・製造現場のOT（Operational Technology）データとは？

・OTとITの融合を実現するCPS（Cyber-Physical System）

・DX時代のOTデータの変化

・AIの手法：教師有り／教師無し／強化学習、ディープラーニング

・データ収集と前処理

・分析の流れ

・DEのための仮説立案方法

・AIの落とし穴

・「AIのモデル開発は誰が実施し、どの手法 ／ツールを活用すべきか？」

・センサー技術とセンサー機器

・通信とPAネットワーク

・DB（データベース）

・VR（仮想現実）

・AR（拡張現実）

・ドローン技術

・クラウド

・セキュリティ

注）各要素技術の説明では、工場やプラントでの活用 方法が含まれます。

・成功例　

・失敗例

（1）統計基礎・偏差
（変数、尺度、分布、分散など）

・確率（条件付き確率、期待値など）

・推定（点推定、区間推定）

・検定（仮説検定、z検定、t検定、カイ二乗 検定など）

・相関（相関係数）／回帰（決定係数、過学習）

（2）統計による製造業の品質管理

・QC7つ道具の活用／工程能力指数

・実験計画法／信頼性工学／統計プロセス管理

・品質機能展開（QFD）／シックスシグマ 手法

（3）ビッグデータ解析／機械学習へつな がる統計

・相関関係と因果関係

・外れ値検出／統計ツール／ベイズ統計学

・環境構築

・文法

・機械学習

・ライブラリーの活用

(numpy、matplotlib 他）

・グラフ化（箱ひげ図、2次元、3次元）

・QC7つ道具
（ヒストグラム、散布図、管理図他）

・時系列データの見える化

・フーリエ変換（音声の見える化）

・ピボットテーブル

・ダッシュボード／ドリルスルー／ドリルダウン／ドリルアップ

・ベクトル

・行列（逆行列、転置、写像）

・内積

・微分

・指数／対数

・解析解（厳密解）と数値解

・虚数／複素数

・活性化関数（シグモイド関数　他）

・検証方法（ホールドアウト検証、クロスバリデーション）

・損失関数

・過学習とは

・モデルの評価方法（混同行列　他）

・ハードウェア（GPU、TPU他）

・データ収集のポイント

・前処理の重要性
（構造化 データと非構造化データの 違い）

・正規化/標準化/白色化

・データ拡張/ラベル設定

・線形回帰/ブースティング/SVM　他

・TensorFlow（Googleのオープンソース）とKeras　他

・教師無し学習のクラスタリングをk-means法を使用して理解する

・回帰分析についてPythonを動作させながら理解する

・平均二乗誤差、線形基底関数モデル、評価方法（ホールドアウト検証　他）

・ロジスティック回帰/決定木（ランダムフォレスト）、SVM（サポートベクターマ シン）、ランダムフォレスト 　他

・ハイパーパラメータのチューニング

・ニューラルネットワークの基本概念をPythonを動作させながら理解する

・ディープラーニングの基本概念をPythonを動作させながら理解する

・活性化関数/過学習の防止

・回転機械の異常検知

・体系的に見える化するツールであるBIの各種機能を確認する

・セキュリティの基本技術について理解する

・暗号処理をPythonで実現

・スマート工場／スマートプラントの要件定義

・DEのための要件定義書の書き方

・製造現場のOT（Operational Technolog）データの大半が非構造化（非定型）データ（画像、音声、自然言語、時系列センサーデータなど）

・アナログーデジタル変換のポイント

・非構造化（非定型）データの前処理

・ディープラーニング（オープンフレームワーク：Keras、Tensorflow）による分析

・時系列データの処理：
RNN（Recurrent Neural Network）
再帰型ニューラルネットワーク

・非構造化（非定型）データ分析の応用範囲
（異常判断、品質予測、作業改善など）

・自然言語データ処理

・日本語認識の難解さ

・分かち書き／形態素解析（Janome）

・テキスト分類

・文書分析ツール

・文章分析による付加価値創出

・OpenCV（Open Source Computer Vision Library）の利用方法

・文字認識の手法：CNN（Convolutional Neural Network：畳み込みニューラルネットワーク） の活用（パディング、プーリング）

・ディープラーニングの構造の決定

・活性化関数変更

・ハイパーパラメータの調整

・過学習の防止

・Early Stopping

・純音の作成／出力

・音の足し算／引き算

・音のみえる化

・フーリエ変換

・AI-OCR（Optical Character Recognition/Reader）

・回転機械の異常検知ツール

・音声分析ツール

・ノーコードによる開発

・アクションの利用方法

・RPAによるデータ分析の自動化

・DEのためのRPAツールの選定方法

・AWS SageMakerの利用

・エンジン音、飛行機音、ヘリコプター音、チェーンソー音、ガラス破壊音などの分類

・音声データの前処理

・CNN（畳み込みニューラルネットワーク）の活用

・RNN（Recurrent Neural Network）
再帰型ニューラルネットワーク

・LSTM（Long Short-Term Memory）の活用

・データの正規化（Mini-Max）による精度向上

・センサーデータ分析の方法

①機器の温度・圧力等のセンサーのデータによる異常検知（OneClassSVMの使用）

　・データの標準化による精度向上

　・ハイパーパラメータの探索

　・実行結果の評価と活用

②振動データの異常検知（心電図を模した振動データ）

　・AutoEncoder（自己符号化器）による異常検知

　・分析対象データの描画みえる化）

　・異常度スコアの描画（みえる化）

　・ハイパーパラメータの調整

・データの前処理（OpenCV：Open Source Computer Vision Library）

・データ拡張（Kerasによるデータ拡張）

・画像判定の方法

・画像外観検査への応用

・画像認識の利用例（講師デモのみ）

・カメラ調整（講師デモのみ）

・画像外観検査の性能向上方法

・クラウドツール（IBM Watson）

・AWS、Azure、Google（講師デモ）