tech-seminar.jp

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。

本セミナーでは、タグチメソッドの基本である「非線形計画」について解説いたします。
動特性のSN比と考え方を理解し、信号と誤差の交互作用に着目します。
更に「許容差設計」において、線形回帰だけでなく、高次の成分に分解するために「チェビシェフの直交多項式」を活用します。

本セミナーでは、統計学・実験計画法について基礎から解説いたします。
さらに、応用が効くように効率的な実験の計画方法、目的に応じた実験データの分析方法などを、例題を交えてわかりやすく解説いたします。

本セミナーでは、タグチメソッドの基本である「非線形計画」について解説いたします。
動特性のSN比と考え方を理解し、信号と誤差の交互作用に着目します。
更に「許容差設計」において、線形回帰だけでなく、高次の成分に分解するために「チェビシェフの直交多項式」を活用します。