ビッグ・データ、AI時代の本格的到来により、データを数量的思考で扱い課題解決するための「データサイエンス」が重要になってきました。アカデミアではマテリアルインフォマティクスが研究されたりしていますが、このような手法は大型コンピューターが使用されていた時代から多変量解析を中心に活用されてきました。
　今データサイエンスの手法が改めて取り上げられた背景には、トランスサイエンスが注目され、科学で解決できない問題についてビッグデータから未知の科学シーズを見出したいという期待がある。技術開発の実務では、科学で解決できない二律背反問題について新QC7つ道具やタグチメソッドなどを使い解決してきた。本セミナーでは、データサイエンスで用いられる多変量解析以外にタグチメソッドの事例も扱い、問題解決手法としてデータサイエンスを導入する時の勘所について、概念的説明ではなく事例を中心に解説する。
　DXのうねりの中で機械学習が注目されているが、AIをブラックボックスとして使用する無責任な技術開発を行わないために人間の頭脳による新しい問題解決プロセスの理解が必要である。その重要性を説明するためにAIとデータサイエンスについて1章設けている。ゆえにAIの知識が無くても、データサイエンスを活用した問題解決手法を導入する意義を学べる。
　なお、本セミナーで使用する多変量解析やワイブル統計解析については、講師のホームページで公開しているので、このプログラム使用方法も解説する。ゆえに、難解な数学を理解できなくてもセミナー終了後にこのプログラムを使用し、セミナーで得られた情報をすぐに確認して知識として身に着けることができる。

1. データ指向の思考方法
   1. 科学と技術について
      1. トランスサイエンス
      2. 非科学的問題解決事例:iPS細胞とヤマナカファクター
      3. 非科学的問題解決事例:iPS細胞とヤマナカファクター
   2. シミュレーション
      1. パーコレーション転移シミュレーション
      2. 二律背反問題の解決事例
   3. マテリアルインフォマティクス
   4. 事例:データ駆動による環境対応樹脂開発
2. AIとデータサイエンス
   1. データサイエンスとは
   2. 機械学習の概要
   3. 機械学習の分類
   4. 機械学習の流れ
   5. データサイエンスと機械学習
3. 統計手法について
   1. 統計手法の復習
   2. 例題:ワイブル統計による故障寿命予測
   3. 新QC7つ道具
   4. ラテン方格を用いた実験
   5. 事例:高純度SiC開発
4. 多変量解析
   1. 多変量解析概論
   2. 事例:重回帰分析による故障寿命予測
   3. 事例:重回帰分析を用いた難燃化技術開発
   4. 事例:主成分分析を用いた電気粘性流体の耐久性改善
   5. 事例:主成分分析による顧客ブラックボックスの見える化
5. タグチメソッド ™ 概略
   1. 基本機能とは
   2. SN比と感度
   3. 事例:難燃性PC/ABS開発
6. まとめ