技術セミナー・研修・出版・書籍・通信教育・eラーニング・講師派遣の テックセミナー ジェーピー
技術セミナー・研修・出版・書籍・通信教育・eラーニング・講師派遣の テックセミナー ジェーピー
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、現在の自動運転システムに搭載されている各種センサの概要や、自動運転に必要となる各種技術の概要ついて金沢大学の実装例を用いて解説いたします。
本セミナーでは、フランスのAI創薬ベンチャー企業であるIktos社の「De Novo DesignプラットフォームMakya」と「逆合成解析プラットフォームSpaya」を用いながら、創薬研究の各ステージにおけるAIの活用方法を解説いたします。
本セミナーでは、音と振動からの異常検知の基本的な手法と技術動向を解説いたします。
また周波数分析による特徴量への変換と機械学習・深層学習の適用等についても解説いたします。
本セミナーでは、ニューラルネットワークに基づく制御、データ拡張、転移学習、可視化技術の動向を詳解いたします。
本セミナーでは、第一原理計算の基礎知識や実行手順、第一原理計算による主な解析手法を解説いたします。
また、情報科学・機械学習を応用したマテリアルズ・インフォマティクス (MI) 研究の事例も併せて紹介し、インフォマティクスと連携することで第一原理計算の有効活用について解説いたします。
本セミナーでは、特許調査の実務について基礎から解説し、機械学習による特許調査をデモを交えて解説いたします。
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、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、機械学習全般に共通する基本的な概念、そして特に要望の多い異常検知の理論や実装方法を分かりやすく解説いたします。
本セミナーでは、機械学習モデルを対象としたテスト技術や、機械学習を活用したシステムに対する品質保証の枠組みやガイドラインに関して、近年議論されている話題を俯瞰的に概説いたします。
本セミナーでは、画像フィルタリングについて基礎から解説し、MATLABを併用して実際にアルゴリズムを提示、実行し、結果を確認しながら、解説を進めます。
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、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、マテリアルズ・インフォマティクスの基礎から、精度向上のテクニック、ハウツーに加え、実用化を目指したその活用法、今後の展開について様々な角度から解説いたします。
本セミナーでは、エンジニアリングに適した人工知能技術であるニューラルネットワークモデルとMTシステムに関して、基礎的な解説を行った上で、製造業における具体的な事例を用いて応用ノウハウを解説いたします。
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、エンジニアリングに適した人工知能技術であるニューラルネットワークモデルとMTシステムに関して、基礎的な解説を行った上で、製造業における具体的な事例を用いて応用ノウハウを解説いたします。
本セミナーでは、ケモインフォマティクスについて基礎から解説し、データセット作成や、ハイパーパラメータ最適化など、解析をスムーズに行うためのコツ、事例を詳解いたします。
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、実環境での雑音の種類から話をスタートし、ディジタル信号処理において、それぞれの雑音に対して、どのような対処策があるかを詳細に説明いたします。
具体的なアルゴリズムを提示し、結果を確認しながら解説しますが、雑音の性質に応じた各種フィルタリング技術から、時変性がある従来対処困難とされていた雑音に対しても有効に働く、フレーム内処理方法やディープニューラルネットワークの利用までをカバーします。
最先端のWave-U-Netやその改善方法なども説明いたします。