tech-seminar.jp

本セミナーでは、時系列分析の基礎理論を解説したうえで、時系列データの解釈・予測を行うためのフレームワークを、Pythonによる実装を通して体系的に学んでいただきます。

本セミナーでは、1D CAE、デジタルツイン、機械学習の現場への導入・運用ポイントを詳解いたします。

本セミナーでは、機械学習を実務に活用するための手法について、基礎から解説いたします。

本セミナーでは、多変量解析について基礎から解説し、重回帰分析、主成分分析、分散分析 (ANOVA) 、クラスター分析など代表的な手法について解説いたします。
ご自身が関わっている業務や研究課題について、どのような手法を適用していくべきか、そのためにどんな準備が必要かについて、ヒントが得られることと思います。

本セミナーでは、簡単に操作できる「Rコマンダー」の実演を交えながら、多変量解析の進め方、および不具合解析、素材の特性予測、製品の分類等における使い分けについて分かりやすく解説いたします。

本セミナーでは、グラフニューラルネットワークの基本的な知識およびいくつかの研究事例について紹介するとともに、今後の学習のための情報源などについても解説いたします。

本セミナーでは、ベイズ統計及びベイズモデリングの基本的な考え方を多くの例を交えて解説いたします。
また、最近話題のベイズ分析ツールRStanなどの基礎となるアルゴリズム (マルコフ連鎖モンテカルロ法)を取り上げ、ベイズ統計の各モデリング手法、RStanによるデータ分析の実践例を示します。

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を学習いたします。

本セミナーでは、機械学習を用いたプラント/製造装置の運転データ解析について取り上げ、AI活用のためのデータの前処理から、判断補助への活用、リルタイムでの状態管理への活用法について詳解いたします。

本セミナーは、Google Colabを使用して、PyCaretを利用した異常検知プログラムを動かすハンズオンセッションを行います。