tech-seminar.jp

実験は研究開発業務において必要不可欠なものであり、また多くの比重を占めるものです。研究開発を成果に結びつけるためには、実験実務を効率的に、的確にこなしていくことが重要です。
本セミナーでは、実験そのものの考え方や計画の立て方、実験実務の進め方といった根幹部分に重点を置いて、実験のコツを解説いたします。

本セミナーでは、実験計画法の基礎として原理と問題点から解説し、実験計画法の問題点を補うためにディープラーニングを併用した、製造業の開発により適した非線形実験計画法を解説いたします。

本セミナーでは、効率的な材料設計やプロセス・装置設計を可能にする実験計画法について取り上げ、必要なデータ解析理論とベイズ最適化の基礎、具体的な応用例や最新の研究事例などを解説いたします。

本セミナーでは、フィッシャーの実験計画法からタグチメソッドまで、事例を通して解説いたします。
解析ではExcelを用いて変動の分解から要因配置図までを作成いたします。

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、実験計画法の原理、問題点、問題点を補うため人工知能の一種であるニューラルネットワークモデル (超回帰モデル) を併用した非線形実験計画法について、事例を踏まえ、実践的にわかりやすく解説いたします。