技術セミナー・研修・出版・書籍・通信教育・eラーニング・講師派遣の テックセミナー ジェーピー

機械学習による適応的実験計画

機械学習による適応的実験計画

～ベイズ最適化の基礎と応用～
オンライン 開催
関連するセミナー・出版物
本セミナーは終了いたしました。
セミナーの再開催を依頼する 関連するセミナー・出版物を探す

開催日

  • 2024年3月28日(木) 10時00分 ～ 16時00分

プログラム

　製造業をはじめとする様々な実応用において、実験工程を効率化することは重要な課題である。 近年、機械学習・AIを用いた実験工程の効率化に関する研究が盛んに行われている。特に、ベイズ最適化と呼ばれる機械学習アルゴリズムを用いることにより、最適な実験条件を効率的に探索することが期待できる。
　本講演では、実応用上特に重要となる単目的最適化問題、多目的最適化問題およびロバスト最適化問題をベースにベイズ最適化のアルゴリズムについて解説いたします。また、ベイズ最適化を行う際は獲得関数と呼ばれる評価関数を適切に設計する必要があるが、どのような問題に対してどのような獲得関数を設計すべきかについても概説する。

  1. はじめに
    1. ブラックボックス関数について
    2. ベイズ最適化について
  2. ガウス過程と獲得関数について
    1. ガウス過程モデル
    2. 獲得関数の基礎
  3. 単目的最適化問題に対するベイズ最適化手法
    1. 最大化問題
    2. 領域推定問題
  4. 多目的最適化問題に対するベイズ最適化手法
    1. スカラー化
    2. 制約付き最適化
    3. パレート最適化
  5. ロバスト最適化問題に対するベイズ最適化
    1. 期待値尺度最大化問題
    2. 期待値尺度に対する領域推定問題
    3. 分布ロバストな期待値尺度最大化問題
    4. その他のロバスト尺度例
  6. 多目的ロバスト最適化問題に対するベイズ最適化手法
    1. 期待値尺度と分散尺度に対する多目的最適化
    2. 機会制約付き最適化問題
    3. 分布ロバストな期待値尺度に対するパレート最適化問題
    4. その他の多目的ロバストベイズ最適化
  7. 関連する話題
    1. マルチフィデリティベイズ最適化
    2. バッチベイズ最適化
    3. 高次元ベイズ最適化
    4. 実応用例
    5. 理論解析
  8. おわりに
ページのトップヘ

講師

  • 稲津 佑 氏
    名古屋工業大学 大学院 工学研究科 情報工学専攻
    助教
ページのトップヘ

主催

株式会社 トリケップス
お支払い方法、キャンセルの可否は、必ずお申し込み前にご確認をお願いいたします。

お問い合わせ

本セミナーに関するお問い合わせは tech-seminar.jpのお問い合わせからお願いいたします。
(主催者への直接のお問い合わせはご遠慮くださいませ。)

受講料

1名様
: 49,000円 (税別) / 53,900円 (税込)
1口
: 60,000円 (税別) / 66,000円 (税込) (3名まで受講可)

ライブ配信セミナーについて

  • 本セミナーは「Zoom」を使ったライブ配信セミナーとなります。
  • お申し込み前に、 視聴環境 と テストミーティングへの参加手順 をご確認いただき、 テストミーティング にて動作確認をお願いいたします。
  • 開催日前に、接続先URL、ミーティングID​、パスワードを別途ご連絡いたします。
  • セミナー開催日時に、視聴サイトにログインしていただき、ご視聴ください。
  • ご自宅への書類送付を希望の方は、通信欄にご住所・宛先などをご記入ください。
  • タブレットやスマートフォンでも受講可能ですが、機能が制限される場合があります。
  • ご視聴は、お申込み者様ご自身での視聴のみに限らせていただきます。不特定多数でご覧いただくことはご遠慮下さい。
  • 講義の録音、録画などの行為や、権利者の許可なくテキスト資料、講演データの複製、転用、販売などの二次利用することを固く禁じます。
  • Zoomのグループにパスワードを設定しています。お申込者以外の参加を防ぐため、パスワードを外部に漏洩しないでください。
    万が一、部外者が侵入した場合は管理者側で部外者の退出あるいはセミナーを終了いたします。
本セミナーは終了いたしました。
セミナーの再開催を依頼する
ページのトップヘ

これから開催される関連セミナー

開始日時 会場 開催方法
2026/3/31 Pythonで学ぶデータ解析・機械学習を理解するための線形代数入門 オンライン
2026/4/10 データ駆動型の化学・材料関連研究の最新動向と小規模データの活かし方 オンライン
2026/4/15 Pythonと生成AI/AIエージェントによるデータ分析入門 オンライン
2026/4/15 生成AI時代のPythonデータ分析 オンライン
2026/4/16 MI, 生成AIを活用した材料開発の高速化、効率化 オンライン
2026/4/16 第一原理計算とLightGBMを活用したマテリアルデータエンジニアリングとその活用事例 オンライン
2026/4/16 生成AI時代のPythonデータ分析 オンライン
2026/4/17 因子ごとの最適条件を少ない実験回数で見つける統計的手法「実験計画法」 & 汎用的インフォマティクス「非線形実験計画法」 オンライン
2026/4/20 ICH Q8/Q9が求めるQbD/QRMに基づく製剤開発手順と実験計画法の活用 オンライン
2026/4/21 MIとPIをつなぐデータ統合基盤の構築と連携の進め方 オンライン
2026/4/21 図解と演習で学ぶ実験計画法入門 オンライン
2026/4/22 AI搭載システムの品質・安全保証技術と検証のポイント オンライン
2026/4/23 AI搭載システムの品質・安全保証技術と検証のポイント オンライン
2026/4/23 AI/機械学習が「遅い・重い・回らない」ボトルネックの原因と対処法 オンライン
2026/4/24 統計的組合せ最適化 : 実験計画法とプログラミング不要のAIを使った汎用的インフォマティクス : 非線形実験計画法実践入門 オンライン
2026/4/24 AI/機械学習が「遅い・重い・回らない」ボトルネックの原因と対処法 オンライン
2026/5/11 機械学習原子間ポテンシャルの基礎と構築法 オンライン
2026/5/13 ICH Q8/Q9が求めるQbD/QRMに基づく製剤開発手順と実験計画法の活用 オンライン
2026/5/13 AIエージェントの基礎と業務導入のポイント オンライン
2026/5/14 図解と演習で学ぶ実験計画法入門 オンライン
ページのトップヘ