アイアール技术者教育研究所将举办一场在线研讨会，从实施落地的角度解说神经网络与强化学习的原理，以及时间串行数据收集、转换为训练数据和构建物联网（IoT）系统的要点。 在制造现场或商业大楼等设备领域，将AI应用于系统控制和异常检测的趋势正在扩大。然而，在现场实施时，工程师经常会面临光靠理论难以解决的「现实挑战」，例如各设备的特定限制条件、信息安全、收集数据的偏差，以及确保训练所需数据的质与量等。本研讨会基于这些挑战，从理论与实施双方面提供「可用于现场」的导入技能。 ## 研讨会概要 * 研讨会名称：AI･机器学习应用于工业设备之实践技能 * 形式：在线（Zoom直播 / 录像回放） * 举办日期： 【直播】2026年5月26日（二）10:00～16:00 【录像回放】2026年5月28日～6月11日 * 名额：20人 * 报名费：49,500日圆/人（含税） * 讲师：蜷川 忠三 讲师（N研究所株式会社 代表取缔役） ## 讲座详情 在本研讨会中，除了概述机器学习的工业应用外，学员还将循序渐进地学习控制对象的建模、设备维护预测、设备管理的强化学习，以及收集训练数据与系统设计的诀窍。特别是针对现场最容易遇到瓶颈的「数据收集」与「整理成可用于训练状态的数据」进行深入探讨，内容涵盖理想的收集分布概念，以及数据不足时的应对方法（SMOTE法）等。 此外，还将解说作为备受瞩目的尖端技术——生成式AI基础的Transformer的内部原理，以及其在时间串行趋势预测、事件发生预知等工业应用实例（研究案例）。 ## 研讨会大纲 1. 机器学习工业应用概述（研究案例视频／现场应用／实例样本） 2. 控制对象的建模（NN基础／步阶响应／多变量控制的黑盒子模型） 3. 设备维护预测（LSTM／突发事件预测／精度评估指针） 4. 设备管理的强化学习（Q-learning／迁移学习／最佳经济运转／缩短学习周期） 5. 训练数据收集的实务（质与量／理想分布／SMOTE／使用工具或自建） 6. 现实系统设计的诀窍（初期战略／目标选择／团队组成／工具的极限） 7. 生成式AI技术的尖端工业应用（Transformer概述／时间串行预测／事件预知） 8. 总结与问答环节 ### 适合对象 * 希望学习机器学习在工业现场的具体导入方法与案例的人士 * 从事系统控制相关开发设计、生产管理的工程师／团队负责人 * 设备与仪器制造商、基础设施与工业系统制造商、土木建筑及相关企业的人士 * 已经开始推动导入，但正为现场挑战（数据、营运、设计）而烦恼的人士