コースコード | DBV133 |
---|---|
コース概要 | ・このコースは「バーチャル・クラスルーム(オンライン研修)」での提供となります。 詳しくは、「オープン研修(日立講習会)」のバーチャル・クラスルーム(オンライン研修)のご案内をご確認ください。 ・機械のダウンタイムは企業に膨大な損失を招く可能性があることから、メンテナンスの領域では定期的な予防保全に加え、予知保全への要望が高まっています。このコースでは、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。また、クラウド上で構築されたGPUサーバを用いて演習を行うことで自身の業務で役立つスキルを身につけます。 |
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 | ・「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。 |
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 |
教材サンプル | |
標準学習時間 | 6.5 |
学習形態 | マシン実習 |
カテゴリー | デジタル技術 |
コースフロー | |
備考 | ・このコースは受講料を変更してご提供いたします。詳しくは「NVIDIA Deep Learning Institute(DLI)認定コース AIを応用した予知保全【バーチャル・クラスルーム】」をご確認いただきお申込みください。 ・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 |
受講料 | ¥154,000(税込) |