AI初心者のためのMS AI核心技術完全攻略
daniellee
Microsoft AI-900資格の同時取得を目指せる特別講義であり、2025年5月基準の出題範囲を反映した最新コンテンツとして、AI概要、機械学習の基礎、コンピュータービジョン、自然言語処理、ドキュメントインテリジェンス、知識マイニング、および生成AIを含む理論と実習が兼ね備えられた形式で提供します。
入門
Machine Learning(ML), Azure, NLP
半導体に関する製造革新案をベンチマークし、半導体データを用いてコーディングなしで機械学習やディープラーニングを試すことができます。
受講生 19名
難易度 初級
受講期間 無制限


半導体ビッグデータ人工知能の事例
NO CODING(Orange 3) 実装
1)半導体やディスプレイの製造現場では、どのようなデータを収集して革新活動を推進しているのだろうか?
2)CEOやリーダーとして、人工知能を導入したプロジェクトが適切に推進されているかを確認する方法はないだろうか?
3)コーディングをせずに、機械学習やディープラーニングを自由自在に使ってみることはできないだろうか?
1)製造関連の革新活動を通じて人工知能を導入しようとしているCEOおよび役員
2)製造関連の人工知能を導入しようとしている組織のリーダー
3)コーディングなしで人工知能、機械学習、ディープラーニングを実装したい方
1)半導体、ディスプレイのビッグデータに関する製造革新案をベンチマークし、各自のドメインでどのように導入するかについてのアイデアを導き出すことができるようになります。
2)コーディングなしで自由自在に機械学習、ディープラーニングを動かすことができ、最適な人工知能アルゴリズムを選択できるようになります。
3)各自のドメインデータを用いて、機械学習、ディープラーニングアルゴリズムを通じたインサイトを導き出す実力を身につけ、現場を改善できるようになります。
第1講。半導体・ディスプレイ製造革新とAIビッグデータ(革新事例:生産、歩留まり、品質)
第2講。半導体・ディスプレイ製造革新とAIビッグデータ(革新事例:インフラ、環境安全、エネルギー)
第3講。事前準備 / データの前処理および可視化
第4講。データの前処理および可視化 / 機械学習(Classification: k-NN)
第5講。機械学習(Classification: Logistic Regression, Tree, Random Forest, SVM)
第6講。機械学習(Classification: Naïve Bayes, Neural Network)
第7講。機械学習(Classification: Stacking, Adaboost / Regression: k-NN, Tree, Random Forest, Linear Regression, Linear Regression, Neural Network, Bias and Variance, アンサンブルとバギング, Boosting, XGBoost, Stacking)
第8講。機械学習(Image Classification, Clustering: k-Means, Hierachical Clustering) /
ディープラーニング(DNN, CNN)
<CEO/役員/リーダーの人工知能教育が重要な10の理由>
1. CEO/役員がまず実践しなければ、どの従業員も動きません。
2. 人工知能は従業員に任せておけば勝手に進むものではありません。
3. CEO/役員が人工知能について抽象的にしか理解していなければ、正しい意思決定を行うことはできません。
4. 人工知能の専門家は報酬が高く、安易に採用することはできません。たとえ採用するにしても、面接で何をどのように問うべきか、そして回答が正しいかどうかも把握するのが困難です。
5. 従業員を教育する方がコストと時間の削減効果は大きいですが、CEO/役員がまず知らなければ教育させることもできません。
6. 人工知能導入業務に関するアイデアは、業務システムを最も包括的に把握している CEO/役員が出すべきです。
7. CEO/役員が自ら人工知能を学べば、人工知能を実装することがそれほど難しくないことがわかります。
8. プロジェクトを率いるCEO/役員が人工知能を知らなければ、プロジェクトが迷走しやすくなります。アルファ碁レベルの人工知能を想定していて、期待より性能が低いとすぐに元のやり方に戻ってしまう事態が発生しかねません。
9. 人工知能が実際にどのようなものか学べば、過度な欲や期待値が下がり、精度を改善する方向性を考えられるようになります。
10. 結局、これらすべてに対する意思決定はCEO/役員が行うため、彼らが正しく理解していなければ、結局何もできません。
(出典:著書 <AIで働く技術>、著者 チャン・ドンイン、出版 ハンビッメディア)
本講義はビデオ会議で行われたオンラインセミナーを再編集した講義です。あらかじめご了承ください。
環境によっては音質が均一でないと感じられる場合があります。受講前にプレビュー講義をご確認ください!
準備物はコンピュータ(デスクトップ or ノートパソコン)さえあれば大丈夫です。
コンピュータのスペックが高いほど実行が速くなる場合がありますが、大きな差はありません。
オープンソースのデータマイニングツールキットであるOrangeを使用します。こちらのリンクからダウンロードして使用してください。
実習のための半導体データセットファイルは、セクション0-ユニット3に添付されています。 trong Phần 0-Bài 3.
学習対象は
誰でしょう?
製造関連の革新活動を通じて人工知能(AI)を導入しようとしているCEOおよび役員
製造関連の人工知能を導入しようとしている組織のリーダー
コーディングなしで人工知能・機械学習・ディープラーニングを実装したい方
キャリア認証
光云大学で電子工学を専攻した後、1984年から2011年までの27年間、サムスン電子の半導体部門にて製造チーム長および製造センター長、そして環境安全・施設・システムを統括する基盤技術センター長を歴任しました。専務として半導体でのキャリアを終えた後、2011年から2016年までの5年間、サムスンディスプレイ(OLED)の副社長として、製造センター長および生産・環境安全・施設・システムを統括する団地長を務めました。ソウル科学総合大学院およびビジネススクール・ローザンヌ(BSL)を卒業後、スイス公立大学院にてビッグデータ分野のMBA、Ph.D.、DBAの学位を取得し、現在はスイス・スクール・オブ・マネジメント(SSM)の教授、産業政策研究院の研究教授、および人工知能協会副会長として、製造インテリジェンスプロジェクトを率いています。
上記コンサルタントは、光云大学で電子工学を専攻した後、1984年から2011年までの27年間、サムスン電子の半導体部門にて製造チーム長および製造センター長を経て、環境安全、ファシリティ、システムを統括するインフラ技術センター長を歴任した。専務として半導体でのキャリアを終えた後、2011年から2016年までの5年間は、サムスンディスプレイ(OLED、LCD)の副社長として、製造センター長および生産、環境安全、ファシリティ、システムを責任管理する団地総括を務めた。退任後、ソウル科学総合大学院大学とスイスのBSL(Business School Lausanne)にてビッグデータMBAおよびPh.D.、DBA学位を取得。現在はSSM(Swiss School of Management)教授、産業政策研究院の研究教授、一般社団法人人工知能協会副会長として、製造知能化事業団長の業務を遂行している。
全体
9件 ∙ (7時間 11分)
講座資料(こうぎしりょう):
全体
2件
同じ分野の他の講座を見てみましょう!