tech-seminar.jp

本セミナーでは、過学習を抑えて未知データに対する汎化性能を向上させる方法、重要な特徴量の選別、そして学習では直接最適化が難しいハイパーパラメータの調整等、機械学習における課題に対する代表的な対応策と、それらのPythonによる実装方法について丁寧に解説いたします。

本セミナーでは、研究開発における生成系AIの活用について取り上げ、マクロやプログラミング構文の検索、 特許情報の収集・検索、契約書の不備の確認など、研究開発へのAI活用の歴史的背景、考え方、長所短所、注意点などを広く解説いたします。

本セミナーでは、過学習を抑えて未知データに対する汎化性能を向上させる方法、重要な特徴量の選別、そして学習では直接最適化が難しいハイパーパラメータの調整等、機械学習における課題に対する代表的な対応策と、それらのPythonによる実装方法について丁寧に解説いたします。

本セミナーでは、機械学習の教師なし学習、異常検知の理論や手法、異常検知の応用例について、プログラム解説を含め、数式は用いずに図や例を元に、直感的に理解できるように解説いたします。

このセミナーではPython, 統計、ケモメトリクス・機械学習について基礎から解説し、スペクトルデータから目的変数の予測、画像解析など、実践的なプログラムを通して解説いたします。

本セミナーでは、機械学習の適切・効果的な利用方法、代替モデル構築のためのデータに対する考え方、データ取得のための実験計画の立て方、ポイントについて詳解いたします。

本セミナーでは、機械学習について基礎から解説し、ディープラーニングの具体的な実践方法をわかりやすく解説いたします。

本セミナーでは、研究開発の高精度化・高効率化を実現するデータ駆動型アプローチ・機械学習・実験計画について詳しく解説いたします。
機械学習による実験計画の考え方から、ベイズ最適化・能動学習の基礎、機械学習モデルの超パラメータ最適化・品質領域の推定・プロセス条件の最適化などの材料工学への各応用例、Pythonによる実行方法までを解説いたします。

本セミナーでは、回帰モデルに注目し、機械学習を用いた化合物の特性予測、そしてベイズ最適化を用いた条件探索について、Pythonを使った実装を交えて解説いたします。

本セミナーでは、外観検査システムの基礎から画像処理、機械学習、ディープラーニングと順を追って作成に必要な技術について解説いたします。

本セミナーでは、機械学習について基礎から解説し、ディープラーニングの具体的な実践方法をわかりやすく解説いたします。