tech-seminar.jp

本セミナーでは、主にRNA-seqデータを例に、実験で気をつけるべき品質管理からデータ検証までの一連の手順を解説いたします。
実際にコマンドラインでツールを動かすデモンストレーションを行うとともに、近年の産業界の事例をお伝えいたします。

本セミナーでは、多成分混合物の物性推算を対象に、機械学習モデルへ混合則、過剰物性、組成依存性、温度依存性、分子構造情報などの物理化学的知見を組み込むことで、限られたデータから高精度かつ安定な推算を実現するための考え方を解説いたします。

本セミナーでは、成果につながる実験ノートの書き方を中心に、記録の目的や基本、実務で役立つ運用ルール、情報整理、電子データ管理、失敗事例と対策まで体系的に解説いたします。
我流になりがちな記録方法を見直し、情報共有の質を高め、実験の効率化と再現性向上、知財化にもつながる実践的なノウハウを習得できます。
また、単なる記録ではなく、研究成果や知財を生み出す重要な資産にできるノウハウを習得できます。

本セミナーでは、実験計画法の基本と直交表を用いた実験設計について、Excelによる具体例を通じて分かりやすく解説いたします。

本セミナーでは、材料実験AIエージェントについて取り上げ、LLMへの自社の実験知見の与え方、実験データとの連携方法、エージェントの精度・速度を向上させるための工夫、つまずいたポイントについて詳解いたします。

本セミナーでは、人工知能技術の基礎・応用ノウハウ、簡単に使える人工知能構築ツール・アルゴリズム、推定全数検査化・仮想検査の方法、人的な官能 (感性) 検査を機械化 (自動化) する方法、製造業における人工知能の使いこなしノウハウ、製造業で実績があり簡便に使える人工知能の知識について、分かりやすく解説いたします。

本セミナーでは、確率論の基礎から解説し、効率よくデータをとる方法、実験計画法の楽しみ方、統計解析の手法、実験計画法から機械学習へのアプローチの仕方について詳解いたします。

本セミナーでは、主にRNA-seqデータを例に、実験で気をつけるべき品質管理からデータ検証までの一連の手順を解説いたします。
実際にコマンドラインでツールを動かすデモンストレーションを行うとともに、近年の産業界の事例をお伝えいたします。

本セミナーでは、材料実験AIエージェントについて取り上げ、LLMへの自社の実験知見の与え方、実験データとの連携方法、エージェントの精度・速度を向上させるための工夫、つまずいたポイントについて詳解いたします。

本セミナーでは、実際の問題に対して適用できるよう具体的な例題をもとに、受講者の皆様が実験計画法を使えるようになっていただくことを目指します。

本セミナーでは、生成AI・実験計画法の基礎、生成AIの得手・不得手、生成AIが提案した実験計画の妥当性判断について詳解いたします。

本セミナーでは、生成AI・実験計画法の基礎、生成AIの得手・不得手、生成AIが提案した実験計画の妥当性判断について詳解いたします。