カテゴリー別アーカイブ: 機械学習

「 第1回インサイトデータサイエンスカンファレンス 」のご案内

「 第1回インサイトデータサイエンスカンファレンス 」のご案内
————————————————
【日 時】 令和元年8月5日 13:00-17:00
【場 所】 近畿大学東京センター
【主 催】 株式会社インサイト
【参加費】 無料
【定 員】 36名
————————————————
詳細はこちらhttp://www.meshman.jp/seminar/DSconference1st.html
————————————————
この度はインサイトデータサイエンスカンファレンスと
題しまして、弊社で開催して参りましたデータサイエンス勉強会の
成果を総括する意味と、勉強会のテーマの中で殆ど触れていない
深層学習について補う意味で、講師の先生方をお招きして

弊社の勉強会は主に製造業や建設業において
「データ同化」を実用化する事を目指して
必要な基礎的な知識を習得していこうと言う目的で始め、
幅広い分野の方々のご参加を頂きました。
今回のカンファレンスで対象とする聴講者は、
機械学習や深層学習を業務に取り入れたいと考え或る程度調べたり勉強したりしているが、
適用対象の選定、実務への適用方法の決定にお困りの方と考えております。

タイムテーブル

13:00~ 開会挨拶 (インサイト技術顧問 和田先生)
13:15~ 中林靖 東洋大学教授
■「AIの諸問題への適用とデータ収集技法」
13:55~  荻野正雄 大同大学准教授
■「粒子初期配置のためのクラスタリング
アルゴリズムや深層強化学習の応用」
14:35~ 弊社社長 三好昭生
■「チュートリアル-データ同化の為の
ベイズ統計学の基礎」
15:15~ 休憩
15:25~  株式会社HPCテック奥山様 (ハードウェアのトレンド)
■「データサイエンスを取りまく最近の高速計算機」
16:05~ 和田義孝 近畿大学教授
 ■「機械学習を援用した構造解析のための
学習用データ設計」
16:45~  閉会挨拶
17:00 終了

★皆様のご参加をお待ちしております★
————————————————–
ーー<株式会社インサイトについて>---

株式会社インサイトは今年で創立20周年。ベンチャー企業育成のため東京大学につくられたインテリジェント・モデリング・ラボラトリー(IML)から誕生しました。「設計用大規模計算力学システムの開発プロジェクト ( 通称 ADVENTURE) 」(日本学術振興会未来開拓学術研究推進事業「計算科学」分野プロジェクト)等、大学と連携した様々なプロジェクトに参加しました。そこで得た最先端の技術を一般にも利用し易いソフトウェアに変換して提供すること、また、プログラミング技術や解析技術などの分野で質の高い知識を広く一般に提供することで社会に貢献していきたいと考えています。大学からの技術移転の便宜を考慮して、オフィスは東京大学の赤門前にあります。
――――――――――――――――
▼ホームページ
http://www.meshman.jp/
▼Twitter

▼セミナーカレンダー
http://www.meshman.jp/seminar/schedule2018_2019.pdf
▼大きさの異なる粒子をランダムに配置するソフトウェア
最先端をカスタマイズするメッシュマンシリーズ
http://www.meshman.jp/meshman/ParticlePacking.html

データサイエンス勉強会[自己組織化マップ](無料!)4月12日(金):ML_05

CAE技術者向けデータサイエンス勉強会
テーマ:自己組織化

日時:4月12日(金)13:20~16:50
場所:インサイト会議室(東大赤門前)
(4名を超える場合: 礫川地域活動センター)
お問い合わせは support@meshman.jp(総務部 三好)まで。

■ 内容(1月25日、2月28日開催と同内容です)
*SOM(Self OrganizingMap)利用の目的
*深層学習におけるデータの選別と分類
*SOMの特徴・理論
*競合学習とは
*適用事例、アルゴリズム
*ラベリングとその注意点
*適用事例
*実装方法

*皆様のご参加、お待ちしております*

インサイトの講習会スケジュールはこちらから↓
http://www.meshman.jp/seminar/schedule2018_2019.pdf

ML_02:11/15(木)データサイエンス(ベイズ統計学)勉強会

11/15(木)のデータサイエンス(ベイズ統計学)勉強会の内容と時間割を以下の通りで予定します。

複数の方のご要望が有り、双方向の情報交換に付きましては、
弊社よりご提供した知識・情報をお聞き頂いた上で、質問やコメントが有ればお聞きしますと言う事にしました。

〇内容、時間割
•13:30~データサイエンスについて(勉強会の趣旨)
•13:40~ベイズ統計学の概要
•15:00~CAEへの適用事例
•15:30~実装方法
•16:30~質疑、討論
•17:00終了
で予定しております。

必要知識等(絶対条件では有りません)
・Python等のプログラミング言語を少しでも使用した経験が有る事
・確率・統計の話に心理的抵抗の無い方
・CAEの利用経験が有る事

DL_02 Pythonのインストール

前回紹介した「Pythonによる機械学習入門」(以下テキスト1)を少し読み進めます。

兎に角時代はPythonです。AIなら何がなんでもという感じです。それは否めないでしょう。型のチェックが無い等Javaプログラマーに取って余り好きになれない(スクリプト)言語ですが、仕方が無いですね。

以前Pythonでコーディングした時は、EclipseにPyDevのプラグインを導入して使いましたが、どうも主流では無いようです。

さてインストール方法です。この手の開発は大抵Linuxの方が便利だったりするので、OSはUbuntu 16.04LTSを使う事にしました。PythonのインストールはAnacondaがデファクトスタンダードのようです。

テキスト1のp.4に従いLinux版をインストールしました。2017/12/11現在、Python 3.6.3です。図1-3にはGUIのインストールウィザードが示されていますが、そのような物は表示されず、CUIでのインストールでした。

インストールは此処迄とします。

Pythonにはコンソールによるコマンド実行以外に対話環境や統合環境がいくつか用意されており、それの幾つかはAnacondaをインストールする事で自動的にインストールされます。個々の環境の説明はテキスト1に委ねます。

本日は此処迄です。

 

 

DL_01 入門書の購入

機械学習と深層学習の勉強を始めます。今これらを始めないといかんという切迫感を持っています。世の中の流れが今後大きく変わって行くと思います。インターネットが利用可能になった時も同じ印象を受けました。
単なる利用者であれば、ぽかんとしていても良いでしょうが、情報発信側、コンテンツ制作側、アプリ制作側であり続ける為にはこの技術のマスターは必須だと思います。

では何から始めるかですが、誰でも使えるようなツールを使っていても本質は何も分からないと考えております。この辺はかなり迷いました。つまりパーセプトロンから始めるといつになったら実務的な計算が出来る所迄辿り着けるのだろうという不安が有りました。

しかし有る高名な先生に「理論を勉強しないと駄目ですか?」と聞いたら「そうだ」との答えでしたので、覚悟を決めました。
最初に以下の本を買いました。

「Pythonによる機械学習入門」を選択した理由は、FOCUSさんの講習会のテキストとして採用されていた為です。6万円プラス消費税を払えば、私のブログより効率的に学べる事でしょう。

「ゼロから作るDeep Learning」は上の本に関する情報をネットで調べている時に出くわしました。「ゼロから作る」に惹かれて買いました。しかしこの本のAmazonレビューによると上の本の方が分かり易いとの事だったので、上の本も購入しました。

本日は此処迄とします。