tech-seminar.jp

本セミナーでは、階層的な構造をもつ高分子の構造形成に焦点を当て、その基礎概論を述べたあと、高分子のモデリング手法や分子シミュレーション手法の基礎を解説いたします。
また、OCTAやLAMMPS、Gromacsなど、高分子シミュレーションにおいてよく用いられるソフトウェアについて、最近の研究事例を交えて紹介いたします。

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、最初に画像の前処理・特徴量抽出手法について紹介した後、機械学習や深層学習による画像認識システムについて、プログラミング言語Pythonによるプログラム例とともに紹介いたします。
また、画像認識システムのサンプルプログラムを紹介するとともに、システム構築にあたっての注意点について解説いたします。

本セミナーでは、機械学習で基本的に用いられる「予測」「分類」「分布推定」「ベイズ最適化」技術の背景にある数学を簡単に解説し、「機械学習ポテンシャル」「スペクトル分類」「ピーク推定」等、マテリアルズ・インフォマティクスで用いられる機械学習の基礎とノウハウについて詳解いたします。

本セミナーでは、MCMC法の考え方と計算の仕組みについて基礎から解説いたします。
また、Rを用いた実例では、パッケージプログラムを利用せずに、アルゴリズムの仕組みを丁寧に解説いたします。
さらに、推定時のパラメータのゆらぎを考慮した予測法についても解説いたします。

本セミナーでは、機械学習の成果を左右する「データ前処理」について取り上げ、その基本から、高度な前処理、自然言語・画像・音声におけるすぐに使える前処理技術、うまく対処できない時のための最新技術の調べ方のコツなどについて、PCを用いた演習を含めて実践的な内容を解説いたします。

本セミナーでは、研究開発プロセスへのアジャイル導入とその効果をわかりやすく解説いたします。

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。