tech-seminar.jp

本セミナーでは、演者の薬物動態研究での経験から知っていた方が良いと思われる基礎統計について解説いたします。

本セミナーでは、まず、実験計画法の原理と問題点の解説を行います。
その上で、実験計画法の問題点を補うために人工知能の一種であるディープラーニング (ニューラルネットワークモデル=超回帰式) を併用した、製造業の開発により適した非線形実験計画法を解説いたします。

本セミナーでは、製剤の安定化研究に役立つ方法論について解説いたします。
添加剤の選択のための実験計画の立案と解析法、薬物の活性化エネルギーを求めるためのアレニウス則およびワイブル確率の活用法、速度解析のための帰納的シミュレーション法、ICH Q1Eガイドラインに基づく有効期間の推定法、製剤中の結晶多型の定量のための、透過ラマンスペクトルの多変量解析法について詳解いたします。

本セミナーは、「QC7つ道具」の中でも、特に「ばらつき」について、そしてばらつきを表すヒストグラムにフォーカスしたセミナーです。
演習問題を通して実践的に学ぶことができます。

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、分析法バリデーションに必要な統計学の背景とその意味を解説し、その活用について、Excelを用いた演習を交えて解説いたします。

本セミナーでは、ベイズ最適化の基礎や活用のコツ、ベイズ最適化を活用した材料開発の最新動向について解説いたします。

本セミナーでは、安定性試験で取得するデータについて、ICH Q1Eガイドライン適用を復習し、基礎的な数学及び統計の知識を使うモデルデータによるExcelでの解析法を示します。

本セミナーでは、「QC7つ道具」の知識を身に着けた上で、日々発生する問題に対するPDCA＝「問題解決の手順」を、演習問題を通して実践的に学ぶことができます。

本セミナーでは、実応用上特に重要となる単目的最適化問題、多目的最適化問題およびロバスト最適化問題をベースにベイズ最適化のアルゴリズムについて解説いたします。
また、ベイズ最適化を行う際は獲得関数と呼ばれる評価関数を適切に設計する必要があるが、どのような問題に対してどのような獲得関数を設計すべきかについても概説いたします。