回帰 分析 セミナー

                  
実験の自動化・自律化によるR&Dの効率化と運用方法
ケモインフォマティクスにおけるデータ収集の最適化と解析手法
<セミナー No 408161(アーカイブ配信)>
【 アーカイブ配信】 (2024年7月30日(火) Live配信の録画配信です)

☆ pythonコードを共有します!
☆ 非線形回帰、サポートベクター、決定木、ガウス課程回帰モデルなど、各手法の考え方、実践法を分かりやすく

回帰モデルを用いた

化学データの特性予測と実験条件探索


■ 講師

滋賀大学 データサイエンス学部 准教授 博士(理学) 江崎 剛史 氏

■ 開催要領
日 時

【アーカイブ(録画)配信】
2024年8月8日(木)まで申込受付(視聴期間:8月8日〜8月18日まで)

会 場

Zoomを利用したアーカイブ配信   ※会場での講義は行いません
 セミナーの接続確認・受講手順は「こちら」をご確認下さい。

聴講料

聴講料 1名につき55,000円(消費税込/資料付き)
〔1社2名以上同時申込の場合のみ1名につき49
,500円〕
〔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〕

■ プログラム

【講座主旨】

化学物質の開発は依然として膨大な費用と時間がかかっています。そこで、研究開発の効率化を目指し、ケモインフォマティクスの手法を使った化合物の特性予測や、最適な条件探索を行うモデルが注目されています。そのために、機械学習をはじめとした人工知能の貢献が期待されており、回帰モデルを構築する研究開発が進められています。本講演では回帰モデルに注目し、機械学習を用いた化合物の特性予測、そしてベイズ最適化を用いた条件探索について紹介します。また、Pythonを使った実装を行います。

【講座内容】

1.ケモインフォマティクスの概要
2.特性を予測すること
3.線形回帰モデル
4.過学習を抑制する回帰モデル
5.次元圧縮と回帰モデル
6.デモンストレーション:線形回帰
7.非線形回帰モデル
8.サポートベクター回帰
9.決定木に基づく回帰モデル
10.重要な特性の推測
11.デモンストレーション:非線形回帰
12.最適な実験条件の探索
13.ガウス過程回帰モデル
14.デモンストレーション:ガウス課程回帰
15.まとめ

【質疑応答】

-------------------------------------

◆講師略歴・活動など◆

理化学研究所、医薬基盤・健康・栄養研究所を経て現職。
データから医薬品候補を探索する手法の開発を目指した研究、データサイエンス教育に従事。


著書・担当執筆:

『人と共生するAI革命 〜活用事例からみる生活・産業・社会の未来展望〜』, エヌ・ティー・エス出版

『AI活用による薬物動態予測システムの開発』第7章 第2節, pp. 237-242, 江崎 剛史

『ケモインフォマティクスにおけるデータ収集の最適化と解析手法』, 技術情報協会
   担当執筆分:第2章5節「「線形回帰分析」と「非線形回帰分析」によるデータ解析での留意点」 pp.10-20,江崎 剛史

『Pythonではじめる異常検知入門 ―基礎から実践まで―』, 科学情報出版, 江崎 剛史, 李 鍾賛(編:笛田 薫)

回帰 分析 非 線形 ガウス セミナー