tech-seminar.jp

本セミナーでは、最近注目されているDeep Learning (ディープラーニング) について、基礎的なところから応用事例まで解説いたします。

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。

本セミナーでは、データが少ない場合に人間の知識やシミュレーションを援用したり、逆に機械学習の結果から知識を抽出したり、さらには機械学習のために効率的なデータ取得を工夫したりといった、データ解析のための戦略について事例を交えながら紹介いたします。

本セミナーでは、機械学習・ディープラーニングを概観・整理した後、時系列データの分析手法を概観し、実践のポイントを解説いたします。
また、処理の違いにより、結果に対してどの程度の際が生まれるかを実験、説明いたします。

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、アンサンブル学習とよばれるデータサイエンスの手法について取り上げ、バギング、ランダムフォレスト、ブースティングの基本的な考え方からPythonによる実装例までやさしく解説いたします。

本セミナーでは、カルマンフィルタの基礎理論について詳細に解説します。センシング、制御、あるいは機械学習などのAI の分野とカルマンフィルタの関係についても述べます。

本セミナーでは、最近特に必要性が注目されている「説明できるAI」について、深層学習などのブラックボックス機械学習の説明性向上、決定木などのホワイトボックス機械学習の精度向上の方法、次世代AIである進化的機械学習、企業へのAI導入を成功させるコツについて平易に解説いたします。

本セミナーでは、扱う材料系が多様、データが集まりにくい、データの規模が小さい等、課題に直面した際、マテリアルズインフォマティクスを研究開発に適用する方法、モデル構築について取り上げ、小規模データへの機械学習の効果的活用によるマテリアルズインフォマティクスの研究事例について解説いたします。

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、最近特に必要性が注目されている「説明できるAI」について、深層学習などのブラックボックス機械学習の説明性向上、決定木などのホワイトボックス機械学習の精度向上の方法、次世代AIである進化的機械学習、企業へのAI導入を成功させるコツについて平易に解説いたします。