セミナー
サイトリニューアルをしました。
May 8, 2017
AIモデルをコンパクト化するための最新動向
受講可能な形式：【Live配信】のみ
| 日時 | 2025年10月3日（金） 13:00～17:00 |
|
|---|---|---|
|
受講料(税込)
各種割引特典
|
51,700円
( E-Mail案内登録価格 53,900円 )
S&T会員登録とE-Mail案内登録特典について
定価：本体47,000円＋税4,700円
E-Mail案内登録価格：本体49,000円＋税4,900円
|
|
お１人様受講の場合 51,700円 （47,000円＋税4,700円）
1口でお申込の場合 66,000円 （60,000円＋税6,000円／1口（3名まで受講可能）） ※S&T E-Mail案内登録価格 S&T複数同時申込み割引対象外 ※開催7日前に請求書を発送します。 ※開催日から9日前以降のキャンセルは受講料全額を申受けます。但し、セミナー終了後テキストを郵送します。 一旦、納入された受講料はご返金できません。当日ご都合のつかない場合は代理の方がご出席下さい。 ※サイエンス＆テクノロジーが設定しているアカデミー価格・キャンセル規定対象外のセミナーです。 |
||
| 主催 | (株)トリケップス | |
| オンライン配信 | ★本セミナーは、Zoomウェビナーを使用して行います。 受講者の通信回線にセキュリティなどの制限がある場合は参加できないことがあるため、 事前に当日ご利用予定の通信回線にて、 Zoom公式ページ（https://zoom.us）にアクセスできることをご確認していただくようお願いします。 または、Zoomのテストミーティング（http://zoom.us/test）にアクセスできることをご確認ください。 Zoomをダウンロードしている方はマイクとスピーカーのテストも可能です。 ※こちらは接続テスト用のミーティングです。実際のセミナー参加者画面とは異なります。 ★インターネット経由でのライブ中継ため、回線状態などにより、画像や音声が乱れる場合があります。 講義の中断、さらには、再接続後の再開もありますが、予めご了承ください。 ★受講中の録音・撮影等は固くお断りいたします。 ※開催5日前までに主催会社(株)トリケップスから参加者に当日必要なURLとパスワードをメールにてお知らせします。 | |
| 備考 | ★受講申込者が必要定員に満たないセミナーは中止・延期させていただく場合があります。 その場合は開催1週間前にご連絡します。 ★1口でお申込の場合 代表受講者を定めて下さい。請求書発送等の連絡は代表受講者へ行います。 申込時に参加者全員の氏名・所属が明記されていない場合、ご参加できない場合があります。 | |
セミナー講師
山下隆義（やましたたかよし） 氏
中部大学 工学部 情報工学科 教授（工学博士）
＜経歴＞ 2002年 奈良先端科学技術大学院大学博士前期課程修了。
2002年 オムロン株式会社入社。
2011年 中部大学大学院博士後期課程修了（社会人ドクター）。
＜学会＞ IEEE, Computer Society / 電子情報通信学会 / 情報処理学会 / 人工知能学会
＜研究テーマ＞ 物体検出、物体追跡、パターン認識、深層学習、機械学習
＜受賞＞ 2020年8月 画像の認識・理解シンポジウム(MIRU) 長尾賞
2020年5月 電子情報通信学会 論文賞
2019年8月 画像の認識・理解シンポジウム(MIRU) 長尾賞
2015年6月 画像センシングシンポジウム(SSII) 最優秀学術賞
2013年6月 電子情報通信学会 PRMU研究会 研究奨励賞 受賞
2013年6月 電子情報通信学会 情報・システムソサイエティ論文賞 受賞
2009年6月 SSII2009 高木賞受賞
2007年6月 CVPR2007 Best Student Award 受賞
中部大学 工学部 情報工学科 教授（工学博士）
＜経歴＞ 2002年 奈良先端科学技術大学院大学博士前期課程修了。
2002年 オムロン株式会社入社。
2011年 中部大学大学院博士後期課程修了（社会人ドクター）。
＜学会＞ IEEE, Computer Society / 電子情報通信学会 / 情報処理学会 / 人工知能学会
＜研究テーマ＞ 物体検出、物体追跡、パターン認識、深層学習、機械学習
＜受賞＞ 2020年8月 画像の認識・理解シンポジウム(MIRU) 長尾賞
2020年5月 電子情報通信学会 論文賞
2019年8月 画像の認識・理解シンポジウム(MIRU) 長尾賞
2015年6月 画像センシングシンポジウム(SSII) 最優秀学術賞
2013年6月 電子情報通信学会 PRMU研究会 研究奨励賞 受賞
2013年6月 電子情報通信学会 情報・システムソサイエティ論文賞 受賞
2009年6月 SSII2009 高木賞受賞
2007年6月 CVPR2007 Best Student Award 受賞
セミナー趣旨
言語・画像など様々なデータを対象とした大規模なAIモデルの利活用が進んでいる．モデル規模は大規模化を続けており，処理速度やメモリ消費量に問題を抱えている．今後，クラウドからエッジでの大規模なAIモデルの活用を考えた時，モデルをいかにコンパクトにするかが重要となる．本セミナーではモデルのコンパクト化に関する技術について最新動向を踏まえながら解説する．
セミナー講演内容
1 大規模AIモデルの動向
1.1 Transformer
1.2 CLIP
1.3 Llama
2 モデルのコンパクト化手法
2.1 コンパクト化手法の分類
3 蒸留によるコンパクト化
3.1 知識蒸留
3.2 中間層蒸留
3.3 Mutual Learning
4 量子化によるコンパクト化
4.1 量子化の導入方法
4.2 BitNet
5 枝刈りによるモデルのコンパクト化
5.1 構造化枝刈り
5.2 非構造化枝刈り
6 言語モデルへの適用事例
7 画像モデルへの適用事例
8 マルチモーダルモデルへの適用事例
9 まとめ
1.1 Transformer
1.2 CLIP
1.3 Llama
2 モデルのコンパクト化手法
2.1 コンパクト化手法の分類
3 蒸留によるコンパクト化
3.1 知識蒸留
3.2 中間層蒸留
3.3 Mutual Learning
4 量子化によるコンパクト化
4.1 量子化の導入方法
4.2 BitNet
5 枝刈りによるモデルのコンパクト化
5.1 構造化枝刈り
5.2 非構造化枝刈り
6 言語モデルへの適用事例
7 画像モデルへの適用事例
8 マルチモーダルモデルへの適用事例
9 まとめ
当サイトはグローバルサイン社によりセキュリティ認証をされています。
SSL/TLS対応ページ（https）からの情報送信は暗号化により保護されます。
SSL/TLS対応ページ（https）からの情報送信は暗号化により保護されます。