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

AI/機械学習と従来型実験データの実用的な組み合わせ方法

AI/機械学習と従来型実験データの実用的な組み合わせ方法

~データ共有、利活用が進まない状況がなぜ発生してしまうのか?~
オンライン 開催

概要

本セミナーでは、研究開発部門におけるデータ共有システムを取り上げ、データベースと機械学習の連携、運用を維持、拡張させていくときの課題と対策について、具体例を交えて解説いたします。

開催日

  • 2024年12月6日(金) 10時30分 16時30分

受講対象者

  • データ管理で課題を抱えている方
  • 自社及び他の一般的なR&D部門のデータ管理、利用、活用状況を知りたい方
  • R&D部門のデータに対して、AIを活用したい、させたいと考えられている方
  • R&D部門のデータの利用、活用を推進することのメリットを具体的に知りたい方

修得知識

  • データ共有、利活用で課題を抱えている方
  • 蓄積データのデータ分析で課題を抱えている方
  • 機械学習などAIツール環境は整備できたが、実運用ベースに乗せるのに困っている方
  • 自社及び他の一般的なR&D部門のデータ共有、利用、活用状況を知りたい方
  • R&D部門のデータに対して、AIを活用したい、させたいと考えられている方
  • R&D部門のデータの利用、活用を推進することのメリットを具体的に知りたい方

プログラム

 IoTやAIの普及により、製造工程以降のデータ利活用は急激に進展しています。一方、公的研究機関であれ、民間企業であれ、R&D部門におけるデータの取り扱いは属人的なままであり、研究の信頼性が阻害されたり、効果的なデータの利活用がほとんど進んでいないのが実態です。R&D部門は技術の源泉であり、データを精緻に管理して効果的に利活用する、つまりデータ分析・AI化を行うことは、今後の競争力にとって不可欠です。
 本講演では、まず、R&D部門のデータ共有、利活用の実情をお話しさせていただき、データ共有、利活用が進まない状況がなぜ発生してしまうのか?そのような状況にはどのような問題がはらんでいるのか?、AI、機械学習を実際の実験研究にどのように組み入れていくべきか?に関して、説明をさせていただきます。最後に、データベースと機械学習の連携、運用を維持、拡張させていくときの課題を具体例をもとに、陥りがちな落とし穴とそれらの回避方法に関して解説させていただきます。

  1. はじめに
    1. 講演者のR&D実績とデータ共有、利活用の取り組みについて
  2. R&D部門のデータ共有の実情
    1. R&D部門のデータ蓄積の実情
    2. 属人的データ蓄積状況が生み出される原因
    3. 属人的データ蓄積状況が引き起こす問題
  3. AI、機械学習に必要なデータ共有はどう実現し、何が期待できるか?
    1. 属人的データ蓄積状況を脱するために必要な方策
    2. 報告書の共有で期待して良いこと、良くないこと
    3. データ共有で研究の何が改善できるのか?
  4. データ探査、分析を意識したデータ蓄積方法とその運用
    1. データ探査を意識したデータ蓄積方法
    2. データ分析は、どのようにして行うのか?
    3. データ共有、利活用状況を改善するために必要なプロジェクトチームの作り方
    4. プロジェクトメンバーに求められる資質
  5. AI、機械学習を実際の実験研究にどのように組み入れていくべきか?
    1. 機械学習などのMIの特性と注意すべき点
    2. 機械学習などのMIを研究へ組み込む方法
  6. データベースと機械学習の連携、運用を維持、拡張させていくときの課題
    1. R&D部門におけるデータ蓄積基盤としてデータベースがなぜ必要か?
    2. R&D部門においてデータベースと機械学習を連携させていく場合の注意点
    3. データ蓄積、データベース化着手時に陥りがちな落とし穴とそれを防ぐ方策
    4. データ蓄積、データベース運用時に陥りがちな落とし穴とそれを防ぐ方策

主催

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
: 50,000円 (税別) / 55,000円 (税込)
複数名
: 25,000円 (税別) / 27,500円 (税込) (案内をご希望の場合に限ります)

案内割引・複数名同時申込割引について

R&D支援センターからの案内登録をご希望の方は、割引特典を受けられます。
案内および割引をご希望される方は、お申込みの際、「案内の希望 (割引適用)」の欄から案内方法をご選択ください。

「案内の希望」をご選択いただいた場合、1名様 45,000円(税別) / 49,500円(税込) で受講いただけます。
複数名で同時に申込いただいた場合、1名様につき 25,000円(税別) / 27,500円(税込) で受講いただけます。

  • R&D支援センターからの案内を希望する方
    • 1名様でお申し込みの場合 : 1名で 45,000円(税別) / 49,500円(税込)
    • 2名様でお申し込みの場合 : 2名で 50,000円(税別) / 55,000円(税込)
    • 3名様でお申し込みの場合 : 3名で 75,000円(税別) / 82,500円(税込)
  • R&D支援センターからの案内を希望しない方
    • 1名様でお申し込みの場合 : 1名で 50,000円(税別) / 55,000円(税込)
    • 2名様でお申し込みの場合 : 2名で 100,000円(税別) / 110,000円(税込)
    • 3名様でお申し込みの場合 : 3名で 150,000円(税別) / 165,000円(税込)

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。
  • セミナー資料は、PDFファイルをダウンロードいただきます。
  • 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。

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
2025/4/18 ChatGPTによる実験計画法 オンライン
2025/4/18 ヒトにおける薬物動態予測 (2日コース) オンライン
2025/4/18 ヒトにおける薬物動態予測 (1) ガイドラインと動物からの予測 オンライン
2025/4/18 実験計画法・ベイズ最適化を用いた効率的な実験デザイン オンライン
2025/4/18 市場・製品・技術ロードマップの作成プロセスとその活動の全体体系 オンライン
2025/4/21 図解と演習で学ぶ実験計画法入門 オンライン
2025/4/21 異業種R&Dリーダーのためのヘルスケア参入戦略 東京都 会場・オンライン
2025/4/21 品質管理の基礎 (4日間) オンライン
2025/4/21 工場へのDX導入による自動化と設備投資計画の実践 オンライン
2025/4/21 品質管理の基礎 (1) オンライン
2025/4/22 マテリアルズインフォマティクスの高分子材料開発への応用 オンライン
2025/4/22 研究開発部門が真に価値ある成果を生み出すために実行しなければならない日々のマーケティング活動 オンライン
2025/4/22 未知の異常も検知する人工知能MTシステム (MT法) 基礎と応用入門 オンライン
2025/4/23 R&Dにおける戦略策定とテーマ評価の実践 オンライン
2025/4/23 技術ロードマップ作成入門と統合化・活用法 オンライン
2025/4/23 化粧品品質安定性確保と評価の進め方・トラブル対応 オンライン
2025/4/23 生成AIを活用した医薬品特許戦略の新たな視点 (特許分析に基づく急務な対応) オンライン
2025/4/23 QbDに基づく医薬品開発の考え方と安定性試験結果の統計解析の手法 オンライン
2025/4/24 AI、MI、機械学習、データサイエンスなどを用いた半導体・電気電子分野における開発効率化、製造および品質向上への活用 オンライン
2025/4/24 品質とトラブル時のコストを考慮した「開発時の安全係数」と「量産時の検査基準」の決め方 オンライン