tech-seminar.jp

本セミナーでは、ベイズ最適化について取り上げ、ベイズ最適化の基礎について解説いたします。
また、不確実性を伴う制御できない変数が存在するもとでの制御可能変数の良さをロバスト尺度により定量化し、このロバスト尺度に対するベイズ最適化手法について紹介いたします。

本セミナーでは、難解な数式を用いずに、具体的なデータや図表を使って実験計画法の基礎から解説いたします。

実験は研究開発業務において必要不可欠なものであり、また多くの比重を占めるものです。研究開発を成果に結びつけるためには、実験実務を効率的に、的確にこなしていくことが重要です。
本セミナーでは、実験そのものの考え方や計画の立て方、実験実務の進め方といった根幹部分に重点を置いて、実験のコツを解説いたします。

本セミナーでは、まずベイズ最適化の基礎について概説いたします。
次いで、最大化問題、領域推定問題、ロバスト最適化問題のためのベイズ最適化について説明し、いくつかの発展的話題や実応用例を紹介いたします。

本セミナーでは、実験計画法の基礎として原理と問題点から解説し、実験計画法の問題点を補うためにディープラーニングを併用した、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、実験計画法の基礎として原理と問題点から解説し、実験計画法の問題点を補うためにディープラーニングを併用した、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、効率的な材料設計やプロセス・装置設計を可能にする実験計画法について取り上げ、必要なデータ解析理論とベイズ最適化の基礎、具体的な応用例や最新の研究事例などを解説いたします。

本セミナーでは、フィッシャーの実験計画法からタグチメソッドまで、事例を通して解説いたします。
解析ではExcelを用いて変動の分解から要因配置図までを作成いたします。

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、実験計画法の原理、問題点、問題点を補うため人工知能の一種であるニューラルネットワークモデル (超回帰モデル) を併用した非線形実験計画法について、事例を踏まえ、実践的にわかりやすく解説いたします。