【オンデマンド配信】材料・プロセス・分析データとインフォマティクス~ 機械学習、深層学習、生成AI活用へ ~

49,500 円(税込)

※本文中に提示された主催者の割引は申込後に適用されます

※銀行振込 または、当日現金でのお支払い

会員ログインして申込む

よくある質問はこちら

このセミナーについて質問する
開催日 オンデマンド
主催者 サイエンス&テクノロジー株式会社
キーワード 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   回帰分析   実験計画法一般
開催エリア 全国

研究開発における現代のタイムパフォーマンス向上法 データ活用のトレンドと多様なデータへの向き合い方を半日速習! 近年話題の生成AIの材料データへの適用など、 材料化学分野におけるデータ活用のトレンドとスモールデータ解析、 品質管理に非破壊計測、自律自動実験、深層学習×微細構造制御、 マルチモーダルAI×材料特性制御等々、 研究開発における多様なデータへの向き合い方について、事例を交えて紹介!

 

日時

2024年10月30日(水) 23:59まで申込み受付中/【収録日:2024年7月19日(金) 】※映像時間: 2時間46分視聴期間:申込日から10営業日後まで(期間中は何度でも視聴可)

セミナー講師

(国研)産業技術総合研究所 ナノカーボンデバイス研究センター 主任研究員 博士(工学) 室賀 駿 氏【専門】マテリアルズ・インフォマティクス、プロセス・インフォマティクス、ナノ材料、高分子

セミナー受講料

※お申込みと同時にS&T会員登録をさせていただきます(E-mail案内登録とは異なります)。

49,500円( E-mail案内登録価格46,970円 )E-Mail案内登録なら、2名同時申込みで1名分無料2名で 49,500円 (2名ともE-mail案内登録必須/1名あたり定価半額24,750円)

【1名分無料適用条件】※2名様ともE-mail案内登録が必須です。※同一法人内(グループ会社でも可)による2名同時申込みのみ適用いたします。※3名様以上のお申込みの場合、1名あたり定価半額で追加受講できます。※請求書(PDFデータ)は、代表者にE-mailで送信いたします。※請求書および領収証は1名様ごとに発行可能です。 (申込みフォームの通信欄に「請求書1名ごと発行」と記入ください。)※他の割引は併用できません。

 テレワーク応援キャンペーン(1名受講)【オンライン配信セミナー受講限定】

1名申込みの場合:受講料37,400円( E-Mail案内登録価格 35,640円) ※1名様でオンライン配信セミナーを受講する場合、上記特別価格になります。※他の割引は併用できません。

受講、配布資料などについて

オンデマンド配信の受講方法・視聴環境確認

  • 録画セミナーの動画をお手元のPCやスマホ・タブレッドなどからご視聴・学習することができます。
  • 申込み後すぐに視聴可能です。S&T会員マイページ(無料)にログインいただき、ご視聴ください。
  • 視聴期間内にご視聴いただけなかった場合でも期間延長いたしませんのでご注意ください。
  • セミナーに関する質問に限り、後日に講師にメールで質問可能です。(テキストに講師の連絡先が掲載されている場合のみ)
  • 以下の視聴環境および視聴テストを事前にご確認いただいたうえで、お申込みください。セキュリティの設定や、動作環境によってはご視聴いただけない場合がございます。≫ 視聴テスト【ストリーミング(HLS)を確認】  ≫ 視聴環境

配布資料

  • PDFテキスト(印刷可)
  • 講師メールアドレスの掲載:有

その他注意事項※オンライン配信セミナーの録音・撮影、複製は固くお断りいたします。※講師の所属などは、収録当時のものをご案内しております

セミナー趣旨

材料開発期間の短縮、省人・省力化、複雑な要望に対する迅速な条件のフィードバックといった様々な目的の下、身の回りにある材料、プロセス、分析データの使いこなしの技術がより一層求められる時代になっている。本セミナーでは近年におけるこうしたデータ活用のトレンドについて紹介するとともに、多様なデータへの向き合い方について事例を交えて紹介する。

セミナープログラム

1.材料化学分野におけるデータ活用 1.1 データ解析技術の変遷 1.2 データ活用の4つのトレンド2.材料品質管理に向けた分析データ解析 2.1 データの特徴の見極め 2.2 非破壊計測とデータ解析3.スモールデータの解析 3.1 スモールデータ解析の難しさ 3.3 少数データから現象を紐解く解析手法4.自律自動実験 4.1 自動化と自律化の違い 4.2 クローズドループな自律実験5.材料微細構造制御に向けた深層学習 5.1 微細構造をAIで扱う難しさ 5.2 深層学習を使った微細構造からの特性予測6.異なる複数の情報を扱うマルチモーダルAI 6.1 マルチモーダルAIとは 6.2 生成AIの材料データへの適用 6.3 マルチモーダルAIによる材料特性の制御7.これからのデータ活用