最終更新日:
2024-04-08 12:08:04.0
AIをベースとした時系列データの中から異常と障害を特定する方法や該当パーツの残りの耐用年数の見積もりについて学びます。
■到達目標
・時系列データを使用し、XGBoost ベースの機械学習分類モデルで成果を予測できる。
・LSTM ベースのモデルを使用し、機器の故障を予測できる。
・時系列オートエンコーダーによる異常検出を利用し、限られた故障例データが利用できるとき、故障を予測できる。
■対象者
産業分野における予知保全システムを開発・提供するSEおよび開発者の方。
■前提知識
・「0から始めるPython入門-データ分析での活用をテーマとして-」コースを修了しているか、または同等の知識があること。
・「NVIDIA Deep Learning Institute（DLI）認定コース ディープラーニングの基礎」コースを修了しているか、または同等の知識があること。
基本情報
■内容
1．オリエテーション
2．RAPIDSを用いたXGBoostのモデルの学習と部品の故障予測
3．Keras/TensorFlowによるLSTMモデルを用いた時系列データ部品故障予測
4．異常検知のためのオートエンコーダー
■「個人情報保護に関して」に記載されている内容に同意いただきました上で、利用目的の範囲で利用させて頂きます
・個人情報保護に関して
https://www.hitachi-ac.co.jp/utility/privacy/
・利用目的
１．イベント・セミナー開催情報や製品・サービス提供情報のご案内
２．電子メールによる当社サービスやキャンペーン情報などの営業のご案内に利用
※お気軽にお問合せ下さい。
※デジタルトランスフォーメーション(DX)コースカリキュラムをご参照下さい。
※モノづくりコースカリキュラムをご参照下さい。
※会社案内もご覧ください。
| 価格情報 | ¥93,500（税込） |
|---|---|
| 価格帯 | 1万円 ~ 10万円 |
| 納期 |
お問い合わせください
※ 関連リンクから、お申込み頂けます |
| 用途／実績例 | ・このコースは、10:00～17:30の開催とさせていただきます。 ・当日までに、次のURLhttps://courses.nvidia.com/joinより、NVIDIA Developer Programアカウントを作成および、 ログインできるようにご準備ください。 ・受講にあたってはGoogle Chromeを利用可能なPC環境をご用意ください。 ・オンライン研修（バーチャル・クラスルーム）にお申込みの方は、必ず事前に接続確認をお願いします。 【事前接続確認はこちら】 https://www.hitachi-ac.co.jp/pdf/service/opcourse/VirtualClassroom/d_vc_flow.pdf |
関連カタログ
お問い合わせ
※お問い合わせをすると、以下の出展者へ会員情報(会社名、部署名、所在地、氏名、TEL、FAX、メールアドレス)が通知されること、また以下の出展者からの電子メール広告を受信することに同意したこととなります。
株式会社日立アカデミー
