seminarsougoguide_2021

モノづくりにおける問題解決のためのデータサイエンスベーシックコース(データBC)SQCAI/ビッグデータ時代の品質管理教育深層学習による人工知能の急激な進化は、検査の自動化などモノづくりの現場にも変化をもたらしました。これからの技術者は、人工知能がビッグデータを分析した結果を正しく理解する必要があり、ビッグデータの分析手法であるデータサイエンスは必修と言えます。当コースでは、従来のSQC手法(仮説検定や重回帰分析など)がビッグデータの前では破綻していくことを解説したうえで、データサイエンス手法の優れた点を解説します。これにより、SQC手法のステップアップとしてデータサイエンスを学習できるとともに、両者の違いがイメージできるようになります。AI/ビッグデータ時代の品質管理教育として、おすすめのコースです。特徴●フリーソフト「R」を用いたビッグデータ解析演習を多数行います。演習データは提供します。●ビッグデータの解析により、従来のSQC手法では解決できなかった慢性不良に対策がとれるようになります。●従来のSQC手法がとる「イベントドリブン」な解析方法に対する「データドリブン」な解析を学べます。●因子間の関連性を見る古典的グラフィカル・モデリングについて学び、それが破綻する様子、その対策としてのグラフィカル・ラスーについて学べます。回数12日程前期6月21日(月)〜23日(水)後期7月26日(月)〜27日(火)前期1月11日(火)〜13日(木)後期2月7日(月)〜8日(火)対象・モノづくりに携わる実務者で、ビッグデータを業務に活用したい方・製造業に携わる技術者で、自社のビッグデータの活用方法にお悩みの方・前提知識として、大学教養程度の行列の知識、多変量解析(重回帰分析、主成分分析等)の概論程度の知識をお持ちの方講師吉野睦(㈱デンソー)他参加費157,300円(一般)/143,000円(会員)*税込午前午後大学教養程度の行列の知識を前提として、古典統計論(積率、重回帰分析、主成分分析等)の最前線を学ぶ今、なぜモノづくり企業でデータサイエンスが必要なのか?ビッグデータ解析に用いるツールの理解ベイズ理論の習得(生成モデルアプローチ)宿題解説、ベイズ理論の習得(続き)分類器・識別器、カーネルトリック(識別モデルアプローチ)データ解析の準備であるデータクリーニングを考える正則化回帰(スパースモデリング・罰則付き回帰)古典的グラフィカル・モデリング、およびglasso(グラフィカル・ラスー)さらに詳しく学ぶには、工程の異常検知の事例、総合質疑第1日9:20〜18:00第2日9:30〜18:00前期第3日9:30〜18:00第4日9:30〜18:00第5日9:30〜18:00後期カリキュラム～5日間コース(前期3日間・後期2日間)■AI/ビッグデータ時代の品質管理教育AI(人工知能)にビッグデータを分析させることでイノベーションを起こそうとする動きが製造業でも広がりを見せています。品質管理の領域でもAIの活用が進むと予想されます。そのような環境変化の中、これからの品質管理教育は、以下の3つの観点で技術者を育成することが重要です(次項の図参照)。1.従来のSQC(StatisticalQualityControl:統計的品質管理)手法を使えることに加えて、ビッグデータを解析できる技術者の育成2.AIの分析結果を固有技術の観点から判断できる技術者の育成3.QCストーリーに則ってAIを活用できる技術者の育成これらの観点で技術者を育成するために、日科技連では、従来のSQC手法を学ぶコースに加えて、ビッグデータの解析を学ぶデータサイエンスコースをご用意しました。あわせてのご活用をおすすめします。SQC教育▶品質管理セミナーベーシックコース【QC検定1級レベル対応】(p.38)▶品質管理セミナー入門コース【QC検定2級レベル対応】(p.40)データサイエンス教育▶モノづくりにおける問題解決のためのデータサイエンス入門コース(p.50)▶モノづくりにおける問題解決のためのデータサイエンスベーシックコース(p.51)▶モノづくりにおける問題解決のためのデータサイエンス設計コース(p.52)51