AI，ニューラルネットワーク，機械学習，ディープラーニング（深層学習）などの定義と違いから，製造業での応用・活用例と自社導入の判断基準（メリット・デメリット），導入の流れと必要な技術など，機械学習の入門事項を分かりやすく解説します。

ＡＩ・機械学習の基本と製造業での応用および導入の手引

～数式は極力使わず解説する“超”初心者のための機械学習入門講座～

講師： 愛知工科大学 工学部 機械システム工学科 教授 荒川 俊也先生

経歴： 2001年 早稲田大学理工学部卒業、2003年 東京大学大学院総合文化研究科広域科学専攻修了。2003～13年まで富士重工業㈱ スバル技術研究所に勤務し、この間の08年 総合研究大学院大学複合科学研究科統計科学専攻博士後期課程に入学し、12年修了。2013年より愛知工科大学、2017年より政策研究大学院大学政策研究センター客員研究員兼務。博士（学術）。これまでに、「ドライバ状態推定手法の研究」、「香りの効能研究」、「立体音響警報の開発」など人間と自動車（機械）の協調に関する研究に従事し、現在は、「地理情報システムのインフラ管理への活用」などにも取り組んでいる。自動車技術会、計測自動制御学会、ヒューマンインタフェース学会などに所属。

１．イントロダクション　
　1.1　人工知能とは？
　1.2　人工知能の歴史
　1.3　機械学習の歴史（アニメやTVゲームの例も交えて）
　1.4　機械学習で何ができるのか？
　1.5　「機械学習」と「人工知能」の違い

２．機械学習の概論
　2.1　機械学習の手法
　2.2　「教師あり」学習と「教師なし」学習について

３．「教師なし」学習
　3.1　クラスタリング
　3.2　混合ガウスモデル
　3.3　隠れマルコフモデル

４．「教師あり」学習
　4.1　一般化線形モデル
　4.2　決定木
　4.3　判別分析
　4.4　サポートベクタマシン
　4.5　ニューラルネットワーク
　4.6　ディープラーニング（深層学習）

５．どういうときに機械学習に頼るべきか？（嬉しさと問題点）

６．産業応用の実例（実問題をベースとして）
　6.1　自動車分野での応用例
　6.2　ＩｏＴでの応用例
　6.3　その他

７．機械学習の導入の流れと準備

８．国内外の研究動向と展望（大学・研究機関・企業など）