マテリアルズ・インフォマティクスの基礎と実践事例
開催日 |
10:30 ~ 16:30 締めきりました |
---|---|
主催者 | (株)R&D支援センター |
キーワード | 化学技術一般 マテリアルズインフォマティクス/ケモインフォマティクス 機械学習・ディープラーニング |
開催エリア | 全国 |
開催場所 | 【WEB限定セミナー】※会社やご自宅でご受講下さい。 |
機械学習を現実の製造業にどのように適用し、結果を最大化するかを学びたいと考えている方へ
実践事例を通じて、マテリアルズ・インフォマティクスのプロジェクトの進め方を理解し、自社のプロジェクトに応用する方法を習得できる!
【アーカイブ配信受講:8/30(金)~9/13(金)】での受講もお選びいただけます。希望される方は申込フォームにてご選択ください。
セミナー講師
大阪公立大学大学院 情報学研究科 学際情報学専攻 准教授上杉 徳照氏<ご略歴>2005年 大阪府立大学大学院工学研究科マテリアル工学分野 助手2007年 同 助教、2013年 同 講師、2017年 同 准教授2019年 大阪府立大学大学院人間社会システム科学研究科 准教授2022年 大阪公立大学大学院情報学研究科学際情報学専攻 准教授<学協会> 日本材料学会、情報処理学会、日本金属学会、人工知能学会、軽金属学会、日本鉄鋼協会、鋳造工学会など
セミナー受講料
55,000円(税込、資料付)■ セミナー主催者からの会員登録をしていただいた場合、1名で申込の場合49,500円、 2名同時申込の場合計55,000円(2人目無料:1名あたり27,500円)で受講できます。(セミナーのお申し込みと同時に会員登録をさせていただきますので、 今回の受講料から会員価格を適用いたします。)※ 会員登録とは ご登録いただきますと、セミナーや書籍などの商品をご案内させていただきます。 すべて無料で年会費・更新料・登録費は一切かかりません。 メールまたは郵送でのご案内となります。 郵送での案内をご希望の方は、備考欄に【郵送案内希望】とご記入ください。
※LIVE配信とアーカイブ配信(見逃し配信)両方の視聴を希望される場合 会員価格で1名につき55,000円(税込)、2名同時申込で66,000円(税込)になります。 メッセージ欄に「LIVEとアーカイブ両方視聴」と明記してください。
受講について
Zoomを使ったWEB配信セミナー受講の手順
- Zoomを使用されたことがない方は、こちらからミーティング用Zoomクライアントをダウンロードしてください。ダウンロードできない方はブラウザ版でも受講可能です。
- セミナー前日までに必ず動作確認をお願いします。
- 開催日直前にWEBセミナーへの招待メールをお送りいたします。当日のセミナー開始10分前までに招待メールに記載されている視聴用URLよりWEB配信セミナーにご参加ください。
- セミナー資料は開催前日までにお送りいたします。無断転載、二次利用や講義の録音、録画などの行為を固く禁じます。
セミナー趣旨
製造業における技術革新を推進するために機械学習とマテリアルズ・インフォマティクスの活用に焦点を当てます。参加者は機械学習の基本原理やアプローチを学び、これらを実際の製造プロセスに適用する方法を理解する機会を得ます。特に、マテリアルズ・インフォマティクスで使用される機械学習の応用技術とその周辺技術について掘り下げ、これらを現場に組み込む具体的な事例を提示します。 実践事例を豊富に取り入れることで、理論から具体的なプロジェクトへの応用までのステップを説明します。これにより、参加者はマテリアルズ・インフォマティクスプロジェクトの始め方を体系的に理解し、自社のプロジェクトに直接応用する能力を身に付けます。本セミナーは、新材料設計、材料製造プロセスの効率化、画像による材料検査の自動化を目指す技術者や研究者にとって、業務の質を向上させ、競争力を高めるための知識とスキルを提供します。
受講対象・レベル
素材・材料製造業で活躍する技術者、研究者、プロダクトマネージャー、および製造プロセスの革新を目指す企業の意思決定者を対象にしています。機械学習を現実の製造業にどのように適用し、結果を最大化するかを学びたいと考えている方に最適です。
必要な予備知識
特に予備知識は必要ありません。基礎から解説いたします。
習得できる知識
・機械学習の基本的な原理とアプローチを理解できる。・マテリアルズ・インフォマティクスのための機械学習応用技術と関連技術を理解し、これらを実務に組み込む方法を習得できる。・実践事例を通じて、マテリアルズ・インフォマティクスのプロジェクトの進め方を理解し、自社のプロジェクトに応用する方法を習得できる。
セミナープログラム
1. 機械学習の基礎 1-1. 人工知能と機械学習 1-2. 機械学習の種類と流れ 1-3. データの分割 1-4. 過学習と交差検証 1-5. ハイパーパラメータの最適化 1-6. 精度評価指標 1-7. ノーフリーランチ定理 1-8. 線形回帰からニューラルネットワーク 1-9. 深層学習 1-10.データの質と量 1-11.内挿と外挿
2.機械学習の応用技術 2-1. 教師なし学習 2-2. 説明可能AI 2-3. 醜いアヒルの子の定理 2-4. 特徴量エンジニアリング 2-5. 正則化とデータ拡張 2-6. 不均衡データ 2-7. 転移学習 2-8. 二重交差検証 2-9. モデルの適用範囲
3.機械学習の周辺技術 3-1. 機械学習の用途 3-2. 因果推論 3-3. 第一原理計算 3-4. 逆問題と最適化 3-5. 画像解析
4.製造業への応用 4-1. アンチパターンから学ぶ 4-2. データ活用人材 4-3. 銀の弾などない 4-4. 開発環境
5.実践事例 5-1. 添加剤の歩留まり最適化 5-2. 外観検査への応用 5-3. 破面解析への応用 5-4. 第一原理計算からの転移学習 5-5. 合金組成の最適化