機械学習の基礎（各種方式、ツール）
②交流会
③機械学習の基礎（分類、回帰、クラスタリング）教材プロトタイプ演習含む
④機械学習の応用（分類の応用、応用プロトタイプ説明（オープンデータ活用による卸売業者の注文分析―クラスタリング）、宿題提示＆説明（自習内容の説明）
⑤アンケート回答

※自習；宿題作成

(3)第3回：2022年12月17日（土）10:00～17:30
機械学習による応用プロトタイプ学習(ML1)、深層学習入門
①機械学習の応用（応用プロトタイプ宿題解説、次元削減等の手法）
②交流会
③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
④深層学習入門（教材プロトタイプによる学習）
・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）
⑤アンケート回答

※自習；宿題作成

(4)第4回：2023年1月14日（土）10:00～17:30
深層学習入門、深層学習応用プロトタイプ(DL1)
①前回深層学習宿題解答の説明および補足
②交流会
③深層学習応用プロトタイプ構築学習(DL1)
・画像分析による工場内ライン異常検知(1) 機能解説、構築方式、構築環境
④深層学習応用プロトタイプ（DL1）工場ライン異常検出(2)
・宿題提示＆説明（自習内容の説明）
⑤アンケート回答

※自習；宿題作成

(5)第5回：2022年2月4日（土）10:00～17:30
深層学習応用プロトタイプ(DL1)、深層学習応用プロトタイプ(DL2)
①深層学習応用プロトタイプ（DL1）工場ライン異常検出(3)、前回宿題解答説明1
②応用適用の説明、交流会
③深層学習応用プロトタイプ（DL1）工場ライン異常検出(4)　追加説明
④深層学習応用プロトタイプ（DL2）部品形状異常検知（転移学習の応用)
・転移学習、推論処理の構築解説、宿題提示＆説明（自習内容の説明）
⑤アンケート回答

※自習；宿題作成

(6)第6回：2022年2月25日（土）10:00～17:30
深層学習応用プロトタイプ(DL2)、強化学習・自然言語処理の基礎、異常検知入門
①深層学習応用プロトタイプ(DL2)部品形状異常検知（転移学習の応用)
②交流会、最終日の全体発表宿題提示と説明
③強化学習（Q学習による方法、迷路問題）、自然言語処理（スパムメール分類）
④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
⑤アンケート回答

※自習；宿題作成

(7)第7回：2023年3月11日（土）10:00～17:30
応用プロトタイプの構築学習-5、全体まとめ
①機器振動異常検知演習：講義・デモ、時系列信号異常検知-前回異常検知宿題解答説明
②交流会
③AIローコード、ノーコードの紹介とデモ
④全体発表会・講評
⑤最終アンケート作成

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 名誉教授）
・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、岩手県立大学 名誉教授）
・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　8.8万円/人（7回分　税込）
KEIS-BL特別会員・KEIS非組合員・M2M･IoT研究会非会員　9.9万円/人（7回分　税込）

8.定員：20名（先着順）　15名以下の場合は不開催

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18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18日（火））までです。

10.事前説明会

◎開催日時　9月14日（水）15:00～16:00

◎参加方法　Zoom

◎内容
・講師から研修内容説明・質疑応答
・KEIS事務局から助成金説明・質疑応答

◎申込期限　9月5日（月）

◎申込方法
このWEBの「お問い合わせ」から件名を「AI研修 事前説明会申込」として、以下を明記してお送りください。
・所属組織名
・部署役職等
・氏名
・email
・TEL番号