カリキュラムシート
分類番号 A404-019-A
| 訓練分野 | 電気・電子系 |
|---|---|
| 訓練コース | 機械学習による欠陥検査・物体認識の高度化技術 |
| 訓練対象者 | 機械学習を産業用画像認識の構築・高付加価値化に適用しようとするソフトウェア技能・技術者等であって、指導的・中核的な役割を担う者又はその候補者 |
| 訓練目標 | 画像処理／信号処理設計の新たな品質及び製品の創造をめざして、高付加価値化に向けたニューラルネットワークによる画像認識の実習、進化的機械学習による画像認識の実習を通じて欠陥検査・物体認識の高度化技術を習得する。 |
| 教科の細目 | 内容 | 訓練時間（H） | うち実習・ まとめ（H） |
|---|---|---|---|
| １．コース概要及び留意事項 | （１）コースの目的 （２）専門的能力の現状確認 （３）安全上の留意事項 |
0.5 | |
| ２．人工知能と機械学習 | （１）人工知能の考え方の変遷 （２）機械学習の本質とその産業応用について |
1.5 | 0.5 |
| ３．統計的機械学習 | （１）教師なし学習とその産業応用 イ．クラスタリング（データ分類法） ロ．ベクトル量子化法と自己組織化マップ ハ．教師なし学習による画像認識の方法の実習 （２）教師あり学習とその産業応用 イ．線形判別分析とサポートベクターマシン ロ．決定木とランダムフォレスト ハ．教師あり学習による画像認識の方法の実習 |
2 | 1.5 |
| ４．ニューラルネットワーク | （１）ニューラルネットワークによる機械学習とその産業応用 イ．ニューラルネットの歴史と各方式の原理と特徴 ロ．ディープラーニング（深層学習）の原理と特徴 （２）ニューラルネットワークによる画像認識の実習 イ．階層型ニューラルネットワークによる画像認識 ロ．ディープラーニングによる画像認識 |
2 | 1 |
| ５．進化的機械学習 | （１）進化的機械学習とその産業応用 イ．進化計算法の原理と特徴 ロ．進化的機械学習の産業応用 （２）進化的機械学習による画像認識の実習 イ．用いる手法について ロ．進化的機械学習による画像認識 |
2 | 1 |
| ６．機械学習の応用 | （１）機械学習の製品の欠陥検査への応用 イ．欠陥検査のための画像特徴量とその最適化 ロ．認識処理の構築と精度検証の実習 （２）機械学習の道路画像認識への応用 イ．距離計測とシーンの理解の原理と方法 ロ．認識処理の構築と精度検証の実習 |
3.5 | 2.5 |
| ７．まとめ | （１）質疑応答・まとめ |
0.5 | 0.5 |
| 訓練時間合計 | 12 | 7 |
| 使用器具等 | パソコン、ＯｐｅｎＣＶ環境 |
|---|---|
| 養成する能力 | 新たな品質の創造又は製品を生み出すことができる能力 |
| 改訂日 | 2020.09 |