tech-seminar.jp

本セミナーでは、系統的データから帰納的に法則を見出すこと、所望の構造や機能をもつ化合物を系統的な実験から探索すること、データベースや計算化学による予測で候補化合物を絞り実験すること、といった従前の化学研究スタイルや演者の過去の研究を見直しながら、適用できそうなAI利用の研究例を紹介いたいます。
また、新しい化学研究のスタイルに期待しながら、実験中心のスタイルと比較しつつ、注意点等を知りたい方に敷居の低い化学的な内容や話題を提供いたします。

本セミナーでは、ケモ・マテリアル・データのをもとに、Rプログラミングによる統計検定、多変量データの作り方、さまざまな視覚化法、機械学習、化学構造情報処理について実習を交えて解説いたします。

本セミナーでは、AIの実用化を阻むブラックボックス問題を解決する新手法について解説いたします。

本セミナーでは、まず、線形カルマンフィルタのアルゴリズムを紹介し、数値例を通してカルマンフィルタの仕組みについて学習します。続いて、代表的な非線形カルマンフィルタである拡張カルマンフィルタ (EKF) と無香料カルマンフィルタ (UKF) のアルゴリズムを説明し、非線形カルマンフィルタを用いた状態とパラメータの同時推定を導入します。また、カルマンフィルタの数値的不安定性について述べ、その問題点に対処するUD分解フィルタを導入します。さらに、カルマンフィルタの2つの応用例を紹介いたします。

本セミナーは、ディープラーニングの基礎から実践に至るまで、幅広い知識習得をカバーして解説いたします。

本セミナーでは、深層学習による時系列予測と振動からの異常検知について、基本的な手法と技術動向を解説いたします。
次に、周波数分析、再帰型・畳み込みネットワークによる特徴量化を解説いたします。
さらに、振動による異常検知について機械設備への適用事例を紹介いたします。

本セミナーでは、講師の研究事例を用いながら、テキストマイニングにおける計量的手法とその弱点を概観し、これらを克服する可能性のある分散表現テキストマイニングについて紹介いたします。
機械学習技術を用いたテキストマイニングは、未完成の物であり、現在も新しい技術が次々に発表されております。このセミナーは、参加者が新しい技術を取り入れる際の足掛かりとなるものを目指しております。

本セミナーでは、工場・化学プラントにおける時系列データの収集・解析、機械学習を組み合わせ、故障予測や異常発生予測に活かす方法とポイントを詳解いたします。