tech-seminar.jp

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、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。

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、実験計画法の基礎から解説し、分散分析、交互作用、直交表の基礎と応用事例までを解説いたします。

本セミナーでは、難解な数式を用いずに、具体的なデータや図表を使って実験計画法の基礎から解説いたします。