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