スペクトル・イメージデータへの機械学習の応用 ～特徴抽出から回帰分析まで～
| 開催日 | 13:00 ～ 16:00 |
|---|---|
| 主催者 | （株）Ｒ＆Ｄ支援センター |
| キーワード | 分析・環境化学 機械学習・ディープラーニング 多変量解析一般 |
| 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。 |
★イメージングが可能なスペクトロメトリー・スペクトロスコピーデータへの機械学習の応用を基礎から学ぶ！☆データの構造と機械学習に適したデータの変換方法から、Pythonを使った教師なし学習による特徴抽出、教師あり機械学習を用いた目的の情報をデータから引き出す方法をお伝えします！ ※本セミナーはZOOMを使ったLIVE配信セミナーです。会場での参加はございません。
セミナー講師
成蹊大学 理工学部 教授 博士（工学）青柳 里果 氏【ご専門】二次イオン質量分析、機械学習、多変量解析、表面分析、質量分析ISO TC201（表面分析） SC6（質量分析） 国際議長 2024年からSurface and Interface Analysis (Wiley) Region Editor 2024年から
セミナー受講料
49,500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46,200円、 2名同時申込の場合計49,500円（2人目無料：1名あたり24,750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。
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
イメージングが可能なスペクトロメトリー・スペクトロスコピーデータへの機械学習の応用を基礎から学ぶセミナーです。 最初に、データの構造と機械学習に適したデータの変換方法を学びます。次に、あらかじめ配布する試し用のデータとプログラム（Python）を使って教師なし学習による特徴抽出を学びます。最後に、教師あり機械学習を用いて、目的の情報をデータから引き出す方法を学びます。 試し用のデータと、Python 3で実施できる主成分分析、ランダムフォレスト、自己符号化器、単純な人工ニューラルネットワークの簡単なプログラムを配布します。 短時間のセミナーですので、参加者の習熟度によっては、セミナーに参加しただけでは全てを習得できないかもしれませんが、資料とプログラムを用いて自習することにより、自力で習得できる程度の情報はセミナーで供給します。
受講対象・レベル
イメージ取得も可能なスペクトルデータ（SIMS、質量分析、顕微分光法など）に従事している研究者の方で機械学習によるデータ解析に興味のある方。
必要な予備知識
スペクトルデータが得られる分析法（質量分析、分光法など）についての基礎知識がある方（何らかのスペクトルデータを取ったことがあるという程度で十分）。多変量解析・機械学習についての予備知識は必要ありません。
習得できる知識
スペクトルとイメージを併せ持つデータからの特徴抽出方法と解析結果の解釈の仕方が習得できる。また複雑なスペクトルから望んだ情報を引き出す教師あり機械学習の基礎が理解できる。
セミナープログラム
１． スペクトル・イメージデータの構造 1-1. イメージデータの構造と2次元イメージの1次元化 1-2. 2次元イメージ＋スペクトルデータの行列化
２． 多変量解析・機械学習の基礎 2-1. 用語の説明 2-2. 教師なし学習と教師あり学習 2-3. 主成分分析の基礎 2-4. 人工ニューラルネットワークの基礎 （練習用エクセルシートも配布）
３． 教師なし学習法による特徴抽出 3-1. スペクトル・イメージデータからの特徴抽出 （練習用データと主成分分析プログラムを配布） 3-2. NMFとSAE例の紹介
４． 教師あり学習の応用方法 4-1. 教師データの作成 4-2. ランダムフォレスト （練習用データと分類用のプログラム配布） 4-3. 人工ニューラルネットワーク （回帰分析用のプログラム配布）【質疑応答】
キーワード：スペクトルデータ,イメージデータ,多変量解析,機械学習,Python,セミナー,講演,研修