本講座は、MI黎明期からファーストペンギンとして試行錯誤してきた経験や、数々のMIプロジェクトをこなしてきたノウハウをもとに、日々の材料開発で活用できるMIの基本と実践ポイントを整理して紹介します。
　材料開発の実務に資するデータ分析の考え方、AIフレンドリーなデータのあり方、機械学習の基礎、データ分析のための要件整理/タスク設計の考え方、材料開発現場における各種データ (表形式・画像・テキスト・スペクトル・時系列・有機材料・無機材料など) の扱い方や生成AI (LLM) +RAGの活用、現場でよくある課題への対処法などを幅広く解説します。

1. マテリアルズ・インフォマティクス (MI) とは?
   1. MIの現在位置
   2. 日々の材料開発にMIを取り入れた実例
   3. 日々の材料開発にまず取り入れることができるMIとは?
2. MIの中核をなす機械学習とは?
   1. MIでよく使用する機械学習の概要
   2. 材料開発の場面に存在するデータの特性
3. MIプロジェクトの流れ
   1. 要件整理
   2. タスク設計
4. MI領域におけるデータ分析
   1. テーブルデータ分析
   2. 画像データ分析
   3. テキストデータ分析 (LLM + RAGを含む)
   4. 有機材料のデータ分析
   5. 無機材料のデータ分析
   6. スペクトルデータ分析
   7. 時系列データ分析
   8. 生成AIと従来AIの使い分け
5. MI領域のデータ分析でしばしば直面する状況とそれに応じた対処法
   1. サンプルの定義
      • 原材料
      • 混合物
      • コンポジット
      • デバイス
   2. 実験データの管理
   3. 偏りのあるデータへの対処法
   4. データ分析における実験管理
   5. データ分析の実行環境
   6. ハイパーパラメータチューニング
   7. 有望な実験候補の探索
      • パレート解
      • ベイズ最適化など
   8. その他
6. MIスキルを磨いていくには?
   1. 材料ドメイン知識
   2. データサイエンス力
   3. プロジェクト推進力
   4. データエンジニアリング力
• 質疑応答