tech-seminar.jp

本セミナーでは、材料設計や生物実験、心理学実験など様々なタイプの実験のデザインで求められる実験計画法や統計的検定、ベイズ最適化などの効率的にデータを収集するための方法について解説いたします。

本セミナーでは、機械学習の基本的な手法である回帰(重回帰分析)、分類(ロジスティック回帰、サポートベクターマシン)、クラスタリング(k-means法)、主成分分析について基礎かrあ解説し、Pythonを用いた実装、結果の活用方法について解説いたします。

本セミナーでは、自動車における周辺検知、リアルタイムセンシングに向けたセンサ処理、 ミリ波レーダによる対象物認識、LiDARのカメラとのフュージョン技術について解説いたします。

本セミナーでは、マテリアルズインフォマティクスの基礎から解説し、機械学習・AIの基礎と製品開発に向けた材料配合最適化の取り組み、マテリアルズインフォマティクスを活用したポリマーの効率設計、企業におけるシミュレーションとインフォマティクスを活用した高分子材料・プロセス設計について詳解いたします。

本セミナーでは、扱う材料系が多様、データが集まりにくい、データの規模が小さい等、課題に直面した際、マテリアルズインフォマティクスを研究開発に適用する方法、モデル構築について取り上げ、小規模データへの機械学習の効果的活用によるマテリアルズインフォマティクスの研究事例について解説いたします。

本セミナーでは、AIを利用したビジネスモデルや製品開発予定の方の視点に立ち、AI関連発明の着眼点や留意点について分かりやすく解説いたします。
また、AIに関わる特許出願動向、係争事例と共同・委託開発における知財の取り決め、契約の実務について詳解いたします。

本セミナーでは、ディープラーニングで必ずしも学習データ数が多くない場合や異常検知で異常値のデータ数が少ないといった問題点を解決するための戦略について事例を交えながら紹介いたします。

本セミナーでは、ベイズ解析の基礎から、PythonのPyMCおよびそのラッパーであるBAMBIの使い方、入力ミスや計測ミスにより生じる外れ値が存在するようなデータに対してベイズ統計により頑健な回帰分析を行う方法、標本のサイズが十分にない場合の2値データに対するロジスティック解析について解説いたします。

本セミナーでは、ベイズ学習を利用するために必要な基礎知識から解説し、様々な分野へのベイズ学習の適用事例、高次元小標本に有効な機械学習法について詳解いたします。

本セミナーでは、化学系の方が機械学習を研究開発に取り入れる際に必要となる、機械学習およびPythonプログラミングに関する基礎、実際の化学データの取り扱いについて解説いたします。

本セミナーでは、実験計画法・適応的実験計画法の基礎と実践するために必要なデータ解析・ベイズ最適化の基礎、実験パラメータ候補の選択・基本的なデータの前処理・モデルの構築と予測といった具体的な方法、分子設計・材料設計・プロセス管理・プロセス設計への応用、直接的逆解析法などを詳しく解説いたします。

本セミナーでは、光学系を用いた画像の撮影に関する技術から、画像認識技術の概要、一般的な画像認識処理フロー、評価方法、ディープラーニングの基礎、様々な画像認識アルゴリズム、また外観検査などへの応用に関して解説いたします。