更新日： 集計期間:2025年10月01日～2025年10月28日
※当サイトの各ページの閲覧回数を元に算出したランキングです。
16～23 件を表示 ／ 全 23 件
データはあるけど知識はない、知識はないけど使ってみたい、そんな企業様にぜひ！
■Excelなどに放り込んだデータは手元にあるけれど、活用の仕方が分からない ■知識はないけれど、一度データの分析がどういうものか体験してみたい ■過去のデータからどのような未来予測が出来るのか見てみたい といったお悩み・要望を『Neural Designer』 が解決・実現します！ 『Neural Designer』でカンタンに！ 今日からすぐにAIを！ 面倒なプログラミング、Python、TensorFlow、PyTorchの知識が無くても、すぐにAI、機械学習、深層学習、ディープラーニングが使いこなせます！ もちろん既にAI、機械学習、深層学習、ディープラーニングに取り掛かっている方にもオススメです。 特に自分の本業の支援の為にプログラミングをしている方、その面倒なプログラミングから開放されて、本業に注力しませんか？
データはあるけど知識はない、知識はないけど使ってみたい、そんな企業様にぜひ！
■Excelなどに放り込んだデータは手元にあるけれど、活用の仕方が分からない ■知識はないけれど、一度データの分析がどういうものか体験してみたい ■過去のデータからどのような未来予測が出来るのか見てみたい といったお悩み・要望を『Neural Designer』 が解決・実現します！ 『Neural Designer』でカンタンに！ 今日からすぐにAIを！ 面倒なプログラミング、Python、TensorFlow、PyTorchの知識が無くても、すぐにAI、機械学習、深層学習、ディープラーニングが使いこなせます！ もちろん既にAI、機械学習、深層学習、ディープラーニングに取り掛かっている方にもオススメです。 特に自分の本業の支援の為にプログラミングをしている方、その面倒なプログラミングから開放されて、本業に注力しませんか？
JUSE-StatWorks/V5 機械学習編R2 は、日本を代表する製造メーカー各社 の要望を基に開発した機械学習ソフトです
「JUSE-StatWorks/V5 機械学習編R2」は，パソコンを用いてコードレスで機械学習手法が使えるソフトウェアです。データクリーニングからデータ可視化，「教師なし学習」としての情報要約（カーネル主成分分析），層別（混合ガウス分析），分類，予測，外れ値検出（１クラスSVM），因果分析（glasso）、「教師あり学習」としては二値(例えば良品/不良品など)や多値を予測するロジスティック回帰分析に正則化を加味した「正則化ロジスティック回帰分析」，対象データの所属クラスを近くにあるk個のデータの多数決から推定する「k-近傍法」，解析データを学習データとテストデータに分割する「データ分割」等の豊富な手法を搭載しています。 本ソフトを使用することで、初学者（非エンジニア）でも機械学習をビジネスに活用することができます。 【特長】 ■パーソナルユースな環境で機械学習解析 ■JUSE-StatWorks/V5他製品との統合化 ■スクリプト不要で、技術者が自らデータ分析 ■解析プロセスの見える化とパラメータ調整 ※詳しくはPDF資料をご覧いただくか、お気軽にお問い合わせ下さい。
AIの実践的活用に向けてデータから異常を見つける際に有効な特徴量の例を紹介
機器の故障時期を予測してメンテナンスを実施する予知保全の取り組みが 注目を浴びており、技術者の勘・コツ・経験をAIで補完する観点からも、 今後予知保全のニーズは更に高まることが予想されます。 当ホワイトペーパーでは、時系列データから異常を見つける際に有効な 特徴量の例をご紹介しております。 その他にも、機械学習の限界をはじめ、システムへの統合の観点から見た 特徴量などを掲載しています。 【掲載内容(抜粋)】 ■機械学習の限界 ■故障予測を可能にする特徴量例 ■システムへの統合の観点から見た特徴量 ■まとめ ※詳しくはPDF資料をご覧いただくか、お気軽にお問い合わせ下さい。
ニ項分類とマルチクラス分類など！教師あり学習の応用について掲載しています
教師あり学習アルゴリズムは、既知の入力データセット(学習用データセット)と そのデータに対する既知の応答(出力)を利用してモデルの学習を行い、新たな 入力データに対する応答としてモデルが合理的な予測を導き出せるようにします。 予測しようとする事象について、既存の応答(出力)データがある場合は、 教師あり学習を使用します。 資料では、教師あり学習の手法をはじめ、ニ項分類とマルチクラス分類や 一般的な分類アルゴリズムなどを掲載しております。 【掲載内容】 ■どんな時に教師あり学習を検討するべきか ■教師あり学習の手法 ■適切なアルゴリズムの選択 ■ニ項分類とマルチクラス分類 ■一般的な分類アルゴリズム ※詳しくはPDF資料をご覧いただくか、お気軽にお問い合わせ下さい。
金融機関がいま対処すべき不正利用のリスク管理！ATM不正利用をユースケースとして解説！
FinTech（フィンテック）による取引のデジタル化、キャッシュレス決済の 普及など、金融業界をめぐる環境はここ数年で激変しています。 新サービスの利便性を高めるため、セキュリティの肝となる本人確認は 使いやすさを重視した設計とされる傾向があり、そこに目をつけた犯罪組織は、 金融機関を主要ターゲットとしてサイバー攻撃を加速。昨今はITの技術的発展 により脅威の手法が高度化し、新たな手口の犯罪が増えているのも特長です。 当資料では、この状況において、金融機関はリスク管理をどのように考え、 具体的にどういった対策を取るべきかを解説しています。 ぜひ、ご一読ください。 【掲載内容】 ■高度化する新種の攻撃への迅速かつ柔軟な対応が必須に ■コーディングなしで機械学習の予測モデルを構築・活用 ■ATMの不正利用をリアルタイム＆ビジュアルに把握 ※詳しくはPDF資料をご覧いただくか、お気軽にお問い合わせ下さい。
受託開発不要！すぐに使用できる機能を標準で提供する機械学習ソフトウェアの活用方法を実例をもとにご紹介！
このような事でお困りではありませんか？ ◆機械学習によって構築されたアルゴリズムの内容が理解できない／説明できない ◆機械学習を検討しろと言われているけど、すぐに使えるツールとして提供されているものが少ない ◆プロジェクトの実施の提案を受けるが費用が高額で手が出ない…等 「SPMを使用した機械学習, 及び, コンクリート強度の予測分析セミナー資料」ではコンクリートを例にとり、 ◆なぜ従来の統計手法が有効に活用されていないのか？ ◆なぜ機械学習が活用されるのか？ ◆どのように機械学習が活用されたか？ といった点を説明いたします。
DX推進が多くの企業において重要課題。 データ利活用によるDX推進のための様々な技術をご紹介！
機械学習とはデータをコンピュータで反復的に学習することによって、未知のデータの対する結果を推論、予測する技術です。 機械学習はリアルタイムでの判断が必要となる異常検知や、重機の自動制御のような環境変化への対応が必要な場合には不向きといえます。 では、このような場合に活用できる技術とは？ 当資料では建設業や通信インフラ業の様々なシーンで活用できる先端技術のメリットやビジネスでの活用例などを図やイラストを掲載し詳しく解説。 是非自社の課題や目的と照らし合わせてご覧ください！
