製造業関連情報総合ポータルサイト@engineer
WEB営業力強化支援サービスのご案内
製造業のための技術系セミナー/書籍/通信教育/雑誌
技術情報協会はセミナー・出版・通信教育を通じて企業の最前線に立つ研究者、技術者をサポートします!
イベント

【Live配信セミナー 10/4】Pythonによるベイズ最適化 入門

  • このエントリーをはてなブックマークに追加
  • @engineer記事クリップに登録
化学・エレクトロニクス:セミナー 医薬品/医療機器・材料/食品/化粧品:セミナー  / 2022年08月02日 /  医療・バイオ 化学・樹脂 試験・分析・測定
イベント名 Pythonによるベイズ最適化 入門
開催期間 2022年10月04日(火)
10:30~16:30
会場名 Zoomを利用したLive配信
会場の住所 東京都※会場での講義は行いません
お申し込み期限日 2022年10月03日(月)15時
お申し込み

<セミナー No.210111>

 

~インフォマティクス・機械学習のための~

Pythonによるベイズ最適化 入門

 

☆ 統計初心者やインフォマティクス初任者のための入門講座!
  現場でベイズ推計を実践するために、まず知っておきたい基礎理論・応用法をじっくり分かりやすく学べます

 

■このセミナーで学べる事
・理解が難しいとされている、ベイズ統計の基礎理論をマスター
・現場でベイズ最適化を実施するための機械学習、Pythonの活用
・ベイズ最適化による実験の短縮、効率的実験計画
・ケモ/バイオ/マテリアルズインフォマティクスなどでの応用法

 

■こんな方におススメ
・統計初心者、インフォマティクス初任者
・ベイズ推定が苦手、難しいイメージを持っている方

----------------------------------------------------------------------------------
■講師
(株)メドインフォ 代表取締役 嵜山 陽二郎 氏
■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(税込)
大学、公的機関、医療機関の方には割引制度があります。詳しくはお問い合わせください。
■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                                
【講座主旨】
Pythonは現在流行のプログラミング言語で、これをマスターするだけでも仕事に困らないと言われており、様々な分野で活用されています。
また最近、ベイズ最適化という手法が注目されています。少ないデータから関数を予測する手法で、動的実験計画法の一種です。他の機械学習とは異なり、大量のデータを必要としません。データ間の他のデータの存在確率を見積もるガウス過程と呼ばれる手法を内部で用いており、不確かさを埋めるように新しいデータを取り、関数の形を推定します。
本講座はベイズ最適化を学びたい方向けの入門講座です。その面白さと可能性に一人でも多くの方に触れて頂けることを期待しています。


【講座内容】
1.ベイズ最適化の基本コンセプト
 ①ベイズ最適化とは
 ②機械学習におけるハイパーパラメータ探索
 ③グリッドサーチ
 ④獲得関数
 ⑤ガウス過程
 ⑥実行ツール
2.データ解析や機械学習を活用した設計・管理
 ①プロセスインフォマティックス
 ②分子設計
 ③材料設計
 ④なぜベイズ最適化が必要か
 ⑤プロセス設計
 ⑥プロセス管理
3.実験計画法
 ①なぜ実験計画法か
 ②実験計画法とは
 ③適応的実験計画法
 ④必要となる手法・技術
4.回帰モデル
 ①統計量・特徴量の確認
 ②回帰モデル
 ③決定木とランダムフォレスト
 ④サポートベクター回帰
 ⑤ガウス過程回帰
5.モデルの適用範囲
 ①モデルの適用範囲とは
 ②データ密度
 ③アンサンブル学習
6.実験計画法の実践
 ①実験候補の生成
 ②実験候補の選択
 ③次の実験候補の選択
 ④ベイズ最適化
7.おわりに
【質疑応答】

  • HOME
  • 製品・技術 書籍・通信講座情報
  • イベント セミナー情報
  • ご意見箱
  • 会社概要
  • お問い合わせ