AI 実験計画法
        
『人工知能を活用した研究開発の効率化と導入・実用化《事例集》 』
『“人工知能”の導入による生産性、効率性の向上、新製品開発への活用』
 

<セミナー No.009506>


★ものづくりなど、データ収集コストが高い分野に有効なデータ駆動型のアプローチとは!

【Live配信セミナー】

機械学習を活用した実験計画法
〜高効率化・高精度化のために〜

 


■ 講師

名古屋大学大学院医学系研究科 臨床医薬学講座生物統計学分野 講師 松井 孝太 氏

■ 開催要領
日 時

2020年9月4日(金)10:30〜16:30

会 場 ZOOMを活用したLive配信 ※会場での講義は行いません
聴講料

1名につき50,000円(消費税抜き、資料付) 
〔1社2名以上同時申込の場合1名につき45,000円(税抜)〕

大学、公的機関、医療機関の方には割引制度があります。
詳しくは上部の「アカデミック価格」をご覧下さい。

■ Live配信セミナーの受講について

・ 本講座はZoomを利用したLive配信セミナーです。セミナー会場での受講はできません。

・ 下記リンクから視聴環境を確認の上、お申し込みください。
 → https://zoom.us/test

・ 開催日が近くなりましたら、視聴用のURLとパスワードをメールにてご連絡申し上げます。
 セミナー開催日時に、視聴サイトにログインしていただき、ご視聴ください。

・ Zoomクライアントは最新版にアップデートして使用してください。

・ パソコンの他にタブレット、スマートフォンでも視聴できます。

・ セミナー配布資料は印刷物を郵送、またはPDFファイルを送付いたします。

・ 当日は講師への質問することができます。可能な範囲で個別質問にも対応いたします。

・ 本講座で使用される資料や配信動画は著作物であり、録音・録画・複写・転載・配布・上映・販売等を禁止いたします。

・ 本講座はお申し込みいただいた方のみ受講いただけます。
 複数端末から同時に視聴することや複数人での視聴は禁止いたします。

・ Zoomのグループにパスワードを設定しています。部外者の参加を防ぐため、パスワードを外部に漏洩しないでください。
 万が一部外者が侵入した場合は管理者側で部外者の退出あるいはセミナーを終了いたします。

■ プログラム

【講演のポイント】
科学的な営みを実行していく上で,「設計」や「計画」はおろそかにすることができない重要なプロセスです.設計や計画が問題の根幹となっている例は,ロボット開発,創薬,天然資源の探鉱など枚挙に暇がありません.近年,設計や計画問題に対するデータ駆動型のアプローチ,また,それを実現するための情報技術である機械学習が注目されています.データ駆動型のアプローチは,データ分析の方法だけでなく,データ収集の方法も考察および最適化の対象とします.特に後者の性質は,ものづくりなどデータ収集コストが非常に高い分野においては,重要な意味を持っていると考えられます.本セミナーでは,データ駆動型のアプローチの一つであるベイズ最適化に注目し,その基本的な方法論と現実の問題をどのように計算機上でシミュレート可能なモデルに落とし込むか,というアイデアについて解説したいと思います.

【講演項目】
1.導入
 1.1 データ取得コストが高い現実の問題(創薬・新規材料開発を例に)
 1.2 機械学習によるデータ駆動型アプローチ(能動学習,実験計画という考え方について)

2.ベイズモデルによる機械学習とベイズ最適化の基礎
 2.1 ブラックボックスなシステムのベイズ統計的モデリング
  2.1.1 ベイズ線形回帰
  2.1.2 ガウス過程回帰
 2.2 ベイズ最適化の方法論
  2.2.1 導入:ブラックボックス関数のベイズ最適化
  2.2.2 獲得関数の設計
  2.2.3 連続値出力な関数に対するベイズ最適化
  2.2.4 離散値出力な関数に対するベイズ最適化(2値出力を例に)
  2.2.5 ベイズ最適化におけるハイパーパラメータの調整

3.応用事例紹介
 3.1 深層学習におけるハイパーパラメータチューニングへの応用
 3.2 適応的マッピングによる材料の低品質領域の高速推定
 3.3 イオン伝導性物質の伝導度推定

4.ベイズ最適化の実行
 4.1 Pythonによるベイズ最適化の実装方法の紹介
 4.2 ベイズ最適化の実行例のデモ紹介

【質疑応答】

 

AI 実験計画 ベイズ セミナー